Fundamentos de Estadística
|
|
- Sara Aguilar Gómez
- hace 7 años
- Vistas:
Transcripción
1 Fundamentos de Estadística Introducción a la Estadística Prof. Dr. Eduardo Valenzuela Domínguez eduardo.valenzuela@usm.cl Universidad Técnica Federico Santa María Dr. Eduardo Valenzuela D.; MEE 2005 p. 1/6
2 Introducción Modelación Realidad versus Modelo Dr. Eduardo Valenzuela D.; MEE 2005 p. 2/6
3 Introducción Modelación Realidad versus Modelo Modelos Deterministicos Dr. Eduardo Valenzuela D.; MEE 2005 p. 2/6
4 Introducción Modelación Realidad versus Modelo Modelos Deterministicos Modelos no-deterministicos Dr. Eduardo Valenzuela D.; MEE 2005 p. 2/6
5 Introducción Modelación Realidad versus Modelo Modelos Deterministicos Modelos no-deterministicos Toma de decisiones bajo Incertidumbre Dr. Eduardo Valenzuela D.; MEE 2005 p. 2/6
6 Definición Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenómenos no-deterministicos Algunas aplicaciones: Dr. Eduardo Valenzuela D.; MEE 2005 p. 3/6
7 Definición Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenómenos no-deterministicos Algunas aplicaciones: Ingeniería Dr. Eduardo Valenzuela D.; MEE 2005 p. 3/6
8 Definición Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenómenos no-deterministicos Algunas aplicaciones: Ingeniería Compañías de Seguros Dr. Eduardo Valenzuela D.; MEE 2005 p. 3/6
9 Definición Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenómenos no-deterministicos Algunas aplicaciones: Ingeniería Compañías de Seguros Estudios de Mercado Dr. Eduardo Valenzuela D.; MEE 2005 p. 3/6
10 Definición Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenómenos no-deterministicos Algunas aplicaciones: Ingeniería Compañías de Seguros Estudios de Mercado Control de Calidad Dr. Eduardo Valenzuela D.; MEE 2005 p. 3/6
11 Definición Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenómenos no-deterministicos Algunas aplicaciones: Ingeniería Compañías de Seguros Estudios de Mercado Control de Calidad Instrumentos Financieros Dr. Eduardo Valenzuela D.; MEE 2005 p. 3/6
12 Definición Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenómenos no-deterministicos Algunas aplicaciones: Ingeniería Compañías de Seguros Estudios de Mercado Control de Calidad Instrumentos Financieros Medicina Dr. Eduardo Valenzuela D.; MEE 2005 p. 3/6
13 Algunos Términos Población: Colección completa de todas los individuos de interes para el investigador. Parámetro: Valor que caracteriza un aspecto de la población. Muestra: Subconjunto de la población y que es representativa de esta. Estadistico: Medida descriptiva de la muestra que se utiliza para estimar al respectivo parámetro poblacional. Variable: Caracteristica de la población que se analiza en el estudio estadistico. Dr. Eduardo Valenzuela D.; MEE 2005 p. 4/6
14 Técnicas de Muestreo Muestreo Aleatorio simple: Procedimiento mediante el cuál todas las muestras de un determinado tamaño, poseen la misma "chance" de ser extraidas. Muestreo Aleatorio Estratificado: Esquema de muestreo que primero particiona a la población en diversos "estratos" y posteriormente extrae una mustra aleatoria simple en cada uno de ellos. Dr. Eduardo Valenzuela D.; MEE 2005 p. 5/6
15 Muestreo Error muestral: Diferencia entre el valor del parámetro poblacional y el producido por el estadistico o estadigrafo basado en una muestra. Sesgo muestral: Tendencia a favorecer la selección de determinados individuos de la población. Dr. Eduardo Valenzuela D.; MEE 2005 p. 6/6
16 Muestreo Población vs Muestra Muestreo implica Error muestral Acotar la probabilidad de cometer errores Estadistica Descriptiva Inferencial Dr. Eduardo Valenzuela D.; MEE 2005 p. 7/6
17 Tipos de Variables Variables cualitativas: Caracteristica que representa una cualidad de los individuos poblacionales. Variables cuantitativas: Caracteristica que corresponde a una magnitud asociada a los individuos de la población. Dr. Eduardo Valenzuela D.; MEE 2005 p. 8/6
18 Escalas de Medición Escala nominal: Nombres o clases que se utilizan para organizar los datos en categorias separadas y distintas. Escala ordinal: Mediciones que jerarquizan los datos en categorias, ordenadas en virtud de un determinado criterio. Dr. Eduardo Valenzuela D.; MEE 2005 p. 9/6
19 Escalas de Medición Escala de intervalos: Mediciones respecto de una escala numerica en la cual la diferencia entre valores tiene interpretación y la ubicación del cero es arbitrario. Escala de proporciones: Mediciones respecto de una escala numerica en la cual tanto la diferencia como los cuocientes tienen interpretación y la ubicación del cero es absoluto. Dr. Eduardo Valenzuela D.; MEE 2005 p. 10/6
20 Estadistica Descriptiva Proporciona procedimientos que permiten organizar, procesar y presentar los datos muestrales con el fin de extraer información relevante que este contenida en ellos. Datos Muestrales Clasificación A 1,A 2,...,A k : clases Dr. Eduardo Valenzuela D.; MEE 2005 p. 11/6
21 Número de clases Si se dispone de n datos muestrales, se suele usar la regla de Sturges : k = [3, 3 log n] + 1 Ejemplo: Para n = 1000, usar: k = [3, 3 log 1000] + 1 = [3, 3 3] + 1 = = 10 clases Dr. Eduardo Valenzuela D.; MEE 2005 p. 12/6
22 Observaciones y Preguntas Las clases deben ser excluyentes y todo elemento muestral debe pertenecer a una de ellas. Existen clases que concentren mas datos?. Se presenta un comportamiento uniforme?. Se visualiza mas de un punto de concentración?. Dr. Eduardo Valenzuela D.; MEE 2005 p. 13/6
23 Construcción de clases Si los datos muestrales estan medidos por lo menos al nivel de intervalos y si los representamos por: x 1,x 2,...,x n entonces la amplitud de las clases es de: c = max x i min x i k Dr. Eduardo Valenzuela D.; MEE 2005 p. 14/6
24 Construcción de clases con esto se determinan los limites superior e inferior de cada clase: clase limites relacin A 1 [a 1 b 1 ] b 1 = a 1 + c ]a 2 b 2 ] b 2 = a 2 + c A 2. A k.. ]a k b k ] b k = a k + c en donde a 1 = min x i y a k+1 = b k Dr. Eduardo Valenzuela D.; MEE 2005 p. 15/6
25 Ejemplo Consideremos una muestra de n = 50 datos: numero de clases: k = [3, 3 log 50] + 1 = 6 Dr. Eduardo Valenzuela D.; MEE 2005 p. 16/6
26 Continuación Ejemplo min x i = 50 y max x i = 102, por lo que c = = 8, 7 redondeando, tomaremos c = 9, con lo que las clases quedan: Dr. Eduardo Valenzuela D.; MEE 2005 p. 17/6 clase limites marca de clase A 1 [50 59] 54, 5 A 2 ]59 68] 63, 5 A 3 ]68 77] 72, 5 A 4 ]77 86] 81, 5 A 5 ]86 95] 90, 5 A 6 ]95 104] 99, 5
27 Gráfico de Tallo y Hoja Una forma alternativa de visualizar los datos, es mediante el gráfico de tallo y hoja: La coma decimal esta un digito a la derecha de los dos puntos: 5 : : : : : : 12 Dr. Eduardo Valenzuela D.; MEE 2005 p. 18/6
28 Distribuciones de Frecuencias Para descubrir como se reparten los datos entre las clases, consideraremos las frecuencias Frecuencia absoluta: Es el número de observaciones muestrales que caen en cada clase: n i, para i = 1,...,k. Frecuencia relativa: Es la proporción de datos con respecto a toda la muestra que pertenecen a cada clase: f i, para i = 1,...,k. Se tiene que: f i = n i n Dr. Eduardo Valenzuela D.; MEE 2005 p. 19/6
29 Distribuciones de Frecuencias Frecuencia absoluta acumulada: Es la suma acumulada de las frecuencias absolutas hasta cada clase: N i, para i = 1,...,k. con N i = i j=1 n j, para i = 1,...,k Frecuencia relativa acumulada: Es la suma acumulada de las fercuencias relativas hasta cada clase: F i, para i = 1,...,k. con F i = i j=1 f j, para i = 1,...,k Se tiene que: F i = N i n Dr. Eduardo Valenzuela D.; MEE 2005 p. 20/6
30 Ejemplo clase limites n i N i f i F i A 1 [50 59] 3 3 0, 06 0, 06 A 2 ]59 68] 5 8 0, 10 0, 16 A 3 ]68 77] , 30 0, 46 A 4 ]77 86] , 34 0, 80 A 5 ]86 95] , 14 0, 94 A 6 ]95 104] , 06 1, 00 total 50 1, 00 Dr. Eduardo Valenzuela D.; MEE 2005 p. 21/6
31 Representaciones Gráficas Otra forma de representar la información muestral, es mediante gráficos Histograma: Se grafican las frecuencias con respecto a las diversas clases. Poligono de frecuencias: Representa las frecuencias en las marcas de clases unidas por segmentos de rectas. Distribucion de frecuencias acumuladas: Aqui se representan las frecuencias acumuladas hasta cada clase. Dr. Eduardo Valenzuela D.; MEE 2005 p. 22/6
32 Representaciones Gráficas Ojiva: Poligonal que une las frecuencias acumulativas en cada clase. Gráfico de barras: Las frecuencias se representan por barras proporcionales a ellas. Gráficos circulares: Las frecuencias se muestran como sectores circulares. Dr. Eduardo Valenzuela D.; MEE 2005 p. 23/6
33 Histograma Histograma de x x Dr. Eduardo Valenzuela D.; MEE 2005 p. 24/6
34 Ojiva Ojiva de x Frec x Dr. Eduardo Valenzuela D.; MEE 2005 p. 25/6
35 Pastel Grafico circular de x Dr. Eduardo Valenzuela D.; MEE 2005 p. 26/6
36 Estadistica descriptiva bivariada Analisis descriptivo conjunto de dos o mas variables. Si (x 1,y 1 ), (x 2,y 2 ),...,(x n,y n ) es una muestra bivariada de las variables X e Y. Si k es el número de clases para X y l, para Y, se definen: Frecuencia absoluta conjunta: El número de observaciones muestrales que caen en la clase A i segun X y en la clase B j segun Y. n i,j, i = 1,...,k,j = 1,...,l Frecuencia relativa conjunta: Proporción muestral de n i,j. Dr. Eduardo Valenzuela D.; MEE 2005 p. 27/6
37 Tablas de contingencia Se definen las frecuencias marginales de X e Y respectivamente por: n i,. = l n i,j, n.,j = k n i,j j=1 i=1 y las respectivas frecuencias relativas conjuntas y marginales por: f i,j = n i,j n, f i,. = n i,. n, f.,j = n.,j n Dr. Eduardo Valenzuela D.; MEE 2005 p. 28/6
38 Ejemplo [10;30] ]30;50] ]50;70] n i,. [1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j 113 Dr. Eduardo Valenzuela D.; MEE 2005 p. 29/6
39 Ejemplo [10;30] ]30;50] ]50;70] n i,. [1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j 113 Dr. Eduardo Valenzuela D.; MEE 2005 p. 29/6
40 Ejemplo [10;30] ]30;50] ]50;70] n i,. [1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j Dr. Eduardo Valenzuela D.; MEE 2005 p. 29/6
41 Ejemplo [10;30] ]30;50] ]50;70] n i,. [1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j Dr. Eduardo Valenzuela D.; MEE 2005 p. 29/6
42 Medidas de tendencia central Son estadisticos que proporcionan valores representativos de la muestra, de tal manera que todos los datos muestrales caen en torno a estos valores. Moda Mediana Media ( geométrica ) Media ( aritmética ) Dr. Eduardo Valenzuela D.; MEE 2005 p. 30/6
43 Si los datos muestrales han sido agrupados en clases y estas marcas de clase son x 1,...,x k con frecuencias relativas f i. Se define la media de x por x = k f i x i = 1 n k n i x i i=1 i=1 Dr. Eduardo Valenzuela D.; MEE 2005 p. 31/6
44 Medidas de variabilidad Las medidas de variabilidad o de dispersión, pretenden cuantificar el grado de homogeneidad presente en la muestra; determinan que tan concentrados o dispersos estan los datos. Algunas medidad de dispersión son: Rango Desviación media Rango intercuartílico Varianza y Desviación estandar Dr. Eduardo Valenzuela D.; MEE 2005 p. 32/6
45 La varianza se define por: S 2 x = k f i (x i x) 2 = 1 n k n i (x i x) 2 i=1 i=1 y la desviación estandar por: S x = + S 2 x Dr. Eduardo Valenzuela D.; MEE 2005 p. 33/6
46 Observación Cabe hacer notar que cuando la varianza muestral se usa como un estimador de la varianza poblacional, su definición se modifica levemente en la forma: S 2 = 1 n 1 k i=1 n i (x i x) 2 Esta varianza modificada es preferible como estimador, pues posee mejores propiedades que S 2 x. Dr. Eduardo Valenzuela D.; MEE 2005 p. 34/6
47 Desigualdad de Tschebyscheff Una interpretación interesante de la desviacion estandar es la proporcionada por la Desigualdad de Tschebyscheff, que plantea intuitivamente que: En todo conjunto de observaciones y para todo numero real r > 1, se tiene que al menos 1 1 r 2 de ellas caen en el intervalo: [ x rs x ; x + rs x ] Dr. Eduardo Valenzuela D.; MEE 2005 p. 35/6
48 Gráficamente: Dr. Eduardo Valenzuela D.; MEE 2005 p. 36/6
49 Resumen Las principales medidas descriptivas de la muestra son: Resumen de $x$ Min. 1st Q. Med. Mean 3rd Q. Max N = 50 Median = 78.5 Quartiles = 71; 84 Que pueden representarse gráficamente por: Dr. Eduardo Valenzuela D.; MEE 2005 p. 37/6
50 Gráfico de Cajón Dr. Eduardo Valenzuela D.; MEE 2005 p. 38/6
51 Elementos de Inferencia Estadística Al modelar un fenómeno en la vida real, las variables que nos interesan generalmente son de naturaleza no-deterministica y en consecuencia pueden representarse por variables aleatorias. Para poder obtener probabilidades asociadas a estas variables aleatorias X, podemos ocupar su funcion de distribucion F X : F X (x) = P[X x] Dr. Eduardo Valenzuela D.; MEE 2005 p. 39/6
52 Problema Pero en la mayoria de los casos, esta función, dependerá de parámetros desconocidos θ, es decir tenemos: F X (x;θ) = P[X x] y para que estos modelos sean de alguna utilidad, se requiere previamente estimar estos parametros a partir de informacion empírica recopilada a partir de una muestra aleatoria de X. Dr. Eduardo Valenzuela D.; MEE 2005 p. 40/6
53 Problemas Esto nos lleva a los principales problemas de la inferencia estadistica: Dr. Eduardo Valenzuela D.; MEE 2005 p. 41/6
54 Problemas Esto nos lleva a los principales problemas de la inferencia estadistica: Estimacion puntual. Dr. Eduardo Valenzuela D.; MEE 2005 p. 41/6
55 Problemas Esto nos lleva a los principales problemas de la inferencia estadistica: Estimacion puntual. Estimacion por intervalos de confianza. Dr. Eduardo Valenzuela D.; MEE 2005 p. 41/6
56 Problemas Esto nos lleva a los principales problemas de la inferencia estadistica: Estimacion puntual. Estimacion por intervalos de confianza. Prueba de hipotesis. Dr. Eduardo Valenzuela D.; MEE 2005 p. 41/6
57 Estimacion puntual En el ámbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos: Lo que hace necesario definir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles. Dr. Eduardo Valenzuela D.; MEE 2005 p. 42/6
58 Estimacion puntual En el ámbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos: Método de momentos. Lo que hace necesario definir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles. Dr. Eduardo Valenzuela D.; MEE 2005 p. 42/6
59 Estimacion puntual En el ámbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos: Método de momentos. Método de minimos cuadrados. Lo que hace necesario definir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles. Dr. Eduardo Valenzuela D.; MEE 2005 p. 42/6
60 Estimacion puntual En el ámbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos: Método de momentos. Método de minimos cuadrados. Método de máxima verosimilitud. Lo que hace necesario definir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles. Dr. Eduardo Valenzuela D.; MEE 2005 p. 42/6
61 Propiedades Entre las principales propiedades de los estimadores se cuentan: Dr. Eduardo Valenzuela D.; MEE 2005 p. 43/6
62 Propiedades Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Dr. Eduardo Valenzuela D.; MEE 2005 p. 43/6
63 Propiedades Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima Dr. Eduardo Valenzuela D.; MEE 2005 p. 43/6
64 Propiedades Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima Error cuadratico minimo Dr. Eduardo Valenzuela D.; MEE 2005 p. 43/6
65 Propiedades Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima Error cuadratico minimo Eficiencia Dr. Eduardo Valenzuela D.; MEE 2005 p. 43/6
66 Propiedades Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima Error cuadratico minimo Eficiencia Consistencia Dr. Eduardo Valenzuela D.; MEE 2005 p. 43/6
67 Ejemplo Supongamos que la variable aleatoria X esta distribuida normalmente: X N(µ,σ 2 ) Se dice que X 1,...,X n es una Muestra aleatoria de X, si: Los X 1,...,X n son independientes Cada X i posee la misma ditribucion que X Dr. Eduardo Valenzuela D.; MEE 2005 p. 44/6
68 Ejemplo Usando estos datos se pueden obtener estimadores puntuales de los parametros µ y σ 2, los cuales poseen varias de las propiedades anteriores; ellos son: n X n = 1 n i=1 X i S 2 n = 1 n 1 n (X i X n ) 2 i=1 que son la media y varianza muestral. Dr. Eduardo Valenzuela D.; MEE 2005 p. 45/6
69 Ejemplo Notemos que los valores que estos estimadores producen, dependen de los valores muestrales y en consecuencia cambiaran de una a otra muestra. Esto nos lleva a considerar las distribuciones muestrales de estos estimadores. Dr. Eduardo Valenzuela D.; MEE 2005 p. 46/6
70 Distribuciones muestrales Bajo la suposicion de que: X N(µ,σ 2 ) se puede verificar que la distribucion empirica de la media muestral a partir de una muestra aleatoria de tamaño n es: X n N(µ, σ2 n ) que es nuevamente una normal. Dr. Eduardo Valenzuela D.; MEE 2005 p. 47/6
71 Distribuciones muestrales Analogamente la distribucion empirica de la varianza muestral es: (n 1)S 2 n σ 2 χ 2 (n 1) que se denomina Chi cuadrado con n 1 grados de libertad y que para usarla al igual que la normal, hay que recurrir a tablas estadisticas Dr. Eduardo Valenzuela D.; MEE 2005 p. 48/6
72 Otras distribuciones Ademas de estas distribuciones, es necesario considerar otras mas que aparecen en los procesos de estimacion y prueba de hipotesis, ellas son: La distribucion t de student con k grados de libertad, que se simboliza por t(k). La distribucion Fisher con k y l grados de libertad, que se representa por F(k,l). Dr. Eduardo Valenzuela D.; MEE 2005 p. 49/6
73 Otras distribuciones Analogamente a la distribucion normal y chi-cuadrado, para evaluar probabilidades asociadas a ellas, es necesario obtener los valores usando una tabla estadistica, una calculadora que las tenga implementadas o un programa computacional adecuado. Dr. Eduardo Valenzuela D.; MEE 2005 p. 50/6
74 Observación Cabe hacer notar que si bien es cierto estos estimadores puntuales, al evaluarlos en los datos muestrales, nos proporcionan una estimacion puntual, que sirve para aproximar el valor desconocido del parametro en estudio; ellos no entregan idea alguna sobre el error que se produce en este proceso de estimacion. Dr. Eduardo Valenzuela D.; MEE 2005 p. 51/6
75 Observación Para poder cuantificar este error, se requeriria estimar los parametros por medio de un intervalo de confianza, que nos indique una region que pudiera contener al parametro buscado, mas una evaluacion de la proporcion de veces que tomaremos una decision correcta al usar este procedimiento, para estimar los parametros; esto se conoce como el coeficiente de confianza Dr. Eduardo Valenzuela D.; MEE 2005 p. 52/6
76 Estimacion por intervalos de confianza Llamaremos un intervalo de confianza para el parametro θ con coeficiente de confianza γ, a un intervalo del tipo: que cumpla: [T 1 (X 1,...,X n );T 2 (X 1,...,X n )] P[T 1 θ T 2 ] γ Dr. Eduardo Valenzuela D.; MEE 2005 p. 53/6
77 Estimacion por intervalos de confianza Se puede ver que si X N(µ,σ 2 ), entonces el intervalo de confianza para µ con coeficiente de confianza γ esta dado por: [ ˆX n S n n t (1+γ)/2 (n 1); ˆX n + S n n t (1+γ)/2 (n 1)] Dr. Eduardo Valenzuela D.; MEE 2005 p. 54/6
78 Observación Existen algunas situaciones en las cuales la varianza σ 2 se conoce y por lo tanto no se requiere previamente estimarla. Tambien en aquellos casos en que el tamaño muestral n crece tendiendo a infinito n, se puede verificar que la distribucion t de student se aproxima en un cierto sentido a la distribucion normal. Dr. Eduardo Valenzuela D.; MEE 2005 p. 55/6
79 Observación Para estas situaciones, que se denominan muestras grandes, el intervalo de confianza para la media muestral ˆXn se transforma en: [ ˆX n σ n z (1+γ)/2 ; ˆX n + σ n z (1+γ)/2 ] Dr. Eduardo Valenzuela D.; MEE 2005 p. 56/6
80 Continuación Analogamente se puede obtener el intervalo de confianza para σ 2 con coeficiente de confianza γ, resultando: [ (n 1) S 2 n χ (1+γ)/2 (n 1) ; (n 1) Sn 2 ] χ (1 γ)/2 (n 1) El uso de estos intervalos de confianza nos permite estimar los parametros de interes, indicando la precision que permiten obtener los datos disponibles. Dr. Eduardo Valenzuela D.; MEE 2005 p. 57/6
81 Prueba de Hipótesis Existen situaciones en las cuales se tiene algun conocimiento previo sobre los parametros de una distribución ( Hipotesis ) y se desea analizar si este supuesto es consecuente con los datos muestrales. Esto lleva a una Prueba de Hipótesis, para lo que se necesita: Dr. Eduardo Valenzuela D.; MEE 2005 p. 58/6
82 Prueba de Hipótesis Dr. Eduardo Valenzuela D.; MEE 2005 p. 59/6
83 Prueba de Hipótesis Una hipotesis nula H 0. Dr. Eduardo Valenzuela D.; MEE 2005 p. 59/6
84 Prueba de Hipótesis Una hipotesis nula H 0. Una hipotesis alternativa H 1. Dr. Eduardo Valenzuela D.; MEE 2005 p. 59/6
85 Prueba de Hipótesis Una hipotesis nula H 0. Una hipotesis alternativa H 1. Una funcion de los datos T(X 1,...,X n ), cuya distribución bajo H 0 se conozca. Dr. Eduardo Valenzuela D.; MEE 2005 p. 59/6
86 Prueba de Hipótesis Una hipotesis nula H 0. Una hipotesis alternativa H 1. Una funcion de los datos T(X 1,...,X n ), cuya distribución bajo H 0 se conozca. Un nivel de significancia 0 < α < 1. Dr. Eduardo Valenzuela D.; MEE 2005 p. 59/6
87 Prueba de Hipótesis Una hipotesis nula H 0. Una hipotesis alternativa H 1. Una funcion de los datos T(X 1,...,X n ), cuya distribución bajo H 0 se conozca. Un nivel de significancia 0 < α < 1. Una región de rechazo. Dr. Eduardo Valenzuela D.; MEE 2005 p. 59/6
88 Acciones Al tomar la decisión de rechazar o no la hipótesis nula sobre la base de los datos muestrales, se producen las siguientes posibilidades: acción ; realidad H 0 verdadera H 0 falsa rechazar H 0 Error I Correcto no rechazar H 0 Correcto Error II La idea es limitar a valores pequeños las probabilidades de estos errores. Dr. Eduardo Valenzuela D.; MEE 2005 p. 60/6
89 Dr. Eduardo Valenzuela D.; MEE 2005 p. 61/6
Estadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesProyecto PropULSA: Estadística y Probabilidad Breviario Académico
Estadística y Probabilidad Breviario Académico Estadística: Es la ciencia que tiene por objetivo recolectar, escribir e interpretar datos, con la finalidad de efectuar una adecuada toma de decisiones en
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesMedidas de tendencia central y dispersión
Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesUNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I
UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I CLAVE: MAT 131 ; PRE REQ.: MAT 111 ; No. CRED.: 4 I. PRESENTACIÓN: Este
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesUNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA Facultad de Ingeniería Mecánica y Eléctrica Escuela Académico Profesional de Ingeniería Mecánica y Eléctrica Departamento de Ciencias de Investigación de la
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesESTADISTICA DESCRIPTIVA Y PROBABILIDAD
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar problemas
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesNada en esta maravillosa vida es 100% seguro. En todo lo que hacemos, siempre estamos estimando los chances de resultados exitosos: en los negocios,
Nada en esta maravillosa vida es 1% seguro. En todo lo que hacemos, siempre estamos estimando los chances de resultados exitosos: en los negocios, en la medicina, en el clima y principalmente en los juegos
Más detallesMedidas de Tendencia Central.
Medidas de Tendencia Central www.jmontenegro.wordpress.com MEDIDAS DE RESUMEN MDR MEDIDAS DE TENDENCIA CENTRAL MEDIA MEDIANA MODA CUARTILES,ETC. MEDIDAS DE DISPERSIÓN RANGO DESVÍO EST. VARIANZA COEFIC.
Más detallesMÉTODOS CUANTITATIVOS. Freddy Higuera Departamento de Ingeniería Industrial Universidad Católica del Norte
MÉTODOS CUANTITATIVOS Freddy Higuera Departamento de Ingeniería Industrial Universidad Católica del Norte Estadística La estadística tradicionalmente ha sido clasificada en dos tipos, la estadística descriptiva
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesTema 2 Estadística Descriptiva
Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 36 alumnos de un curso de Estadística de la Universidad de Talca. En esta base de datos
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesUNIDAD 7 Medidas de dispersión
UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesPROGRAMA INSTRUCCIONAL ESTADÍSTICA
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE COMPUTACIÓN ESCUELA DE ELÉCTRICA PROGRAMA INSTRUCCIONAL
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesEstadística. Análisis de datos.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA Definición de Estadística: La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesUnidad III: Estadística descriptiva
Unidad III: Estadística descriptiva 3.1 Conceptos básicos de estadística: Definición, Teoría de decisión, Población, Muestra aleatoria, Parámetros aleatorios TEORÍA DE DECISIÓN Estudio formal sobre la
Más detallesUnidad 1. Obtención, Medición y Representación de Datos. Estadística E.S.O.
Unidad 1 Obtención, Medición y Representación de Datos Estadística E.S.O. Objetivos Distinguir, localizar y manejar las fuentes de información estadística más usuales que proporcionan información útil.
Más detallesMEDIDAS DE TENDENCIA CENTRAL
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMERICA) MEDIDAS DE TENDENCIA CENTRAL 20/05/2008 Ing. SEMS 2.1 INTRODUCCIÓN En el capítulo anterior estudiamos de qué manera los
Más detallesUniversidad Nacional de Mar del Plata. Facultad de Ingeniería. Estadística Básica COMISIÓN 1. 1 Cuatrimestre 2016
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Básica COMISIÓN 1 1 Cuatrimestre 2016 s. La palabra Estadística procede del vocablo Estado, pues era función principal de los Gobiernos
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesINSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesII. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS
UNIVERSIDAD INTERAMERICANA PARA EL DESARROLLO ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS Contenido II. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS II. Tablas de frecuencia II. Gráficos: histograma, ojiva, columna,
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesCURSO VIRTUAL. Acceso a fuentes de información y manejo de redes sociales. Módulo 2
CURSO VIRTUAL Acceso a fuentes de información y manejo de redes sociales Módulo 2 OBJETIVOS Conseguir que el alumno adquiera conocimientos estadísticos que le permitan una lectura comprensiva de la metodología
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesMétodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va
Métodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesLECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION
LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION 1. DEFINICION La estadística es una ciencia que proporciona un conjunto métodos
Más detallesTEMA 1 Estadística Descriptiva. Introducción Comparativos gráficos Medidas de tendencia central Medidas de dispersión
TEMA 1 Estadística Descriptiva Introducción Comparativos gráficos Medidas de tendencia central Medidas de dispersión 1 Haz escuchado el término de estadística? A diario recibimos muchos datos ó información
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesUniversidad Diego Portales
Universidad Diego Portales Estadística I Sección II: Distribuciones de Frecuencia y Representación Gráfica Sigla: EST2500 Nombre Asignatura: Estadística I Organización y Resumen de Datos Como recordará,
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA PARA CIENCIAS ECONÓMICO ADMINISTRATIVAS FECHA DE ELABORACIÓN: ENERO
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 9 Experimentación y presentación de datos Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de experimentación y determinación
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesUn estudio estadístico consta de las siguientes fases: Recogida de datos. Organización y representación de datos. Análisis de datos.
La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta de las siguientes
Más detallesU.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesJulio Deride Silva. 27 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
Más detalles2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual
Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesMinisterio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación.
Matemáticas Distribución de ítems para la prueba nacional Modalidad Académica (Diurnos Nocturnos) Convocatorias 016 ESTIMADO DOCENTE: En la modalidad de colegios académico, la Prueba de Bachillerato 016
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesApuntes y ejercicios de Estadística para 2º E.S.O
Apuntes y ejercicios de Estadística para 2º E.S.O 1 Introducción La Estadística es la ciencia que se encarga de recoger, organizar, describir e interpretar datos referidos a distintos fenómenos para, posteriormente,
Más detallesLOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL
PreUnAB LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, MEDIDAS DE TENDENCIA CENTRAL Clase # 26 Noviembre 2014 ESTADÍGRAFOS Concepto de estadígrafo Un estadígrafo, o estadístico, es un indicador que se calcula
Más detalles