Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20"

Transcripción

1 Técicas Cuatitativas II Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20

2 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra y Alguos ejemplos de variaza de la media variaza y cuasivariaza variaza y cuasivariaza TC II Muestra y Estadísticos Muestrales 2 / 20

3 Ídice Cocepto de muestra y Muestra Estadístico Estadístico y parámetro poblacioal Alguos ejemplos de Cocepto de muestra y variaza de la media variaza y cuasivariaza TC II Muestra y Estadísticos Muestrales 3 / 20

4 Muestra Ídice Cocepto de muestra y Muestra Estadístico Estadístico y parámetro poblacioal Alguos ejemplos de variaza de la media variaza y cuasivariaza U problema fudametal e la estadística cosiste e estudiar algua característica descoocida de ua distribució de probabilidad de ua variable aleatoria. Auque dicha cuestió será estudiada e los próximos temas, se preseta a cotiuació coceptos ecesarios para realizar dicho estudio. Muestra: Subcojuto de elemetos de la població. Es fudametal elegir adecuadamete los elemetos de la muestra y el tamaño. Normalmete trabajaremos co lo que se cooce como muestreo aleatorio simple, que cosiste e que todos los elemetos de la població tiee la misma probabilidad de estar e la muestra y so idepedietes etre ellos. Parámetro poblacioal: Características estocásticas de la població. Los más usados, y por tato coocidos, so la esperaza matemática o media y la variaza 1, es decir, E[X] yvar(x). El coocimieto del parámetro poblacioal permite describir parcial o totalmete la distribució de probabilidad de la variable que estamos ivestigado. 1 Por ejemplo, e la distribució Biomial so py p (1 p), e la Poisso esλ y e la Normal soµyσ 2. TC II Muestra y Estadísticos Muestrales 4 / 20

5 Estadístico Ídice Cocepto de muestra y Muestra Estadístico Estadístico y parámetro poblacioal Alguos ejemplos de variaza de la media variaza y cuasivariaza U es cualquier fució real de las variables aleatorias que itegra la muestra, la cual o cotiee igú valor o parámetro descoocido. E geeral, el se represeta como fució de las observacioes es y, por tato, para cada muestra cocreta el tomará u valor diferete. Es de la forma T(X 1,...,X ) dodex 1,...,X so las v.a. de las muestras. A medida que vamos tomado muestras distitas se obtiee distitos valores para el, resultado que efectivamete el es tambié ua variable aleatoria y, por cosiguiete, tedrá su propia distribució a la que llamaremos distribució del y que se estudiará e el siguiete capítulo. El objetivo es por tato usar determiados es (fucioes de uestra muestra) para estimar parámetros poblacioales. Notaremos co letras mayúsculas (X 1,...,X ) las v.a. de la muestra y co letras miúsculas (x 1,...,x ) a los valores cocretos que pudiera tomar cada ua de ellas. TC II Muestra y Estadísticos Muestrales 5 / 20

6 Estadístico Ídice Cocepto de muestra y Muestra Estadístico Estadístico y parámetro poblacioal Alguos ejemplos de variaza de la media variaza y cuasivariaza Ejemplo 1 Supogamos que se quiere coocer el salario medio de la població femeia graadia. Cosultado los datos del Istituto Nacioal de Estadística ( se sabe que el 1 de eero de 2009 dicha població asciede a idividuos. Dada la dificultad para recabar iformació sobre el salario de cada uo de los elemetos, os plateamos obteer ua muestra, por ejemplo, de elemetos. De dicha muestra se obtedrá u salario medio, pero es evidete que para cada realizació de la muestra se obtedrá u salario medio distito, lo que evidecia el carácter aleatorio del. TC II Muestra y Estadísticos Muestrales 6 / 20

7 Estadístico y parámetro poblacioal Ídice Cocepto de muestra y Muestra Estadístico Estadístico y parámetro poblacioal Alguos ejemplos de variaza de la media variaza y cuasivariaza Resumiedo, se etiede por parámetro poblacioal a las características descoocidas de las distribucioes de probabilidad, mietras que el es u resume de la iformació existete e la muestra. E el siguiete cuadro teemos alguos parámetros poblacioales juto a sus correspodietes es. Parámetros Poblacioales Media: E[X] Variaza: Var(X) Proporció poblacioal: p Estadísticos Muestrales Media : X Variaza : S 2 Cuasivariaza : S 2 1 Proporció : ˆp = { 1, ocurrei dodea i = A i 0, e otro caso TC II Muestra y Estadísticos Muestrales 7 / 20

8 Ídice Cocepto de muestra y Alguos ejemplos de Media Variaza y cuasivariaza Variaza y cuasivariaza variaza de la media Alguos ejemplos de : media, variaza y cuasivariaza variaza y cuasivariaza TC II Muestra y Estadísticos Muestrales 8 / 20

9 Media Ídice Cocepto de muestra y Alguos ejemplos de Media Variaza y cuasivariaza Variaza y cuasivariaza variaza de la media variaza y cuasivariaza Dada ua muestra aleatoria simplex 1,X 2,...,X de tamañode ua variable aleatoriax, se defie la media como X = 1 X i = X 1 +X 2 + +X Ejemplo 2 Sea X la variable aleatoria defiida como tiempo (e horas) trascurrido e realizar el exame fial de cierta asigatura. Durate la última covocatoria se aotó el tiempo que tardó cada alumo e realizar dicho exame, obteiédose la siguiete muestra: 1, 1 7, 1 8, 1 5, 1 85, 1 3, 2, 1 9, 1 6, 1 75, 1 8, 1 9. E este caso, la media será: x = = = Es decir, la media de la muestra obteida e realizar el exame es de 1 hora y 40 5 miutos. TC II Muestra y Estadísticos Muestrales 9 / 20

10 Variaza y cuasivariaza Ídice Cocepto de muestra y Alguos ejemplos de Media Variaza y cuasivariaza Variaza y cuasivariaza variaza de la media variaza y cuasivariaza Dada ua muestra aleatoria simplex 1,X 2,...,X de tamañode ua variable aleatoriax, se defie la variaza como S 2 = 1 ( Xi X ) 2, mietras que la cuasivariaza será S 2 1 = 1 1 ( Xi X ) 2. Es evidete que la variaza y cuasivariaza se relacioa mediate la siguiete idetidad: S 2 = ( 1) S 2 1. Luego coocida la variaza y el tamaño de la muestra se puede obteer la cuasivariaza y viceversa. Adviértase que los programas iformáticos especializados e estadística calcula siempre la cuasivariaza, ya que como veremos e futuros temas, tiee mejores propiedades. TC II Muestra y Estadísticos Muestrales 10 / 20

11 Variaza y cuasivariaza Ídice Cocepto de muestra y Alguos ejemplos de Media Variaza y cuasivariaza Variaza y cuasivariaza variaza de la media variaza y cuasivariaza Ejemplo 3 Para la muestra aterior se obtiee que S 2 = = y que S 2 1 = = ya que: x i x i x (x i x) TC II Muestra y Estadísticos Muestrales 11 / 20

12 Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media media Variaza de la media Variaza de la media Variaza de la media variaza de la media variaza y cuasivariaza TC II Muestra y Estadísticos Muestrales 12 / 20

13 media Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media media Variaza de la media Variaza de la media Variaza de la media variaza y cuasivariaza Dada ua variable aleatoriax, co mediae[x] y variazavar(x), y dada ua muestra aleatoria simple, X 1,...,X, de tamaño procedete de dicha població, se puede demostrar que la esperaza de la media es igual a la media de la població, E[X]. Esto es: E efecto, E [ X ] = E = 1 [ E[X] = E[X]. 1 ] X i = 1 E[X i ] E[X] = 1 E[X] = E[X], dode se ha usado que E[X i ] = E[X], para i = 1,...,, ya que partimos de ua muestra aleatoria simple. TC II Muestra y Estadísticos Muestrales 13 / 20

14 Variaza de la media Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media media Variaza de la media Variaza de la media Variaza de la media variaza y cuasivariaza Dada ua variable aleatoriax, co mediae[x] y variazavar(x), y dada ua muestra aleatoria simple, X 1,...,X, de tamaño procedete de dicha població, se puede demostrar que la variaza de la media es igual a la variaza poblacioal,var(x), dividida por. Es decir: Var(X) = Var(X). E efecto, partiedo de la defiició de variaza y usado la expresió de la media, se tiee que: ( Var( X) = E[ X E[ X] ) ] [( [ = E X i E [ ( )] 1 = E X 2 i E[X i ] [( = 1 ) 2 ] 2E (X i E[X i ]). ]) 2 ] X i TC II Muestra y Estadísticos Muestrales 14 / 20

15 Variaza de la media Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media media Variaza de la media Variaza de la media Variaza de la media variaza y cuasivariaza Por otro lado, el cuadrado de ua suma deelemetos respode a la siguiete expresió: ( 2 (X i E[X i ])) = = ( ) ( ) (X i E[X i ]) (X i E[X i ]) (X i E[X i ]) 2 + i,j=1 i j (X i E[X i ])(X j E[X j ]), si más que desarrollar la sumatoria, multiplicar los dos parétesis y agrupar de forma coveiete. E tal caso, teiedo e cueta que al partir de ua muestra idepediete se verifica que Cov[X i,x j ] = 0, i j, i,j = 1,...,, se tiee que TC II Muestra y Estadísticos Muestrales 15 / 20

16 Variaza de la media Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media media Variaza de la media Variaza de la media Variaza de la media variaza y cuasivariaza Var( X) = 1 2E (X i E[X i ]) 2 + (X i E[X i ])(X j E[X j ]) ( = 1 E[X 2 i E[X i ]] 2 = 1 2 dode se ha usado + i,j=1 i j i,j=1 i j E[(X i E[X i ])(X j E[X j ])] Var(X i )+ i,j=1 i j = 1 Var(X) Var(X) =, 2 Cov[X i,x j ] Var(X 1 ) = = Var(X ) = Var(X), por ser u cojuto de variables idéticamete distribuidas. TC II Muestra y Estadísticos Muestrales 16 / 20

17 Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza TC II Muestra y Estadísticos Muestrales 17 / 20

18 variaza y cuasivariaza Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Dada ua variable aleatoria X, co valor esperado E[X] y variaza Var(X), y dada ua muestra aleatoria simple,x 1,...,X, de tamañoprocedete de dicha població, la esperaza de la cuasivariaza es igual a la variaza de la població, V ar(x). Es decir: Además, tambié se verifica que E[S 2 1] = Var(X). variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza E[S 2 ] = 1 Var(X). TC II Muestra y Estadísticos Muestrales 18 / 20

19 variaza y cuasivariaza Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza S 2 = = (X i X) 2 Xi 2 X 2 ( ) 2 = Xi 2 1 X i ( = Xi 2 1 ) 2 X i = Xi 2 1 Xi 2 + X i X j i j = 1 Xi 2 1 X i X j i j (1) TC II Muestra y Estadísticos Muestrales 19 / 20

20 variaza y cuasivariaza Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza Tomado esperazas: S 2 = 1 E[S 2 ] = E = 1 = 1 = 1 LuegoE[S 2 ] = 1 Var(X). [ 1 Xi 2 1 X i X j i j X2 i 1 i j X ix j ] E[X2 i] 1 i j E[X ix j ] (3) E[X 2 ] 1 E[X i ]E[X j ] (4) i j E[X2 ] 1 i j E[X]2 (5) = ( 1) ( E[X 2 ] E[X] 2) (6) (2) = ( 1)Var(X) (7) TC II Muestra y Estadísticos Muestrales 20 / 20

21 variaza y cuasivariaza Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza variaza y cuasivariaza Tomado esperazas: S 2 = 1 E[S 2 ] = E = 1 = 1 = 1 LuegoE[S 2 ] = 1 Var(X). [ 1 Xi 2 1 X i X j i j X2 i 1 i j X ix j ] E[X2 i] 1 i j E[X ix j ] (3) E[X 2 ] 1 E[X i ]E[X j ] (4) i j E[X2 ] 1 i j E[X]2 (5) = ( 1) ( E[X 2 ] E[X] 2) (6) (2) = ( 1)Var(X) (7) E[S 2 1] = E[ 1 S2 ] = 1 E[S2 ] = 1 ( ) 1 Var(X) = Var(X) TC II Muestra y Estadísticos Muestrales 20 / 20

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució

Más detalles

Estadística para Química - 1er. cuat. 2007 - Marta García Ben

Estadística para Química - 1er. cuat. 2007 - Marta García Ben Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

Muestreo e Intervalos de Confianza

Muestreo e Intervalos de Confianza Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su

Más detalles

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

Más detalles

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra: T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total

Más detalles

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos. CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio

Más detalles

Teoría de la conmutación. Álgebra de Boole

Teoría de la conmutación. Álgebra de Boole Álgebra de Boole Defiicioes y axiomas Propiedades Variables y fucioes booleaas Defiicioes Propiedades Formas de represetació Fucioes booleaas y circuitos combiacioales Puertas lógicas Puertas lógicas fudametales

Más detalles

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

Teorema del límite central

Teorema del límite central Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

2.- ESPACIOS VECTORIALES. MATRICES. 2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

Intervalos de confianza para la media

Intervalos de confianza para la media Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

Tema 6: Distribuciones Muestrales

Tema 6: Distribuciones Muestrales Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.

Más detalles

SUCESIONES DE NÚMEROS REALES. PROGRESIONES

SUCESIONES DE NÚMEROS REALES. PROGRESIONES www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Técnicas para problemas de desigualdades

Técnicas para problemas de desigualdades Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,

Más detalles

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),

Más detalles

CÁLCULO DE PROBABILIDADES :

CÁLCULO DE PROBABILIDADES : CÁLCULO DE PROBBILIDDES : Experimeto aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuecias. Propiedades. Probabilidad. Resume de Combiatoria. Probabilidad codicioada. Teoremas. PROBBILIDD

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Muestreo Estratificado.

Muestreo Estratificado. Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato

Más detalles

4 Contrastes del Chi 2 de bondad del ajuste

4 Contrastes del Chi 2 de bondad del ajuste 4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos

Más detalles

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

Más detalles

SOLUCIÓN EXAMEN I PARTE II

SOLUCIÓN EXAMEN I PARTE II Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill. GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

PRUEBAS DE HIPOTESIS

PRUEBAS DE HIPOTESIS PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto

Más detalles

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar

Más detalles

UNIDAD 7: ESTADÍSTICA INFERENCIAL

UNIDAD 7: ESTADÍSTICA INFERENCIAL UNIDAD 7: ESTADÍSTICA INFERENCIAL ÍNDICE DE LA UNIDAD 1.- INTRODUCCIÓN.... 1.- VARIABLES ESTADÍSTICAS. PARÁMETROS... 3.- DISTRIBUCIONES DE PROBABILIDAD... 3 3.1.- Distribució Biomial... 4 3..- Distribució

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

Sucesiones de números reales

Sucesiones de números reales Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,

Más detalles

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2 Estadística o Paramétrica ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ Autores: Jua Fracisco Moge Ivars (jmoje@uoc.edu), Ágel A. Jua Pérez (ajuap@uoc.edu) ESQUEMA DE CONTENIDOS Estadística o Paramétrica

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

UNIVERSIDAD ANTONIO NARIÑO GUIA 1

UNIVERSIDAD ANTONIO NARIÑO GUIA 1 UNIVERSIDAD ANTONIO NARIÑO GUIA ANTIDERIVADAS OBJETIVO: Apreder el cocepto de atiderivada e itegral idefiida y resolver itegrales usado las formulas básicas. ocepto: Dada ua fució, sabemos como hallar

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN POR INTERVALOS DE CONFIANZA Estimació por itervalos de cofiaza. I.E.. A uqueira I pag. Coceptos ETIMACIÓN POR INTERVALO DE CONFIANZA E este tema vamos a estudiar como estimar, es decir proosticar, u parámetro de la població, geeralmete

Más detalles

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos

Más detalles

Técnicas experimentales de Física General 1/11

Técnicas experimentales de Física General 1/11 La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales

Más detalles

Soluciones problemas del Tema 2

Soluciones problemas del Tema 2 1 Solucioes problemas del Tema 1) a) E(W ) = E(X + Y + Z) = E(X) + E(Y ) + E(Z) = 0; V ar(w ) = V ar(x) + V ar(y ) + V ar(z) + (Cov(X, Y ) + Cov(X, Z) + Cov(Y, Z)) = 1 + 1 + 1 + ( 1 + 0 ) 1 4 4 = 3 b)

Más detalles

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES

CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES MATEMÁTICA I - 0 - Capítulo 6 ------------------------------------------------------------------------------------ CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES Las matrices iversas se puede usar

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.

Más detalles

Series de potencias. Desarrollos en serie de Taylor

Series de potencias. Desarrollos en serie de Taylor Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de

Más detalles

+ + + = 6 no parece ayudarnos a comprender cómo llegar a conjeturar esta relación. Intentamos acá una aproximación geométrica.

+ + + = 6 no parece ayudarnos a comprender cómo llegar a conjeturar esta relación. Intentamos acá una aproximación geométrica. http://www.ricomatematico.com La fórmula para la suma de los cuadrados de los primeros úmeros aturales obteida visualmete Mario Augusto Buge Uiversidad de Bueos AIres Ciclo Básico Comú Departameto de Matemática

Más detalles

Notas Docentes. Estadística para Economistas. Carlos Casacuberta. Nota Docente No. 08

Notas Docentes. Estadística para Economistas. Carlos Casacuberta. Nota Docente No. 08 Notas Docetes Estadística para Ecoomistas Carlos Casacuberta Nota Docete No. 08 Diploma e Ecoomía 004 Departameto de Ecoomía Facultad de Ciecias Sociales Estadística Notas de clase. Itroducció La estadística

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación. Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete

Más detalles

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

Resolución de ecuaciones no lineales

Resolución de ecuaciones no lineales Resolució de ecuacioes o lieales Solucioa ecuacioes o lieales tipo f()= Normalmete cada método tiee sus requisitos Métodos so iterativos Métodos iterativos para resolver f()= E geeral métodos iterativos

Más detalles

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta. . POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4) IES Fco Ayala de Graada Sobrates de 8 (Modelo 4) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 8 (MODELO 4) OPCIÓN A EJERCICIO 1_A (3 putos) U joyero fabrica dos modelos

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

Muestreo Aleatorio Simple

Muestreo Aleatorio Simple Capítulo 1 Muestreo Aleatorio Simple Este método de muestreo proporcioa u puto de partida para ua exposició de los métodos de muestreo probabilístico o porque sea uo de los métodos de muestreo más utilizados

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

Capítulo II Estimación de parámetros

Capítulo II Estimación de parámetros Capítulo II Estimació de parámetros Estimació putual de parámetros Explicaremos el tópico de la estimació putual de parámetros, usado el siguiete ejemplo. La Tabla Nº. cotiee iformació de los salarios

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Probabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013

Probabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013 Probabilidad y Estadística Itroducció a la Iferecia Estadística Raúl D. Katz 013 Ídice 1. Itroducció 3. Muestreo 3.1. Muestras aleatorias simples.................................... 4 3. Iferecia estadística

Más detalles

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA) I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

Probabilidad con técnicas de conteo

Probabilidad con técnicas de conteo UNIA 3 Probabilidad co técicas de coteo Objetivos Al fializar la uidad, el alumo: distiguirá y utilizará las reglas de multiplicació y de suma para el cálculo de la catidad de arreglos co y si orde explicará

Más detalles

Método de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas

Método de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas Método de máxima verosimilitud Curso de Estadística TAE,2005 J.J. Gómez Cadeas Muestras Cosiderar ua variable aleatoria x descrita por la pdf f(x). El espacio de muestras está costituido por todos los

Más detalles