Tema 5. Contraste de hipótesis (II)
|
|
|
- David Cuenca García
- hace 7 años
- Vistas:
Transcripción
1 Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast. Aprdr a costrur rgos crítcas óptmas para cotrasts d hpótss smpls y compustas hacdo uso dl Lma d Nyma Parso. Itroduccó Comucacó: Ol: Chat d wbcofrca. Offl: Foro dl grupo d tutoría corrspodt. Rfrcas: Casas, J.M. & P. Gutérrz (: Estadístca II: Ifrca Estadístca. Edtoral Uvrstara Ramó Arcs, Madrd Novals (997, Ruz Maya & Martí Plgo (999,...
2 Itroduccó Atcdts: Cotrast d hpótss paramétrco. Es l procdmto por l qu s vrfca ua hpótss stadístca rlacó co l valor qu toma u parámtro poblacoal mdat l mplo d ua mustra. Errors tpo I y II: So los rrors qu s comt al adoptar d dcsos rroas al llvar a cabo u cotrast d hpótss stadístca, sto s rchazar H sdo crta (α o acptarla sdo falsa (β. Potca d u cotrast: Es la probabldad d rchazar la H sdo crta la H. Nvl d cofaza: Es la probabldad d acptar la H sdo crta. Itroduccó Atcdts:( Fass d u cotrast d hpótss: Formulacó d las hpótss d u cotrast. Dtrmacó dl stadístco d pruba o cotrast apropado. Slccoar l vl d sgfcacó (α. Dtrmar la rgó crítca. Etrar u mustra alatora y calcular l valor dl stadístco d pruba para ésta. Dar la rgla d dcsó y su trprtacó. Fucó d potca dl cotrast Potca d u cotrast: Es la probabldad d rchazar la hpótss ula sdo crta la hpótss altratva. P(Rchazar la H /H s falsa + P(acptar H /H s falsa Potca + β( Potca -β( PROBLEMA: Cuado las hpótss ula y/o altratva so compustas s complca l cálculo d los rrors tpo I [α(] y tpo II [β(]. Fucó d potca d u cotrast: Es ua fucó qu rsum los rrors comtdos u cotrast d hpótss a través dl cocpto d potca d u cotrast. P c ( α ( sí Ω β ( sí Ω
3 Fucó d potca dl cotrast Fucó d potca dal: La fucó d potca d u cotrast s dal cuado s vrfca lo sgt: P c ( α( β ( s Ω s Ω Parc razoabl psar qu al dsñar u cotrast d hpótss s dbría prsgur l dobl objtvo d mmzar las probabldads d los rrors d tpo I y II. No obstat, o s pud alcazar smultáamt: la probabldad dl rror d tpo I sólo pud rducrs aumtado la probabldad dl rror d tpo II, y vcvrsa. La solucó d compromso cosst fjar la probabldad dl rror d tpo I u vl α y tratar d mmzar la probabldad dl rror d tpo II. Fucó d potca dl cotrast fucó d potca dl cotrast H : µ frt a la altratva H : µ (cotrast blatral, bajo la hpótss d ormaldad, co α, y. Fucó d potca dl cotrast fucó d potca dl cotrast H : µ frt a la altratva H : µ > (cotrast ulatral, bajo la hpótss d ormaldad, co α, y. 3
4 Fucó d potca dl cotrast Notas plcatvas: Al grafo d la potca s l doma curva d potca. Cuato más ljaa s cutra la altratva H d H mor s la probabldad d currr u rror tpo II [β(] y, por cosgut, la potca tomará valors más prómos a. Cuato mayor s l vl d sgfcacó, mayor s la potca dl cotrast. Dado u tamaño o talla α d u cotrast, su potca -β s crmta coform l tamaño mustral s hac más grad. Fucó d potca dl cotrast Notas plcatvas: ( S la potca la hpótss altratva s smpr muy próma a tocs s dc qu l stadístco d cotrast s muy pott para cotrastar H ya qu s caso las mustras srá, co alta probabldad, compatbls co H cuado H sa crta. Por tato pud trprtars la potca d u cotrast como su ssbldad o capacdad para dtctar ua hpótss altratva. Drmos qu u cotrast s más pott o d máma potca s tr la clas d los cotrasts cuyos rrors α o so mayors qu l suyo, guo t u rror β más pquño qu l suyo, s dcr guo t ua potca - β mayor qu la suya. Fucó d potca dl cotrast Ejmplo: Los rrors d fabrcacó d u crto procso s dstrbuy d acurdo co la fucó d dsdad f(; -, para y >. Sobr l parámtro d sta fucó d dsdad s dsa cotrastar la hpótss ula H : frt a la altratva H : >, mdat ua mustra alatora d tamaño, sdo la rgó crítca {,53}. Dtrm la fucó d potca dl cotrast y rprst gráfcamt la curva d potca. Solucó: Calculo dl rror tpo I (α: α P,53.53 [,53 H( ] d, 5 Calculo d la potca dl cotrast (-β,53,53 β P[,53 H( > ] d 4
5 Fucó d potca dl cotrast Solucó: ( Fucó d potca dl cotrast: P c ( α ( β (,5 s,53 s > Curva d potca dl cotrast (Graph Fucó d potca dl cotrast Ejmplo: El úmro d alumas matrculadas las ttulacos d grado coomía s dstrbuy d acurdo co famla Broull B(,. U vstgador prtd cotrastar la H : /3 frt a la altratva H : </3. Para llo trá ua MAS d tamaño 5. S s sab qu la rgó crítca s T, sdotσ, dtrm la fucó d potca dl cotrast y rprst gráfcamt la curva d potca. Solucó: Sabdo qu TΣB(,, tocs l rror tpo I (α s: Calculo d la potca dl cotrast (-β 5 [ ( T 5T 5 4 β P T H < 3 ] ( ( + 5 ( T [ H ( 3 ], 5 α P T [ ] Fucó d potca dl cotrast Solucó: ( Fucó d potca dl cotrast: P c ( α(,5 s β ( ( + 5 ( Curva d potca dl cotrast: [ ] s < 3 5
6 Fucó d potca dl cotrast Ejmplo: Sa ua famla d dstrbucos N (µ, σ. U vstgador prtd cotrastar la H : µ frt a la altratva H : µ. Para llo trá ua MAS d tamaño 5. S s sab qu la rgó crítca s Mda(>,784 y Mda(<,6. Dtrm la fucó d potca dl cotrast y rprst gráfcamt la curva d potca. Solucó: Calculo dl rror tpo I (α: Calculo d la potca dl cotrast (-β [,784 H ( µ ] + P[,6 H ( ],5, 5 α P µ β P,784 µ 5 [ H ( ],6,784 µ d,6 π 5 Fucó d potca dl cotrast Solucó: ( Fucó d potca: P ( c α ( µ,5 s µ,784 µ β ( 5 d s µ,6 π 5 Fucó d potca dl cotrast Solucó: ( Valors d β(µ y d la potca -β(µ para µ y 5: µ β(µ Pc(µ-β(µ
7 Fucó d potca dl cotrast Solucó: ( Curva d potca dl cotrast (Ecl: Hpótss smpls y l Lma d Nyma-Parso Sa (X,, X ua mustra alatora smpl obtda d ua poblacó co fucó d dsdad f(x;, ϵ Ω {, }, sdo la fucó d vrosmltud d ua mustra: S qurmos cotrastar las hpótss smpls H : H : sdo u úmro postvo fjado y C u subcojuto dl spaco mustral R tal qu: ;. ;. ; ; ;,..., ; f ( ; s (,..., C s (,..., C Hpótss smpls y l Lma d Nyma-Parso 3. P [(,..., ] α C Etocs podmos asgurar qu C s la mjor rgó crítca d talla o tamaño α para cotrastar la hpótss ula H : frt a la hpótss altratva H :. Es dcr st cotrast, d vl d sgfcacó α,sría l más pott. 7
8 Hpótss smpls y l Lma d Nyma-Parso Ejmplo: S ha obtdo ua mustra alatora d tamaño 6 para cotrastar qu la mda dl cotdo d u crto compot u mdcamto s d 4 mg. frt a la hpótss d qu fus 9 mg. Supodo qu la poblacó d procdca d la mustra sa N(µ, σ5, qu l vl d sgfcacó fus dl 5% y qu l valor d la mda mustral s 7 mg. Rsulva l cotrast usado la mjor rgó crítca dl cotrast obtda mdat l Lma d Nyma-Parso. Solucó: Sa las hpótss stadístcas: H : µ µ H : µ µ Tal qu µ >µ. Sa la fucó d vrosmltud d ua MAS d tamaño : ( µ σ ; µ σ π Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Lma d Nyma-Parso: ; µ ; µ µ µ µ µ µ > µ + l ( µ µ σ σ σ ( µ µ l +, σ ( µ µ Rgó crítca dl cotrast para α,5 y 6. Itrprtacó. P H µ 4 α,5 P Z Z H µ 4,5 σ ( ( ( ( ( µ ( µ µ µ µ µ + σ σ [ ( ] [,5 ( ] Z,5,64 lugo 6,5 Como 7 mg.s rchaza H. Hpótss smpls y l Lma d Nyma-Parso Ejmplo: El tmpo qu trascurr tr dos fallos d u procso d produccíó s dstrbuy d acurdo co la fucó d dsdad f(; -, para y >. Sobr l parámtro d sta fucó d dsdad s dsa cotrastar la hpótss ula H : frt a la altratva H : 5, mdat ua mustra alatora d tamaño, co u vl d sgfcacó α%. Rsulva l cotrast usado la mjor rgó crítca dl cotrast obtda mdat l Lma d Nyma-Parso supodo u valor mustral,5. Solucó: Sa las hpótss stadístcas: H : H : Tal qu >. Sa la fucó d vrosmltud d ua MAS d tamaño : ; 8
9 9 Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Lma d Nyma-Parso: Rgó crítca dl cotrast para α, y. Itrprtacó. ( ( ( (, l ; ( ; ( > L L ( [ ].,5s acpta H Como,54,54 lugo,, d H P α Hpótss smpls y l Lma d Nyma-Parso Ejmplo: El úmro d tsuams qu t lugar l ára d fluca dl Golfo d Cádz cada años s dstrbuy d acurdo co la fucó d cuatía d Posso co parámtro. S prtd cotrastar la hpótss ula H : frt a la altratva H :, mdat ua mustra alatora d tamaño,co u vl d sgfcacó α%. Obtga la mjor rgó crítca dl cotrast mdat l Lma d Nyma-Parso y rsulvalo supodo qu l valor mustral Σ 3. Solucó: Sa las hpótss stadístcas: H : H : Tal qu <. Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Sa la fucó d vrosmltud d ua MAS d tamaño : Lma d Nyma-Parso: L! ; ( ( ( ( ( l l, l l l ; ( ; ( + < < L L
10 Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Rgó crítca dl cotrast para α,, y aplcado la propdad rproductva d la Posso [Σ P(]. Itrprtacó. P H lugo ( α, Como 3s rchaza H. Hpótss compustas y cotrasts uformmt más potts Cotrasts uformmt más potts: E u cotrast d hpótss smpl H frt a ua hpótss altratva compusta H, drmos qu la rgó crítca C s la rgó crítca uformmt más pott d tamaño α s s la mjor rgó crítca d talla o tamaño α para cotrastar la hpótss ula H frt a cada ua d las hpótss smpls qu tgra H. Al cotrast basado la rgó crítca uformmt más pott s l doma cotrast uformmt más pott d talla α. Hpótss compustas y cotrasts uformmt más potts Ejmplo: Las vtas d u stablcmto autorzado d ua dtrmada marca d rlojs s dstrbuy coform a ua famla N(µ, σ. Para coocr la volucó d las vtas, l dpartamto d martg trá ua MAS d 5 stablcmtos qu faclta la cfra d vtas dl últmo ms rlojs d sta marca. A partr d sta mustra s obt qu Σ 597 y Σ Obtga la rgó crítca uformt más pott d talla α5% para cotrastar la H : σ 4 frt a la altratva H :σ>4 y rsulva l cotrast co los datos d la mustra. Solucó: Sa las hpótss stadístcas: H : σ σ H : σ σ
11 Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Sa la fucó d vrosmltud d ua MAS d tamaño : Lma d Nyma-Parso: ( µ σ σ π ; µ L ; σ σ ; σ σ S ( σ σ σ l + l σ, S σ σ σ σ σ > σ S Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Dado qu la poblacó s ormal y µ coocda s sab qu: S σ χ Rgó crítca dl cotrast para α,5 y 5. Itrprtacó. [ H( σ 4 ] P S α,5 5 P χ5 H( σ 4, ,548 7,8 4 lugo S 7,8 Como S 56,49s acpta H. Sumaro S ha dfdo curva y fucó d potca d u cotrast. S ha vsto u par d jmplos lustratvos. S ha plcado como obtr cotrasts d máma potca cotrasts d hpótss smpls hacdo uso dl Lma d Nyma-Parso. S ha mostrado su aplcacó mdat u par d jmplos. S ha dfdo cotrasts uformmt más potts y s ha jmplfcado su obtcó u caso d hpótss compustas d tpo ulatral.
12 Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí"
Análisis Estadístico de Datos Climáticos
Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,
Capítulo 12. Introducción a la Termodinámica Estadística.
Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part
Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.
5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.
Capítulo III. Colectivos estadísticos.
Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls
9 Momentos y funciones generatrices de Momentos
9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s
10 REGRESIÓN LINEAL SIMPLE
Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para
MODELO DE REGRESIÓN LINEAL MÚLTIPLE
Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas
FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402
FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor
Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA
ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal
PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES
PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ
MODELO DE REGRESIÓN LINEAL MÚLTIPLE
Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas
ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL
Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO
3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)
3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34
a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.
(Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar
CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL
Cotrasts d sgfcacó cojuta /4 APUNTE DE CLAE ECONOMETRÍA I. UDI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJUNTA EN EL MBRL Prof. Rafal d Arc Prof. Ramó Mahía rafal.darc@uam.s ramo.maha@uam.s
ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π
xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a
RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:
RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:
La inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
al siguiente límite si existe: . Se suele representar por ( x )
UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D
Elementos de Probabilidad y Estadística
Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco
Procesamiento Digital de Señales de Voz
Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.
(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN
UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto
3. Cálculo y dimensionado
Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas
Estadística Teórica II
Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa
1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:
.- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim
Análisis de la Varianza
Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca
Análisis del caso promedio El plan:
Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas
Tema 16: Modelos de distribución de probabilidad: Variables Continuas
Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,
Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas
Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.
Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.
Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su
10 MUESTREO. n 1 9/ / σ σ 1
10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,
MECÁNICA ESTADÍSTICA
FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s
FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA
VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge
INTEGRAL INDEFINIDA. Derivación. Integración
TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES
INFERENCIA ESTADISTICA
Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------
Contraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño co meda 1 procede de ua poblacó N(14,3) co el vel de sgfcacó,5..- E ua propagada se auca que uas determadas plas proporcoa más horas de
Tema 1: Introducción: Generalización y Extensión del Modelo de Regresión
Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Itroduccó Especfcacó del Modelo de Regresó Leal 3 Supuestos del Modelo Clásco de Regresó
5. Estimación puntual. Curso Estadística
5. stmacó utual Cuso - stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes de
Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l
El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.
INTEGRAL INDEFINIDA. Derivación. Integración
TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS
PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)
PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad
En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID
C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso
Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin
Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,
Ampliació de Química-Física Curs Introducció
Itroduccó F Curs 7-8 mplacó d uímca-físca Curs 7-8 Itroduccó Cotdo ma : Cocptos báscos d Mcáca Cuátca Postulados d la Mcáca Cuátca Sstmas scllos Caja Cuátca rdmsoal Rotor Rígdo Osclador armóco promacó
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy
LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH
A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d
TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)
TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..
FÓRMULAS DE MATEMÁTICAS FINANCIERAS
FÓRMULAS DE MATEMÁTIAS FINANIERAS TEMAS Y 2: ONEPTOS BÁSIOS... 2 Ly facra. Suma facra. Potulado d quvalca facra. Saldo facro. TEMA 3: MAGNITUDES DERIVADAS... 3 Factor, rédto, rédto acumulado, tato (d captalzacó
Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura
T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.
COLEGIO DE POSTGRADUADOS
OLEGIO E POSTGAUAOS INSTITUIÓN E ENSEÑANZA E INVESTIGAIÓN EN IENIAS AGÍOLAS AMPUS MONTEILLO SOIOEONOMÍA, ESTAÍSTIA E INFOMÁTIA ESTAÍSTIA VALIAIÓN E MOELOS MEANÍSTIOS BASAA EN LA PUEBA JI-UAAA E FEESE,
Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
1 Estadística. Profesora María Durbán
Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el
TEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.
Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr
Regresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3
Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más
Q c 0 en V (5.1a) y z k. y n
V.- PROBLEM DE CMPO ECLR 5..- Itroduccó dfrca d los problmas abordados los capítulos atrors, dod las cógtas rlacoados co los msmos ra catdads vctorals, st ua gra gama d problmas dod las cógtas so d aturala
6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.
Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral
SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim
SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro
TEMA 1: CALCULO DIRECTO DE LÍMITES
INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL
Contraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas
MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad
FEM-OF: EDP Elíptica de 2 Orden
9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk
8 Límites de sucesiones y de funciones
Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...
ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez
ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre
1 Ejemplos de Aproximaciones de Integrales con Sumas de Riemman
Ejmplos d Aproximacios d Itgrals co Sumas d Rimma Esta Ru Hurtado Cruz UNAM. Itrodució Estos jmplos d aproximacios d sumas d Rima s usaro l curso d Calculo II, durat l smstr 003- d la Facultad d Cicias
σ ε Dem: Lo haremos para el caso continuo. La demostración para el caso discreto es similar.
robabldad y Eadíca Compuacó Faculad d Cca Exaca y Naural Uvrdad d Buo r a. Baco y Ela J. aríz 4 Dgualdad d Chbyhv: ara calcular la probabldad d u vo dcrpo érmo d ua v.a. caro coocr la drbucó d la v.a.
División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos
Política Fiscal Goiros d coalició o d itrss oráficos disrsos Goiros d coalició o d itrss oráficos disrsos Escario olítico dod l oiro stá comusto or dos artidos coalició:. Partidos ti rfrcias distitas sor
Solución a la práctica 6 con Eviews
Solución a la práctica 6 con Eviws El siguint modlo d rgrsión rlaciona la nota mdia qu obtinn los alumnos n matmáticas (nota) n un cntro, con l númro d profsors disponibls n l cntro (profsors), l porcntaj
REGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
TEMA 9. Contrastes no paramétricos y bondad de ajuste
TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test
PARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.
TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)
MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE
Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Contrastes sobre proporciones Tema 9
Cotrastes sobre proporcioes Tema 9. Ua proporció. Dos proporcioes. Dos proporcioes idepedietes. Dos proporcioes relacioadas (Prueba de McNemar) 3. Más de dos proporcioes relacioadas (Prueba de Cochra)
Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?
APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000
CASO DE ESTUDIO N 8. Análisis de un tornillo de transmisión
Vrsió 01 CAPITULO POYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE CASO DE ESTUDIO N 8 Aálisis u torillo trasmisió Vrsió 01 1. Itroucció Los torillos trasmisió stá somtios a cosirabls solicitacios bias
1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada
3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes
3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la
1. (RMJ15) a) (1,5 puntos) Discute el siguiente sistema de ecuaciones en función del parámetro a:
EXAMEN DE MATEMÁTICAS II (Eamn Final, Rcupración d Análisis Intgrals) BACHILLERATO EXAMEN FINAL (RMJ5) a) (,5 puntos) Discut l siguint sistma d cuacions n función dl parámtro a: + y + az + ay + z a a +
Tema 8. Limite de funciones. Continuidad
. Límit d ua fució. Fucios covrgts.... Límits latrals.... Distitos tipos d límits.... Límits ifiitos cuado tid a u úmro ral asítota vrtical.... Límits fiitos cuado tid a ifiito asítota horizotal... 8.
Contraste de Hipótesis
CONTRASTE DE HIPÓTESIS 1. Itroduccó. Cotraste de ua hpótess estadístca 3. Test ulateral y blateral 4. Test relacoados co ua sola meda (varaza coocda) 5. Relacó co la estmacó del tervalo de cofaza 6. Test
Qué conclusión extraeremos trabajando con un nivel de significación del 5%?
sbb BB BBB Ejercco 1 Ua asocacó de defesa del cosumdor argumeta que el cotedo de las latas de atú de ua determada marca es feror a los 50 g que se dca e el paquete. ara cotrastarlo se coge ua muestra de
TEMA 4: REGRESIÓN Y CORRELACIÓN.
TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas
Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...
TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s
LÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN
LÍMITE DE FUNCIONES LÍMITE DE UNA FUNCIÓN CUANDO LÍMITE FINITO. DEFINICIÓN Cuando la función pud comportars d divrsas manras: f l Al aumntar los valors d, los valors d f s aproiman a un cirto númro l.
Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.
PRUEBAS DE BONDAD DE AJUSTE Estas prubas prmitn vrificar qu la población d la cual provin una mustra tin una distribución spcificada o supusta. Sa X: variabl alatoria poblacional f 0 (x) la distribución
CONTRASTES NO PARAMÉTRICOS (I) Antonio Morillas
CONTRASTES NO PARAMÉTRICOS (I) Atoo Morllas. Itroduccó. Cotrastes de ajuste. Cotraste χ. Cotraste de Kolmogorov-Smrov 3. Cotrastes específcos de ormaldad 3. Cotraste de ormaldad de Lllefors 3. Cotraste
I. MEDIDAS DE TENDENCIA CENTRAL
I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors
Problemas Tema 2: Sistemas
SISTEMAS Y CIRCUITOS ~ PROBLEMAS Curso Académico 00900 Problmas Tma Sismas PROBLEMA. Dados los siguis sismas impo coiuo las sñals d rada idicadas, drmi las sñals d salida corrspodis ( ) x sñal d rada x
UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
TEMA 4: CONTRASTE DE HIPOTESIS
ESTADÍSTICA, CURSO 2008 2009 TEMA 4: CONTRASTE DE HIPOTESIS HIPOTESIS ESTADISTICAS ENSAYOS DE HIPOTESIS Cocepto de hipótesis estadística Esayos de hipótesis Hipótesis ula (H 0 ) y alterativa (H ) Diferecias
EJERCICIOS RESUELTOS TEMA 1: PARTE 3
Ejrcicios rsultos Tma part III): Límits d uncions º BCN EJERCICIOS RESUELTOS TEMA : PARTE 3 LÍMITES DE FUNCIONES. CONTINUIDAD Ejrcicios rsultos Tma part III): Límits d uncions º BCN ) Dada la guint unción:
I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i