Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
|
|
- Sofia Ana Juárez Poblete
- hace 7 años
- Vistas:
Transcripción
1 Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes X 1,..., X iid F θ, siedo θ u parámetro de la distribució descoocido a priori. Llamamos itervalo de cofiaza al ivel α a u itervalo: I α X = I α X 1,..., X = a X, b X] Dode a y b so tales que: P a X θ b X = 1 α Es decir, los extremos del itervalo so variables aleatorias que depede de la muestra X y so tales que la probabilidad de que etre ellos esté el parámetro θ es 1 α. Haciedo abuso de otació se suele escribir: P θ I α X = 1 α P θ / I α X = α No siempre podemos ecotrar variables a y b tales que cumpla lo aterior. A veces solo podemos garatizar por ejemplo que P θ / I α X α e este caso el itervalo se dice coservativo. Itervalos de cofiaza para muestras gaussiaas E el caso de muestras gaussiaas, es decir, X 1,..., X iid Nµ, es posible costruir itervalos de cofiaza exactos para los parámetros µ y, como se muestra a cotiuació. ecordemos que si X es ua muestra gaussiaa, etoces el promedio de los valores muestrales cumple: X = 1 X k N k=1 Itervalo de Cofiaza para µ, coocido: µ, Coocida la distribució del promedio es secillo calcular u itervalo de cofiaza para µ. La idea es costruir u itervalo cetrado e el promedio que es u estimador putual de µ y tal que: Ahora, como es coocido, dividiedo etre P X µ > ε P X µ > ε = α = P = P se tiee: X µ Y > ε > ε + P = P Y > ε Y < ε = 1
2 dode la variable Y N, 1 por lo que la última probabilidad se escribe: P X µ > ε ε = 1 Φ + Φ ε = ε ε ε = 1 Φ + 1 Φ = 1 Φ dode hemos usado la simetría de la distribució. Igualado a α esta probabilidad se tiee: P X µ > ε ε = α 1 Φ = α Al puto x que cumple que 1 Φ x = α se le deomia x = z α. Es decir, es el puto de la campaa de la N, 1 que deja área α a la derecha y se busca directamete e la tabla. Se desprede etoces que: P X µ > ε = α ε = z α/ ε = z α/ Por lo que tomado a X = X z α/, y b X = X + z α/ P µ / a X, b X] = α teemos que: O bie, u itervalo al ivel α para µ coociedo es: I α X = X z α/, X + ] z α/ Itervalo de Cofiaza para µ, descoocido: Supogamos que X es ua muestra aleatoria de variableormales como ates. E este caso, la idea es similar: costruir u itervalo cetrado e el promedio. Si embargo, el paso dividir por al calcular el itervalo o está permitido, pues ε quedará e fució de que es descoocido. ecordado que es razoable hacer: P X µ X µ ε ε > ε = P > = P T > dode la variable T ya o eormal sio que tiee ua distribució coocida como t de Studet 1, T t 1 a 1 se le deomia grados de libertad. Como ates: P T > ε = P T > ε ε + P T < ε = 1 F T dode e el último paso hemos usado la simetría de la distribució t. Por lo tato: ε ε P T > = α 1 F T = α ε = t α/ 1 ε = t α/ 1 dode como ates hemos defiido t α 1 como el puto x : 1 F T x = α y se busca e la tabla. Teemos así el itervalo: I α X = X tα/ 1, X + tα/ 1 ] 1 No viee al caso la desidad o la fució distribució de esta variable. Se ecuetra tabulada.
3 Itervalo de cofiaza para : La idea ahora es costruir u itervalo que depeda de estimador de. Se demuestra que: 1 s χ 1 dode la distribució χ k es coocida y se ecuetra tabulada. El procedimieto cambia u poco respecto a los ateriores. Costruyamos a X tal que P a X = α. Para ello observemos tomemos a X = ds co d < 1. Se tiee: P a X = P ds 1 s = P 1 = P Y d 1 d dode Y χ 1 por lo que: P a X = α 1 1 F Y = α d 1 d = χ α/ 1 dode uevamete hemos defiido χ α k como el puto de ua variable χ k que deja área α a la derecha y se ecuetra tabulado. Se tiee etoces que: a X = 1 s 1 De forma aáloga se busca b X = cs co c > 1 tal que P b X = α y se ecuetra: χ α/ b X = 1 s 1 χ 1 α/ Por lo que el itervalo queda: I α X = 1 s 1, χ α/ 1 s 1 χ 1 α/ ] Itervalos de Cofiaza aproximados Itervalo basado e el TCL para la media de ua distribució. Si X =X 1,..., X so iid pero tiee ua distribució que o es la ormal, o podemos aplicar directamete los resultados ateriores. Si embargo, para grade, si EX 1 = µ y Var X 1 = > vale el T CL y por lo tato vale: X µ N, 1 por lo que utilizado los mismos cálculos que e el caso de variableormales se tiee que, tomado: I α X = X z α/, X + z ] α/ etoces P µ / I α X α. Si es descoocido, podemos sustituirlo por su estimador como es grade, el error o es mucho: I α X = X z α/, X + s ] z α/ Obsérvese que podríamos haber tomado u itervalo asimétrico e el setido de que dejara diferetes probabilidades a cada lado, y o α/. 3
4 Media y variaza ligadas. Otra forma de estimar para sustituir es e el caso e que = µ, es decir, hay ua fució coocida que a partir de µ me devuelve Ejemplo, X Ber p = p 1 p = µ 1 µ ya que µ = p. Si la fució µ es cotiua etoces, X µ X µ = por lo que podemos estimar por X para obteer: I α X = X X zα/, X + ] X zα/ Por otra parte, existe u método alterativo basado e la geeralizació del TCL, e el caso e que µ sea además derivable. Cosiste e tomar g x tal que g x = 1 x es decir, ua primitiva de 1 x. E ese caso, el TCL: X µ N, implica que: g X g µ N, g µ = N, 1 = N, 1 Por lo tato, usado u itervalo para variableormales: P g µ g z α/ X, g ] z α/ X + = α o bie, aplicado la fució iversa g 1 observemos que g x > por lo que la fució es moótoa creciete y por lo tato ivertible: P µ g 1 g z α/ X, g 1 g ] z α/ X + = α Ejemplos: Para alguas distribucioes usuales, la fució g es: Beroulli: g x = arcse x Poisso: g x = x Expoecial: g x = log x Para el caso de variables co distribució Beroulli teemos, usado los dos tipos de itervalos presetados ates los siguietes itervalos: X 1 X zα/ X 1 X zα/ I α X = X, X + I α X = se arcse X z α/, se arcse X + z ] α/ 4
5 Tests Paramétricos Muestras Gaussiaas X 1,..., X iid Nµ, La catidad de dato puede ser chica. Test sobre µ coocido H : µ µ X µ H 1 : µ = µ 1 H 1 : µ > µ H 1 : µ > µ α = z α µ 1 > µ H 1 : µ = µ 1 H 1 : µ < µ H : µ µ H 1 : µ < µ α = µ 1 < µ µ µ α = X µ z α/ X µ z α Test sobre µ descoocido H : µ µ X µ H 1 : µ = µ 1 H 1 : µ > µ H 1 : µ > µ α = t α 1 µ 1 > µ H 1 : µ = µ 1 H 1 : µ < µ H : µ µ H 1 : µ < µ α = µ 1 < µ H 1 : µ µ α = X µ X µ t α/ 1 t α 1 Test sobre µ descoocido H : = H : = H : H 1 : = 1 H 1 : > H 1 : > α = 1 > H : = H : = H : H 1 : = 1 H 1 : < H 1 : < α = 1 < H : = α = 1 s Comparació de dos muestras gaussiaas idepedietes X 1,..., X m iid Nµ X, X, Y 1,..., Y iid Nµ Y, Y. X, Y idepedietes etre sí. Las catidades m y puede ser chicas. 1 s 1 s / χ 1 α/ 1, χ α/ 1 χ α 1 χ 1 α 1 5
6 Comparació de variazas H : X = Y H 1 : X Y α = E / F 1 α/ m 1, 1, F α/ m 1 1 H : X = Y H 1 : X < Y α = E F 1 α m 1, 1 H : X = Y H 1 : X > α = E F α m 1, 1 Y co E = s mx s Y, s mx = 1 m, Xi X m s m 1 Y = 1 Yi Y y dode Fp 1, 1 i=1 i=1 se busca de la tabla de la distribució F. Comparació de medias Caso X, Y coocidas H : µx = µy H 1 : µ X µ Y α = E z α/ co E = X m Y. Xm + Y H 1 : µ X < µ Y α = E z α H 1 : µ X > µ Y α = E z α Caso X, Y coocidas, co X = Y Puede averiguarse previamete co comparació de variazas H 1 : µ X µ Y α = E t α/ m + co E = Xm Y m m+ m 1s m X+ 1s Y m+ H 1 : µ X < µ Y α = E t α m + H 1 : µ X > µ Y α = E t α m +..1 Caso X, Y coocidas, co X Y H 1 : µ X µ Y α = E t α/ N co E = etera de x. H 1 : µ X < µ Y α = E t α N H 1 : µ X > µ Y α = E t α N X m Y + 1m + 1 y N = s m X m + s Y m + 1 s m X m s m X m + s Y s Y, dode x] es la parte 6
7 Test aproximados sobre la media basados e el TCL Como se usa ua aproximació basada e el TCL estos tests sólo puede hacerse para ua catidad de dato grade. Tests sobre la media X 1,..., X iid F, E X 1 = µ, Var X 1 =, ambos fiitos, >. grade. H : µ µ X µ H 1 : µ = µ 1 H 1 : µ > µ H 1 : µ > µ α = z α µ 1 > µ H : µ µ X µ H 1 : µ = µ 1 H 1 : µ < µ H 1 : µ < µ α = z α µ 1 < µ µ µ α = X µ z α/ E el caso de media y variaza ligadas es decir que existe ua fució tal que = µ puede testearse de maera aáloga de dos formas distitas: 1. reemplazado por X X µ. reemplazado Ejemplo: proporcioes X 1,..., X iid Berp grade. por g X gµ, siedo gx H : p p H 1 : p > p Puede usarse las siguietes regioes críticas: X p 1. α = z α X 1 X. α = arcse X arcse p z α x 1 t dt. µ Comparació de dos muestras X 1,..., X m iid F X, E X 1 = µ X, Var X 1 = X, Y 1,..., Y iid F Y, E Y 1 = µ X, Var Y 1 = X. X, Y idepedietes etre sí. Las catidades de datos m y debe ser grades. H 1 : µ X µ Y α = E z α/ co E = X m Y. s m X m + s Y H 1 : µ X < µ Y α = E z α H 1 : µ X > µ Y α = E z α 7
8 Media y variaza ligadas X 1,..., X m iid F X, E X 1 = µ X, Var X 1 = µ X, Y 1,..., Y iid F Y, E Y 1 = µ Y, Var Y 1 = µ Y. X, Y idepedietes etre sí, ambas co el mismo tipo de distribució, por ejemplo ambas Poisso, ambas biomiales, etc. de modo que la fució es la misma para ambas muestras. m y debe ser grades. H 1 : µ X µ α = E z α/ Y H 1 : µ X < µ α = E z α Y H 1 : µ X > µ α = E z α Y m x co E = g Xm g Y, siedo gx 1 m + t dt. µ Ejemplo: proporcioes X 1,..., X iid Berp X Y 1,..., Y iid Berp Y X, Y idepedietes etre sí. y puede usarse los siguietes estadísticos: 1. E = X m Y X m1 X m m + m. E = m + arcse Y 1 Y H : p X = p Y H 1 : p X p Y α = E z α/ H : p X = p Y H 1 : p X < p Y α = E z α H : p X = p Y H 1 : p X > p Y α = E z α X m arcse Y 8
Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesIntervalos 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 detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detallesTEMA 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.
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detalles13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media
Más detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesIntervalo 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 detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesEstimación de Parámetros. Estimación de Parámetros
Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesProblemas 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 detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesFormulas. Población infinita. Población finita
Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detalles8. 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 detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesEstimación de parámetros. Biometría
Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesIES 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 detalles8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS
8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [
Más detallesConceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.
FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detalles1. Serie de Potencias
. Serie de Potecias Recordemos que dada ua sucesió {b } N, podemos defiir ua serie: E el caso particular e que b = a (x c) b la serie tedría la forma b = a (x c) y es llamada serie de potecias cetrada
Más detallesPráctica 2 VARIABLES ALEATORIAS CONTINUAS
Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detallesuna sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente:
Tema 8 Series de fucioes Defiició 81 Sea {f } ua sucesió de fucioes de A Formemos ua ueva sucesió de fucioes {S } de A de la forma siguiete: S (x) = f 1 (x) + f 2 (x) + + f (x) = f k (x) Al par de sucesioes
Más detallesTeoremas de convergencia. Integral sobre... Convergencia... Convergencia...
covergecia este capítulo teemos como objetivo demostrar las propiedades más importates de la Itegral de Lebesgue. teemos que demostrar todavía las propiedades fudametales de liealidad y aditividad respecto
Más detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesObjetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia
Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesEl método de Monte Carlo
El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los
Más detallesR. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.
R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de
Más detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
Más detallesIntroducción al Análisis de la Varianza
Itroducció al Aálisis de la Variaza F. Javier Cara Uiversidad Politécica de Madrid Curso 013/14 Distribucioes import. e Aalisis de la Variaza Sea X 1, X,...,X, Y 1, Y,...,Y m, variables aleatorias idepedietes
Más detallesI.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
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO
Más detallesFunción Logaritmo. 1 t dt, x > 0. ln x =
Uidad 3 Fució Logaritmo Epoecial 3. Logaritmo a través de la itegral propiedades Fució Logaritmo Deició. Deimos la fució Logaritmo Natural l : (0, + R l = t dt, > 0 Observacioes: (a l = 0 Demostració.
Más detallesEjercicios 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 detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado e Geomática y Topografía Escuela Técica Superior de Igeieros e Topografía, Geodesia y Cartografía. Uiversidad Politécica de Madrid
Más detallesIntervalos de Confianza
Itervalos de Cofiaza 1.- Se quiere estudiar la vida útil de uas uevas pilas que se va a lazar al mercado. Para ello se examia la duració de 40 de ellas, resultado ua media de 63 horas. Supoiedo que el
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesCAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS
Págia 1 de 11 CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué
Más detallesDefinición 13.1 Llamamos serie trigonométrica a una serie de funciones reales, de la forma. + n +ib n
ema 3 Series de Fourier. Hemos visto, e el tema 8, que alguas fucioes reales puede represetarse mediate su desarrollo e serie de potecias, lo que sigifica que puede aproximarse mediate poliomios. Si embargo,
Más detallesInferencia estadística: estimación de parámetros.
Capítulo 7 Iferecia estadística: estimació de parámetros. 7.1. Itroducció E este tema estudiaremos como aproximar distitos parámetros poblacioales a partir de ua m.a.s. formada por observacioes idepedietes
Más detallesTema 6: Teoremas Asinto ticos
Tema 6: Teoremas Asito ticos Teorı a de la Comuicacio Curso 27-28 Coteido 1 Teorema del Límite Cetral 2 Teorema de DeMoivre-Laplace 3 Desigualdad de Chebychev 4 Ley de Los Grades Números Coteido 1 Teorema
Más detallesCapítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco
Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto
Más detalles5.1. Tipos de convergencia
Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
Más detallesTEMA 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
Más detallesMATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS
Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesEjercicios Resueltos de Clasificación de Funciones
Istituto Tecológico de Ciudad Madero Uidad I. Complejidad Computacioal Capitulo. Clasificació de Algoritmos Ejercicios Resueltos de Clasificació de Fucioes.. Determie si f ( ) perteece a la clase idicada
Más detallesTRABAJO DE GRUPO Series de potencias
DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre
Más detallesEn esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.
Capítulo 6 Muestreo Estadístico E esta tema setaremos las bases del muestreo estadístico y estudiaremos las distribucioes de alguos estadísticos a partir de ua muestra. 6.1. Coceptos básicos Auque e el
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detalles12 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 detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesMODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.
MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció La Estadística Descriptiva os ofrece ua serie de herramietas muy útiles para resumir gráfica
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detallesParte 2. Estadística inferencial
Parte. Estadística iferecial. Distribucioes muestrales Recordemos que el objetivo de la Estadística es hacer iferecias acerca de los parámetros de ua població co base e la iformació coteida e ua muestra.
Más detallesUNIDAD 4.- INFERENCIA ESTADÍSTICA II
UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que
Más detallesEstimación e Intervalos de Confianza.
Capítulo 5 Estimació e Itervalos de Cofiaza. Co la ayuda de muestras aleatorias simples y co el uso de los estadísticos estamos ya e disposició de describir auque de maera somera, dos de los métodos fudametales
Más detallesSeries de números reales
Tema 6 Series de úmeros reales 6. Series de úmeros reales. Defiició 6. Sea {a } ua sucesió de úmeros reales y cosideremos la sucesió {S }, defiida por S = a + a + + a, para cada IN, que llamaremos sucesió
Más detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesIntervalos 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 detallesPRUEBAS 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 detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 3) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 200 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U establecimieto poe a la veta tres tipos de camisas A, B y C. Se sabe que la razó etre los
Más detallesIdentificación de Sistemas
Departameto de Electróica Facultad de Ciecias Eactas Igeiería y Agrimesura Uiversidad Nacioal de osario Idetificació de Sistemas Coceptos Fudametales de robabilidad Variables Aleatorias y rocesos Aleatorios
Más detallesEstadística 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 detalles4.- Aproximación Funcional e Interpolación
4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesy i 0 1 x i 2 2 y i media 2 Varianza 2 i 1 Para calcular el los valores que maximizan L derivamos e igualamos a cero 2 y i 0 1 x i 0 # i 1
Demostracioes de Regresió Simple. Estimació La distribució de y es y i N 0 x i, Estimació Máximo Verosímil La fució de verosimilitud, sabiedo que y i es ua variable ormal será L exp y i 0 x i ya que la
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesTest 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 detallesMATEMÁTICAS 2º BACH. CC. SS. 4 de abril de 2006 Probabilidades
MATEMÁTIAS º BAH.. SS. 4 de abril de 006 Probabilidades 1) Sea A y B dos sucesos idepedietes tales que B) = 0.05 y A/ B) = 0.35. a) uál es la probabilidad de que suceda al meos uo de ellos? ( putos) b)
Más detallesPasos básicos para docimar una hipótesis:
Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los
Más detalles