TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS
|
|
- Alfonso Víctor Sandoval Márquez
- hace 7 años
- Vistas:
Transcripción
1 TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) PROCEDIMIENTOS ESTADISTICOS CONSTRUCCION DE MODELOS DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS Cada procedimiento es aplicable a un tipo particular de datos en una situación determinada. No importa tanto conocer los detalles del funcionamiento de cada técnica (ordenadores) como entender en términos generales qué hace y por qué. En estos caracteres se basa la elección del procedimiento. Algunos de los procedimientos más usuales son: - Posición de una muestra: Dada una muestra univariante, planteamos estimar la media poblacional. Podemos calcular una estimación puntual o, mejor, un intervalo. Podemos construir un contraste de significación para la hipótesis de que la media poblacional sea igual a un valor predeterminado. - Posición en dos muestras: Dadas dos muestras independientes, cuál es la diferencia que existe entre las medias poblacionales? es significativa la diferencia? - Problemas de regresión: Dadas las observaciones de una variable respuesta, Y, y de un conjunto de variables impulso (X's), se trata de encontrar una curva que permita predecir Y a partir de las X's. - Análisis de series temporales: Predecir una serie temporal en función de su propia historia o/y de los valores presentes y pasados de otras variables relacionadas. - ANOVA (Análisis de la varianza): Dadas las observaciones de una variable respuesta, su variabilidad total se descompone en un conjunto de "efectos" atribuibles a las variables impulso y a sus combinaciones (interacciones). - Técnicas multivariantes de reducción de datos, de agrupación, de discriminación. Técnicas para datos categóricos. Es importante decidir si se utiliza un enfoque paramétrico, que implica modelización y, por tanto,- abundantes hipótesis sobre las características de las
2 distribuciones de probabilidad utilizadas, o un enfoque no paramétrico que se caracteriza por hacer tan pocas asunciones como sea posible). ELECCION DEL PROCEDIMIENTO ADECUADO Elegir el procedimiento adecuado resulta difícil, en especial para el analista poco experimentado. Asumimos que ha sido realizado un IDA y que las conclusiones todavía no están claras. - Qué estamos buscando? (objetivos) - Cuáles son los resultados mas importantes del IDA? - Hay información adicional? - Hemos resuelto problemas similares? Alguien lo ha hecho? - Hemos visto problemas similares en los libros? - Puede reformularse el problema de manera que sea más sencillo? Algunos comentarios generales: 1. Hay que estar preparado para aplicar más de un método de análisis al mismo conjunto de datos 2. No es adecuado utilizar un método determinado sólo porque estemos familiarizados con el 3. Hay que estar preparado para mirar el problema desde distintas perspectivas ("pensamiento lateral") 4. Hay que estar dispuesto a realizar modificaciones ad hoc de las técnicas de análisis para recoger las características propias del problema a estudio 5. No es posible conocer al detalle todas las técnicas, pero hay que saber donde buscarlas 6. En igua!dad de condiciones (!) preferimos los métodos sencillos a los complicados, pero no debemos ser simplistas. Hasta los estadísticos más experimentados eligen en ocasiones un método de análisis inapropiado. Incluso cuando se elige el método apropiado, este puede ser aplicado de manera incorrecta. En caso de duda, conviene utilizar varios métodos y estudiar los conclusiones con cuidado. 2.- LA MODELIZACION
3 Un modelo es una representación simplificada de la realidad que recoge los aspectos fundamentales de la misma que tiene interés para los objetivos del investigador o analista. Su elección adecuada depende de los objetivos que el investigador se proponga es decir: De las respuestas que pretenda contestar tras el planteamiento del mismo Un modelo no debe ignorar ninguna de las variables cuya influencia sea importante Debe ser fácil de interpretar. Y= g ( X ) g. es una función exacta (sentido matemático) Qué forma tiene esta función? Si pensamos en relaciones empíricas los valores concretos que valla tomando Y y X determinaran la forma de g. (muestra ---- Distribución Estadística). COMO CONJUGAR LAS RELACIONES MATEMATICAS CON LAS DISTRIBUCIONES ESTADISTICAS QUE SON LOS VALORES DE LAS VARIABLES OBSERVADAS? Aunque el IDA es importante, y puede ser suficiente en ocasiones, normalmente es considerado como un prerrequisito para un análisis basado en modelos probabilísticos que requiere procedimientos inferenciales. Incluye la estimación de parámetros del modelo y el contraste de hipótesis. La inferencia se basa en modelos probabilísticos. Es necesario comprender las ventajas y limitaciones de este enfoque. Todos los modelos son erróneos, pero algunos son útiles. Se trata de obtener la mayor cantidad de información eligiendo un modelo que describa los aspectos relevantes del fenómeno bajo estudio. Objetivos de la modernización: Representar de manera compacta uno o varios conjuntos de observaciones. Por "compacto" entendemos que el modelo debe
4 ser tan simple como sea posible (y con tan pocos parámetros como sea posible). Comparar distintos conjuntos de observaciones (países, periodos) Confirmar o refutar una relación teórica establecida a priori Describir las propiedades de la componente aleatoria. Esto permite hacer inferencias (de la muestra-resíduo a la población) y garantizar la precisión de las estimaciones y la confianza en las conclusiones. Hacer predicciones de la evolución futura de las variables Hacer simulación (cómo afectan al comportamiento del output los cambios en la forma-sistema o en la estructura-parámetros del modelo) La "bondad de ajuste a un conjunto predeterminado de datos puede ser incrementada siempre haciendo el modelo mas y mas complejo, pero en general al reducir el sesgo se incrementa la varianza del error. Hay que buscar el equilibrio. Evidentemente, el modelo debe proporcionar una descripción adecuada de los datos y, entonces, será posible utilizarlo para inferir o predecir. Generalmente, el modelo contiene parámetros que deben ser estimados a partir de los datos. CONSTRUCCION DE MODELOS La modelización o construcción de modelos consta, en general, de tres tipos de actividades: Formular el modelo (especificación) Estimación de los parámetros (ajuste) Evaluación (validación) Son etapas sucesivas, aunque una investigación requiere, por lo general, varios ciclos de formulación-estimación-evaluación antes de que el resultado sea satisfactorio. Una vez se alcanza un modelo satisfactorio, éste puede ser utilizado para describir, explicar, predecir o establecer comparaciones. ESPECIFICACION
5 Formular un modelo "apropiado" es una cuestión clave para el análisis, En general, se trata de expresar mediante ecuaciones las relaciones entre un conjunto de fenómenos o conceptos (categorías mentales). Pero las ecuaciones contienen variables (categorías observables) que deberán responder lo más fielmente posible a los conceptos teóricos. No existe una estrategia generalmente aceptada para la formulación de modelos. No obstante, los principios generales podrían ser: Documentación: Hay que leer mucho y consultar a los expertos en la materia. El contexto de cada problema es crucial y no es serio tratar de modelizar una situación que no se haya racionalizado previamente. Incorporar teoría: Tomar en cuenta la teoría disponible nos sugerirá que variables hay que incluir y qué tipo de relaciones pueden existir entre ellas. Atención a las restricciones (de signo, de signo de la variación...) Realizar un análisis inicial completo del conjunto de observaciones. Incorporar información de otros modelos y conjuntos de datos similares Contrastar el modelo formulado con la teoría y con los datos. También si es coherente con cualquier conocimiento cualitativo que se posea sobre el sistema bajo estudio Tener presente que el modelo es provisional, aproximado y tentativo. Cuando haya nuevos datós, habra de ser revisado. La experiencia y la inspiración son fundamentales, ya que el proceso implica numerosas decisiones subjetivas. Junto a estos principios generales, hay que tener claro en todo momento - qué es conocido con (casi) certeza (vbles. observadas) - qué hemos supuesto sobre una base razonable (relaciones) - qué hemos asumido por conveniencia matemática (linealidad, p.ej.) - qué no está claro o es desconocido (parámetros, p.ej) La formulación de un modelo siempre requiere asumir supuestos P.ej. errores independientes distribuidos normalmente Una manera útil de comprender la modelización es: DATOS = AJUSTE + RESIDUOS
6 o bien DATOS = SEÑAL + RUIDO El ajuste o señal es la parte sistemática, en la que se centra el interés, mientras que el residuo o ruido es la parte aleatoria. La parte aleatoria incluye tanto los errores de medición como la variabilidad aleatoria natural que afecta a las unidades muestrales que se miden. Por lo general, se especifica en términos de su distribución de probabilidad. El análisis estadístico puede ser entendido como extraer información de la señal en presencia de ruido. ESTIMACION Consiste en ajustar utilizando los datos disponibles para estimar los parámetros que intervienen en el modelo. EVALUACION Una vez el modelo ha sido estimado es necesario contrastar las hipótesis que subyacen en su formulación con el objeto de modificar el modelo en caso de que no se mantengan las asunciones. Hay que responder a preguntas tales como - Es satisfactoria la parte sistemática del modelo?. En caso contrario, es necesario alterar la forma del modelo? transformar variables? incluir otras vbles? eliminar alguna? - Es satisfactoria la componente aleatoria? Cuál es la distribución de los errores? (en general se supone dist. normal con media cero? Es su varianza aproximadamente constante? (tb. supuesto habitual) - Depende significativamente la bondad del ajuste de unas pocas observaciones influyentes? - Hay alguna característica relevante de los datos que no haya sido recogida?
7 - Hay otros modelos alternativos que puedan ser considerados? La evaluación de modelos también se le llama análisis de residuos porque la mayoría de los procedimientos están relacionados con los residuos del ajuste. Hay muchos métodos para examinar los residuos, dependiendo de la clase o tipo de modelo considerado. En general, los residuos deben ser pequeños, con varianza pequeña y totalmente aleatorios (sin esquema reconocible, ya que de lo contrario ese esquema debería de formar parte de la componente sistemática). Prestamos especial atención a los residuos "grandes", que pueden surgir debido a: observaciones erróneas o atípicas, a la inadecuación del modelo o a la inadecuación del procedimiento de análisis.
La econometría : una mirada de pájaro
La econometría : una mirada de pájaro Contenido Objetivo Definición de Econometría Modelos determinista y estocástico Metodología de la econometría Propiedades de un modelo econométrico Supuestos de un
Más detallesGUIA DOCENTE ESTADÍSTICA II
GUIA DOCENTE 2016-17 ESTADÍSTICA II Mayo 2016 DATOS GENERALES Nombre del curso: Código: ESTADÍSTICA II 801101, ADE 801916, MKCD Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
Más detallesUnidad V: Estadística aplicada
Unidad V: Estadística aplicada 5.1 Inferencia estadística: Concepto, Estimación, Prueba de hipótesis La Inferencia Estadística es la parte de la estadística matemática que se encarga del estudio de los
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
Más detallesTema 6: Introducción a la inferencia estadística
Tema 6: Introducción a la inferencia estadística Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 6: Introducción a la inferencia estadística
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesPOBLACION MUESTRA TAMAÑO DE MUESTRA
POBLACION MUESTRA TAMAÑO DE MUESTRA REPASO POBLACION o UNIVERSO «Todos los posibles valores de una variable. Estos valores no tienen que ser todos diferentes ni en numero finito. Son ejemplos los pesos
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesTema 1. Introducción: el modelo econométrico
1. Introducción. a. Qué es la econometría? b. Metodología en Econometría Gujarati, Econometría (2004) páginas 1 a 11 c. Terminología y notación d. Clasificación de los modelos econométricos 1 1. Introducción
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesTODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)
TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión
Más detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asignatura: ECONOMETRÍA Grupos: ÚNICO Tema: Tema1. Concepto y método de la Econometría. Profesores: Inmaculada Villanúa Departamento de ANÁLISIS ECONÓMICO Curso
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesCRITERIOS DE EVALUACIÓN DE MATEMÁTICAS DE 4º ESO (Currículo oficial)
CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS DE 4º ESO (Currículo oficial) Los criterios de evaluación que se exponen son los correspondientes al Real Decreto 1631/2006 al que remite el Decreto 231/2007 de 31
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesDISEÑO CURRICULAR ESTADÍSTICA III
UNIVERSIDAD NUEVA ESPARTA FACULTAD DE CIENCIAS DE LA INFORMATICA ESCUELA DE COMPUTACION DISEÑO CURRICULAR ESTADÍSTICA III ESCUELA DE COMPUTACIÓN CÓDIGO DE LA ESCUELA: 10-0762-2 ASIGNATURA: Estadística
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesUniversidad nacional Autónoma de México Facultad de psicología. Matemáticas II
Universidad nacional Autónoma de México Facultad de psicología PROGRAMA DE ASIGNATURA Nombre de la Asignatura Matemáticas II Clave 0497 Semestre Segundo Número de créditos 8 Horas Teoría 4 Horas Práctica
Más detallesCRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS
1º ESO CRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS 1. Utilizar numeros naturales, enteros, fracciones y decimales sencillos, sus operaciones y propiedades, para recoger, transformar e intercambiar
Más detallesGUIA DOCENTE ESTADISTICA
1 GUIA DOCENTE ESTADISTICA 1- Datos de identificación Asignatura: Estadística Carácter: Formación básica Titulación: Psicología Ciclo: Grado Curso: 1 Cuatrimestre: Anual Departamento: Metodología de las
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Econometría
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Análisis Económico Curso: Créditos ECTS: 6 Tipo de asignatura:
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Una prueba de hipótesis es una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis estadística
Más detallesN T E N.. IDO. CAPíTULO 3 TABLAS Y GRÁFICAS: UNA IMAGEN DICE MÁS QUE MIL PALABRAS 78. CAPíTULO I LA IMAGINACiÓN ESTADíSTICA
N T E N.. IDO PREFACIO xiv CAPíTULO I LA IMAGINACiÓN ESTADíSTICA Introducción La imaginación estadística 3 Enlace de la imaginación estadística con la imaginación sociológica 4 Normas estadísticas y normas
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detallesMicro currículo OBJETIVO GENERAL. Al finalizar este curso, el alumno estará en capacidad de:
Micro currículo Materia: ESTADISTICA INFERENCIAL Pensum: Aplica a partir del 2017.1 Resolución: VRA-010 Asignatura Nombre de la materia Código 15034 Créditos 3 Intensidad (H/S) 4 Modalidad PRESENCIAL Prerrequisitos
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesGeneralmente, el objetivo de cualquier estudio de econometría es la. búsqueda de relaciones matemáticas que permitan explicar el comportamiento
5. METODOLOGÍA ECONOMÉTRICA. Generalmente, el objetivo de cualquier estudio de econometría es la búsqueda de relaciones matemáticas que permitan explicar el comportamiento de una variable económica a partir
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Ingeniería. Mexicali.
Más detallesConocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Más detallesModelos econométricos
Modelos econométricos Análisis y diseño Un ejemplo de problema econométrico Si tenemos una fábrica de hacer tornillos mecanizada, que produce 1000 tornillos por hora con 10 kg. de acero, cuya función de
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesCurso: 2º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación: Teórico-Práctica
Ficha Técnica Titulación: Grado en Economía Plan BOE: BOE número 75 de 28 de marzo de 2012 Asignatura: Módulo: Instrumental Curso: 2º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación:
Más detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Remix Final)
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Remix Final) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Entrega del Trabajo Obligatorio Hasta el 22 de mayo
Más detallesPlaneación experimental
Planeación experimental Diseño de Experimentos Diseño de Experimentos Ventajas Identifica uno o más factores influyen dentro de la variable de respuesta. Permite establecer la combinación adecuada de tratamientos
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesASIGNATURA DE MÁSTER: BIOESTADÍSTICA
ASIGNATURA DE MÁSTER: BIOESTADÍSTICA Curso 2015/2016 (Código:21153032) 1.PRESENTACIÓN Con esta asignatura el lector podrá entender y explicar mejor los fenómenos naturales; incluso podrá hacer predicciones.
Más detallesUNIVERSIDAD NACIONAL DE PIURA ESCUELA DE POSTGRADO PROGRAMA DE MAESTRÍA EN CIENCIAS ECONÓMICAS
UNIVERSIDAD NACIONAL DE PIURA ESCUELA DE POSTGRADO PROGRAMA DE MAESTRÍA EN CIENCIAS ECONÓMICAS CURSO: MÉTODOS CUANTITATIVOS TÓPICO 5: ECONOMETRÍA: MODELO DE REGRESIÓN LINEAL GENERAL Econ. SEGUNDO A. CALLE
Más detallesAnálisis de datos en CCSS: introducción al análisis descriptivo e inferencial
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 13 y 14 de marzo de 2014 Análisis de datos en CCSS: introducción al análisis descriptivo e inferencial Dra. Mª José
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesConceptos básicos de la inferencia estadística
Conceptos básicos de la inferencia estadística Unidad 1. Introducción Javier Santibáñez IIMAS, UNAM jsantibanez@sigma.iimas.unam.mx Semestre 2019-1 Javier Santibáñez (IIMAS, UNAM) Introducción Semestre
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER
UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER CARTA DESCRIPTIVA Carrera: INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia:. Titular: Correo electrónico: NUMERO DE UNIDAD:
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II BLOQUES DE CONTENIDO PORCENTAJE ASIGNADO AL BLOQUE ESTÁNDARES DE APRENDIZAJE Bloque 1. Procesos, métodos
Más detallesGrado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso Examen de prácticas de FEBRERO 2013
Grado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso 2012-2013 Examen de prácticas de FEBRERO 2013 NOMBRE:...APELLIDOS:... ESPECIALIDAD:... Los niveles de contaminantes en productos alimenticios
Más detalles1. DATOS INFORMATIVOS
1. DATOS INFORMATIVOS 1.1. FACULTAD: CIENCIAS ECONÓMICAS 1.2. CARRERA: ESTADÍSTICA 1.3. ASIGNATURA: INFERENCIA ESTADÍSTICA 1.4. CÓDIGO DE ASIGNATURA: 33204 1.5. CRÉDITOS: 6 1.6. SEMESTRE: TERCERO 1.7.
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesInferencia estadística: Prueba de Hipótesis. Jhon Jairo Padilla A., PhD.
Inferencia estadística: Prueba de Hipótesis Jhon Jairo Padilla A., PhD. Justificación Es una etapa de análisis de datos de un experimento comparativo: Se compara un parámetro de una v.a. con un valor dado.
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesEl plan de muestreo. Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi-
El plan de muestreo Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi- Y ahora qué? Cuántas muestras debo tomar? Cuántas veces debo realizar los ensayos?
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesUNIVERSIDAD PILOTO DE COLOMBIA PLAN ANALÍTICO DEL PROGRAMA AREA COMÚN DE MATEMÁTICAS PROGRAMA DE ESTADISTICA INFERENICAL ADMINISTRACION
UNIVERSIDAD PILOTO DE COLOMBIA PLAN ANALÍTICO DEL PROGRAMA AREA COMÚN DE MATEMÁTICAS PROGRAMA DE ESTADISTICA INFERENICAL ADMINISTRACION 1. PRESENTACIÓN DE LA ASIGNATURA O CURSO ACADÉMICO Nombre del curso
Más detallesTema 13: Contrastes No Paramétricos
Tema 13: Contrastes No Paramétricos Presentación y Objetivos. La validez de los métodos paramétricos depende de la validez de las suposiciones que se hacen sobre la naturaleza de los datos recogidos. La
Más detallesU.N.P.S.J.B. FACULTAD DE INGENIERÍA Cátedra de ESTADÍSTICA Cátedra ESTADISTICA
U.N.P.S.J.B. FACULTAD DE INGENIERÍA Cátedra de ESTADÍSTICA Cátedra ESTADISTICA TRABAJOS PRÁCTICOS Facultad de Ingeniería Universidad Nacional de La Patagonia S. J. B. Comodoro Rivadavia TEMA Nº.. REGRESIÓN
Más detallesTema 1: Introducción. Universidad Complutense de Madrid Febrero de 2012
Tema 1: Introducción Universidad Complutense de Madrid Febrero de 2012 1.Naturaleza y objetivos de la Econometría Medida de la Economía (significado literal de la palabra) Objetivo: Medir, desde un punto
Más detallesEstadística Inferencial
Programa de Matemáticas Estadística Inferencial Índice 1. Generalidades. 2 2. Descripción General 2 3. Justificación 2 4. Propósito General del curso 2 5. Objetivos 3 6. Propósito general del curso 3 7.
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesUniversidad Autónoma de Sinaloa
Universidad Autónoma de Sinaloa Facultad de Ciencias Sociales Licenciatura en Economía Programa de estudios Asignatura: Econometría I Clave: Etapa de formación: Básica EFP Área de Conocimiento: Créditos:
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detallesCONCEPTOS BASICOS DE MUESTREO VARIABLE ALEATORIA. (Concepto no matemático)
CAPITULO 8 CONCEPTOS BASICOS DE MUESTREO En la aplicación de los métodos de muestreo es importante recordar los siguientes conceptos básicos: 8.1. VARIABLE ALEATORIA. (Concepto no matemático) Es aquella
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA CIVIL DEPARTAMENTO DE INGENIERÍA HIDROMETEOROLÓGICA LABORATORIO:
17 o 1765 5 FUNDAMENTACION En un sentido general la estadística es la ciencia que se ocupa de la colección, clasificación, análisis e interpretación de hechos o datos numéricos. Esta ciencia puede aplicarse
Más detallesPROGRAMA. 2. MATERIA/ SEMINARIO/OBLIGACION ACADEMICA: Estadística
UNIVERSIDAD DEL SALVADOR Delegación Provincia de Corrientes Campus San Roque González de Santa Cruz Plan. Res. Rec. 60/006 PROGRAMA 1. CARRERA: Agronomía. MATERIA/ SEMINARIO/OBLIGACION ACADEMICA: Estadística
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detallesPRIMER CURSO DE EDUCACIÓN SECUNDARIA OBLIGATORIA
PRIMER CURSO DE EDUCACIÓN SECUNDARIA OBLIGATORIA BLOQUE 1: PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS. CONTENIDOS CRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES Planificación del proceso
Más detalles1. Expresar verbalmente, de forma razonada el proceso seguido en la resolución de un problema.
BLOQUE 1: PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS. CONTENIDOS CRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES Planificación del proceso de resolución de problemas. Estrategias y procedimientos
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesDepartamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff Tema 5 Modelos de dos factores-tratamiento. Se continua trabajando
Más detallesAnálisis multivariantes
GUIA DIDACTICA DEL ALUMNO Análisis multivariantes Docentes: Dra. Francisca Rius Profesora de Bioestadística Facultad de Medicina Universidad de Málaga Dr. Ramón Hidalgo Sánchez Servicio Central de Informática
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesCRITERIOS DE EVALUACIÓN 2º DE BACHILLERATO MATEMÁTICAS II. Bloque 1: Procesos, métodos y actitudes en matemáticas
CRITERIOS DE EVALUACIÓN 2º DE BACHILLERATO MATEMÁTICAS II Bloque 1: Procesos, métodos y actitudes en matemáticas 1. Expresar verbalmente, de forma razonada el proceso seguido en la resolución de un problema.
Más detallesUniversidad Nacional Autónoma de México Facultad de Psicología
Universidad Nacional Autónoma de México Facultad de Psicología PROGRAMA DE ASIGNATURA Nombre de la asignatura Clave Semestre Estadística Inferencial 0186 4 Número de créditos 8 Horas teoría 4 Horas práctica
Más detalles