Práctica 2 VARIABLES ALEATORIAS CONTINUAS
|
|
- Ana Isabel Sáez Farías
- hace 7 años
- Vistas:
Transcripción
1 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 de la distribució Normal ~ N(µ;σ) d) Estudio de la fució de desidad de la distribució Chi-cuadrado. e) Cálculo de la fució de distribució de la distribució Chi-cuadrado. f) Resolució de problemas co ambos tipos de distribucioes.. Itroducció a variables aleatorias cotiuas: El la práctica aterior se hizo ua itroducció a las variables aleatorias. Esquemáticamete: Sea X ua v.a. defiida sobre el espacio probabilístico ( S, P) y sea F su fució de distribució. La v.a. X podrá ser de tipo discreto o de tipo cotiuo. V.A. DISCRETA VARIABLE ALEATORIA X V.A. CONTINUA FUNCION DE DENSIDAD f(x) ESPERANZA Y VARIANZA UNIFORME NORMAL CHI-CUADRADO T DE STUDENT Y F SNEDECOR i. X será ua v.a. discreta cuado sólo puede tomar u úmero fiito o ifiito, pero umerable, de valores. Estas v.a. fuero objeto de estudio e esta práctica. ii. X será ua v.a. cotiua cuado puede tomar todos los valores posibles de u itervalo, fiito o ifiito. A este tipo de variables va dedicada esta práctica. DEFINICIÓN : Diremos que ua variable aleatoria X : Ω R es de tipo cotiuo si existe ua fució real positiva f : R R, que llamaremos fució de desidad, tal que : PROPIEDADES: i. f ( x) 0 x F ( x) = f ( t) dt
2 Práctica ii. + f ( x) dx = iii. ( a X b) = iv. P f ( t) dt b a Si f(x) es cotiua e a, etoces F (a) = f(a) Las dos primeras propiedades caracteriza a las fucioes de desidad ya que si ua fució cualquiera las verifica, puede costruirse ua v.a. de tipo cotiuo para la que será su fució de desidad. Estas propiedades úicamete idica que ua fució de desidad es ua fució real positiva que ecierra bajo ella área. E la propiedad tercera puede itercambiarse los meores o iguales por meores estrictos y la propiedad se sigue cumpliedo. La propiedad cuarte proporcioa ua forma de calcular la fució de desidad a partir de ua fució de distribució cotiua e toda la recta real y derivable e casi todos los putos. 3. Características de ua variable aleatoria cotiua 3.. Esperaza Matemática o valor esperado Se represeta por E(X) y se calcula, e el caso cotiuo, mediate la fórmula: + ( X ) E = x f ( x) dx Gráficamete, la esperaza de ua variable aleatoria cotiua coicide co el cetro de gravedad del área ecerrada etre la fució de desidad y el eje OX. 3.. Variaza Se represeta por Var(X)=σ y se calcula, e el caso cotiuo, mediate la fórmula: + E = x f ( x) dx. dode ( X ) Var ( X ) = E( X ) E( X ) La desviació típica σ se calcula como la raíz cuadrada de la variaza. 4. Modelos de variables aleatorias cotiuas 4.. Distribució Uiforme : X~U(a;b) Esta distribució, tambié llamada rectagular por el aspecto de su fució de desidad, fue utilizada por primera vez por Bayes e 763 y por Laplace e 8. Segú la defiició de esta variable, cualquier elecció de úmeros reales al azar e u itervalo de logitud fiita, es ua v.a. uiforme. CARACTERÍSTICAS: i. Parámetros : a, b, co a < b
3 Práctica ii. Fució de desidad : iii. Media : E(X) = a + b iv. Variaza : Var (X)= ( b a ) f ( x) = si a x b b a Si ua v.a. tiee fució de distribució F(x), la variable Y=F(x) es U(0;). Esta propiedad es fudametal e la geeració de úmeros aleatorios y técicas de simulació. 4.. Distribució Normal: X~N(µ;σ) Si los griegos la hubiese coocido, la habría adorado como a u dios. Galto (8-9) Esta distribució, e su versió más simple N(0;), fue itroducida por primera vez por De Moivre e 733 como aproximació de la distribució biomial. Posteriormete, Laplace y Gauss la hallaro empíricamete estudiado la distribució de los errores de medició, y tras sus trabajos se covirtió e la distribució más utilizada. CARACTERÍSTICAS: i. Parámetros : < µ < ; 0 < σ < ii. Fució de desidad: iii. Media : E(X) = µ iv. Variaza : Var (X)= σ ( x µ ) σ ( ) f x = e si < x < σ π 4.3. Distribucioes relacioadas co la Normal So distribucioes que surge teóricamete como resultado del proceso de iferecia estadística Distribució CHI-CUADRADO ( ℵ ) de Pearso Esta distribució surge cuado se desea coocer la distribució de la suma de los cuadrados de variables idepedietes e igualmete distribuidas co distribució Normal. DEFINICIÓN : Sea aleatoria X,, X,... X, variables aleatorias idepedietes N(0;). Etoces la variable X + X X = X i sigue ua distribució i= grados de libertad. CARACTERÍSTICAS: i. Fució de desidad: mediate tablas. ii. Media : E(X) = iii. Variaza : Var (X)= ℵ (chi-cuadrado) co 3
4 Práctica Distribució t de STUDENT El orige de esta distribució se ecuetra e la estimació de esperazas de distribucioes ormales cuado su desviació típica es descoocida. Gosset ( ), quie publicó bajo el seudóimo de Studet, la propuso y tabuló e 908. DEFINICIÓN : Sea X y X, X,..., X, variables aleatorias idepedietes N(0;). Etoces la variable aleatoria t = X sigue ua distribució t de Studet co grados de X + X X libertad. CARACTERÍSTICAS: i. Fució de desidad: mediate tablas. ii. Media : E(X) = 0 si > iii. Variaza : Var (X)= si > Distribució F de SNEDECOR DEFINICIÓN : Sea X e Y variables aleatorias idepedietes co distribució ℵ de y m grados de X libertad, respectivamete. Etoces la variable aleatoria F, m = sigue ua distribució F Y m de Sedecor co grados de libertad e el umerador y m grados de libertad e el deomiador. 5. Variables aleatorias cotiuas usado EXCEL: 5.. Distribució Normal = DISTR.NORM(x;media;desv_estádar;acum) Devuelve la distribució ormal para la media y desviació estádar especificadas. Esta fució tiee u gra úmero de aplicacioes e estadística, icluidas las pruebas de hipótesis. Sitaxis DISTR.NORM(x;media;desv_estádar;acum) X es el valor cuya distribució desea obteer. 4
5 Práctica Media es la media de la distribució. Desv_estádar es la desviació típica de la distribució. Acum es u valor lógico que determia la forma de la fució. Si el argumeto acum = FALSO devuelve el valor de la fució de desidad. Si el argumeto acum =VERDADERO devuelve el valor de la fució de distribució. A =4 A3 = 40 A4 =,5 Descripció Valor cuya distribució desea obteer Media de la distribució Desviació típica de la distribució Descripció (Resultado) =DISTR.NORM(A;A3;A4;VERDADERO) Fució de distribució : F(4)= 0, para N(40;,5) =DISTR.NORM(A;A3;A4;FALSO) Fució de desidad: 5.. Iversa de la Fució de distribució Normal =DISTR.NORM.INV(probabilidad;media;desv_estádar) Devuelve el iverso de la distribució acumulativa ormal para la media y desviació estádar especificadas. Sitaxis DISTR.NORM.INV(probabilidad;media;desv_estádar) Probabilidad es ua probabilidad correspodiete a la distribució ormal. Media es la media de la distribució. Desv_estádar es la desviació típica de la distribució. Si media = 0 y desv_estádar =, DISTR.NORM.INV utiliza la fució de distribució ormal estádar (vea DISTR.NORM.ESTAND.INV). 5
6 Práctica A = 0, A3 = 40 A4 =,5 =DISTR.NORM.INV(A;A3;A4) Descripció Probabilidad correspodiete a la distribució ormal Media de la distribució Desviació típica de la distribució Descripció (Resultado) Iversa de la Fució de distribució ormal: P X K = 0. K= 4 cumple que ( ) Tipificació = NORMALIZACION(x;media;desv_estádar) Devuelve u valor tipificado de ua distribució Normal de media =µ y desviació típica=σ. Sitaxis NORMALIZACION(x;media;desv_estádar) X es el valor que se desea tipificar. Media es la media de la distribució. Desv_estádar es la desviació típica de la distribució. A = 4 A3 = 40 Descripció Valor que se desea tipificar Media de la distribució A4=,5 Desviació típica de la distribució Descripció (Resultado) =NORMALIZACION(A;A3;A4) Valor TIPIFICADO de 4 =, Distribució CHI-CUADRADO = DISTR.CHI(x;grados_de_libertad) 6
7 Práctica Devuelve la probabilidad de ua v.a. que sigue ua distribució chi cuadrado. Cocretamete DISTR.CHI os calcula P(X>x) = - F(x), dode X es ua variable aleatoria chi-cuadrado co grados de libertad. Sitaxis =DISTR.CHI(x;grados_de_libertad) x es el valor al que se desea evaluar de la distribució. Grados_de_libertad es el úmero de grados de libertad. Descripció A= 8,307 Valor que se desea evaluar la distribució A3= 0 Grados de libertad =DISTR.CHI(A;A3) Descripció (Resultado) Nos calcula el área a la derecha del puto: 5.5. Iversa de la fució de distribució de ua Chi-cuadrado = PRUEBA.CHI.INV(probabilidad;grados_de_libertad) Devuelve, para ua probabilidad dada, el valor de la variable aleatoria siguiedo ua distribució chi cuadrado. Si el argumeto probabilidad = DISTR.CHI(x;...), etoces PRUEBA.CHI.INV(probabilidad,...) = x. Sitaxis PRUEBA.CHI.INV(probabilidad;grados_de_libertad) Probabilidad es ua probabilidad asociada a la distribució chi cuadrado. Grados_de_libertad es el úmero de grados de libertad. 7
8 Práctica Descripció 0,05 P(X>k) = 0,05 0 Grados de libertad =PRUEBA.CHI.INV(A;A3) Descripció (Resultado) Nos devuelve el valor k=8,30703 cumpliedo P(x>k) = 0,05 6. Caso práctico 6.. Cálculo de probabilidades e ua v.a. Normal : 6... Crea ua hoja de cálculo (HOJA) que calcule, para ua v.a. Normal de media µ y desviació típica σ, los siguietes valores: a. La fució de desidad f(x). b. La fució de distribució F(x) = P(X x). c. P( X>k) = - P( X < k) d. P(a < X < b) = P(X<b) P( x <a) e. el valor de k, sabiedo que P(X<k) = p (coocido). Utilizado la HOJA calcula las siguietes probabilidades: a. E ua N(5;), f (5) = ; F(6)= ; P(X>4,3): b. E ua N(0;), P(X < 0,)= ; P(-0,6< X < 0,6) = c. E ua N(-;,7), P (, X 0,5) = ; P(X > -)= d. E ua N(5;0,8), el valor de k cumpliedo P(x < k)=0, Crea otra hoja de cálculo (HOJA) que cotega los valores de la fució de desidad y de distribució e el itervalo [ µ -3σ, µ +3σ ] de la distribució ormal de media µ y desviació típica σ. Utilizado los datos de la HOJA haz la represetació gráfica de ambas fucioes. 6.. Resolució de problemas usado la Normal: Crea ua hoja de cálculo (HOJA3) mediate la cual puedas resolver el siguiete problema: La altura de los jóvees de determiada població sigue ua distribució ormal de media.76 y desviació típica 0,3. Calcular el porcetaje de població que tedrá ua altura mayor que metros, cuátos etre,70 y,80 y cuátos co altura meor que,60. Si de 000 idividuos medidos sólo 9 está etre,50 y,00 metros, qué podemos pesar? 8
9 Práctica 6.3. Cálculo de probabilidades e ua v.a. Chi-cuadrado : Crea ua hoja de cálculo (HOJA4) que calcule, para ua v.a chi-cuadrado co grados de libertad, los siguietes valores: a) P( X>k) = - P( X < k) b) La fució de distribució F(x) = P(X x). c) P(a < X < b) = P(X<b) P( x <a) d) el valor de k, sabiedo que P(X>k) = p (coocido). Utilizado la HOJA4 calcula las siguietes probabilidades: a) E u ℵ, P(X<4,8) = ; P(X > 0) b) E ua ℵ 0, P( X-8 < 5)= ; P(0,6< X < 6) = c) E ua ℵ 0, el percetil 9, P(X<K ) = 0,9 9
DISTRIBUCIONES 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 detallesObjetivos. 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 detalles3. Distribuciones de probabilidad
3. Distribucioes de probabilidad Estudiamos a cotiuació las pricipales distribucioes de probabilidad que se ecuetra e las aplicacioes del cálculo de probabilidades. Clasificaremos las distribucioes atediedo
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 detallesNúmero de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
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 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 detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
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 detallesTEMA 4- MODELOS CONTINUOS
TEMA 4- MODELOS CONTINUOS 4.1. Itroducció. 4.2. Distribució uiforme cotiua de parámetros a y b. X Ua, b 4.3. Distribució Gamma de parámetros y. X, Casos particulares: 4.3.1.Distribució Expoecial. X Exp
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
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 detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
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 detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
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 detallesLa ley de los grandes números
La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella
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 detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
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
Más detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
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 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS
www.iova.ued.es/webpages/ilde/web/idex.htm e-mail: imozas@elx.ued.es TEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS Distribució uiforme e el itervalo [a, b].-, a x b Fució de desidad: f(x) = b a 0, e el
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 detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribucioes de probabilidad discretas Departameto de Ciecias del Mar y Biología Aplicada Itroducció Iferecia estadística: Parte de la estadística que estudia grades colectivos a partir
Más detallesTEMA 4. Algunos modelos de probabilidad de tipo continuo
TEMA 4. Alguos modelos de probabilidad de tipo cotiuo Vamos a abordar e este capítulo el estudio de aquellas distribucioes de probabilidad de tipo cotiuo, que se os preseta co bastate frecuecia e el mudo
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 detallesUniversidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 7: HERRAMIENTAS INFERENCIALES. DISTRIBUCIONES ASOCIADAS AL Uiversidad MUESTREO de Oviedo. Facultad de Ecoomía y Empresa. Grado e ADE. 7.1.- Distribucioes Métodos
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 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 detallesDistribuciones: discretas y continuas
Distribucioes: discretas y cotiuas DISTRIBUCIONES. DISTRIBUCIONES DISCRETAS. Distribució Uiforme.... Distribució Biomial... 3.3 Distribució de Poisso... 6. DISTRIBUCIONES CONTINUAS.. Distribució Uiforme
Más detallesTEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Introducción a la Inferencia Estadística Método de los momentos
TEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Itroducció a la Iferecia Estadística. Método Estadístico. Defiicioes previas. 5.2. Estimació putual 5.3. Métodos de obteció de estimadores: 5.3.1. Método de los
Más detallesProbabilidades y Estadística (M) Práctica 8 1 cuatrimestre 2012 Convergencias - Ley de los Grandes Números
robabilidades y Estadística (M) ráctica 8 cuatrimestre 22 Covergecias - Ley de los Grades Números. Ua máquia produce artículos de 3 clases: A, B y C e proporcioes 25 %, 25 % y 5 % respectivamete. Las logitudes
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 detallesSOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)
Curso 2012-13 PEC2 Pág. 1 SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Gráfico 1: E ua ivestigació se compara la eficacia de tres tipos de tratamieto de las fobias, atediedo a si ha habido
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 detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más detallesDistribuciones: discretas y continuas
Distribucioes: discretas y cotiuas DISTRIBUCIONES. DISTRIBUCIONES DISCRETAS. Distribució Uiforme.... Distribució Biomial... 3.3 Distribució de Poisso... 6. DISTRIBUCIONES CONTINUAS.. Distribució Uiforme
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 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 detallesINTRODUCCION Teoría de la Estimación
INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede
Más detallesANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A
EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació
Más detallesDISTRIBUCIONES EN EL MUESTREO
7/9/08 DISTRIBUCIONES EN EL MUESTREO Uidad 4 08 Las estadísticas pesadas como variables aleatorias Ejemplo: u experimeto E cosiste e elegir =5 alícuotas de agua del río y medir la cocetració de arséico:
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 detallesANÁLISIS MATEMÁTICO I - EXAMEN FINAL - 16 de julio de 2015 APELLIDO Y NOMBRE:... CORRIGIÓ:...REVISÓ:...
ANÁLISIS MATEMÁTICO I - EXAMEN FINAL - 6 de julio de 5 APELLIDO Y NOMBRE:... CORRIGIÓ:...REVISÓ:... Ejercicio Ejercicio Ejercicio Ejercicio 4 Ejercicio 5 NOTA Todas sus respuestas debe ser justificadas
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
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 detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) SOLUCIONES
eptiembre 05 EAMEN MODELO B ág. INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 05 Código asigatura: 60037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier
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. Distribución Normal.
DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei RESUMEN 1. Distribució Normal. 1.1. Cálculo de probabilidades a) Para ua distribució estádar N(0,1) usamos directamete la tabla: Ejemplos:
Más detallesMATEMÁTICAS 2ºBACHILLERATO CCSSII
La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida
Más detallesApellidos y Nombre: Aproximación lineal. dy f x dx
INGENIERÍA DE TELECOMUNICACIÓN HOJA 0 Aproximació lieal Defiició (Diferecial).- Sea y = f ( x) ua fució derivable e u itervalo abierto que cotiee al úmero x, - La diferecial de x es igual al icremeto de
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 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 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 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 detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
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 detallesAnálisis estadístico de datos simulados Estimadores
Aálisis estadístico de datos simulados Estimadores Patricia Kisbye FaMAF 11 de mayo, 2010 Aálisis estadístico Iferecia estadística: Elegir ua distribució e base a los datos observados. Estimar los parámetros
Más detallesEstimadores Puntuales: Propiedades de estimadores Sebastián Court
Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria
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 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 detallesNo debe entregar los enunciados. Después del Tratamiento (Y)
Después del Tratamieto (Y) Febrero 016 EAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 016 Código asigatura: 6011037 EAMEN TIPO TEST MODELO B DURACION: HORAS Material: Addeda (Formulario
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 detallesINFERENCIA ESTADÍSTICA
X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació
Más detallesDISTRIBUCIONES MUESTRALES
UNIDAD II DISTRIBUCIONES MUESTRALES Competecia: -El estudiate debe saber utilizar las diferetes distribucioes muestrales,es decir las diferetes distribucioes de cualquier estadístico estimado a partir
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de
Más detallesSUMA DE VARIABLES ALEATORIAS
SUMA DE VARIABLES ALEATORIAS do C. 018 Clase Nº 9 Mg. Stella Figueroa Teorema Cetral del Límite El teorema afirma que la distribució de la suma de u gra úmero de variables aleatorias tiee aproximadamete
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 detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
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 detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesOPCIÓN A EJERCICIO 1 (A)
IES Fco Ayala de Graada Septiembre de 013 (Modelo Reserva ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SEPTIEMBRE 013 MODELO RESERVA OPIÓN A EJERIIO 1 (A) 8 3 3-5 3 5 Sea las matrices
Más detallesIES Fco Ayala de Granada Sobrantes de 2002 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 1) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua fábrica de muebles dispoe de 600 kg de madera para fabricar librerías de 1 y de 3 estates.
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
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 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 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 detallesINFERENCIA ESTADÍSTICA
FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció
Más detallesPRÁCTICA 6: TEOREMA CENTRAL DEL LÍMITE
PRÁCTICA 6: TEOREMA CENTRAL DEL LÍMITE Objetivos Comprobar que la suma de variables aleatorias idepedietes y co la misma distribució es aproximadamete ormal. Estudiar la robustez de la aproximació frete
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 detallesESTADÍSTICA. n i Se pide:
ESTDÍSTIC Tercera Prueba de Evaluació cotiua 1 de diciembre de 16 1.- l calcular cico veces la distacia etre dos putos, obteemos los siguietes valores: 17,13m; 17,1m; 17,m; 17,65m; 17,4 a) Itervalo de
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 detallesTipo A Tipo B Máximo Avellanas Nueces Almendras Beneficio x + 40y
IES Fco Ayala de Graada Juio de 010 (Específico Modelo 4) Solucioes Germá-Jesús Rubio Lua MATEMÁTICAS CCSS JUNIO 010 (ESPECÍFICO MODELO 4) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 ( 5 putos) U comerciate
Más detallesMétodos de Análisis Cuantitativo
Métodos de Aálisis Cuatitativo Fórmulas E este documeto se lista las fórmulas trabajadas e las clases del curso de Métodos de Ivestigació Cuatitativa (GES204) de la Facultad de Gestió y Alta Direcció de
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media
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 detallesIES Fco Ayala de Granada Sobrantes de 2003 (Modelo 6) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2003 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua piscifactoría vede gambas y lagostios a 10 y 15 euros el kg, respectivamete. La producció máxima
Más detallesAMPLIACIÓN DE MATEMÁTICAS Ingeniería Técnica Industrial. Especialidad en Electrónica Industrial Boletín n o 7
AMPLIACIÓN DE MATEMÁTICAS Igeiería Técica Idustrial. Especialidad e Electróica Idustrial Boletí o 7. Dibujar las gráficas y hallar el desarrollo e serie de Fourier de las siguietes fucioes periódicas de
Más detallesConvergencia de variables aleatorias
Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...
Más detallesSobre los intervalos de confianza y de predicción
Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detallesTEMA 6.- INTERVALOS DE CONFIANZA
TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método
Más detalles