República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
|
|
- Antonio Zúñiga Romero
- hace 7 años
- Vistas:
Transcripción
1 República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera
2 Lista de Formulas N 1) µ = x 1 + x x N N = i=1 N x i Media poblacioal 2) x = x 1 + x x = i=1 3) Posició de la mediaa = x i Media muestral Determia la posició de mediaade datos ordeados o agrupados 4) x w = xw w Media poderada 5) MG = x 1 x 2 x Media geométrica 6) m = L m + ( + 1)/2 (F + 1) f m (c) Mediaa para datos agrupados 7) Mo = L mo + D 1 D 1 + D 2 (c) Moda para datos agrupados 8a) σ 2 = 8b) σ 2 = (xi µ) 2 N (fẋ 2 ) µ 2 N Variaza poblacioal Variaza poblacioal para datos agrupados 9) σ = σ 2 Desviació estádar poblacioal 10) s 2 = (xi x) 2 1 Variaza muestral 11) s = s 2 Desviació estádar muestral 12) x = fẋ Media para datos agrupados, el puto medio del itervalo de clase se represeta por ẋ 13) s 2 = fẋ 2 x 2 1 Variaza muestral para datos agrupados 14) L p = ( + 1) P 100 Ubicació de u percetil 15) CV = s (100) Coeficiete de variació x 16) P (E) = Número de veces e que el eveto ha ocurrido Número total de observacioes Frecuecia relativa 2
3 Lista de Formulas 17a) P (E) = Número de formas e que ocurre u eveto Número total de posibles resultados Modelo clásico 17b) P (A) + P (A c ) = 1 Teorema de probabilidad 18) P (A B) = P (A) + P (B) Evetos mutuamete excluyetes 19) P (A B) = P (A) + P (B) P (A B) Evetos que o so mutuamete excluyetes 20) P (AB) = P (A B) = P (A)P (B) Probabilidad de evetos idepedietes 21) P (AB) = P (A)P (B A) Probabilidad de evetos depedietes(probabilidad codicioal) 22) P (B) = P (A 1 B) + + P (A B) Probabilidad total 23) P (B) = P (B A i )P (A i ) i=1 Probabilidad total 24) P (A k B) = P (B A k)p (A k ), k = 1,, Teorema de Bayes P (B A i )P (A i ) i=1 25) P r = 26) C r =! ( r)!! r!( r)! Permutacioes Combiacioes 27) µ = E(X) = [(x i P (x i )] Valor esperado de ua distribució 28) V ar = σ 2 = [ (x i µ) 2 P (x i ) ] Variaza de ua distribució de probabilidad 29) P (x) = ( rc x ) ( N r C x ) NC ( r ) 30) E(X) = N ( r 31) V arx = N ) ( N r N ) ( ) N N 1 Distribució hipergeométrica Distribució hipergeométrica Distribució hipergeométrica 32) P (X = x) = C x p x q x Distribució biomial, dode q = 1 p 33) E(X) = p Distribució biomial 34) V ar(x) = pq Distribució biomial 3
4 Lista de Formulas 35) P (X = x) = (x 1) C (r 1) p r q x r Distribució biomial egativa 36) E(X) = r p 37) V ar(x) = r p ( ) 1 p 1 Distribució biomial egativa Distribució biomial egativa 38) P (X = x) = pq x 1 Distribució geométrica 39) E(X) = 1 p Distribució geométrica 40) V ar(x) = q p 2 Distribució geométrica 41) P (X = x) λx e λ x! Distribució de Poisso 42) E(X) = λ Distribució de Poisso 43) V ar(x) = λ Distribució de Poisso 44) P (a X b) = 45) P (X x) = F (x) = 46) µ = E(X) = b a x f(x)dx f(x)dx xf(x)dx Probabilidad de ua variable aleatoria X, co fució de desidad f(x) Fució de distribució de ua variable aleatoria X, co fució de desidad f(x) Media o valor esperado de ua desidad de probabilidad 47) σ 2 = V ar(x) = (x µ) 2 f(x)dx Variaza de ua desidad de probabilidad Teorema(De Límite Cetral) Si x es la media de ua muestra de tamaño extraída de ua població co la media µ y la variaza fiita σ 2,etoces Z = x µ σ/ es ua variable aleatoria cuya fució de distribució se aproxima a la de la distribució ormal estádar cuado. Teorema(De Chebyshev) Si µ y σ so, respectivamete la media y la desviació estádar de ua variable aleatoria X, etoces para ua costate positiva k cualquiera, la probabilidad de que X tome u valor coteido e k desviacioes estádar es cuado meos 1 1, es decir k2 P ( X µ < kσ) 1 1 k 2 4
5 Lista de Formulas 48) f(x) = { 1/(b a) si a x b 0 otro caso 0 si x a 49) F (x) = P (X x) = (x a)/(b a) si a x < b 0 otro caso Fució de desidad uiforme Fució de distribució. Distribució uiforme 50) µ = 1 (a + b) Valor esperado o media. Distribució uiforme 2 51) σ 2 = 1 12 (b a)2 Variaza. Distribució uiforme 1 52) f(x) = β e x/β para x > 0, β > 0 0 otro caso Distribució expoecial 53) µ = β Distribució expoecial 54) σ 2 = β 2 Distribució expoecial 55) P (X x) = 1 e x/β Distribució expoecial 56) f(x) = a π(x 2 + a 2, a > 0, < x < ) x α 1 e x/β 57) f(x) = β α para x > 0 Γ(α) 0 otro caso (α, β > 0) Distribució de Cauchy Distribució gamma 58) µ = αβ Distribució gamma 59) σ 2 = αβ 2 Distribució gamma Γ(α + β) 60) f(x) = Γ(α)Γ(β) xα 1 (1 x) β 1 si 0 < x < 1 0 otro caso (α, β > 0) Distribució beta 61) µ = α α + β 62) σ 2 = αβ (α + β) 2 (α + β + 1) Distribució beta Distribució beta 1 63) f(x) = 1 σ 2π e 2 64) Z = X µ σ! x µ 2 σ Distribució ormal Variable ormalizada correspodiete X 5
6 Lista de Formulas 1 65) f(x) = 2 ν/2 Γ(ν/2) x(µ/2) 1 e x/2 si x > 0 0 otro caso Distribució χ 2, chi-cuadrado 66) µ = ν Distribució χ 2 67) σ 2 = 2ν Distribució χ 2 68) E(X) = x = xi = µ Media de las medias muestrales ( 69) σ 2 = xi x ) 2 (xi µ) 2 S2 = = X 70) σ X = S = σ 2 X Variaza de la distribució de medias muestrales Desviació o error estádar de la distribució 71) σ 2 X = σ2 Variaza de la distribució coocida σ 72) σ X = σ Error estádar de la distribució coocida σ 73) V ar(x) = N σ 2 N 1 74) σ X = N σ N 1 75) Ŝ 2 = 1 (xi x) 2 1 Variaza de la distribució coocida σ, para poblacioes fiitas si reemplazamieto Error estádar coocida σ, para poblacioes fiitas si reemplazamieto Variaza muestral corregida o cuasi variaza 76) Ŝ = Ŝ2 Desviació típica corregida 77) 78) N N 1 N Factor de correcció població fiita (fcpf), si fcpf > 0,95 la població se cosidera ifiita Fracció de muestreo (fm), si fm < 0, 05 etoces població ifiita ( Zα/2 σ 79) = E ( Zα/2 pq 80) = E ) 2 Tamaño de la muestra para estimar media ) 2 Tamaño de la muestra para estimar proporció 6
7 81) = NZ 2 α/2 σ2 NE 2 + Z 2 α/2 σ2 Lista de Formulas Tamaño de la muestra para media e uiversos pequeños 82) = NZ 2 α/2 pq (N 1)E 2 + Z 2 α/2 pq Tamaño de la muestra para proporció e uiversos pequeños 83) Z = X µ σ X Desviació ormal para medias 84) E ( p) = pi = p Valor esperado para proporció 85) σ bp = 86) σ bp = pq N pq N 1 87) Z = p p σ bp Error estádar para proporció Error estádar para proporció co fcpf Desviació ormal para proporció 88) x Z α/2 σ X < µ < x + Z α/2 σ X Itervalo de cofiaza (IC) para µ, coocida σ 89) x Z α/2 S X < µ < x + Z α/2 S X Itervalo de cofiaza para µ, o coocida σ 90) σ = 1 3 Variaza para la distribució t 91) x t α/2, 1 S < µ < x + t α/2, 1 S Itervalo de cofiaza para µ; muestras pequeñas 92) S bp = pq Estimado del error estádar, distribució de proporcioes muestrales 93) p Z α/2 S bp < p < p + Z α/2 S bp Itervalo de cofiaza para la proporció poblacioal 94) ( 1)S 2 < σ 2 ( 1)S2 < Itervalo de cofiaza para σ χ α/2, 1 χ 2 1 α/2, 1 95) S 2 1 S F α/2,1 1, 2 1 < σ2 1 σ 2 2 < S2 1 S 2 2 F α/2,2 1, 1 1 Itervalo de cofiaza para σ2 1 σ ) Z = X µ 0 σ/ Z para probar hipótesis coocida σ 97) Z = X µ 0 S/ Z para probar hipótesis descoocida σ 7
8 Lista de Formulas 98) t = X µ 0 S/ Z para probar hipótesis, muestras pequeñas 99) Z = p p 0 σ bp 100) σ x1 x 2 = 101) S x1 x 2 = σ σ2 2 2 S S2 2 2 Z para probar hipótesis sobre p Error estádar para diferecia etre medias muestrales Estimació del error estádar para diferecia etre medias muestrales 102) (x 1 x 2 ) ± Z α/2 σ x1 x 2 IC para diferecia etre medias muestrales 103) (x 1 x 2 ) ± Z α/2 S x1 x 2 IC para diferecia etre medias muestrales, descoocidas σ 1 y σ 2 104) S 2 P = S2 1 ( 1 1) + S 2 2 ( 2 1) Estimado poderado para variaza comú descoocida 105) (x 1 x 2 ) ± t α/2, S p IC para diferecia de medias cuado σ 1 = σ 2 descoocidas 106) ν = ( S 2 1 / 1 + S 2 2 / 2) 2 ( ) S / 1 /(1 1) + ( S2 2/ ) 2 2 /(2 1) Grados de libertad cuado σ 1 σ 2 descoocidas 107) (x 1 x 2 ) ± t α/2,ν S S2 2 2 IC para diferecia de medias cuado σ 1 σ 2 descoocidas 108) d = di Media de las diferecias para observacioes pareadas 109) S d = d 2 i d ) d t α/2, 1 S d < µ 1 µ 2 < d + t α/2, 1 S d Desviació estádar para observacioes pareadas IC para diferecia de medias; observacioes pareadas 111) S bp1 bp 2 = p1 q p 2 q 2 2 Error estádar para diferecia etre proporcioes 112) ( p 1 p 2 ) ± Z α/2 S bp1 bp 2 IC para diferecia etre proporcioes poblacioales ( σ σ2) 2 113) = Z2 α/2 E 2 Tamaño de la muestra para diferecia etre medias poblacioales 8
9 Lista de Formulas 114) = Z2 α/2 (p 1q 1 + p 2 q 2 ) E 2 Tamaño de la muestra para diferecia etre proporcioes poblacioales 115) Z = ( X1 X 2 ) (µ1 µ 2 ) S x1 x 2 Z para probar hipótesis sobre diferecia etre medias 116) t = ( X1 X 2 ) (µ1 µ 2 ) S p Estadístico para probar hipótesis, diferecia etre medias para σ 1 = σ 2 descoocidas 117) t = ( ) X1 X 2 (µ1 µ 2 ) S1 2 + S Estadístico para probar hipótesis, diferecia etre medias para σ 1 σ 2 descoocidas 118) t = d (µ 1 µ 2 ) S d / 119) Z = ( p 1 p 2 ) (p 1 p 2 ) S bp1 bp 2 Estadístico para probar hipótesis, diferecia etre medias.observacioes pareadas Estadístico para probar hipótesis, diferecia etre proporcioes 120) F = S2 1 S 2 2 Estadístico F para comparar dos variazas poblacioales 121) χ 2 = k (O i E i ) 2 E i=1 i Prueba χ 2, para ajuste 122) E i = p i Frecuecias esperadas 123) χ 2 = fc i=1 (O i E i ) 2 E i Prueba χ 2, para tablas de cotigecia 124) Ŷ = b 0 + b 1 X Recta de regresió lieal 125) SCx = X 2 ( X) 2 126) SCy = Y 2 ( Y ) 2 127) SCxy = XY ( X) ( Y ) 128) b 1 = SCxy SCx Suma de cuadrados para X Suma de cuadrados para Y Suma de productos cruzados Pediete de la recta de regresió 9
10 Lista de Formulas 129) b 0 = Y b 1 X Itercepto de la recta de regresió 130) e i = Y i Ŷi Error, diferecia etre valores observados y valores estimados por el modelo 131) d = (ei e i 1 ) 2 e 2 i Estadístico de Durbi - Wstso ( Y i Ŷi 132) Se = 2 ) 2 133) SCE = SCy (SCxy)2 SCx 134) CME = SCE 2 Error estádar de estimació Suma de cuadrados del error Cuadrado medio del error 135) Se = CME Error estádar de estimació 136) SCT = ( Y i Y ) 2 137) r 2 = SCR SCT 138) r 2 = (SCxy)2 (SCx) (SCy) Suma de cuadrados total Coeficiete de determiació Coeficiete de determiació 139) r = r 2 Coeficiete de correlació 140) t = b 1 β 1 S b1 141) S b1 = Se SCx Prueba t para β 1 coeficiete de regresió Error estádar del coeficiete de regresió 142) b 1 t α/2; 2 S b1 < β 1 < b 1 + t α/2; 2 S b1 IC para el coeficiete de regresió 143) t = r ρ S r 1 r 2 144) S r = 2 ( 1 145) S Y = Se + Xi X ) 2 SCx Prueba t para coeficiete de correlació Error estádar del coeficiete de correlació Error estádar de la media codicioada 146) Ŷ i ts Y < µ y x < Ŷi + ts Y IC para de la media codicioada 10
11 147) S Yi = Se ( + Xi X ) 2 SCx Lista de Formulas Error estádar del proóstico 148) Ŷ i ts Yi < Y i < Ŷi ts Yi IC para el itervalo de predicció 149) SCR = (SCxy)2 SCx 150) IP R = P R P B 100 % 151) IP R = PR PB 100 % Suma de cuadrados de regresió Ídice de precios simple Ídice de precios agregado 152) L = (PR Q R ) (PB Q B ) 100 % Ídice de precios agregado (ídice de Laspeyres) 153) P = (PR Q R ) (PB Q R ) 100 % Ídice de precios agregado (ídice de Paasche) 154) F t+1 = S t Modelo de proóstico usado suavizado de promedios móviles; F t+1 proóstico para el tiempo t ) S t = X t + X t X t N+1 N Suavizado de promedios móviles; X i valor actual e el tiempo i i periodo de tiempo; N úmero de valores icluidos 156) F t+1 = αx i + (1 α)f t Modelo de proóstico usado suavizado expoecial; α costate de suavizamieto F t proyecció previa para el periodo corriete 11
12 Tablas Estadísticas
13 TABLA 1: DISTRIBUCIÓN NORMAL Áreas bajo la curva ormal Ejemplo: Z X P V P [Z > 1] = P [Z > 1.96] = Desv. ormal x
14 TABLA 2: DISTRIBUCIÓN t DE STUDENT Putos de porcetaje de la distribució t Ejemplo Para = 10 grados de libertad: P[ t > 1.812] = 0.05 P[ t < ] = 0.05 r D 0,25 0,2 0,15 0,1 0,05 0,025 0,01 0,005 0, ,000 1,376 1,963 3,078 6,314 12,706 31,821 63, , ,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 31, ,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 12, ,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 8, ,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 6, ,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 5, ,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 5, ,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 5, ,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 4, ,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 4, ,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 4, ,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 4, ,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 4, ,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 4, ,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 4, ,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 4, ,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3, ,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3, ,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3, ,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3, ,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3, ,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3, ,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3, ,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3, ,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3, ,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3, ,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3, ,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3, ,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3, ,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3, ,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 3, ,679 0,848 1,045 1,296 1,671 2,000 2,390 2,660 3, ,677 0,845 1,041 1,289 1,658 1,980 2,358 2,617 3,373 0,674 0,842 1,036 1,282 1,645 1,960 2,326 2,576 3,290 3
15 TABLA 3: DISTRIBUCIÓN F 2 Putos de porcetaje de la distribució 2 Ejemplo: Para = 10 grados de libertad P [ 2 > 15.99] = 0.10 π π E E E E E E E E E Z Z Para > 100 tómese = Z I. Z es la desviació ormal estadarizada correspodiete al ivel de sigificacia y se muestra e la parte superior de la tabla. 4
16 TABLA 4: DISTRIBUCIÓN F DE FISHER Putos de Porcetaje de la distribució F Ejemplo: Para 1 = 9, 2 = 12 grados de libertad: P[ F > 2.80 ] = 0.05 P [ F > 4.39 ] = % (ormal) y 1 % (egritas) putos para la distribució de F 1 grados delibertad (para el mayor cuadrado medio)
17 5 % (ormal) y 1 % (egritas) putos para la distribució de F 1 grados delibertad (para el mayor cuadrado medio)
18 2 5 % (ormal) y 1 % (egritas) putos para la distribució de F 1 grados delibertad (para el mayor cuadrado medio)
19 TABLA 5: PROBABILIDADES BINOMIALES p k
20 TABLA 5 (CONTINUACIÓN) p k
21 TABLA 5 (CONTINUACIÓN) p k
22 p k
23 TABLA 5 (CONTINUACIÓN) p k
I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
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 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 detallesTEMA 5: REGRESION LINEAL
ESTADÍSTICA, CURSO 008 009 TEMA 5: REGRESION LINEAL REGRESION LINEAL SIMPLE. CORRELACION. REGRESION.. Regresió lieal simple Recta de regresió: y a + b.. Ajuste de ua recta de regresió Método de míimos
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 detallesPROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
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 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 detallesAnálisis estadístico de datos. Análisis estadístico de datos simulados. Elección de una distribución. Análisis estadístico de datos simulados
Aálisis estadístico de datos Aálisis estadístico de datos simulados Patricia Kisbye FaMAF 29 de abril, 2008 Cada fuete de aleatoriedad debe expresarse de acuerdo a ua distribució de probabilidad. Ua mala
Más detallesANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de
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 detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados. Sexo
EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Código asigatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier modelo) Calificació
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 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 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 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 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 detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 2015 Código asignatura: EXAMEN TIPO TEST MODELO C DURACION: 2 HORAS. Soluciones
EAMEN MODELO C Pág. INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 05 Código asigatura: 6007 EAMEN TIPO TET MODELO C DURACION: HORA olucioes Gráfica : Distribució de u grupo de 800 profesioales saitarios colegiados
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 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 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 detallesEjercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:
Parcial de Probabilidad y Estadística : parte A Ejercicio 1: U embalaje cotiee 9 cajas de CDs. Las 9 cajas tiee la siguiete composició: 6 cajas cotiee 5 discos de música rock y 15 discos de música clásica
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 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 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 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 detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad
Más detallesUT-4: Distribuciones fundamentales de muestreo y descripción de datos
UT-4: Distribucioes fudametales de muestreo y descripció de datos Sub tema: Muestreo aleatorio. Distribucioes muestrales. Distribucioes muestrales de medias. Teorema del límite cetral. Aplicacioes. DF
Más detallesPropiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:
Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,
Más detallesEstimación por intervalos
Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA CONVOCATORIA DE MAYO (011) EJERCICIO 1 El director de publicacioes de ua editorial trata de decidir si debe publicar u uevo texto de estadística. Los ateriores libros
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 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 detallesEstimación por Intervalos
Estimació por Itervalos Propósito Ya se discutiero los estimadores putuales: x y p Ahora se dará, e ambos casos, ua estimació de itervalo, la cual iforma sobre la precisió de la estimació. Esta estimació
Más detallesEstimación por intervalos
Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /
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 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 detallesEJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.
EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la
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 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 detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA
Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció
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 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 detallesExplicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.
Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de
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 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 detallesSi n, m 60, los tests anteriores son válidos aunque no se verifique la hipótesis de normalidad,. H 1 : p p 0 H 1 : p > p 0 H 1 : p < p 0
Forulario Itervalos de cofiaza al ivel 1 α Para µ (X 1,, X uestra de ua va oral) [ σcoocida X σ z α/, X + σ z ] α/ σ descoocida [ X t 1,α/, X + t ] 1,α/ i 60, los itervalos ateriores so válidos auque o
Más detallesSOLUCIONES X X
eptiembre 016 EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO EPTIEMBRE 016 Código asigatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier
Más detallesMuestreo en Poblaciones Finitas
Muestreo Aleatorio Simple 1/22 Muestreo e Poblacioes Fiitas Muestreo Aleatorio Simple José A. Mayor Gallego Departameto de Estadística e Ivestigació Operativa Uiversidad de Sevilla Septiembre de 2011 Coteidos
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 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 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 detallesParte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.
EXAMEN EXTRAORDINARIO DE PROBABILIDADE Y ETADÍTICA I JULIO 014 Realizar las pregutas e hojas separadas, idicado explícitamete todas las fórmulas que se utilice. Tato el alumo que copie como el que se deje
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 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 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 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 detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
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 detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos
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 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 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 detallesPoblación Joven Adulta Total A favor En contra Total
Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
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 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 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 detalles04/05/2015. Ángel Serrano Sánchez de León
04/05/05 Ágel Serrao Sáchez de Leó 04/05/05 Ídice Itroducció: Població y Muestra Tipos de muestreo Distribucioes muestrales De la media Diferecia de medias De ua proporció Diferecia de proporcioes Iferecia
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 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 detallesSolución: de una distribución con media µ y varianza conocida. = X. Aquí 100. Así σ = a) Se pide determinar "n", de modo que:
Ejercicios Itervalos de Cofiaza. Se toma ua muestra aleatoria de observacioes y se costruye u itervalo de cofiaza del 95% para la media poblacioal, co variaza coocida. El itervalo de cofiaza resultó co
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 detallesE.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA TEMA 6: ESTIMACIÓN DE PARÁMETROS DE UNA DISTRIBUCION Datos, datos,
Más detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
Más detallesReserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Reserva Primera de 017 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A 17_mod3_EJERCICIO 1 (A) 4-3 0 Sea las matrices A = y B = 1-1 0 1. (1 puto) Calcule A + B 3. (1 5 putos)
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 2015 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS. Soluciones
EAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 01 Código asigatura: 6011037 EAMEN TIPO TET MODELO B DURACION: HORA olucioes Gráfica 1: Fiaciació (e milloes de euros) de la orgaizació Cáritas
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 detalles