PRUEBAS ESTADÍSTICAS CON LA DISTRIBUCIÓN CHI-CUADRADO
|
|
- Irene Benítez Montes
- hace 7 años
- Vistas:
Transcripción
1 PRUEBAS ESTADÍSTICAS CON LA DISTRIBUCIÓN CHI-CUADRADO. BONDAD DE AJUSTE Las pruebas de bodad de ajuste tiee por objetivo determiar si los datos se ajusta a ua determiada distribució, esta distribució puede estar completamete especificada (hipótesis simple) o perteeciete a ua clase paramétrica (hipótesis compuesta). Co mucha frecuecia o se cooce la distribució de probabilidad de la variable aleatoria e estudio, digamos X, y se desea probar la hipótesis de que X sigue ua distribució de probabilidad particular. Por ejemplo, podría ser de iterés probar la hipótesis de que X sigue ua distribució ormal, ua expoecial, etc. Existe dos procedimietos para realizar pruebas de bodad de ajuste que so los más coocidos. El primero se basa e ua técica gráfica muy útil llamada gráfica de probabilidad y el segudo procedimieto se basa e la distribució Chi-cuadrada.. INTRODUCCIÓN A LA CHI-CUADRADO La prueba de Chi- cuadrado (X ), permite calcular la probabilidad de obteer resultados que úicamete por efecto del azar se desvíe de las expectativas e la magitud observada si el modelo es correcto. Para realizar ua prueba de Chi-cuadrado, el primer paso es comparar el úmero de idividuos observado e cada categoría co los úmeros esperados cosiderado el tamaño de la muestra y el modelo propuesto. Las desviacioes so elevadas al cuadrado y divididas por los valores esperados, lo cual proporcioa u valor de Chi-cuadrado. Se utiliza el úmero de idividuos y o las proporcioes, X toma e cosideració el tamaño de la muestra.
2 La formula para X es como se idica a cotiuació: x ( resultados observados resultados esperados ) i resultados esperados El siguiete paso es determiar los grados de libertad. Los grados de libertad so el úmero de categorías o clases variables idepedietes que existe. Geeralmete, esto es igual a uo meos el úmero total de clases. Por ejemplo, si hay dos clases de semillas, amarillas y verdes, úicamete ua de ellas es variable idepedietemete ua vez se coozca el úmero de semillas amarillas e u tamaño de muestra determiado, tambié se cooce el úmero de semillas verdes. Por lo tato, los grados de libertad e este ejemplo so uo. El paso fial e la aplicació de la prueba de Chi-cuadrado es buscar el valor de Chi-cuadrado y los grados de libertad e ua tabla o grafica como las que se preseta a cotiuació y determiar el valor de la probabilidad. Este valor es la probabilidad de que el azar por sí mismo pudiera ser resposable de ua desviació ta grade o mayor que la observada, si la hipótesis es correcta. Si la probabilidad es alta se cosidera que los datos está de acuerdo co el modelo, lo cual o prueba que el modelo sea correcto, sio que simplemete o se puede demostrar que sea icorrecto. Si la probabilidad es baja, la desviació o es debida al azar y se cosidera que los datos o respalda el modelo. Seguidamete se tiee que decidir que ta baja probabilidad es posible aceptar ates de rechazar el modelo propuesto. Geeralmete, el ivel de cofiaza escogido es de 5%. Si la probabilidad es meor de 0.05, la diferecia es sigificativa, y si es meor de 0.0, esta es cosiderada altamete
3 sigificativa. Las probabilidades e estos itervalos geeralmete causa el rechazo de u modelo, si embargo, el rechazo de la hipótesis al ivel del 5% sigifica que se rechaza hipótesis correctas 5% de las veces.
4 Tabla Distribució de ji-cuadrado Probabilidad de u valor superior Grados de libertad 0, 0,05 0,05 0,0 0,005,7 3,84 5,0 6,63 7,88 4,6 5,99 7,38 9, 0,60 3 6,5 7,8 9,35,34,84 4 7,78 9,49,4 3,8 4,86 5 9,4,07,83 5,09 6,75 6 0,64,59 4,45 6,8 8,55 7,0 4,07 6,0 8,48 0,8 8 3,36 5,5 7,53 0,09,95 9 4,68 6,9 9,0,67 3,59 0 5,99 8,3 0,48 3, 5,9 7,8 9,68,9 4,73 6,76 8,55,03 3,34 6, 8,30 3 9,8,36 4,74 7,69 9,8 4,06 3,68 6, 9,4 3,3 5,3 5,00 7,49 30,58 3,80 6 3,54 6,30 8,85 3,00 34,7 7 4,77 7,59 30,9 33,4 35,7 8 5,99 8,87 3,53 34,8 37,6 9 7,0 30,4 3,85 36,9 38,58 0 8,4 3,4 34,7 37,57 40,00 9,6 3,67 35,48 38,93 4,40 30,8 33,9 36,78 40,9 4,80 3 3,0 35,7 38,08 4,64 44,8 4 33,0 36,4 39,36 4,98 45, ,38 37,65 40,65 44,3 46, ,56 38,89 4,9 45,64 48,9 7 36,74 40, 43,9 46,96 49, ,9 4,34 44,46 48,8 50, ,09 4,56 45,7 49,59 5, ,6 43,77 46,98 50,89 53, ,8 55,76 59,34 63,69 66, ,7 67,50 7,4 76,5 79, ,40 79,08 83,30 88,38 9, ,53 90,53 95,0 00,43 04, 80 96,58 0,88 06,63,33 6, ,57 3,5 8,4 4, 8, ,50 4,34 9,56 35,8 40,7
5 3. TABLAS DE CONTINGENCIA E estadística las tablas de cotigecia se emplea para registrar y aalizar la relació etre dos o más variables, habitualmete de aturaleza cualitativa, omiales u ordiales. Las tablas de cotigecia tiee dos objetivos fudametales: ) Orgaizar la iformació coteida e u experimeto cuado ésta es de carácter bidimesioal, es decir, cuado está referida a dos factores (variables cualitativas). ) A partir de la tabla de cotigecia se puede además aalizar si existe algua relació de depedecia o idepedecia etre los iveles de las variables cualitativas objeto de estudio. El hecho de que dos variables sea idepedietes sigifica que los valores de ua de ellas o está ifluidos por la modalidad o ivel que adopte la otra. Supógase que se dispoe de dos variables, la primera el sexo (hombre o mujer) y la seguda que recoge si cosume o o alimetos ecológicos. Se ha observado esta pareja de variables e ua muestra aleatoria de 00 idividuos. Se puede emplear ua tabla de cotigecia para expresar la relació etre estas dos variables, del siguiete modo: CONSUME NO TOTAL CONSUME HOMBRE MUJER TOTAL
6 Las cifras e la columa de la derecha y e la fila iferior recibe el ombre de frecuecias margiales y la cifra situada e la esquia iferior derecha es el gra total. La tabla os permite ver de u vistazo que la proporció de hombres cosumidores es aproximadamete igual a la proporció de mujeres cosumidoras. Si embargo, ambas proporcioes o so idéticas y la sigificació estadística de la diferecia etre ellas puede ser evaluada co el test Chi Cuadrado de Pearso, supuesto que las cifras de la tabla so ua muestra aleatoria de ua població. Si la proporció de idividuos e cada columa varía etre las diversas filas y viceversa, se dice que existe asociació etre las dos variables. Si o existe asociació se dice que ambas variables so idepedietes. El grado de asociació etre dos variables se puede evaluar empleado distitos coeficietes: el más simple es el coeficiete phi que se defie por ϕ x N dode χ se deriva del test de Pearso, y N es el total de observacioes -el gra total-. φ puede oscilar etre 0 (que idica que o existe asociació etre las variables) y (asociació total). Para idetificar relacioes de depedecia etre variables cualitativas se utiliza u cotraste estadístico basado e el estadístico x (Chi-cuadrado), cuyo cálculo os permitirá afirmar co u ivel de cofiaza estadístico determiado si los iveles de ua variable cualitativa ifluye e los iveles de la otra variable omial aalizada. Siguiedo co el ejemplo propuesto, el cálculo de la Chi-cuadrado os permitiría saber si el sexo de ua persoa es u factor determiate e que dicha persoa fume o o fume.
7 Cómo podemos determiar si existe ua relació de depedecia o idepedecia etre las variables aalizadas? Dos variables so idepedietes si: a) las frecuecias relativas codicioadas so iguales a las frecuecias relativas margiales, es decir: Β Α Β Α Β Α j j i f f f Β Α Β Α Β Α j j f f f Frecuecias relativas margiales: Β Α f i ij i ij j i f Α Β f j ji j ij i j f
8 b) O bie si se cumple que la frecuecia relativa cojuta es igual al producto de las frecuecias relativas margiales: f ( ) Αi Β j ij x i j De esta forma, comparado las frecuecias teóricas esperadas e caso de idepedecia etre los factores co las frecuecias observadas e la muestra, podremos cocluir si existe ua relació de depedecia o idepedecia etre los factores o atributos aalizados. Segú la otació de la tabla iicial, y utilizado el cocepto frecuetalista de probabilidad, podemos estimar la probabilidad de que se de u suceso determiado a partir de sus frecuecias relativas: Ρ ij ; ij Ρ i ; i j Ρ j De esta forma, si las variables so idepedietes Ρ Ε ij i x ij j dode E ij sería el úmero de casos o frecuecia absoluta esperada o teórica e codicioes de idepedecia. Por lo tato podremos calcular las frecuecias esperadas: Ε ij i j x E lugar de los E ij, habremos observado los ij. Tedremos tatos valores E ij y ij como celdas de la matriz, cocluyedo que si hay poca diferecia etre estos valores los atributos será idepedietes, o
9 pudiédose afirmar lo mismo e caso cotrario. Supuesto que el atributo A tiee filas y el atributo B, k columas, la tabla será de orde xk. Pearso plateó la utilizació del estadístico c para aalizar la idepedecia, defiido por: x h i k j ( ) ij Ε ij Ε La hipótesis ula a cotrastar será la de idepedecia etre los factores, siedo la hipótesis alterativa la de depedecia etre los factores. El valor de x calculado se compara co el valor tabulado de ua x para u ivel de cofiaza determiado y (-) (k-) grados de libertad. Si el valor calculado es mayor que el valor de tablas de ua ( )( k ), sigificará que las diferecias etre las frecuecias observadas y las frecuecias teóricas o esperadas so muy elevadas y por tato diremos co u determiado ivel de cofiaza que existe depedecia etre los factores o atributos aalizados. ij x Resumiedo: x x( )( k ) Rechazar hipótesis ula (depedecia etre las variables) x x( )( k ) Aceptar hipótesis ula (idepedecia etre las variables)
10 Veámoslo co el mismo ejemplo aterior: SEXO HOMBRE MUJER MARGINAL CONSUME ALIMENTO ECOLÓGICO NO CONSUME MARGINAL Frecuecias relativas margiales: P (ser hombre) 08/ % P (ser mujer) 5/ % P (cosumir) 3/ % P (o cosumir) 0/ % Frecuecias relativas cojutas: P (hombre y cosumir) 65/ % P (hombre y o cosumir) 43/ % P (mujer y cosumir) 58/ % P (mujer y o cosumir) 67/ % Frecuecias relativas teóricas esperadas e caso de idepedecia: E (hombre y cosumir) 46.4% x 5.8% 4.5% E (hombre y o cosumir) 46.4% x 47.%.9% E (mujer y cosumir) 53.6% x 5.8% 8.3% E (mujer y o cosumir) 53.6% x 47.% 5.3% Frecuecias absolutas teóricas esperadas e caso de idepedecia: E (hombre y cosumir) 3 * 08 /33 57 E (hombre y o cosumir) 08*0/33 5 E (mujer y cosumir) 3*5/33 66 E (mujer y o cosumir) 5*0/33 59
11 Valor de la Chi-cuadrado: x h i k j ( ) ij Ε ij Ε ij ( ) ( ) ( ) ( ) , Dado que el valor calculado de la x para u ivel de cofiaza del 95% (5% ivel de sigificació) es mayor que el valor de tablas, se rechaza la hipótesis ula de idepedecia etre los factores, aceptado por tato que el sexo de ua persoa ifluye e que ésta sea cosumidora o o de alimetos ecológicos. 4. TABLAS PIVOTE EN EXCEL Tambié llamadas tablas diámicas, es ua tabla iteractiva que cotiee campos, la que se usa para resumir y aalizar los datos de múltiples filas de iformació de ua tabla o de ua lista origial. Ua tabla diámica puede actualizarse cada vez que se modifique los datos origiales de la misma, o sea los utilizados para su cofecció. EJEMPLO: Dispoemos de ua hoja de cálculo co las horas trabajadas durate ua semaa por los trabajadores de ua plata de procesado de fruta de ua empresa segú los diferetes cargos que ocupa.
12 Queremos crear ua tabla diámica que muestre, para cada empleado de la empresa, e págias idividuales, el total de horas trabajadas e cada uo de las fucioes durate la última semaa.. Sitúate e ua de las celdas que cotiee los datos y ve a Datos (Meú pricipal), Asistete para tablas diámicas. Se iiciará el Asistete, que costa de cuatro cuadros de diálogo cosecutivos.. E el primer cuadro de diálogo (paso de 4) se solicita el orige de los datos a orgaizar e forma de tabla diámica. E este caso, dejamos la opció preseleccioada (Lista o base de datos de Microsoft Excel) y pulsamos Siguiete. 3. El siguiete cuadro de diálogo (paso de 4) permite seleccioar el rago de celdas e el que está situados los datos a orgaizar.
13 4. E el tercer cuadro de diálogo (paso 3 de 4) se diseñará la distribució de los campos e la tabla a crear. E la parte derecha de la vetaa se muestra u botó para cada campo de la lista y e la parte izquierda aparece el área e dode se diseñará la tabla, que está dividida e cuatro seccioes (PÁGINA, FILA, COLUMNA y DATOS), e las que se puede colocar los distitos campos, pulsado sobre el botó del campo y arrastrádolo a ua secció. A la hora de orgaizar los datos e uestro ejemplo deberá teerse e cueta lo siguiete:
14 . El campo que se coloque e la secció PÁGINA aparecerá e forma de ua lista desplegable desde la que se podrá seleccioar aquel elemeto del que se desee mostrar el resume. Existirá además la posibilidad de mostrar el resume correspodiete a cada empleado e ua hoja diferete.. El campo que se coloque e la secció FILA mostrará sus elemetos como ecabezados o títulos de las filas e la tabla 3. El campo que se coloque e la secció COLUMNA, mostrará sus elemetos como ecabezados de las columas de la tabla 4. E cuato al campo que se coloque e la secció DATOS, sus datos se someterá a ua determiada operació de cálculo: Suma (es la que se ofrece por defecto cuado los datos de este campo so todos uméricos), Cotar (la que se ofrece por defecto e los demás casos), Promedio, Míimo, Máximo, Producto, etc.
15 E uestro ejemplo, por tato, colocaremos los campos del siguiete modo: El campo Empleado e la secció PÁGINA El campo Proyecto e la secció FILA El campo Fecha e la secció COLUMNA El campo Horas (que cotiee los valores que queremos sumar) e la secció DATOS, aceptado la fució de SUMA que Excel propoe por defecto.
16 Notas: a) La forma elegida aquí para orgaizar los datos sólo es ua de etre todas las posibles. Cabe orgaizar los datos de otra maera; o obstate, hemos de procurar que la forma elegida sea la más clara y fácil de iterpretar. b) Auque los datos de ua tabla diámica tiee el mismo aspecto que cualquier hoja de cálculo, o se puede itroducir i editar los datos directamete e ella. Para modificar sus resultados deberá modificarse forzosamete los datos a partir de los cuales se ha creado.
17 c) No obstate, las tablas diámicas o se actualiza automáticamete cuado los datos de orige cambia, sio que, cambiados los datos fuete es ecesario seleccioar co el botó derecho del rató ua celda cualquiera de la tabla y elegir la opció Actualizar datos del meú cotextual correspodiete. d) Ua vez creada la tabla diámica, se puede cambiar fácilmete su diseño arrastrado los botoes sombreados co los ombres de los campos a otras posicioes de la tabla (por esta razó se llama diámicas, precisamete) 5. DISTRIBUCIÓN CHI-CUADRADO EN EXCEL DISTR.CHI Devuelve la probabilidad de ua variable aleatoria cotiua siguiedo ua distribució chi cuadrado de ua sola cola. La distribució γ está asociada a ua prueba γ. Utilice la prueba γ para comparar los valores observados co los esperados. Por ejemplo, u experimeto geético podría estar basado e la hipótesis de que la próxima geeració de platas presetará u cojuto determiado de colores. Al comparar los resultados observados co los resultados esperados, puede decidir si su hipótesis origial es válida. Sitaxis DISTR.CHI(x;grados_de_libertad) X es el valor al que desea evaluar la distribució.
18 Grados_de_libertad es el úmero de grados de libertad. Observacioes Si uo de los argumetos o es umérico, DISTR.CHI devuelve el valor de error # VALOR! Si el argumeto x es egativo, DISTR.CHI devuelve el valor de error # NUM! Si el argumeto grados_de_libertad o es u etero, se truca. Si el argumeto grados_de_libertad < o si grados_de_libertad 0^0, DISTR.CHI devuelve el valor de error # NUM! DISTR.CHI se calcula como DISTR.CHI P(X>x), dode X es ua variable aleatoria de γ. PRUEBA.CHI Devuelve la prueba de idepedecia. PRUEBA.CHI devuelve el valor de la distribució chi cuadrado (γ) para la estadística y los grados de libertad apropiados. Las pruebas γ puede utilizarse para determiar si u experimeto se ajusta a los resultados teóricos. Sitaxis PRUEBA.CHI(rago_actual;rago_esperado) Rago_actual es el rago de datos que cotiee observacioes para probar frete a valores esperados. Rago_esperado es el rago de datos que cotiee la relació del producto de los totales de filas y columas co el total global.
19 Observacioes Si rago_actual y rago_esperado tiee u úmero diferete de putos de datos, PRUEBA.CHI devuelve el valor de error #N/A. La prueba γ primero calcula ua estadística γ y después suma las diferecias etre los valores reales y los valores esperados. La ecuació para esta fució es PRUEBA.CHIp( X>γ ), dode: y dode: Aij frecuecia actual e la iésima fila, jésima columa Eij frecuecia esperada e la iésima fila, jésima columa r úmero de filas c úmero de columas PRUEBA.CHI devuelve la probabilidad para ua estadística γ y grados de libertad, gl, dode gl (r - )(c - ). PRUEBA.CHI.INV Devuelve para ua probabilidad dada, de ua sola cola, el valor de la variable aleatoria siguiedo ua distribució chi cuadrado. Si el argumeto probabilidad DISTR.CHI(x;...), etoces PRUEBA.CHI.INV(probabilidad,...) x. Utilice esta fució para comparar los resultados observados co los resultados esperados, a fi de decidir si la hipótesis origial es válida. Sitaxis PRUEBA.CHI.INV(probabilidad;grados_de_libertad) Probabilidad es ua probabilidad asociada co la distribució chi cuadrado. Grados_de_libertad es el úmero de grados de libertad.
20 Observacioes Si uo de los argumetos o es umérico, PRUEBA.CHI.INV devuelve el valor de error # VALOR! Si probabilidad < 0 o si probabilidad >, PRUEBA.CHI.INV devuelve el valor de error # NUM! Si el argumeto grados_de_libertad o es u etero, se truca. Si grados_de_libertad < o si grados_de_libertad 0^0, PRUEBA.CHI.INV devuelve el valor de error # NUM! PRUEBA.CHI.INV usa ua técica iterativa para calcular la fució. Dado u valor de probabilidad, PRUEBA.CHI.INV itera hasta que el resultado tega ua exactitud de ± 3x0^-7. Si PRUEBA.CHI.INV o coverge después de 00 iteracioes, la fució devuelve el valor de error #N/A.
21 6. BIBLIOGRAFÍA I. cc/prueba%50de%50bondad%50y%50ajuste%50.d oc+bodad+de+ajuste&hles&ctclk&cd7&gles II. III. IV. V. VI. VII.
22
23
Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia
Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detalles3. Igualdad de proporciones
1 La prueba de Pearso Tema 10 1. Bodad de ajuste. Idepedecia 3. Igualdad de proporcioes 4. Medidas de asociació 5. Errores tipificados 1. Bodad de ajuste Objetivo: Comprobar si ua distribució teórica de
Más detallesCAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.
5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto
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 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 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 detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más 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 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 detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más 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 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 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 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 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 detallesCapítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco
Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto
Más detallesR-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más 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 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 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 detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
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 detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
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 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 detallesIntroducción a las medidas de dispersión.
UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.
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 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 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 detallesCAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo
CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre
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 detallesCONTRASTE DE HIPÓTESIS
Estadística: Cotraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Cotraste de hipótesis sobre la media poblacioal Se parte de ua població supuestamete ormal de media y desviació típica N(, ); se tipifica
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 detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesESTADÍSTICA UNIDIMENSIONAL
I.E.S. Virge de la Paz. Alcobedas DEPARTAMETO DE MATEMÁTICAS Itroducció ESTADÍSTICA UIDIMESIOAL El ombre de Estadística alude al eorme iterés de esta rama matemática para los asutos del Estado y su itroducció
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más 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 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 detallesAsociación de variables cualitativas: test de Chi-cuadrado
Metodología de la Ivestigació 1/5 Asociació de variables cualitativas: test de Chi-cuadrado Autores: Salvador Pita Ferádez (1), Soia Pértega Díaz () (1) Médico de Familia. Cetro de Salud de Cambre (A Coruña).
Más detallesMedidas de tendencia central
Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta
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 detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua
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 detalles[e j N 2 e j N 2 ]...} (22)
Trasformadores multiseccioales de cuarto de oda. La teoría de reflexioes pequeñas descrita e la secció aterior se puede usar para aalizar trasformadores multiseccioales de u cuarto de oda. Cosidere la
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesEJERCICIOS RESUELTOS 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 detalles4.- Aproximación Funcional e Interpolación
4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y
Más detallesUNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar
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 VARIABLES ALEATORIAS
Capítulo VI VARIALES ALEATORIAS. Itroducció Detro de la estadística se puede cosiderar dos ramas perfectamete difereciadas por sus objetivos y por los métodos que utiliza: Estadística Descriptiva o Deductiva
Más detallesProbabilidad FENÓMENOS ALEATORIOS
Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detallesUNIDAD 4.- INFERENCIA ESTADÍSTICA II
UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que
Más detallesEstimación 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 detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesTRABAJO DE GRUPO Series de potencias
DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz
INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El eame preseta dos opcioes: A y B. El alumo deberá elegir ua de ellas y cotestar razoadamete a los cuatro ejercicios de que costa dicha opció. Para
Más detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
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 detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a 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 detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesPara estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20
Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació
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 detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesCombinatoria. Tema Principios básicos de recuento
Tema 4 Combiatoria La combiatoria, el estudio de las posibles distribucioes de objetos, es ua parte importate de la matemática discreta, que ya era estudiada e el siglo XVII, época e la que se platearo
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesMATEMÁTICAS 2º BACH. CC. SS. 4 de abril de 2006 Probabilidades
MATEMÁTIAS º BAH.. SS. 4 de abril de 006 Probabilidades 1) Sea A y B dos sucesos idepedietes tales que B) = 0.05 y A/ B) = 0.35. a) uál es la probabilidad de que suceda al meos uo de ellos? ( putos) b)
Más 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 detallesMATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS
Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:
Más 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 detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detalles2.- ESPACIOS VECTORIALES. MATRICES.
2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces
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 detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
Más detallesEstadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Tema 6. Variables cualitativas o atributos
Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gil José María Sarabia Alegría DPTO. DE ECONOMÍA Este tema se publica bajo Licecia: Creative Commos BY-NC-SA 4.0 Itroducció Las variables cualitativas
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua 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 detallesMINITAB y MODELOS DE REGRESIÓN
Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias
Más detallesESTADÍSTICA. estadística. Recogida de datos. Las muestras de una población. Las variables estadísticas 03/06/2012
ESTADÍSTICA estadística Grupo 4 Opció A La estadística estudia u cojuto de datos para obteer iformació y poder tomar decisioes. Por tato,las FASES de utrabajoestadístico será: Recogida de datos. Orgaizació
Más detallesPasos básicos para docimar una hipótesis:
Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los
Más 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 detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
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 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 detallesEjercicios resueltos de Muestreo
Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo
Más detallesRudimentos 5: Teorema del Binomio Profesor Ricardo Santander
Rudimetos 5: Teorema del Biomio Profesor Ricardo Satader Este capitulo esta destiado a presetar coteidos y actividades que permitirá al estudiate: Operar co simbología matemática, desarrollar expresioes
Más detalles