Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales."

Transcripción

1 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 y elemetos bie defiido. Se trata del muestreo más básico y simple que se puede realizar. o se presupoe iformació a priori y sirve para comparar co otro tipos de muestreo. Si otro muestreo o es mejor teóricamete co igual costes, suele rechazarse el otro por su mayor complejidad. Es el método más importate e poblacioes fiitas. Cosiste e: Se seleccioa uidades distitas de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). S d : El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U. P d : La distribució de probabilidad que se toma es la distribució uiforme. M.A.S.(, ) P d : S d [0, 1] P d (s) = ( 1 ) Para realizar u M.A.S. se debe ordear todos las posibles muestras de uidades distitas de la població (poco práctico si es grade), y seleccioar ua de ellas. Debido a que dicho proceso puede ser excesivamete laborioso se hace u esquema alterativo para realizar el muestreo que respeta las probabilidades de cada muestra de ser elegida: Proceso para realizar u M.A.S. 1- Partimos de U població co uidades. 2- Extraemos sucesivamete e idepedietemete las uidades co probabilidades iguales, 1 e cada extracció, a para t = 0, 1,, 1. t 3- Ua vez seleccioada ua uidad de la població esta se excluye para que todas las sea distitas. Co este método se verifica que p(s) co s S d es ( ) 1 ya que hay ( ) elemetos e Sd. Probabilidades de iclusió π i : p(u i muestra elegida) = j=1 p(u i sea elegida e la extracció j-ésima) = = = = 1

2 ( ) 2 Casos favorables π ij : Casos posibles = úmero de muestras que cotiee a u i, u j = úmero total de muestras 2 ( ) = ( 1) ( 1) Parámetros Estimadores Variazas Estimadores isesgados isesgados variaza Total X = X = x V ( X) 2 (1 f) = S 2 V ( X) 2 (1 f) = s 2 Media X = 1 Proporció P = 1 x = 1 p = 1 V (x) = 1 V (p) = 1 σ 2 PQ V (x) = (1 f) V (p) = 1 s 2 pq 1 Dode = { 1 si ui U 0 e caso cotrario π i =, π ij = ( 1) ( 1), f(1 f) ij = π ij π i π j = < 0, 1 s 2 = 1 ( x) 2, que es la cuasivariaza muestral. Si S 2, es decir la cuasivariaza 1 poblacioal, es grade debemos tomar ua muestra de tamaˆo grade para que V sea pequeˆa y el error muestral sea pequeˆo. Si S 2 es pequeˆa, os basta co tomar ua (1 f) muestra de tamaˆo pequeˆa para que V sea adecuada ya que V (x) = S 2 f = [0, 1] que es la fracció de muestreo. f vale 0 cuado o hay represetació de la població e la muestra y vale 1 cuado toda la població está e la muestra. 1 f = Estimació de los Itervalos de Cofiaza es el coeficiete de correcció por fiitud. Desigualdad de Chebichef: IC para θ co ivel de cofiaza 1 1/k 2 ( ) θ k V ( θ), θ + k V ( θ) 2

3 Teorema Cetral de Límite ( grade > 35): IC para θ co ivel de cofiaza 1 α. ) ( θ z α/2 V ( θ), θ + z α/2 V ( θ) Determiació del tamaˆo muestral para u error máximo admisible e = θ θ co ivel de cofiaza p k : = o dode Media poblacioal X: 0 = k2 S 2 e 2, Total poblacioal X: 0 = 2 k 2 S 2 e 2, Media poblacioal P : 0 = k2 P Q e 2. Debe tomarse como tamaˆo muestral el valor etero más próximo por exceso al obteido e la fórmula. Para el M.A.S. co reemplazamieto se verifica = 0. A saber: - 0, luego el M.A.S. si reposició tedrá meor tamaˆo que el M.A.S. co reposició para u mismo e. - aumeta se e dismiuye. - Si el ivel de cofiaza aumeta, es decir 1 α aumeta, etoces aumeta. - Si S 2 aumeta, etoces aumeta para u mismo e. Luego si la població es homogéea, basta u tamaˆo muestral pequeˆo para estimar co ua precisió aceptable. Como el tamaˆo muestral depede de S 2 poblacioal o del P poblacioal, si dichos valores so descoocidos se puede aproximar: - Si se tiee u valor de S 2 de ecuestas ateriores se puede usar. - Si se cooce u itervalo de variació para S 2, se toma el valor máximo del mismo dado u tamaˆo muestral mayor. - Si se cooce el rago de variació de la variable, se puede aproximar S por el cociete rago. 4 - Si o se sabe ada y queremos u valor de segú u valor de P, se toma P = 0.5 que dará el tamaˆo máximo. - Si o se está e iguo de los casos ateriores, se toma ua muestra piloto para estimar S 2 y luego se calcula el tamaˆo adecuado para la muestra. 3

4 - Procedimieto alterativo (Stei): Se toma ua muestra prelimiar de tamaˆo i. Se calcula s 2 1 para estimar S 2. Por último se toma ua muestra adicioal de tamaˆ o 1 dode es el calculado co la fórmula ates idicada usado la estimació obteida co la primera muestra. M.A.S.: Muestreo aleatorio simple co probabilidades iguales co reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados y elemetos bie defiido. Este método cosiste e: Se seleccioa uidades de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). S d : El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U, pudiédose repetir los elemetos e cada muestra. P d : La distribució de probabilidad que se toma es la distribució uiforme. M.A.S.(, ) P d : S d [0, 1] P d (s) = 1 Para realizar u M.A.S. co reemplazo se debe ordear todos las posibles muestras de uidades de la població (poco práctico si es grade), y seleccioar ua de ellas. Debido a que dicho proceso puede ser excesivamete laborioso se hace u esquema alterativo para realizar el muestreo que respeta las probabilidades de cada muestra de ser elegida: Proceso para realizar u M.A.S. 1- Partimos de U població co uidades. 2- Extraemos sucesivamete e idepedietemete las uidades co probabilidades iguales, e cada extracció, a Ua vez seleccioada ua uidad de la població esta se repoe a la població. Co este método se verifica que p(s) co s S d es ya que hay elemetos e S d. Probabilidades de iclusió π i = π ij = 4

5 Parámetros Estimadores Variazas Estimadores isesgados isesgados variaza Total X = X = x V ( X) = 2 σ2 V ( = 2 s 2 Media X = 1 x = 1 V (x) = σ2 V (x) = s2 Proporció P = 1 p = 1 V (p) = PQ V (p) = pq 1 Estimació de los Itervalos de Cofiaza Desigualdad de Chebichef: IC para θ co ivel de cofiaza 1 1/k 2 ( θ kêm( θ), θ + kêm( θ) ) Teorema Cetral de Límite ( grade > 35): IC para θ co ivel de cofiaza 1 α. ( θ zα/2 êm( θ), θ + z α/2 êm( θ)) Determiació del tamaˆo muestral para u error máximo admisible e = θ θ co ivel de cofiaza p k : = o dode Media poblacioal X: = z2 α/2 S2 e 2, Total poblacioal X: 0 = 2 z 2 α/2 S2 e 2, Media poblacioal P : 0 = z2 α/2 P Q e 2. Debe tomarse como tamaˆo muestral el valor etero más próximo por exceso al obteido e la fórmula. Si el valor de σ 2 es descoocido se debe actuar como e el M.A.S., tomado el valor de estimacioes ateriores, o el valor máximo co que se pueda acotar, y para P se debe usar el valor 0.5 si se descooce. 5

6 Muestreo co probabilidades desiguales co reemplazo. Estimador de Hase Hurwitz. Hipótesis: Marco perfecto, si omisioes i duplicados y elemetos bie defiido. Este método cosiste e: Se seleccioa uidades de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U, pudiédose repetir los elemetos e cada muestra, dode la probabilidad de cada u i es p i distita para cada uidad poblacioal. Probabilidad de iclusió: π i =p(u i s) = 1 (1 p i ) Estimadores Variazas Estimadores isesgados isesgados variaza ( ) 2 xi V ( p X HH ) = 1 ( ) 2 xi p X HH 2 X p i V ( i XHH) = i p i ( 1) X HH = 1 x HH = 1 P HH = 1 V ( x HH ) = 1 1 p i 2 V ( p P HH ) = 1 1 i 2 ( ) 2 xi X p i V ( x HH) = 1 p i 2 ( ) 2 Ai P p i V ( PHH) = 1 p i 2 ( xi ( Ai p i ) 2 X 2 HH ( 1) ) P HH p i ( 1) Si los p i so proporcioales a los, etoces el estimador de Hase-Hurwitz coicide co el verdadero valor del parámetro y la variaza se aularía, sería parámetros perfectos. Por ello se suele usar probabilidades proporcioales a ua variable coocida y i relacioada co los. Si y i = M i, es decir, tomamos como valor de la variable coocida el tamaˆo de la uidad i, etoces M = M i y p i = M i M. Proceso para seleccioar ua muestra: 1- Método de las probabilidades acumuladas. E primer lugar se calcula ua columa de i valores B i acumulado los valores p i, es decir B i = = p 1 + p p i. A cotiuació se seleccioa u valor aleatorio e etre (0, 1) y se comprueba etre que dos valores de B i se ecuetra dicho valor, B i 1 < e B i. Se debe elegir para la muestra la uidad u i y repetir el proceso hasta alcazar el tamaˆo muestral deseado. j=1 p j 6

7 2- Método de Lahiri. Para comezar se debe calcular el máximo de los p i e la població, q = máx p i. A cotiuació se geera dos úmero aleatorios i U[1, ] y r U[0, q]. Si i U r p i se debe seleccioar la uidad u i de la població y si r > p i o se seleccioa igua uidad. El proceso se repite hasta obteer algua uidad, y luego hasta completar el tamaˆo muestral. Muestreo co probabilidades desiguales si reemplazo. Estimador de Horvitz Thompso. Hipótesis: Marco perfecto, si omisioes i duplicados y elemetos bie defiido. Este método cosiste e: Se seleccioa uidades de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U, o pudiédose repetir los elemetos e cada muestra, dode la probabilidad de cada u i es p i distita para cada uidad poblacioal. Probabilidad de iclusió: π i =p(u i s) o puede calcularse. Si es coocido podemos usarlo e las fórmulas, o e caso cotrario puede tomarse π i = y i siedo Y ua variable auxiliar coocida relacioada co la variable X. y i Estimadores Variazas Estimadores isesgados isesgados variaza X HT = V ( π X ( ) 2 xi HT ) = π i (1 π i )+ V ( XHT ) = (π ij π i π j ) x j = 1 i π i π ij π i π j 1 x HT = 1 P HT = 1 i j=1 V ( x HT ) = 1 π i 2 V ( π P HT ) = 1 i 2 π i x j π j (π ij π i π j ) i,j=1 i,j=1 i<j=1 [ i,j s 1 (π i + π j ) + π 2 i ] (xi x j (π ij π i π j ) V ( x HT ) = 1 (π ij π i π j ) π i π j 2 A j π i π j (π ij π i π j ) V ( PHT ) = 1 π ij 2 (π ij π i π j ) π ij π i x j π j x j π i π j π i A j π j ) 2 Proceso para seleccioar ua muestra: 1- Aproximació por ua extracció co reemplazo. 2- Método de Lahiri. Para comezar se debe buscar ua costate C tal que Max s y i < C, siedo y i los valores de la variable auxiliar. A cotiuació se geera u úmero 7

8 aleatorios e U[0, C] y ua muestra de uidades co probabilidades iguales y si reemplazo (M.A.S.). Si y i e la muestra elegida es válida. E caso cotrario hay que repetir el proceso hasta coseguir ua muestra adecuada. Es u método costoso y o se sabe de atemao cuatas operacioes hay que hacer. 3- Método de las extraccioes sistemáticas. E primer lugar se calcula ua columa de i valores C i acumulado los valores π i, es decir C i = = π 1 + π π i. A cotiuació se seleccioa u valor aleatorio e etre (0, 1) y se comprueba etre que dos valores de C i se ecuetra dicho valor, C i 1 < e C i. Se debe elegir como primera uidad para la muestra la uidad u i y repetir el proceso veces sumado 1 cada vez a e. Es u método complicado de implemetar. j=1 π j 8

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) 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 detalles

Tema 4. Estimación de parámetros

Tema 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 detalles

Estimación de parámetros. Biometría

Estimación de parámetros. Biometría Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS 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 detalles

Estimación de Parámetros

Estimación 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 detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En 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 detalles

Distribuciones en el muestreo, EMV

Distribuciones en el muestreo, EMV Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Curso 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 detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO 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 detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad 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 detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA 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 detalles

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3 Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral

Más detalles

TEMA 3: INFERENCIA ESTADISTICA

TEMA 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 detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación 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 detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 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 detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN 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

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 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 detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos 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 detalles

1. Intervalos de Conanza

1. 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 detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 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 detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 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 detalles

Ejercicios resueltos de Muestreo

Ejercicios 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 detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 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 detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos 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 detalles

Bloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS

Bloque 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 detalles

Prueba A = , = [ 7.853, 8.147]

Prueba 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 detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia 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 detalles

3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)

3.1. 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 detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 01 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva 1, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

Intervalo de confianza para µ

Intervalo 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

MUESTREO ESTRATIFICADO. TECNICAS DE MUESTREO II

MUESTREO ESTRATIFICADO. TECNICAS DE MUESTREO II MUESTREO ESTRATIFICADO TECNICAS DE MUESTREO II Email:cgozales@lamolia.edu.pe CONSTRUCCION DE OS ESTRATOS Cuál es la mejor característica para la costrucció de los estratos? Cómo se determia los límites

Más detalles

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS

Tema 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 detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios 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 detalles

e i y i y i y i 0 1 x 1i 2 x 2i k x ki

e 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 detalles

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE) TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA

Más detalles

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática

República 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 detalles

Formulas. Población infinita. Población finita

Formulas. 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 detalles

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas 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 detalles

PRUEBAS DE HIPÓTESIS.

PRUEBAS 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 detalles

Intervalos de confianza Muestras grandes

Intervalos de confianza Muestras grandes Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. 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 detalles

Estadística Teórica II

Estadística 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 detalles

6. DISTRIBUCIONES MUESTRALES

6. 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 detalles

MATERIAL DE LA 3era VISITA

MATERIAL DE LA 3era VISITA Material de clase 2 Domigo 27 Juio TEMAS: MATERIAL DE LA 3era VISITA 1. DISTRIBUCION DE LAS PROPORCIONES MUESTRALES 2. INTERVALOS DE CONFIANZA Desarrollo Tema 1: La Distribució de las Proporcioes Muéstrales

Más detalles

CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS

CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Págia 1 de 11 CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 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 ( p ). Para

Más detalles

SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)

SOLUCIONES 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 detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO

Más detalles

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra: T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 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 detalles

Muestreo Estratificado.

Muestreo Estratificado. Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato

Más detalles

E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

E.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 PARTE : ESTADÍSTICA INFERENCIAL 0. RECORDATORIO Estadística iferecial.

Más detalles

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. 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 detalles

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia

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 detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES 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 detalles

- estimación de parámetros, - intervalos de confianza y

- estimación de parámetros, - intervalos de confianza y Iferecia estadística: es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. Objetivos de la iferecia: - estimació de parámetros, - itervalos de cofiaza

Más detalles

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

Muestreo e Intervalos de Confianza

Muestreo 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 detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 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 detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación 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 detalles

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media

Más detalles

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)

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) 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 detalles

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza. FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase

Más detalles

CONTRASTE DE HIPÓTESIS

CONTRASTE 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 detalles

Medidas de Tendencia Central

Medidas 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 detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN 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 detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

Parte 2. Estadística inferencial

Parte 2. Estadística inferencial Parte. Estadística iferecial. Distribucioes muestrales Recordemos que el objetivo de la Estadística es hacer iferecias acerca de los parámetros de ua població co base e la iformació coteida e ua muestra.

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA

PRUEBA 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 detalles

Test de Hipótesis. Material Preparado por Hugo Delfino

Test 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 detalles

Población Joven Adulta Total A favor En contra Total

Población 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 detalles

Ejercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:

Ejercicio 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 detalles

CAPÍTULO 7 DISTRIBUCIONES EN EL MUESTREO Introducción

CAPÍTULO 7 DISTRIBUCIONES EN EL MUESTREO Introducción CAPÍTULO 7 DISTRIBUCIONES EN EL MUESTREO 7.. Itroducció Geeralmete, las poblacioes tiee tamaños que hace que estudiarla e su totalidad sea poco práctico desde diversos putos de vista; costo, tiempo, tipo

Más detalles

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució

Más detalles

TEMA 4: CONTRASTE DE HIPOTESIS

TEMA 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 detalles

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

4 - 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 detalles

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

2 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 detalles

3. Igualdad de proporciones

3. 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 detalles

Informe sobre el Cálculo de Errores de Muestreo. Encuesta sobre Condiciones de Vida ECV

Informe sobre el Cálculo de Errores de Muestreo. Encuesta sobre Condiciones de Vida ECV Iforme sobre el Cálculo de Errores de Muestreo Ecuesta sobre Codicioes de Vida ECV - 2004 EUSKAL ESTATISTIKA ERAKUNDA INDICE. Itroducció...3 2. Método de expasió de Taylor...3 3. Métodos de Replicació...4

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

Más detalles

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ

R-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 detalles

Guía 1 Matemática: Estadística NM 4

Guía 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 detalles

UNIDAD 4.- INFERENCIA ESTADÍSTICA II

UNIDAD 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 detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA . Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer

Más detalles

5.Distribución de la variable aleatoria media muestral. 6.Distribución de la variable aleatoria varianza muestral

5.Distribución de la variable aleatoria media muestral. 6.Distribución de la variable aleatoria varianza muestral TEMA INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.Itroducció al muestreo.elemetos del muestreo 3.Tipos de muestreo 4.Distribucioes que iterviee e el muestreo 5.Distribució de la variable aleatoria media muestral

Más detalles

1. Propiedades de los estimadores

1. 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 detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació DIRPE Metodología Diseño Estadístico Ecuesta Sobre Ambiete y Desempeño Istitucioal Departametal

Más detalles

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Familias)

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Familias) Iforme sobre el Cálculo de Errores de Muestreo Ecuesta de la Sociedad de la Iformació (ESI- Familias) EUSKAL ESTATISTIKA ERAKUNDA INDICE 1. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo

Más detalles

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco

Capítulo 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 detalles

Qué es el muestreo? SISTEMA DE EVALUACION. Practicas 30% Examen parcial 30% Examen final 30% Trabajos encargados 10% TECNICAS DE MUESTREO II

Qué es el muestreo? SISTEMA DE EVALUACION. Practicas 30% Examen parcial 30% Examen final 30% Trabajos encargados 10% TECNICAS DE MUESTREO II SISTEMA DE EVALUACION TECNICAS DE MUESTREO II Practicas 3% Exame parcial 3% Exame fial 3% Trabaos ecargados % Profesor: Ig. Celso Gozales Ch. Mg.Sc Email:cgozales@lamolia.edu.pe REFERENCIAS BIBLIOGRAFICAS

Más detalles

Tema 2. Medidas descriptivas de los datos

Tema 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 detalles

1. 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 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 detalles

SELECCIÓN DE LOS CASOS (II): Muestra estadística

SELECCIÓN DE LOS CASOS (II): Muestra estadística ELECCIÓ DE L CA (II): El objetivo de esta ficha de actividad es itroducir el problema de la selecció de los casos ua vez que se ha defiido (auque sea) provisoriamete el tipo de diseño que orgaizará la

Más detalles