ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
|
|
- Felipe Maestre Bustos
- hace 7 años
- Vistas:
Transcripción
1 ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1
2 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido por la frecuencia de que todo ocurra Es un número real entre 0 y 1 (inclusive) o entre 0 y 100% En simulación determina la ocurrencia de eventos Es la base de la simulación 2
3 VARIABLES ALEATORIAS Es una forma de cuantificar y simplificar eventos asociados a probabilidades de ocurrencia Una variable aleatoria (VA) es un número cuyo valor está determinado por el resultado de una ocurrencia Se pueden obtener inferencias sin tener que trabajar con el universo. Es un número cuyo valor no conocemos con certeza pero que podemos conocer algo acerca de el. Su conducta probabilística se describe por medio de una distribución PROFESOR: DR. JORGE ACUÑA 3
4 VARIABLES ALEATORIAS CONTINUAS Y DISCRETAS Hay dos formas básicas de VAs usadas para representar ocurrencias en un modelo Discreta puede tomar solamente ciertos valores enteros y el número de valores posibles puede ser finito o infinito Continua puede tomar cualquier valor en un rango tomando un número de valores infinito de manera que el intervalo puede ser abierto o cerrado en ambos o un lado 4
5 DISTRIBUCIONES DISCRETAS Sea X una variable aleatoria discreta que puede tomar valores x 1, x 2, (lista finita o infinita) tiene: Función densidad de probabilidad (FDP) p(x i ) = P(X = x i ) para i = 1, 2, Para calcular valores sumar los valores de p(x i ) para aquellos x i s que satisfacen la condición: 5
6 DISTRIBUCIONES DISCRETAS Distribución acumulada de probabilidad (DAP) probabilidad de que la VA sea a un valor fijo x: Propiedades de la DAP: 0 F(x) 1 para todo x Como x, F(x) 0 Como x +, F(x) 1 F(x) no es decreciente en x Estas cuatro propiedades son también verdaderas para variables continuas F(x) es una función continua de la derecha que brinca de un valor discreto a otro 6
7 VALOR ESPERADO DEL PROMEDIO El conjunto de datos tiene un centro el promedio Las variables aleatorias tienen un centro valor esperado Las VAs tiene medidas similares 7
8 DISTRIBUCIONES CONTINUAS Sea X una variable aleatoria continua VA Rango limitado a la izquierda o derecha o ambos No importa lo pequeño del rango, el número de valores posibles de X es siempre incontable (infinito) No es significativa la P(X = x) aunque x esté en el rango. Ese valor es un diferencial con valor cercano a 0 Se describe la conducta de X en términos de intervalos 8 PROFESOR: DR. JORGE ACUÑA
9 DISTRIBUCIONES CONTINUAS Función densidad de probabilidad (FDP) es una función f(x) con las siguientes tres propiedades: f(x) 0 para todos los valores reales de x El área total bajo la curva es f(x) es 1: Para cualquier valor fijo de a y b con a b, la probabilidad de que X caiga entre a y b es el área bajo f(x) entre a y b: 9
10 DISTRIBUCIONES CONTINUAS Distribución acumulada de probabilidad (FAP) probabilidad de que la VA sea a un valor fijo x: Propiedades de la FAP 0 F(x) 1 para todo x Si x, F(x) 0 Si x +, F(x) 1 F(x) no es decreciente en x Estas cuatro propiedades son también verdaderas para variables discretas F(x) es una función continua con pendiente igual a FDP: 10
11 VALOR ESPERADO Esperado o media de X es: Esperado de la varianza de X es: 11
12 MUESTREO Análisis estadístico estima o infiere algo acerca de una población o proceso basado en una única muestra extraída de ella. Muestra aleatoria es un conjunto de observaciones independientes e idénticamente distribuidas X 1, X 2,, X n En simulación, muestreo se aplica al hacer varias corridas del modelo recolectando datos 12
13 DATOS EN SIMULACION ENTRADA Distribuciones de entrada SALIDA Recolectar datos Ajustar distribuciones de probabilidad Probar H 0 : los datos se ajustan a la distribución seleccionada Comparar dos o mas diseños o modelos Probar H 0 : todos los diseños dan el mismo rendimiento, o H 0 : uno de los diseños es mejor que el otro u otros. 13
14 DATOS EN SIMULACION Los datos obtenidos de una simulación pueden ser de dos tipos: datos de observación o datos dependientes del tiempo. Datos de observación son aquellos para los cuales el tiempo de recolección no modifica su valor. Ejemplo: número de entidades procesadas en el sistema se recoleta al final de la corrida. Datos dependientes del tiempo son aquellos cuyo valor varía de acuerdo con el tiempo. Ejemplo: número de entidades residentes en una cola pues al calcular el valor se debe considerar el tiempo que duró esperando. 14
15 DIGITOS SIGNIFICATIVOS Los valores finales de una medida de efectividad se deben reportar en forma puntual, pero con cuántas cifras significativas? Si un determinado valor del tiempo de ciclo da minutos, qué tan significativas son así últimas tres cifras? Si en tres corridas se obtienen los valores de , , es poco probable que nos equivoquemos si reportamos 14.8 minutos. En realidad la respuesta se da en términos de que tan grande es la desviación estándar del conjunto de tiempos de ciclo. 15
16 DIGITOS SIGNIFICATIVOS Procedimiento: 1. Recolectar los n-valores de la medida de efectividad. 2. Agrupe los valores según teorema del límite central 3. Calcule el promedio de promedios. 4. Calcule el valor de la desviación estándar s. 5. Calcule el valor de 2(s/ n) 6. Identifique el dígito mas significativo. Ejemplos: es el (5) es el (1) es el (1) 7. Reporte el valor de la variable basado en el promedio calculado en 3), pero con un dígito menos que el valor calculado en 5). 16
17 EJEMPLOS Promedio 2(s/ n) Puntual Intervalo
18 INTERVALOS DE CONFIANZA Un estimador puntual es un simple número, con alguna incertidumbre o variabilidad asociada a el Intervalo de confianza cuantifica la imprecisión probable del estimador puntual Un intervalo que contiene el parámetro poblacional desconocido con una probabilidad alta especificada 1 Intervalo de confianza para media poblacional : x t n * s 1,1 2 n 1 t n-1,1- /2 bajo el cual el área es 1 /2 en t student con n 1 grados de libertad 18
19 EJEMPLO Se han obtenido 10 corridas de una simulación que han generado los siguientes tiempos de ciclo: 93, 113, 107, 103, 112, 103, 112, 100, 98 y 105 minutos. Se desea un intervalo de confianza del 95%, cuál es? 19
20 SOLUCION 1. Calcular el promedio, media= Calcular la desviación estándar, s = Calcular el intervalo s 6.59 x t 9,1 t n ,1 2 t * 9,0.975 n * (99.6,109,6) 9 4. Con 95% de confianza se puede afirmar que el promedio del ciclo está entre 99.6 y minutos. t 9, * 9 20
21 PRUEBA DE HIPOTESIS Prueba alguna conjetura sobre la población o sus parámetros Nunca determina algo verdadero o falso con certeza, solamente da evidencia para tomar una de las dos direcciones Hipótesis nula (H 0 ) lo que va a ser probado Hipótesis alternativa (H 1 or H A ) negación de H 0 H 0 : = 6 vs. H 1 : 6 H 0 : < 10 vs. H 1 : 10 H 0 : 1 = 2 vs. H 1 : 1 2 Desarrolla una regla de decisión para decidir sobre H 0 o H 1 basado en los datos de la muestra 21 PROFESOR: DR. JORGE ACUÑA
22 VALORES DE p Calcular el valor de p de la prueba p-value (valor p) = probabilidad de obtener un resultado mas en favor de H 1 que lo obtenido en la muestra Pequeño p (< 0.01) evidencia convincente en contra de H 0 Gran p (> 0.20) indica falta de evidencia contra H 0 Conección con el método tradicional Si p <, rechazar H 0 Si p, no rechazar H 0 22
23 CORRIDAS DE SIMULACION No sacar conclusiones en simulación con base en una sola corrida. Se debe aplicar muestreo. Para ello: 1. Hacer un número inicial de corridas n i (10). 2. Calcular la desviación estándar para la medida de efectividad mas importante del modelo. 3. Estimar el valor de h = t /2,n-1 *s/ n 4. Calcular n = n i *(h/h ) 2 h es el valor deseado de intervalo 5. Correr la simulación por el número de corridas faltantes sea por n - n i, cambiando la semilla de número aleatorios, de lo contrario se repite la salida. Si n i n entonces no hay necesidad de mas corridas. 23
24 EJEMPLO Se han obtenido 10 corridas de una simulación que han generado los siguientes tiempos de ciclo: 93, 113, 107, 103, 112, 103, 112, 100, 98 y 105. Se desea un h de Calcular la desviación estándar, s = Estimar h=t /2,n-1 *s/ n = 2.262*6.59/ 9 = 4.97 t 0.975,9 = (en tablas) 3. Calcular n = n i *(h/h ) 2 = 10 * (4.97/3) 2 = ~ Obtener 18 corridas mas de la simulación. 24
ESTADISTICA INFERENCIAL
ESTADISTICA INFERENCIAL PROFESOR: DR. JORGE ACUÑA A. 1 LA ESTADISTICA Estadística descriptiva Método científico Muestreo Información de entrada y de salida Estadística inferencial Inferencias Intervalos
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesJuan Carlos Colonia DISTRIBUCIONES MUESTRALES
Juan Carlos Colonia DISTRIBUCIONES MUESTRALES POBLACIÓN Es el conjunto de individuos u objetos que poseen alguna característica común observable y de la cual se desea obtener información. El número de
Más detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesde Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3)
Variabilidad Muestral, Distribuciones de Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3) Distribución muestral de un estadístico Es la distribución de valores
Más detallesINCERTIDUMBRE DE LA MEDIDA
INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de
Más detallesUNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II
UNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II UNIDAD I MUESTREO Y ESTIMACION DE PARAMETROS (GUIA DE ESTUDIO) DR. DENY GONZALEZ MAYO 2016 La Estadística es un conjunto de métodos para la toma de decisiones
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesCAPITULO 8 MUESTRAS ALEATORIAS Y NUMEROS ALEATORIOS
Teoría elemental de muestreo CAPITULO 8 TEORIA DE MUESTREO La teoría de muestreo es el estudio de las relaciones existentes entre una población y las muestras extraídas de ella. Es de gran utilidad en
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesLECTURA 03: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT. MANEJO DE TABLAS ESTADISTICAS.
LECTURA 3: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT MANEJO DE TABLAS ESTADISTICAS 1 INTRODUCCION Se dice que una variable aleatoria T tiene una distribución t de
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesDCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.
completamente aleatorizado (DCA): 1 solo factor con diferentes tratamientos. DCA: Es el más simple de todos los diseños, solamente se estudia el efecto de un factor, el cual se varía en diferentes tratamientos
Más detalles2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que:
Análisis de varianza El análisis de la varianza, conocida también como ANVAR o ANOVA, por sus siglas en inglés (ANalysis Of VAriance) es un método que permite comparar dos o más grupos de datos a través
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesCabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS
Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS NUMEROS ALEATORIOS Los números random son un elemento básico en la simulación de la mayoría de los sistemas discretos.
Más detallesEstimación por intervalos
Capítulo 9 Estimación por intervalos 9.1. Introducción En este capítulo se desarrolla la estimación por intervalos donde el proceso de inferencia se realiza de la forma θ C, donde C = Cx) es un conjunto
Más detallesEJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS
EJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS 1. Qúe propiedad o propiedades caracterizan a una distribución normal tipificada frente a una distribución normal cualquiera? a. El área bajo su función de densidad
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Otras Publicaciones del mismo autor en Repositorio ESPOL Fabrizio Marcillo Morla
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesExperimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesJuan Carlos Colonia INTERVALOS DE CONFIANZA
Juan Carlos Colonia INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA PARA LOS PARÁMETROS DE DOS POBLACIONES I.C. PARA EL COCIENTE DE VARIANZAS Sean X y dos muestras aleatorias,..., Xn Y,..., Yn independientes
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detallesSimulación. pseudoalealeatorios
Generación n de números n aleatorios La aplicación de los números aleatorios se remonta a los tiempos de la primera revolución industrial, cuando los procesos manuales tuvieron que reemplazarse por procesos
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesDistribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio
Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesUniversidad Nacional Autónoma de México Colegio de Ciencias y Humanidades Área Matemáticas. Programa de Estudios de Estadística y Probabilidad II
Universidad Nacional Autónoma de México Colegio de Ciencias y Humanidades Área Matemáticas Programa de Estudios de Estadística y Probabilidad II ESTADÍSTICA Y PROBABILIDAD II 1. UBICACIÓN DEL CURSO Esta
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesEl primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis:
El primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis Definición 1.- Una hipótesis es una afirmación que está sujeta a verificación
Más detallesFecha de elaboración: 2003 Fecha de última actualización: F1232 Probabilidad y Estadística 1/9
Programa elaborado por: PROGRAMA DE ESTUDIO PROBABILIDAD Y ESTADÍSTICA Programa Educativo: Área de Formación : Licenciatura en Física Integral Profesional Horas teóricas: 4 Horas prácticas: 0 Total de
Más detallesRepública de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo METODOLOGÍA DEL DISEÑO DE MUESTREO Encuesta entre Empresas no Financieras 2013 1. El
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detallesEstadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con
Hasta ahora hemos supuesto que conocemos o podemos calcular la función/densidad de probabilidad (distribución) de las variables aleatorias. En general, esto no es así. Más bien se tiene una muestra experimental
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detalles