TEMARIO DE MATEMÁTICAS [ ] III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "TEMARIO DE MATEMÁTICAS [ ] III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA"

Transcripción

1 TEMARIO DE MATEMÁTICAS [07-8] TEMA 58: POBLACIÓ Y MUESTRA. CODICIOES DE REPRESETATIVIDAD DE UA MUESTRA. TIPOS DE MUESTREO. TAMAÑO DE UA MUESTRA. I. POBLACIÓ Y MUESTRA II. REPRESETACIÓ DE UA MUESTRA III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA III.. MUESTREO PROBABILÍSTICO III..A. MUESTREO CO PROBABILIDADES IGUALES III..B. MUESTREO CO PROBABILIDADES DESIGUALES III..C. MUESTREO ESTRATIFICABLE III..D. MUESTREO POR COGLOMERADOS III..E. MUESTREO SISTEMÁTICO III..F. OTROS MUESTREOS III.. MUESTREO ITECIOAL U OPIATIVO III.3. MUESTREO SI ORMA IV. BIBLIOGRAFÍA

2 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua TEMA 58: POBLACIÓ Y MUESTRA. CODICIOES DE REPRESETATIVIDAD DE UA MUESTRA. TIPOS DE MUESTREO. TAMAÑO DE UA MUESTRA. Uo de los objetvos de la Estadístca es hacer ferecas, es decr, extraer coclusoes acerca de cojutos defdos por ua propedad a partr de u subcojuto determado de los msmos. Uo de los problemas que se platea, y que estudaremos e este tema, es cómo elegr el subcojuto de forma que los datos que a partr de él se obtega puede ser extrapolados a toda la poblacó. Es evdete que cuatas más observacoes realcemos, mejor formacó tedremos de la dstrbucó del cojuto del cual se extrae los datos, pero geeralmete o es mposble o es costoso hacer extraccoes expermetales de todos los dvduos del grupo. Por ello, se debe buscar u método para determar cuátas observacoes precsamos para poder coocer lo que deseamos co u error máxmo fjado prevamete. Este es el objetvo cetral de la Teoría del Muestreo. I. POBLACIÓ Y MUESTRA Los prmeros coceptos fudametales a cosderar e la teoría de muestras so los de poblacó y Se deoma poblacó o uverso a cualquer coleccó fta o fta de dvduos o elemetos sobre los que se quere realzar u estudo. Los elemetos de ua poblacó o tee por qué ser persoas; puede ser árboles, raas, lbros E ua poblacó se puede medr ua o varas característcas y clasfcar sus udades de acuerdo co ellas. A partr de estos resultados podemos hallar valores como la meda, varaza, etc., a los que deomaremos parámetros o característcas poblacoales. Se da el ombre de ceso a la eumeracó y aotacó de certas característcas de todos los elemetos de la poblacó.

3 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 3 A la poblacó que se teta vestgar se le deoma poblacó objetvo y estará compuesta por todos los dvduos de la poblacó. S embargo, e el mudo real exste omsoes, duplcacoes, udades extrañas. Por otra parte quzás o pueda obteerse formacó de alguas udades por dferetes motvos, como que o está accesbles e ese mometo o que se ega a colaborar. Todo ello hace que el cojuto que realmete es objeto de la vestgacó sea dferete de la poblacó objetvo y será deomada poblacó vestgada. E muchos casos puede que o sea posble o coveete obteer formacó de todos los dvduos de la poblacó, por lo que el estudo se reduce a ua parte de la msma. Se deoma muestra a ua parte de la poblacó que se obtee co el f de vestgar las propedades de la poblacó. Es deseable que la muestra represete lo mejor posble a los elemetos de la poblacó, e el setdo de que proporcoe buea formacó sobre ella. Para elegr las udades que va a costtur la muestra es ecesaro dspoer de u cojuto real de udades que se ajuste lo mejor posble al cojuto deal que costtuye la poblacó objetvo. Al lstado de udades que compoe la poblacó a partr del cual se seleccoa la muestra lo llamaremos marco. Llamamos muestreo al cojuto de reglas o al procedmeto medate el cual se obtee ua o más muestras de la poblacó. II. REPRESETACIÓ DE UA MUESTRA Cuado se extrae ua muestra, los datos obtedos a partr de ella os permte ferr uos valores aproxmados de la poblacó e su totaldad. A estos valores aproxmados se les deoma estmadores, los cuales vedrá afectados por uos errores que llamaremos errores de muestreo. Cuato meor sea el error de muestreo mayor será la precsó del estmador correspodete. Este tpo de errores sempre va asocados a las muestras, es decr, sempre cometeremos error de muestreo sea cual sea el método de eleccó de ua Ua muestra será tato más represetatva cuato más pequeño sea el error de muestreo, etededo por muestra represetatva aquella que os srve para juzgar co bastate certeza la característca que os teresa de la poblacó total.

4 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 4 Vamos a tratar, pues, de saber más cosas del error de muestreo, vedo qué propedades debe teer u bue estmador y cuál es el error de muestreo debdo a dcho estmador. S ˆθ es u estmador de u parámetro descoocdo θ de la poblacó, ua propedad deseable de ˆθ es que sea sesgado, es decr, que ( ˆ) E θ =θ. E caso de que ˆθ sea sesgado medremos su precsó medate la varaza (cuato más pequeña, más precso será ˆθ ). S ˆθ o es sesgado, su precsó se mde co el error cuadrátco medo: ( θ ˆ) = ( θ θ ˆ ) ECM E (a meor error mayor precsó), que cocde co la varaza e el caso de ser sesgado. E geeral, y partedo de la expresó ateror, se deduce que ( θ ˆ) = ( θ ˆ) + ECM V B dode V( θ ˆ) es la varaza de ˆθ y B E( ˆ) = θ θ es el llamado sesgo. Etoces, como hemos vsto, es la varaza de u estmador la que mde el error de muestreo. També se puede medr medate la desvacó típca, σ, ya ˆθ que es la raíz cuadrada de la varaza. varacó: A veces també se cosdera el error de muestreo relatvo o coefcete de e.m.r = E σ θ ˆ ( θˆ ) Puede parecer que los errores de muestreo mpoe ua sera lmtacó a la utlzacó de muestras, pero esta mpresó es justfcada, pues exste métodos que mmza estos errores y procedmetos que permte establecer el error de muestreo que estamos dspuestos a tolerar, y seleccoar la muestra de tal forma que las coclusoes que hagamos sobre los valores de la poblacó o vega afectados por errores de muestreo superores a los establecdos.

5 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 5 Además de los errores de muestreo exste otros errores ajeos al muestreo, como puede ser: - Errores de medda, que so la dfereca etre el valor observado y el valor real - Errores de procesameto, que so debdos a errores e la etrada, edcó y aálss de datos. - Errores de falta de respuesta, que se produce cuado para certos elemetos de la muestra o se obtee la formacó deseada. III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA III.. MUESTREO PROBABILÍSTICO Es aquel e el que se puede calcularse de atemao la probabldad de seleccoar ua de las muestras posbles de la poblacó. La seleccó de la muestra se cosdera como u expermeto aleatoro y por eso habla de muestras aleatoras e el setdo de muestras probablístcas. Se dce que el muestreo es probablístco superor cuado coocemos la probabldad de extraccó de certa parte de la poblacó pero o de u elemeto detro de ella. Por otra parte está el muestreo probablístco feror que es aquel e que se cooce la probabldad de seleccó detro de ua parte de la poblacó, pero o la probabldad de seleccó de dcha parte. Para que el muestreo sea probablístco debe ser feror y superor. Vamos a estudar varos tpos de muestreo probablístco. III..A. MUESTREO CO PROBABILIDADES IGUALES Es el muestreo base para los muestreos probablístcas; los coceptos fudametales y las fórmulas mportates derva de él. Por otra parte, srve como refereca cuado se teta evaluar la caldad de u método cualquera. La úca hpótess de la que se parte cosste e supoer la exsteca de u marco perfecto, es decr s omsoes duplcacoes. Podemos dstgur dos tpos de muestreo co probabldades guales: - S reemplazo o muestreo aleatoro smple (m.a.s) - Co reemplazo

6 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 6 El m.a.s es el más secllo y el más utlzado. o ecesta de gú coocmeto a pror de la poblacó. La muestra se obtee udad a udad, s reposcó de éstas a la poblacó después de cada seleccó, y co la msma probabldad. Supogamos que tego ua poblacó P de tamaño, cuyos elemetos so { } P=,,,. E ella estudamos ua varable X que toma el valor x e. Fjado el tamaño muestral, cosdero todas las posbles muestras de tamaño, y llamaré a ese cojuto S (es el espaco muestral). Represetaré co letras mayúsculas las característcas o parámetros de la poblacó y co músculas las de la Así tego: = tamaño poblacoal = tamaño muestral x = X = = meda poblacó x = x = = meda muestral ( x X) ( x x) = = = S cuasvaraza pobl. = = ( x X) ( x x) = σ = = varaza pobl. = s cuasvaraza muestral = = = s varaza muestral Lo que vamos a hacer será hallar estmadores del total poblacoal (X), de la meda poblacoal ( X ) y de la proporcó de la poblacó que está e u grupo determado (P). Veremos s estos estmadores so bueos calculado sus varazas y hallaremos el tamaño muestral óptmo e cada caso. Ates de ada, veamos qué forma tomará u estmador sesgado de u parámetro cualquera θ, que será de la forma θ= a x. = U estmador de θ vedrá dado por θ= ˆ b x = b x = = I dode I (s) S perteece a la muestra s 0 S o está e la muestra s = co s S

7 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 7 S mpoemos que sea sesgado, etoces E( θ ˆ) =θ : ( ˆ θ ) = I = ( I) = ( ) E E b x b xe * = = S represeto por seleccoado e la muestra, etoces Etoces ( ) ( ) ( ) I = + =Π E P s 0 P s ( ) * = b xπ =θ= a x = = Π a la probabldad de que el elemeto a Π = =. Π de dode b a b sea Por tato θ= ˆ a x es estmador sesgado de θ. = Π Es fácl comprobar que tato s dos muestras co las msmas udades e dstto orde cocde, como s dos muestras co las msmas udades e dstto orde so dferetes, se cumple que que Π =. També e ambos casos se comprueba que s y ( ) ( ) j Π deota la probabldad de sea seleccoadas cojutamete e la muestra, etoces Π j =. (Este valor se usará más tarde). j X, X y P: Ya estamos e codcoes de hallar los estmadores sesgados de X = x =, es decr, a =. Por tato, = / = X ˆ = x = x = X X = x, es decr, a = =. Por tato, = / = ˆX = x = x = x P= A dode = A S a la clase = 0 S a la clase Etoces, ˆP = A = A = p = / =

8 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 8 (p= proporcó de la muestra) Estos estmadores so leales e sesgados; s además tee míma varaza, etoces los valores de la varable está muy próxmos al parámetro descoocdo, y será por tato bueos estmadores. Estudemos pues, la varaza de los estmadores. Para la meda Sabemos que X ˆ = x= x = xi = = ˆ ( ) I I var X = Var x = var x = = = = ( I) ( I ji var x + cov x,x j) = = j = + = = j x var( I) xx j cov ( I, Ij) (*) E ( I ) =Π, como ya vmos E( I ) = P( a la muestra) + 0 P( a la muestra) =Π Var( I) = E( I ) ( E ( I )) =Π Π =Π( Π) Cov ( I, Ij) = E ( I, Ij) E( I) E( Ij) =Πj ΠΠ j s,j a la muestra IIj = E( IIj) =Πj 0 e otro caso * = x Π Π + x x Π ΠΠ = (*) = j ( ) ( ) j( j j) Π ( Π ) = = ( ) ( ) ( ) ( ) ( ) Π ΠΠ = = j j

9 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 9 ( ) Sacado, e ambos membros, factor comú ( ) * = x x x = * ( ) = j ( ) ( ) j ( ) Desarrollamos σ : ( x X) x x x = = = = X σ = = = = x x + xx j = = j = = x x x j = = j ( ) = x xx j = j co Etoces, os queda que * = σ = S = = f ( ) S S ( ) ( ) ( ) f =. Al factor -f se le llama correccó para poblacoes ftas. Coclusó: Var X e.m. X c.v. X Para el total: ˆ ( ) = ( f) ˆ ( ) x S =σ = f S ˆ σx S / X ( ) = = f X ( ˆ ˆ ) ( ) ( ) S Xˆ = x Var X = Var x = Var X = ( f) El error de muestreo es e.m. ( Xˆ ) Para la proporcó = f S

10 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 0 ( ˆ σ ) ( ) Pˆ = p Var P = = * P Σ A = co A B(,P) Luego P( P) (*) σ = = PQ P Q = ( ˆ) e.m. P PQ = El problema es que hemos obtedo que las varazas de los estmadores depede de la cuasvaraza poblacoal, e geeral descoocda. Por tato, tedremos que estmarla. Se puede demostrar (de maera o muy fácl) que la cuasvaraza muestral es u estmador sesgado de la cuasvaraza poblacoal. Cosderado lo ateror como váldo, e todas las fórmulas aterores se susttuye S por s, y obteemos: s = ( f) ( ) ˆ Var X ( ) ˆ Var X Var ( Pˆ ) = ( f) s s PQ ˆ ˆ PQ ˆ ˆ = = = Por lo geeral o se puede obteer el tamaño exacto de ua muerta pero sí ua aproxmacó. La decsó sobre el tamaño de ua muestra es mportate ya que s tomamos ua muestra muy grade puede mplcar u desperdco de recursos, y s la cogemos pequeña dsmuye la utlzad de los resultados. La teoría de muestreo proporcoa u plateameto geeral que solucoa este problema. Para ello fjamos u error máxmo admsble ( e ˆ) de cofaza p k K θ = σ, y fjo també u vel

11 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua S lo que quero es estmar la meda, el tamaño muestra óptmo será: S S e = K σ = K ( f) e K ( f) ˆx = S S K S e = K K = K S e + K S = K S + e optmo S quero estmar totales, el tamaño muestral óptmo será: S S e = K σ = K ( f) e K ( f) ˆx = K S = e K S + e opt S quero estmar proporcoes ( ) PQ PQ e= Kσ = K e = K p PQ e = K K PQ K PQ K PQ opt = = e K PQ K PQ e + + e Como vemos está e fucó de S que es descoocda. Lo que tedremos que hacer será estmar ua ecuesta ploto. S por datos de otros expermetos aterores o medate El muestreo co reemplazo se da cuado elegmos la muestra udad a udad, co reposcó de éstas a la poblacó después de cada seleccó. El desarrollo que hemos hecho para el m.a.s se puede hacer aquí de forma aáloga. Idquemos, por ejemplo, que los estmadores so los msmos e ambos

12 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua tpos de muestreo y que las varazas so cluso más secllas. Resaltamos que los estmadores de las varazas e el m.a.s era sesgados, s embargo e el muestreo co reemplazo o tee por qué serlo. III..B. MUESTREO CO PROBABILIDADES DESIGUALES Las extraccoes co probabldades guales está basadas e la dea de que s o se cooce ada a pror de las varables estudadas, o s o se puede utlzar la formacó que de ellas se posee, lo mejor es atrbur u peso gual a las udades de la poblacó. Co frecueca o se da e la práctca estas característcas. Es ormal que el orgazador de la ecuesta utlce datos o hpótess aterores a la realzacó de ésta. Estos datos le lleva a dar más mportaca a certas udades frete a otras, por lo que la probabldad de seleccó de cada udad sea dstta y varará segú la mportaca que ésta tega. III..C. MUESTREO ESTRATIFICABLE Tee como objetvo mejorar las estmacoes agrupado a los elemetos más parecdos etre sí. Se dvde la poblacó e varas subpoblacoes o estratos, geeralmete co elemetos que tee característcas comues. estratos: La seleccó de la muestra se hace tomado elemetos de cada uo de los E = Estrato -ésmo E E E = (Tamaño poblacó) = (Tamaño muestra) 3 El reparto del tamaño de la muestra etre los dferetes estratos se llama afjacó y puede ser de tres tpos: Uforme: que cosste e repartr por gual la muestra e los dferetes estratos. Proporcoal: que cosste e dstrbur la muestra proporcoalmete al tamaño de cada estrato

13 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 3 Óptma: que hace que el reparto sea proporcoal al úmero de elemetos de cada estrato y a la desvacó típca del msmo. Así se tee e cueta la falta de homogeedad de la subpoblacó. Este tpo de muestreo tee la vetaja de que puede sacarse coclusoes e cada estrato. III..D. MUESTREO POR COGLOMERADOS Cosste e dvdr la poblacó e partes (coglomerados) buscado que los elemetos de cada coglomerado sea lo más heterogéeos posble, para que cada uo represete de algua maera a la poblacó. Se hace u lstado de todos los coglomerados y se seleccoa al azar u úmero determado de esta lsta. III..E. MUESTREO SISTEMÁTICO E este muestreo se eumera los elemetos de la poblacó. Se toma tamaño poblacó K = =, y se elge aleatoramete u elemeto de etre los K tamaño muestra prmeros. A cotuacó se toma los sguetes de K e K. Cuado el orge o es aleatoro so que se toma los elemetos cetrales de cada grupo de K cosecutvos, el muestreo se deoma rígdo o estrctamete sstemátco y deja de ser probablístco. F. OTROS MUESTREOS Muestreo doble o bfásco: Costa de dos fases. E la prmera se toma ua muestra grade de forma rápda, seclla y poco costosa, e la que se estudará algú aspecto fudametal para la seguda fase. E la seguda fase se seleccoa ua muestra de etre los seleccoados e la muestra ateror por algú otro método. S se utlza más de dos fases se llama muestreo múltple. Muestreo repetdo: Cosste e la obtecó de muestras de ua msma poblacó dámca a tervalos regulares de tempo, para estudar la evolucó de la poblacó. Muestreo secuecal: suele utlzarse e el campo dustral e modelos de speccó para aceptar o rechazar lotes de productos, etre otras cosas. o se fja

14 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 4 de atemao el úmero de udades que forma la muestra, so que se va examado cada ua y a cotuacó se decde s segur el muestreo o coformarse co la formacó ya obteda para decdr s el lote se acepta o rechaza. III.. MUESTREO ITECIOAL U OPIATIVO E este tpo de muestreo es la persoa que seleccoa las muestras la que procura que ésta sea represetatva. La represetatvdad depede, por tato, de su tecó u opó, y la evaluacó de ésta es totalmete subjetva. La composcó de la muestra puede estar bastate fluecada por las preferecas del dvduo que las obtee. Este muestreo carece, por tato, de ua base teórca cosstete. S embargo, su uso es bastate frecuete, por ejemplo e el deomado muestreo por cuotas. Veamos e qué cosste: Supogamos que el dseño de la ecuesta ha segudo los prcpos del muestreo probablístco hasta llegar al mometo de seleccoar las persoas que ha de ser etrevstadas. Esta etapa fal cosste, e el muestreo por cuotas, e asgar a cada etrevstador u úmero de etrevstas a persoas e u determado grupo de edad, sexo, vel ecoómco, zoa de resdeca, etc. Sujeto a estas restrccoes, se deja e lbertad al etrevstador para que elja a las persoas que cumple dchos requstos. El marge de lbertad dado al etrevstador puede troducr sesgos e el proceso de seleccó que o podrá ser detectados. El descoocmeto de las probabldades de seleccó hace que o pueda estmarse los errores de muestreo. III.3. MUESTREO SI ORMA Aquí se toma la muestra de cualquer maera, por comoddad o a caprcho. S la poblacó es homogéea, la muestra obteda puede ser represetatva. E ocasoes la uformdad puede ser susttuda por ua buea mezcla de elemetos ates de tomar muestras (por ejemplo, barajar las cartas, o grar el bombo de las bolas).

15 Tema 58: Poblacó y Codcoes de represetatvdad de ua Tpos de muestreo. Tamaño de ua 5 IV. BIBLIOGRAFÍA Cesar Pérez López. Muestreo estadístco: coceptos y problemas resueltos. Pearso Educacó, 005. Vrtudes Alba Ferádez; ura Ruz Fuetes. Muestreo Estadístco, Septem Edcoes, 004. Rodríguez Osua, J. (993). Métodos de muestreo. Madrd, CIS

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística. TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Definición La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral. La distribución muestral de un estadístico

Definición La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral. La distribución muestral de un estadístico V. Muestreo V.. Dstrbucoes de Muestreo Defcó La dstrbucó de probabldad de u estadístco recbe el ombre de dstrbucó muestral. La dstrbucó muestral de u estadístco depede del tamaño de la poblacó, del tamaño

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

RAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES

RAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES RAMO: ESTADÍSTICA II UNIDAD I MUESTREO Y DISTRIBUCIONES MUESTRALES CLASE. MUESTRA ALEATORIA E estadístca, el cocepto de muestra aleatora, debe quedar claro desde el comezo del estudo, pues es la base del

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

Tema 2. Muestreo Aleatorio Simple Contenido

Tema 2. Muestreo Aleatorio Simple Contenido Tema. Muestreo Aleatoro Smple Cotedo 1) Defcó, seleccó otacó ) Estmadores de la meda el total. Propedades. Varazas error de estmacó. Límtes de cofaza. 3) Muestreo smple co resttucó 4) Estmadores de la

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

TÉCNICAS DE MUESTREO

TÉCNICAS DE MUESTREO TÉCICAS DE MUESTREO TÉCICAS DE MUESTREO I. COCEPTOS GEERALES DE MUESTREO El objetvo de la teoría de muestras es proporcoar ua sere de téccas que permta coocer característcas o valores referdas al total

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

2. Censura y truncamiento

2. Censura y truncamiento 2. Cesura y trucameto Los datos de tempo de fallo se preseta e dferetes formas que crea problemas especales cuado se aalza. E muchas ocasoes o se cooce co exacttud el valor del tempo de fallo y úcamete

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

LA FUNCION CUANTIL: UNA APLICACIÓN AL ESTUDIO DE LA PROPORCIONALIDAD ENTRE CARACTERISTICAS POBLACIONALES.

LA FUNCION CUANTIL: UNA APLICACIÓN AL ESTUDIO DE LA PROPORCIONALIDAD ENTRE CARACTERISTICAS POBLACIONALES. LA FUNCION CUANTIL: UNA APLICACIÓN AL ESTUDIO DE LA PROPORCIONALIDAD ENTRE CARACTERISTICAS POBLACIONALES. Catalejo García, Fracsco García Lopera, Fracsca Mola Ruz, Salvador Javer Profesores del Departameto

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

Incertidumbre de las medidas.

Incertidumbre de las medidas. Icertdumbre de las meddas. Al realzar el proceso de medcó, el valor obtedo y asgado a la medda dferrá probablemete del valor verdadero debdo a causas dversas, algua de las cuales ombraremos más adelate.

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD

FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD Blázquez J. Dvsó de Fsó Nuclear CIEMAT, Madrd INTRODUCCIÓN Co frecueca, las meddas de recueto radoactvo está sujetas a Garatía de Caldad (). Etre otras cosas,

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles