Diseño muestral de la Encuesta de Métodos de Producción Agrícola 2009
|
|
- Milagros Palma Poblete
- hace 7 años
- Vistas:
Transcripción
1 Diseño muestral de la Ecuesta de Métodos de Producció Agrícola 009 El diseño muestral de la Ecuesta de Métodos de Producció Agrícola 009 correspode a u tipo de muestreo aleatorio estratificado. E cada Comuidad Autóoma, los estimadores está calibrados a las características más relevates del Ceso Agrario 009 de dica comuidad. Los pasos seguidos e el diseño muestral a sido: E primer lugar, se determia las eplotacioes eaustivas el resto de las eplotacioes se distribue etre los estratos. E segudo lugar, se calcula el tamaño muestral aplicado el criterio de afijació óptima, cumpliedo los requisitos de precisió establecidos e el Aeo IV del Reglameto CEE No 1166/008. Posteriormete, se seleccioa la muestra de maera aleatoria e cada estrato. Fialmete, se calcula los estimadores calibrados de los totales de las variables los errores de muestreo. A cotiuació se detalla cada uo de estos pasos. 1. Determiació de las eplotacioes eaustivas Para reducir la asimetría que preseta las pricipales características de las eplotacioes agrícolas: SAU (Superficie Agrícola Útil), TL (Tierra Labrada) UG (Uidades Gaaderas) se elige, e primer lugar, como eplotacioes eaustivas el 0,5% de las más grades de cada Comuidad Autóoma, respecto a cada ua de estas características. Por otra parte, co el objetivo de reducir la dispersió de la població respecto a las características agrícolas gaaderas más relevates de cada Comuidad Autóoma, se usa u segudo criterio para seleccioar eplotacioes eaustivas: la regla de la desviació sigma (Julie Madala, 1990). Esta regla se aplica e cada Comuidad Autóoma OTE a cada ua de las características relevates de la Comuidad Autóoma. Cosiste e ordear las eplotacioes de meor a maor segú ua cierta variable tomar como eaustivas las que sigue a la primera que cumple que la diferecia co la aterior es maor que la desviació típica de dica variable. Las características agrícolas gaaderas más relevates de cada Comuidad Autóoma viee determiadas por las codicioes establecidas e el Aeo IV del Reglameto CEE No 1166/008.. Estratificació El estrato se defie por el cruce de la Comuidad Autóoma, OTE 5 grupos de tamaño. Las variables de estratificació que defie el tamaño so la SAU las TL e las OTEs de predomiacia agrícola la SAU UG e las OTEs de predomiacia gaadera. Se lleva a cabo ua pre-estratificació del marco iicial ua vez recogida la iformació cesal, se actualiza la estratificació. E ambos casos, las variables usadas so las mismas. Los grupos de tamaño se forma siguiedo la metodología de las ecuestas sobre estructura de las eplotacioes agrícolas. A cada ua de las variables de estratificació se le aplica la regla acumulativa de la raíz cuadrada de la distribució de frecuecias (Cocra, 1977). Co ella se obtiee uas variables categóricas, asociadas a cada ua de las variables de estratificació, que toma valores del 1 al 5 idicado el grupo de tamaño, e el que 1 represeta a las eplotacioes más pequeñas 5 a las más grades. Fialmete, el grupo de tamaño se defie como el máimo valor que toma estas variables. 3. Tamaño de la muestra, afijació selecció muestral Para calcular el tamaño de la muestra, se utiliza el criterio de afijació óptima siguiedo los requisitos de precisió para la determiació del tamaño muestral que viee establecidos e el Aeo IV del Reglameto CEE No 1166/008. Estos requisitos cosiste e fijar u coeficiete de variació, C, del 10% para ua serie de características agrícolas gaaderas que cumple las siguietes codicioes: -Para las características agrícolas: aquellas que represeta el 5% o más de la SAU de la Comuidad Autóoma 1
2 -Para las características gaaderas: las que represeta el 10% o más de las UG de la Comuidad Autóoma más del 5% del total acioal de dica característica Estas características se elige etre las siguietes: Características agrícolas: 1) Tierras para pastos ) Cereales 3) Legumiosas, patatas cultivos idustriales 4) Cultivos forrajeros 5) Hortalizas flores 6) Frutales, olivar, viñedo, viveros e iveradero Características gaaderas: 1) Bovios ) Ovios caprios 3) Porcios 4) Aves Para cada Comuidad Autóoma OTE, se calcula el tamaño muestral co resolviedo el siguiete problema de optimizació: Mi sujeto V ( Xˆ ) dode el subídice c idica la Comuidad Autóoma, o la OTE, t los grupos de tamaño, v cada variable (características agrícolas gaaderas determiadas por el Reglameto) cot represeta el tamaño muestral e el estrato idicado por el subídice. El coeficiete C se establece como sigue: ' C ( X / X cv ) H X 5 t:1 a C 1/ dode H es el úmero de OTEs e la Comuidad Autóoma. cot C De esta forma se garatiza que el coeficiete de variació para el total de la variable v e la Comuidad Autóoma c sea meor de C, dado que: H V( X ˆ ) cv C X o1 H o1 ' C X ( X / X cv ) H C ' X cv Para resolver este problema de optimizació se emplea el algoritmo de Betel (Répartitio de l écatillo das les equêtes à plusieurs variables, Teciques d equêtes, 1989, vol.15 º 1, pp ). El tamaño muestral obteido se icremeta e previsió de la falta de respuesta. La muestra se seleccioa detro de cada estrato de forma aleatoria. E el aeo I se preseta la distribució de la població muestra efectiva para el total acioal por OTE grupos de tamaño. El grupo de tamaño 6 correspode a las eplotacioes eaustivas. 4. Estimadores
3 4.1. Estimadores de los totales de las variables E cada Comuidad Autóoma, se costrue estimadores calibrados usado como iformació auiliar las características más relevates del Ceso Agrario 009. Sea Y la variable de iterés de la cual se quiere estimar su total poblacioal: Y L Y Y :1 N k :1 dode L deota el úmero de estratos, N el tamaño de la població e el estrato e es el valor de la variable de iterés e la eplotació k. El estimador calibrado viee dado por Yˆ L Yˆ Yˆ :1 k :1 dode es el tamaño muestral e el estrato los pesos se calcula resolviedo el siguiete problema: Mi sujeto k s c k s a j c d X G ( cj / d ) j 1... J dode las variables X cj j:1...j represeta las características cesales utilizadas como variables auiliares e el calibrado e la Comuidad Autóoma c, s c es la muestra de la Comuidad Autóoma c, d deota el peso de diseño usado e el estimador de Horvitz-Tompso del total de Y, que se obtiee como la iversa de la probabilidad de selecció G( /d ) es la fució distacia logarítmica trucada dada por la siguiete epresió G ( dode / d ) G ( r) ( r I ) Log U I A (1 I )( U 1) r 1 I I + ( U r) Log U U r 1 1 A si I < r < U Las costates I U represeta los límites iferior superior respectivamete de los cocietes /d Los límites establecidos varía de 1/3 ó 1/6 para I de 3 ó 6 para U. Las características cesales utilizadas e el calibrado a sido las más relevates de cada Comuidad Autóoma correlacioadas co las variables objeto de estudio, observadas e la muestra. Para resolver este problema se aplica la macro CALMAR realizada e el softare SAS por el INSEE fracés. 4.. Estimadores de los errores de muestreo El estimador de la variaza del estimador calibrado se calcula aplicado la técica de los residuos poderados (Särdal et al, Biometrika 1989, 76,3, pp 57-37). 3
4 E el caso de muestreo aleatorio estratificado este estimador e el estrato viee dado por la siguiete epresió: Vˆ( Yˆ dode ) N f Bˆ 1 f N s s e k s ( ' f 1 e ' El estimador de la variaza del estimador calibrado del total para ua determiada suma de estratos viee dado por la suma de los estimadores de las variazas de los estratos. E el aeo II se preseta los errores relativos de muestreo o coeficietes de variació, defiidos como el cociete etre la raíz cuadrada del estimador de la variaza de la estimació la estimació, de las variables más relevates de la ecuesta para el total acioal por Comuidades Autóomas ) Bˆ 4
5 Aeo I Població muestra efectiva de la MP09 total acioal TAMAÑOS: TOTAL OTE POBLACI MUESTRAPOBLACI MUESTRAPOBLACI MUESTRAPOBLACI MUESTRAPOBLACI MUESTRAPOBLACI POBLACION MUESTRA Total
6 Aeo II COEFICIENTES DE VARIACIÓN (EN TANTOS POR CIENTO) DE LAS VARIABLES MÁS RELEVANTES Variables Y1 Y Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Total acioal 0,73 1, 1,05 0,86 0,05 1,34 1,8 0,07 0,07,9 Adalucía 0,89 4,53 3,79 3,68 0,05 3,3 6,77 0,16 0,16 5,06 Aragó 4,,69,99 1,78 0,14 5,49 7,77 0,8 0,8 7,8 Asturias 1,65 1,93 5,53 1,85 0,37 4,37 4,73 1,1 1,1 1,1 Baleares 1,01 3,6 5,9 1,48 0,13 6,4 4,78 0,67 0,67 11,11 Caarias 1,08 5,18 3,4 1,8 0,06 3,0 8,83 1,16 1,16 7,11 Catabria 1,96,19 1,65 1 0,08 7,38 4,14 0,53 0,53 1,79 Castilla-La Maca,86 4,41 3,78 1,3 0,7 4,09 6,75 0,14 0,14 5,19 Castilla-Leó 3,68 6,1 1,61 0,33 0,18 3,4 10,75 0,05 0,05 5,15 Cataluña 3,3 4,09 1,61 5,06 0,1 3,54 4,86 0,59 0,59 6,13 Com. Valeciaa 1, 4,34 4,7 0,6 0,05 3,4 5,58 0,38 0,38 5,93 Etremadura 0,91 5,08 3,66 1,39 0,13 4,79 9,08 0, 0, 7,64 Galicia 1,1 1,07,4 3,43 0,11 3,39 1,99 0,11 0,11 4,61 Madrid 1,73 6,05 0,18 0,0 0, 6,47 14,91 0,33 0,33 11,33 Murcia 6,45 4, 1,81,75 0,05 3,58 7,71 0,3 0,3 9,76 Navarra 6,54 6,57,33 0,41 0,3 7,88 10,17 0,13 0,13 11,3 País Vasco* La Rioja 11,81 3,69 0,68 0,54 0,1 8,95 19,86 0,13 0,13 11,48 Variables: Y1: Superficie total pastada Y: Número de plazas de bovios Y3: Número de plazas de porcios Y4: Número de plazas de gallias poedoras Y5: SAU media regada e los últimos tres años Y6: Superficie de la eplotació aboada co estiércol sólido Y7: Superficie de la eplotació aboada co estiércol semilíquido o lisier Y8: Laboreo del terreo para cultivos erbáceos Y9: Cubierta iveral del suelo e cultivos erbáceos Y10: Cultivos erbáceos fuera de la rotació prevista * CENSO 6
Departamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesINTERVALOS 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 detallesDepartamento 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 detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesPROBLEMAS 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 detallesPROBLEMAS 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 detallesDISTRIBUCIÓN 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 detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detallesMEDIDAS DE DISPERSIÓN.
MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está
Más detallesIntroducción a las medidas de dispersión.
UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesDISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA, GEOGRAFÍA E INFORMÁTICA (INEGI)
403 DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA GEOGRAFÍA E INFORMÁTICA (INEGI 404 Diseño muestral de la ecuesta ÍNDICE Págia. Itroducció... 405 2.
Más detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más detallesPolinomio de una sola variable. , llamaremos polinomio de la variable x a toda expresión algebraica entera de la forma:
Semiario Uiversitario de Igreso 07 oliomio de ua sola variable a0; a; a;...; a úmeros reales y N 0, llamaremos poliomio de la variable a toda epresió algebraica etera de la forma: a0 a a... a Los poliomios
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
Más detallesMuestreo 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 detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A
EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesEstadística 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 detallesMINITAB y MODELOS DE REGRESIÓN
Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias
Más detalles8 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 detallesEjercicios resueltos de Muestreo
Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo
Más detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detallesESTADÍSTICA UNIDIMENSIONAL
I.E.S. Virge de la Paz. Alcobedas DEPARTAMETO DE MATEMÁTICAS Itroducció ESTADÍSTICA UIDIMESIOAL El ombre de Estadística alude al eorme iterés de esta rama matemática para los asutos del Estado y su itroducció
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesMEDIDAS DE DISTRIBUCION
MEDIDAS DE DISTRIBUCION ASIMETRIA Y CURTOSIS Dr. EDGAR APAZA ZUÑIGA UNIVERSIDAD NACIONAL DEL ALTIPLANO MEDIDAS DE DISTRIBUCIÓN Las Medidas de Distribució permite idetificar y caracterizar la forma e que
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
Más detallesInforme 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 detalles1.1 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 detallesMuestreo 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 detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 4 ) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 006 (Modelo 4 ) Solució Germá-Jesús Rubio Lua EJERCICIO _A OPCIÓN A - ( putos) Sea las matrices A=, B=. Calcule A - (B A t ). - 0 4 3 0 x ( putos) Resuelva y clasifique
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesb n 1.8. POTENCIAS Y RADICALES.
.. POTENCIAS Y RADICALES. La potecia es ua epresió ateática que coprede dos partes: la base el epoete. b (b)(b)(b)(b)...dode b es la base el epoete. Para ecotrar el resultado de la potecia, la base se
Más detallesEXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.
EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesIES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11
IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesInforme 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 detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesMETODO DE ITERACION DE NEWTON
METODO DE ITERACION DE NEWTON Supogamos que queremos resolver la ecuació f( ) y lo que obteemos o es la solució eacta sio sólo ua buea aproimació, para obteer esta aproimació observemos la siguiete figura
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesMUESTREO 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 detallesConjunto de números dispuestos uno a continuación de otro: a 1, a 2, a 3,..., a n. Sucesión inversible o invertible. a n 1 a n.
Sucesioes Tema 8.- Sucesioes y Límites Cojuto de úmeros dispuestos uo a cotiuació de otro: a, a, a 3,..., a Operacioes a =a, a, a 3,..., a b =b, b, b 3,..., b Suma Diferecia (a )+(b )=(a +b )= a +b, a
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesENCUESTA DE SUPERFICIE Y PRODUCCIÓN DE HORTALIZAS
ENCUESTA DE SUPERFICIE Y PRODUCCIÓN DE HORTALIZAS METODOLOGÍA INSTITUTO NACIONAL DE ESTADÍSTICAS Marzo/0 Metodología Ecuesta de Superficie y Producció de Hortalizas Istituto Nacioal de Estadísticas. Marzo
Más detallesSOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)
Curso 2012-13 PEC2 Pág. 1 SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Gráfico 1: E ua ivestigació se compara la eficacia de tres tipos de tratamieto de las fobias, atediedo a si ha habido
Más detallesAMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 1 /1
AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO / TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como ua fució que asiga
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesFormulas. Población infinita. Población finita
Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesEncuesta de Transición Educativo- Formativa e Inserción Laboral (ETEFIL)
Ecuesta de Trasició Educativo- ormativa e Iserció Laboral (ETEIL) Diseño de la muestra I. Itroducció Esta ecuesta pretede proporcioar iformació sobre las características de la isercció e el mercado laboral
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz
INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El eame preseta dos opcioes: A y B. El alumo deberá elegir ua de ellas y cotestar razoadamete a los cuatro ejercicios de que costa dicha opció. Para
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesy i 0 1 x i 2 2 y i media 2 Varianza 2 i 1 Para calcular el los valores que maximizan L derivamos e igualamos a cero 2 y i 0 1 x i 0 # i 1
Demostracioes de Regresió Simple. Estimació La distribució de y es y i N 0 x i, Estimació Máximo Verosímil La fució de verosimilitud, sabiedo que y i es ua variable ormal será L exp y i 0 x i ya que la
Más detallesPoblación Joven Adulta Total A favor En contra Total
Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo
Más detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
Más detallesEstimación de Parámetros. Estimación de Parámetros
Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detallesIES Fco Ayala de Granada Modelo 5 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 5 DEL 2015 OPCIÓN A
SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 5 DEL 015 OPCIÓN A EJERCICIO 1 (A) Sea las matrices A = 1 0, B = 1 1 1 y C = 1 1 3 (1 5 putos) Resuelva la ecuació A X + B X = C. (1 5 putos) Calcule A 4
Más detallesTransformada Z. Ejemplos. Ejemplos de cálculo [ ] = [ ] ( ) ( ) 1. Transformada Z. α = α α α si α. α α α
Trasformada Ejemplos Ejemplos de cálculo. Trasformada... Calcular la trasformada, por defiició, idicado la regió de coergecia p u [ ] h h p u cos u Solució: Para calcular la Trasformada por defiició, resulta
Más detallesR-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 3) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 200 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U establecimieto poe a la veta tres tipos de camisas A, B y C. Se sabe que la razó etre los
Más detallesProbabilidad y estadística
Probabilidad y estadística MEDIDAS DE TENDENCIA CENTRAL, MEDIDAS DE DISPERSIÓN, GRÁFICAS, E INTERPRETANDO RESULTADOS Prof. Miguel Hesiquio Garduño. Est. Mirla Beavides Rojas Depto. De Igeiería Química
Más detallesINECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.
INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad
Más detallesCAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo
CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre
Más detallesEJERCICIOS TEMA 8. INFERENCIA ESTADISTICA
º BACHILLERATO. CIENCIAS SOCIALES 1. Ua variable aleatoria tiee ua distribució ormal de media m y desviació típica s. Si se extrae muestras aleatorias de tamaño : a) Qué distribució tiee la variable aleatoria
Más detallesSOLUCIÓN EXAMEN I PARTE II
Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de
Más detallesDERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:
DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució
Más detallesOPCIÓN A EJERCICIO 1 (A)
IES Fco Ayala de Graada Septiembre de 013 (Modelo Reserva ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SEPTIEMBRE 013 MODELO RESERVA OPIÓN A EJERIIO 1 (A) 8 3 3-5 3 5 Sea las matrices
Más detalles