R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
|
|
- Ana Sevilla Villalba
- hace 7 años
- Vistas:
Transcripción
1 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 salida del Statistix para la regresió de la presió de trasició sobre la temperatura. Tabla UNWEIGHTED LEAST SQUARES LINEAR REGRESSION OF PRESION PREDICTOR VARIABLES COEFFICIENT STD ERROR STUDENT'S T P CONSTANT (a) TEMP (b) s(b) R-SQUARED RESID. MEAN SQUARE (MSE) σˆ ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ SOURCE DF SS MS F P REGRESSION RESIDUAL σˆ TOTAL CASES INCLUDED 0 MISSING CASES 0 La columa ecabezada COEFFICIENT preseta la ordeada al orige (CONSTANT = a = ) y la pediete ( b = ). La columa ecabezada STD ERROR preseta los correspodietes errores estádar. El cociete etre el valor del coeficiete y su error estádar aparece e la columa STUDENT'S T. Sus p-valores, presetados e la columa ecabezada P, permite testear si los coeficietes so sigificativamete distitos de cero. E este caso ambos p-valores ( y ) so meores que 0.0 y decimos que los coeficietes a y b so altamete sigificativos. El coeficiete de la variable TEMP, es estadísticamete sigificativo distito de cero, etoces decimos que la variable temperatura explica la respuesta, presió de trasició Otros estadísticos icluidos e la tabla so: R-SQUARED: Coeficiete de determiació R = =
2 07 RESID. MEAN SQUARE ERROR (MSE), σˆ : Cociete etre la suma de cuadrados de los residuos y sus grados de libertad, RSS / DF = / 8 = STANDARD DEVIATION es la raíz cuadrada del MSE. Es u estimador del desvío σ. E uestro ejemplo σ = ˆ = La salida icluye tambié ua tabla, deomiada tabla de aálisis de la variaza correspodiete al ajuste, la cuál cotiee las sumas de cuadrados, bajo el ecabezado SS, los grados de libertad de cada suma de cuadrados ( DF ), el cociete etre la suma de cuadrados y sus correspodietes grados de libertad ( MS ) y fialmete el estadístico F y su p-valor asociado. TOTAL SS Es la suma de cuadrados total, TSS = (g.l. = 9) RESIDUAL SS Es la suma de cuadrados residual, RSS = (g.l. = 8) REGRESSION SS Es la suma de cuadrados explicada por el modelo, TSS - RSS = REGRESSION MS (TSS - RSS) / =37087 / = RESIDUAL MS: RSS / 8 = / 8 = σˆ ESTADISTICO F Es ua medida global de la bodad de la regresió y se calcula como el cociete de los dos últimos valores defiidos, es decir ( TSS RSS) / F = = = RSS/ El correspodiete valor-p = y por lo tato decimos que la regresió es altamete sigificativa. Observació : E la regresió lieal simple úicamete, el p-valor del estadístico F coicide co el del test para decidir si la pediete es estadísticamete distita de cero. Esto o ocurre cuado se icluye más variables explicativas al modelo. 6 Itervalo de cofiaza para la pediete Podemos calcular u itervalo de cofiaza para la pediete de la recta ajustada y tambié realizar u test para decidir si es sigificativamete distita de cero. Ua pediete cero querría decir que o hay relació lieal etre Y y X. Recordemos que la pediete de la recta ajustada es:
3 08 ( xi x)( yi y) ( xi x) yi b = = ( xi x) ( xi x) Luego Var (b) = σ (cosiderado que las x s so fijas y si error) y el desvío estádar estimado de la pediete es: σˆ s( b) = (9) dode σˆ es u estimador de σ, calculado como suma de los cuadrados de los residuos dividida por -. Rara vez será ecesario utilizar (9) para el cálculo ya que s(b) es u valor que muestra el Statistix automáticamete al realizar u ajuste por cuadrados míimos. E este caso, s(b) = ( Vea la tabla, STD ERROR ). Si embargo es iteresate deteerse e su expresió ; vemos que: iterviee todas las observacioes, a medida que aumeta el úmero de observacioes ( ), s(b) se hace cada vez más pequeño, para u mismo úmero de observacioes, cuato más dispersos esté los valores x i tato más pequeño será s(b). Los extremos de u itervalo de cofiaza de ivel (-α) 00% para la pediete so: b ± t -, α/ * s(b), (0) Coclusió: si queremos que la estimació de la pediete de la recta sea lo más precisa posible, debemos elegir u tamaño de la muestra grade y los valores de la variable explicativa lo más espaciados que se pueda detro del rago de iterés. Tomado α = 0.05, e uestro ejemplo - = 8, b = , s(b) = y t 8, 0.05 =.0, resulta el itervalo del 95% de cofiaza ( , )de las pedietes compatibles co los datos. Como el cero o perteece al itervalo de cofiaza obteido, se rechaza la hipótesis de pediete ula al ivel 0.05.
4 09 7. Itervalos de cofiaza e itervalos de predicció. Hemos dicho (secció 5.3) que la recta ajustada puede utilizarse de dos maeras distitas a) para estimar de la media poblacioal de Y para cada x fijo. b) para predecir u valor futuro de Y para u valor fijo de x. Agregaremos alguas más c) para estimar de la media poblacioal de Y para varios valores de x diferetes. d) para predecir varios valores futuros de Y para cada uo co u valor fijo de x diferete. e) realizar prediccioes del valor de X que dio lugar al uevo valor observado de Y. Esto se llama predicció iversa. Los itervalos que resulta de a) - d) está todos cetrados e úicamete e su amplitud debido a la diferecia e las variazas. ŷ, difiere 7. Itervalos de cofiaza para la respuesta media Figura 7 Debe teerse e cueta la icerteza de la recta ajustada. Para ello se costruye ua bada alrededor de la recta de regresió ajustada, tal que para cada valor fijo de x (x ueva ), el itervalo determiado por la bada y ua recta vertical a la abscisa e x ueva, sea u itervalo de cofiaza del (-α) 00%: ueva a + b x ± t -, α/ σˆ ueva (x x) +
5 0 ueva ueva (x x) Si llamamos s(a + b x ) a σ ˆ + teemos que los límites de u itervalo de cofiaza para la media de la variable Y dado el valor x ueva so ueva ueva a + b x ± t -, α / s(a + b x ) () E particular si α = 0.05, el 95% de cofiaza sigifica que el itervalo es uo de ua familia de itervalos, tal que 95 de cada 00 cotiee la verdadera media de Y para ese valor fijo de x (x ueva ) ; 5 o. Podemos cofiar e que el que teemos es uo de esos Itervalos de predicció para ua observació futura Para u mismo valor (x) de la variable explicativa, u itervalo de predicció refleja, además de la variabilidad debida a que la recta estimada o represeta exactamete la media verdadera de la variable respuesta para ese valor de X, la variabilidad idividual de la variable respuesta alrededor de la media verdadera y es por esa razó es de mayor amplitud que el itervalo de cofiaza. Figura 8. Itervalos de cofiaza juto co los itervalos de predicció para ua observació futura La expresió geeral de los límites de predicció del (-α) 00 % para ua observació futura (y ueva ) para el valor x ueva de la variable explicativa es:
6 ueva a + b x ueva a + b x ± t -, α/ σ ˆ ± t -, α/ ueva ( x x) + + s (pred Y), () La úica diferecia etre el itervalo de cofiaza () y el de predicció () es que aparece u detro de la raíz. Esta diferecia hace que la logitud de los itervalos de cofiaza pueda hacerse ta pequeña como se quiera, co tal de tomar suficietes observacioes, mietras que la logitud de los itervalos de predicció uca pueda ser meor que t -, α/ σ ˆ Si la catidad de observacioes es grade la raíz que aparece e la expresió () es aproximadamete igual a y la logitud del itervalo de predicció de ivel 0.95, resulta cerca de 4s. Por lo tato, si estamos iteresados e predicció, 4σ ˆ es u excelete idicio de la calidad del ajuste, y como cosecuecia, de la icerteza de las prediccioes. Ejemplo: Iteresa estudiar la relació etre la pureza del oxigeo (Y) producido e u proceso de destilació y el porcetaje de hidrocarburos (X) presetes e el codesador pricipal de la uidad de destilació. No se cooce u modelo determiístico fucioal que relacioe la pureza del oxígeo co los iveles de hidrocarburo. Tabla 3. Niveles de oxigeo e hidrocarburos x(%) y(%) x(%) y(%) x(%) y(%) x(%) y(%) El diagrama de dispersió de la figura 9 muestra que a pesar de que igua curva simple pasará por todos los putos hay ua tedecia lieal creciete de maera que es razoable supoer que la media de la pureza de oxígeo esté relacioada liealmete co el ivel de hidrocarburos.
7 Figura 9 La tabla 4 los coeficietes y sus errores estadar, resultates de u ajuste de cuadrados míimos a los datos de la pureza de oxígeo. La variable X (% de hidrocarburos) es estadísticamete sigificativa. Tabla 4 PREDICTOR VARIABLES COEFFICIENT STD ERROR STUDENT'S T P CONSTANT X R-SQUARED RESID. MEAN SQUARE (MSE).8055 ADJUSTED R-SQUARED STANDARD DEVIATION Figura 0
8 3 Los gráficos de la figura 0 os permite cocluir que los datos o preseta alejamietos de los supuestos de Normalidad y homoscedasticidad. Figura. Recta ajustada juto co las badas de cofiaza y de predicció del 95% La bada itera de la figura es la bada de cofiaza (). El itervalo más agosto, (9.650, 9.67), se ecuetra e el ivel promedio de hidrocarburos ( x =.96 %). Los itervalos se va esachado a medida que aumeta la distacia a dicho valor promedio. U alto porcetaje de valores observados cae fuera de la bada de cofiaza. Esto poe de maifiesto que dichas badas está formadas por itervalos de cofiaza para la respuesta media, ada dice respecto de los valores de la variable de iterés. La logitud de estos itervalos decrece co el aumeto del tamaño de la muestra y/o de la dispersió de los valores de la variable idepediete. Siguiedo co el ejemplo, e el ivel promedio de hidrocarburos (.96 %), el itervalo de predicció es (89.8 ; ). Los itervalos de predicció () del 95% tambié se esacha co la distacia al ivel promedio de hidrocarburos, auque esto o se ve fácilmete de la figura.
17.3 Intervalos de predicción para el promedio de m observaciones futuras
4 7.3 Itervalos de predicció para el promedio de m oservacioes futuras Para reducir la icerteza de las prediccioes o alcaza co aumetar idefiidamete el tamaño de la muestra e la que se asa el ajuste. Si
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 detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más 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 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 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 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 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 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 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 detallesPasos básicos para docimar una hipótesis:
Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los
Más 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 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 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 detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más 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 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 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 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 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 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 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 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 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 detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más 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 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 detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
Más 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 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 detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más 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 detallesTRABAJO PRACTICO Nº 1
TRABAJO PRACTICO Nº 1 DEMANDA DE TRANSPORTE: ELASTICIDAD OFERTA DE TRANSPORTE: COSTOS AJUSTE DE FUNCIONES ANÁLISIS DE REGRESIÓN Objetivo: Aplicar a u caso práctico utilizado las herramietas básicas de
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 detallesObjetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia
Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más 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 detalles13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media
Más detalles[e j N 2 e j N 2 ]...} (22)
Trasformadores multiseccioales de cuarto de oda. La teoría de reflexioes pequeñas descrita e la secció aterior se puede usar para aalizar trasformadores multiseccioales de u cuarto de oda. Cosidere la
Más 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 detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesCAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.
5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto
Más 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 detalles2.- ESPACIOS VECTORIALES. MATRICES.
2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces
Más detallesCAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS
Págia 1 de 11 CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué
Más 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 detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más 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 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 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 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 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 detallesEstimación de parámetros. Biometría
Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes
Más 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 detalles9 9 Análisis de Regresión Lineal
9 9 Aálisis de Regresió Lieal Itroducció El objetivo de este capítulo es itroducir el aálisis simultáeo de dos variables y adquirir criterios para el uso de las técicas de regresió y correlació. Hasta
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 detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más 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 detallesLa Estadística y el Mejoramiento Genético
La Estadística y el Mejoramieto Geético. Itroducció 2. Valores idividuales y parámetros poblacioales 3. La distribució ormal 4. La media 5. Variació Importacia Medidas: - Variaza - Desvío estádar 6. Covariació
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesEjercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:
Parcial de Probabilidad y Estadística : parte A Ejercicio 1: U embalaje cotiee 9 cajas de CDs. Las 9 cajas tiee la siguiete composició: 6 cajas cotiee 5 discos de música rock y 15 discos de música clásica
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más 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 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 detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
Más 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 detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más 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 detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA
. Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer
Más detallesTEMA 8 ANÁLISIS DE REGRESIÓN SIMPLE
TEMA 8 ANÁLII DE REGREIÓN IMPLE Itroducció - aalizar la relació etre dos variales cuatitativas, expresada mediate ua fució matemática - predecir los valores de ua variale (depediete) a partir de los valores
Más detallesINGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo:
Itroducció al cálculo de icertidumbres e las INGENIERÍAS Cordiador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: lurodrig@puj.edu.co INTRODUCCIÓN E las ciecias aturales los resultados de las medidas
Más detallesPRUEBAS ESTADÍSTICAS CON LA DISTRIBUCIÓN CHI-CUADRADO
PRUEBAS ESTADÍSTICAS CON LA DISTRIBUCIÓN CHI-CUADRADO. BONDAD DE AJUSTE Las pruebas de bodad de ajuste tiee por objetivo determiar si los datos se ajusta a ua determiada distribució, esta distribució puede
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detallesTema 1. Estadística Descriptiva
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 1 Estadística Descriptiva 1 Itroducció 1 2 Coceptos geerales 2 3 Distribucioes de frecuecias 3 4 Represetacioes
Más detalles3. Las medidas de centralización
FUOC XP00/71004/00017 21 Las medidas de cetralizació 3. Las medidas de cetralizació La mediaa y la media aritmética Los diagramas de tallos y hojas y los histogramas proporcioa ua descripció geeral de
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detalles- estimación de parámetros, - intervalos de confianza y
Iferecia estadística: es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. Objetivos de la iferecia: - estimació de parámetros, - itervalos de cofiaza
Más detallesEstadística Descriptiva
Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
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 detallesUniversidad Antonio Nariño Matemáticas Especiales
Uiversidad Atoio Nariño Matemáticas Especiales Guía N 1: Números Complejos Grupo de Matemáticas Especiales Resume Se preseta el cojuto de los úmeros complejos juto co sus operacioes y estructuras relacioadas.
Más detallesDe esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)
MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que
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 detallesMEDIDAS DE RESUMEN. Jorge Galbiati Riesco
MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos
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 detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
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 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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detalles