Un nuevo esquema de muestreo : selección con probabilidades gradualmente variables sin reemplazamiento *
|
|
- Bernardo Arroyo Guzmán
- hace 7 años
- Vistas:
Transcripción
1 Un nuevo esquema de muestreo : seleccón con probabldades gradualmente varables sn reemplazamento * por J. L. SACHEZ-CRESPO Instltuto aconal de Estadstca Durante 1Qs últmos ventícnco años han aparecdo numerosas aportacones al muestreo sn reemplazamento con prababldades desguales que, a pesar de su utldad en certos casos concretos, no han poddo evtar de un modo general las dfcultades que presenta la aplcacón de este tpo de muestreo. Entre éstas fguran : complcacón en el cálculo de las probabldades o en la seleccón de undades, nestabldad de le, varanza estmada y dstorsón de las proba.bldades orgnales de seleccón. En este artículo se propone un método de muestreo con probabldades varables comprenddo entre los tradconales métodos de seleccón sn y con reemplazamento. Se demuestra que el método de probabldades gradualmente varables produce una gananc.a, en precsón respecto al muestreo con reemplazamento y probabldades varables, sn requerr un aumento de complejdad en su aplcacán. ITRODUCCIO Es ben conocdo que el muestreo con probabldacles guales es, en general, más efcente cuando la seleccón se realza sn reernplazamento. La gananca en precsón, dada por el f actor de correccón 1-( n --1) f( -1), es mportante s la poblacón es pequeña o la fraccón de muestreo grande. Estos casos pueden presentarse en la práctca cuando el muestreo es poletápco estratfcado con undades prmaras grandes. * Este artículo, con el título «A new samplng scheme: sslecton wth graduated varabl 9 probabltes wthout replacement, ha sdo presentado por el autor a la XLI Sesón del Insttuto Internaconal de Estadístca, que tendrá lugar,n ueva Delh en 19??.
2 8 ESTADSTICA ESPAIKOLA Con objeto de mejorar la precsón de los estmadores utlzando la nformacón complementara, Hansen y Hurwtz (1943) ntrodujeron la seleccón con probabldades desguales y reemplazamento utlzando el sguente estmador: X s' r _ Xr rt X HH = 1 I r "'+ p E rs donde Pt es la probabldad asgnada a la undad u y r es una varable polnomal que representa el número de veces que aparece en a rruestra la menconada undad. E[r)=n P V(r)-n P (1--P) Cov(r, r;)_---n P'P; La varanza del estrnador es y su estmador 1 X V {xhh) -=" P p` -- X n t 1 X ' r f (HH) _ `. n'(n--1) ; Pz La seleccón sn reemplazamento y probabldades desguales se debe fundarnentalmente a Horvtz y Thornpson (1952), cuyo estmador para el total es " t e X HT r e1 [ sendo ez una varable bnomal (1, IT.) con E[e] = II V(e} = IIz (1-- II) Cov (e e;) IIt; - IIt II; sendo II la probabldad de que u pertenezca a la muestra y II:; la probabldad de que u y u; pertenezcan a la muestra smultáneamente. La varanza de este estmad r es X, x x V {xt) -,, t IIs (1--r IIz) +.-._.._ (II f -- II :IIt) t IIt, IIt li y su estmador n IIt II; -- ll; / X IHT) - T -T - I1fj 1Lt X ' ;
3 U UEVO :.SQUEA DE UFSTREO: SELECCIO CO PROBABtLIDADES.. 7. SELECCIO CO REEPLAZAIvIIETO, SI REEPLAZAIETO Y CO PROBABILIDADES GRADUALETE VARIABLES Consderernos un esquerna de urna contenendo bolas de colores o clases, sendo el número de bolas pertenecentes a la clase -ésma = La seleccón con reemplazamento y probabldades desguales equvale a reemplazar la bola después de cada ektraccón, con lo que la probabldad que la undad ut tene en cada seleccón permanece constante e gual a p _ con Pt = E1 número de veces, rl, que u puede pertenecer a una muestra de n undades es, 1, 2,..., n, sguendo rz una dstrbucón polnomal. La seleccón sn reemplazamento equvale, en nuestro esquerna de urna, a retrar después de cada extraccón todas las bolas del color de la obtenda. En nuestra propuesta de seleccón con probabldcdes rradualmente varables, no se reemplaza la bola a la urna después de cada extraccón, por lo que la undad ut puede fgurar en la muestra, como máxmo, un número de veces gual al menor de los valores t o n, sguendo (rs) una dstrbucón hpergeométrca generalzada con funcón de cuantía P (r,..., r _ con --n E(r - n P V(rz) - n P (1 -- P -- Cov (r rt) n -1. n. p. pj
4 $ ESTADISTICA PSPA2OLA 2. ATEIIETO DE LAS PROBABILIDADES ORIGIALES DE SELECCIO E EL CIESTREO GRADUAL.a, probabldad que la undad u tene en las dstntas seleccones, es gual a su probabldad en la prmera seleccón. En efecto, la probabldad de obtener u en la prmera seleccón es y en la segunda P (u ; 1.') = ` - P P(u; 2.a -- Pu; 2.a/u; l.a} -}- P(u; 2.a/uf _; 1.) - y así sucesvamente. t { - 3! -1 +j`, - s -1 } t (--1) s t-- (s --1) - t ( -- ) ( -1) t (--1) (-1) r P 3. ESTIADOR PROPUESTO Sguendo nuestro esquema de seleccón con probabldades gradualmente varables, un estmador nsesgado para el total es _ = x r np 1 _ ya que en la dstrfbucón hpergeométrca generalzada E(r) n P. La varanza de x es r 1 V(r}+, X pa t Ps - n X `"Xa--Xx t pt -
5 ' U UEVO +SQUEA DE UESTREO: SELECCIO CO PROBABILIDADES n 1 n r X` p - X, - n 1 X -,. P -1 n = P V c _ -n V (x ( - 1 \ H) [11 4. ESTIACIO DE LA VARIAZA De las ecuacones -n 1 V(X)- ' ''P y la dentdad algebraca _ 1 5 X z V (X xh) - -- P n p -- X a X ` 3 r X._ ' Pt Id - n (X - x), se deduce I ' X :,' ; " X ' E ' --) j_e ' ` --X rz -n E[x-Xz- P / pt, n ~' V(XHx)-nV(x) n'!n V(x)-nV(X) por lo tanto -1 -n V(x) ;n n(n--1) V(.x) -n -n ' Xt --X I --n P n (n --1) [21 es un estmador nsesgado de V(x). Puede observarse que -- n (X Et)
6 1Q ESTADISTICA LSPAÑOLA 5. EXTESIC) AL UEST'REC BIETAPICO Como en el caso de una etapa, las n undades (guales o dstntas) quedan deterrnnadas por Ia seleccón, con probabldades gradualmente varables, de n bolas a partr de las contendas en la urna. Supongamos que representa 1 número de undades de segunda etapa en la poblac n y que las undades prmaras se selecconan con probabldades proporconales a su tamafo expresado en undades seeundaras. Es decr, Ps - ` con PL ' 1 t En la segunda etapa se elgen m undades sn reemplazamento y de forma nclependente dentro de las n undades prmaras de la muestra. Un estmador nsesgado del total X es n X -- 17't n P donde na x - + xt 1 En efecto:, X `, X r E x" ) -,E n' t EĴ x`,e ` _ E z..._,.x t = X n P t n P{ rl P Para obtener su varanza, representaremos por los subíndces 1 y 2, respectvamente, la varacán entre las undades prmaras y dentro de un conjunto fjo de n undades prmaras V (,x} = E1 ( + 1 E,r X Para la prmera componente tendremos z V Í% \' ' 1 ( t ' n P,, --r n PL ---mt Sl 1 t m 1 1 { 1 S ` ' 1 -- T?'L S 2 E,,, _ E.._._... t y '' m..._ l.., - 1. >..._ c ) _ n p ' ` ;' " P m
7 U UEVO SQUEA DE UFSTRFA: SELECCIO CO PROBABILIDADFS y para la segunda componente de donde E., _ " ) - ' X n P -n VI E: (X) - v X ) - - ' V trr) 1 V X ") = -n m S!z.. _ 1 ' V xh) + [311 n ~ Pt ` m expresón que sólo dfere de la correspondente al muestreo con reemplazamento en el factor de correccón que afecta al prmer sumando. Podemos afrmar que g" HH correspondendo el sgno gual, al caso n= COCLUSIOES Las fórmulas [ 1 l y[ 3l nos permten afrmar que con el procedmento propuesto exste una gananca en precsón respecto a 1 estmadar en el muestreo con reemplazamento y probabldades varables. E1 factor de correccón en el estmador nsesgado de la varanza es --n E1 cálculo del estmador no requere más complej dad que el usual en el muestreo con reemplazamento y probabldades varables. Las probabldades no sufren dstorsón en las sucesvas seleccones. La seleccón con probabldades gradualmente varables no ntroduce complcacón alguna en la práctca. Así, por ejemplo, al aplcar el método de Lahr en vez de elegr la undad ut cuando j G z, la elegríamos cuando j - z, sendo z el número de veces que ya fgura en la muestra.
8 12 ESTADISTICA ESPAÑOLA R ÉSUÉ (Jn expose une méthode de sondage avec probabltés varables comprs entre les méthodes tradtonnelles de trage avec ou sans remse dans 1'urne. Dans cet artcle on démontre que la méthode avec probabltés graduellement varables condut un gan dans la précson, par rapport au trage avec remse et probabltés varables, du méme ordre que celu obtenu en comparant le trage avec ou sans remse dans le cas de probabltés égales, et son applcaton ne suppose pas une plus grande complexté.
Estadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesX R = R Y. Aproximación del sesgo del estimador de la razón, (N n) 2 y S xy. NnY 2 ( (N n) y s xy
1 Estmadores de razón Estmadores de los parámetros usuales, Para el total de X, Para la meda de X, X R = R Y X R = R Y Aproxmacón del sesgo del estmador de la razón, B R N n NnY que podemos estmar a partr
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesDiseño de la Muestra. Introducción. Tipo de muestreo y estratificación
Dseño de la Muestra A Introduccón Sguendo las orentacones dadas por la Ofcna Estadístca de la Unón Europea (EUROSTAT) se a selecconado una muestra probablístca representatva de la poblacón de los ogares
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesTema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesEncuesta de Presupuestos de Tiempo Cálculo de Errores de Muestreo.
Encuesta de Presupuestos de Tempo 2003. Cálculo de Errores de Muestreo. 1 INDICE 1. Introduccón...3 2. Métodos de Replcacón...3 3. Cálculo de errores EPT 2003...4 3.1 Dseño Muestral...4 3.2 Cálculo de
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesGuía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología
Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)
Más detallesCada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.
Cada uno da lo que recbe, Y luego recbe lo que da, Nada es más smple, No hay otra norma: Nada se perde, Todo se transforma. Todo se transforma (Jorge Drexler, cantautor uruguayo) Estadístca Básca - Manuel
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009
METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesCOLEGIO DE POSTGRADUADOS EFICIENCIA DE LOS MÉTODOS DE ASIGNACIÓN DE NEYMAN Y PROPORCIONAL EN EL MUESTREO ALEATORIO ESTRATIFICADO
COLEGIO DE POTGRADUADO INTITUCIÓN DE ENEÑANZA E INVETIGACIÓN EN CIENCIA AGRÍCOLA CAMPU MONTECILLO OCIOECONOMÍA, ETADÍTICA E INFORMÁTICA ETADÍTICA EFICIENCIA DE LO MÉTODO DE AIGNACIÓN DE NEYMAN Y PROPORCIONAL
Más detalles( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov
1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesunidad 12 Estadística
undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesEjercicios y problemas (páginas 131/133)
7 Calcula el opuesto y el conjugado de los sguentes números complejos, expresándolos en forma polar: a) z b) z (cos 00 sen 00 ) c) z Expresamos en prmer lugar los números complejos en forma Calcula las
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES
Más detallesMétodo De Lazos (contenido) Ecuaciones de Lazo. Variables y ecuaciones. Fundamentos Teóricos. Teoría y Principios Establecimiento general.
Método De Lazos (contendo) Ecuacones de Lazo Teoría y Prncpos Establecmento general Fuentes de voltajee y resstencas solamente Con fuentes de voltaje dependentes Con fuentes de corrente Reduccón Fundamentos
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesMETODOLOGÍA MUESTRAL. Encuesta Laboral de la Dirección del Trabajo, ENCLA 2011 (Muestra Efectiva) INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA MUESTRAL Encuesta Laboral de la Dreccón del Trabajo, ENCLA 0 (Muestra Efectva) INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre/0 METODOLOGÍA MUESTRAL EFECTIVA Encuesta Laboral de la Dreccón del
Más detallesTema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales
Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesAnexo I DISEÑO MUESTRAL
Aneo I DISEÑO MUESTRAL * Cuevas, Gullermo, Dseño muestral: cultura cívca en Méco, 009, en Flores Dávla, Jula I (coord), A 50 años de la cultura cívca pensamentos y refleones en honor al profesor Sdney
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detalles1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesCurso teórico-práctico: Metodologías para la valoración económica del medio ambiente
Curso teórco-práctco: Metodologías para la valoracón económca del medo ambente Método de Costo del Vaje Sergo Orrego 15 y 16 de mayo de 2017 Santago de Chle Método del costo del vaje: estmacón de una demanda
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesTEMA UNIDAD III: INFERENCIA ESTADÍSTICA
MÉTODOS DE MUESTREO 13.1. ITRODUCCIÓ 13.. COCEPTOS BÁSICOS 13.3. ERRORES E EL MUESTREO 13.4. ETAPAS DEL PROCESO DE MUESTREO 13.5. RAZOES PARA LA IVESTIGACIÓ POR MUESTREO 13.6. DISEÑO MUESTRAL 13.7. ESTIMACIÓ
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO
Más detallesDeterminación del tamaño de la muestra en el muestreo RBS con selección sin reposición en la primera etapa
BOSQUE 6(): 65-75, 005 BOSQUE 6(): Determnacón 65-75, 005 del tamaño de la muestra en el muestreo RBS con seleccón sn reposcón en la prmera etapa Determnacón del tamaño de la muestra en el muestreo RBS
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesMETODOLOGIA DE LA ENCUESTA DE SALIDA Y CONTEO RAPIDO PARA GOBERNADOR, ALCANDES Y DIPUTADO LOCAL. ESTADO ZACATECAS.
METODOLOGIA DE LA ENCUESTA DE SALIDA Y CONTEO RAPIDO PARA GOBERNADOR, ALCANDES Y DIPUTADO LOCAL. ESTADO ZACATECAS. METODOLOGICO DE INVESTIGACIÓN ANTECEDENTES En Méxco desde 1994 las encuestas de salda
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
Más detallesUna renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.
Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesUnidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública
Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos
Más detallesINGENIERÍA ENERGÉTICA
INGENIERÍA ENERGÉTICA PROGRAMACIÓN DE LA GENERACIÓN DE ENERGÍA ELÉCTRICA Programacón de la generacón MERCADO DIARIO Es el mercado en el que tenen lugar las transaccones de compra y venta de energía para
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesRECUENTO DE MICROORGANISMOS VIABLES EN MEDIOS LIQUIDOS: TECNICA DEL NUMERO MAS PROBABLE (NMP).
RECUENTO DE MICROORGANISMOS VIABLES EN MEDIOS LIQUIDOS: TECNICA DEL NUMERO MAS PROBABLE (NMP). Cátedra de Mcrobología General- Facultad de Cencas Exactas- UNLP. En muchas ocasones, ya sea por un bajo número
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesEstadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesSEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN
Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesNúmeros Complejos II. Ecuaciones
Complejos 1º Bachllerato Departamento de Matemátcas http://selectvdad.ntergranada.com Raúl González Medna Ecuacones 1. Resolver las sguentes ecuacones y determnar en qué campo numérco tenen solucón: a)
Más detallesClase Auxiliar #1: Teoría de Juegos
UNIVERSIDAD DE CHILE FAC DE CIENCIAS FÍSICAS Y MATEMÁTICAS Departamento de Ingenería Industral Curso: IN5A Economía Industral Semestre: Prmavera 7 Profesor: Ronald Fscher Auxlares: Klaus Kaempfe Sofía
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesCinemática del Brazo articulado PUMA
Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesTERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detalles