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

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

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

Transcripción

1 A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad y coste ETAPAS E U ESTUDIO DE MUESTREO:. Defr la formacó que se ecesta fudametal versus accesoro. Determar correctamete la poblacó objeto del estudo lstado 3. Método de muestreo a segur y tamaño de la muestra: 3. El método depede del problema y de los recursos dspobles 3. El tamaño depede de la fabldad requerda y del coste 4. Dseño adecuado de la forma de obteer la formacó. Objeto: 4. Evtar falta de respuesta forma ecuesta, º pregutas 4.3 Respuestas hoestas y precsas cuestoaro y etrevsta 5. Uso de la muestra para hacer fereca 6. Obteer coclusoes acerca de la poblacó

2 A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () TIPOS DE ERRORES: Debdos al muestreo certdumbre (vel sgfcacó, etc.) Ajeos al muestreo:. Defcó correcta de la poblacó. Respuestas falsas o mprecsas 3. Falta de respuesta posble sesgo 4. Sesgo e la seleccó elemetos muestrales 5. Errores de mapulacó, tabulacó y cálculo o hay u crtero geeral para evtarlos y/o aalzarlos mmzarlos

3 A. Morllas - p. 3 - MUESTREO E POBLACIOES FIITAS (3) MÉTODOS DE MUESTREO: Muestreo aleatoro: a) udad muestral elemetal: a.) muestreo aleatoro smple a.) muestreo aleatoro sstemátco a.3) muestreo aleatoro estratfcado b) udad muestral grupo: b.) muestreo por áreas y coglomerados b.) muestreo por etapas Muestreo o aleatoro y semaleatoro (e geeral, o cetífco ; o estuda precsó): - por cuotas - opátco o de tecó

4 A. Morllas - p. 4 - MÉTODOS DE MUESTREO () MUESTREO ALEATORIO SIMPLE: Srve de base a los demás métodos Es el más secllo desde el puto de vsta teórco Todos los elemetos muestrales se trata como guales y se detfca medate u úmero (tarjeta, bola, úmeros aleatoros, etc...) Elemeto muestral A B.. Idetfcador.. La seleccó es s reposcó Todas las muestras posbles so gualmete probables Cuado es muy grade su coste es muy alto

5 A. Morllas - p. 5 - MÉTODOS DE MUESTREO () MUESTREO ALEATORIO SISTEMÁTICO: Se ecesta u lstado ordeado de los elemetos de la poblacó El orde o debe ser u factor dstorsoate de la aleatoredad: o dstorsoate: lstas de clase para otas (o sesgo) Sí puede geerar sesgo: produccó mesual empresa Se seleccoa al azar el prmer elemeto muestral (k) meor que p/ Elegdo este, los demás se obtee sumádole p al ateror: k+p, k+p,... El método garatza que aparezca elemetos de todas las clases, por lo que puede geerar muestras más represetatvas que el muestreo aleatoro smple

6 A. Morllas - p. 6 - MÉTODOS DE MUESTREO (3) MUESTREO ESTRATIFICADO: E ocasoes es dspesable agrupar los elemetos de la poblacó e clases o estratos (homogeedad de sus elemetos; heterogeedad etre estratos) mejor formacó, reduce errores y costes. Detro de cada estrato se aplcará u muestreo aleatoro smple o sstemátco MUESTREO POR COGLOMERADOS: Coglomerado: es u grupo de elemetos de la poblacó (famlas, hogares, casas, edfcos, mucpos, provcas, empresas, etc.) La udad de muestreo es el coglomerado a veces, áreas geográfcas Se seleccoa aleatoramete certo úmero de coglomerados y se vestga, a cotuacó, todos los elemetos perteecetes a ellos (EPA, Ecuesta Presupuestos Famlares,..) Característcas: homogeedad etre coglomerados; heterogeedad detro de cada coglomerado represetar las clases de la poblacó Se reduce problema de lstado, o es ecesaro saber tamaño poblacó, etrevstas detro del grupo (coglomerado) meos costoso

7 A. Morllas - p. 7 - MÉTODOS DE MUESTREO (4) MUESTREO ALEATORIO POR ETAPAS: Geeralzacó del muestreo por coglomerados Suele hacerse descededo de coglomerados más grades a más pequeños: Provca Mucpo Barro Edfco Famla (lstados) E cada etapa se aplca el muestreo aleatoro, sstemátco o estratfcado Objetvo: Reducr al mímo el coste

8 A. Morllas - p. 8 - IFERECIA CO MUESTREO ALEATORIO SIMPLE () IFERECIA SOBRE LA MEDIA (µ): Estmacó por putos: Estmacó por tervalos: ± z ˆ ), por descoocerse µ ( α /. E poblacoes ftas: factor de correccó. Como es descoocda se estma medate su estmador sesgado que es s sˆ y, por tato, ˆ ˆ 3. Para utlzar la ormal, será sufcetemete grade. 4. S es pequeña y se supoe ormaldad t de Studet

9 A. Morllas - p. 9 - IFERECIA CO MUESTREO ALEATORIO SIMPLE () IFERECIA SOBRE EL TOTAL (µ): Estmacó por putos: Estmacó por tervalos: ± z ˆ ). Var ( ) µ ( α / sˆ sˆ ˆ ( ) IFERECIA SOBRE LA PROPORCIÓ (p): Estmacó por putos: p ˆ Estmacó por tervalos: p ± z ˆ ), º observacoes característca e ( α / ˆ. ( )

10 A. Morllas - p. 0 - TAMAÑO MUESTRAL CO MUESTREO ALEATORIO SIMPLE () Para la estmacó de la MEDIA: Al dar por µ, el error mámo permtdo, para u vel de cofaza del 00(-α)%, será: ε zα <-----ε -----µ-----ε -----> / Fjado este error y el vel de sgfcacó, se fja, també, la varaza máma del estadístco muestral: ε zα / Recordemos: Despejado de esta últma epresó (o del cuadrado de la prmera): z ( ) z por ecuesta ploto o ateror α / + ( ) ε + α /

11 A. Morllas - p. - TAMAÑO MUESTRAL CO MUESTREO ALEATORIO SIMPLE () Para la estmacó del TOTAL (va a ser gual que para la meda): Recordemos que Var ( ) zα / msmo resultado: ( ) + ( ) ε z Para la estmacó de la PROPORCIÓ: E poblacoes ftas: + pq α /. Se llega al. Despejado, se obtee: pq zα / pq ) + pq ( ε + z pq. Como p o se cooce, se estma o se ( ) α / 0,5 ε calcula el tamaño muestral mámo ma, co ( ) + 0,5 z α /

12 A. Morllas - p. - IFERECIA CO MUESTREO ALEATORIO ESTRATIFICADO () IFERECIA SOBRE LA MEDIA: Poblacó dvdda e estratos: Tamaños muestrales de los estratos: Medas poblacoales de los estratos: µ µ... µ Medas muestrales de los estratos:... Puesto que e cada estrato se hace u muestreo aleatoro smple: Estmadores sesgados de las medas poblacoales (µ ): Estmadores sesgados de la varaca de : Estmacó por putos de µ µ Estmacó por tervalos: ± z ˆ ), co ˆ µ ( α / ˆ sˆ ˆ

13 A. Morllas - p. 3 - IFERECIA CO MUESTREO ALEATORIO ESTRATIFICADO () IFERECIA SOBRE EL TOTAL: Estmacó por putos de µ µ : Estmacó por tervalos: ± z ˆ ) Co IFERECIA SOBRE LA PROPORCIÓ: µ ( α / y ˆ ˆ Proporcoes poblacoales de los estratos: p p... p k Proporcoes muestrales de los estratos: ˆp ˆp... Estmacó por putos de p p : p ˆ Estmacó por tervalos: p ± z ˆ ) ( α / Co ˆ ˆ y ˆ ( )

14 A. Morllas - p. 4 - IFERECIA CO MUESTREO ALEATORIO ESTRATIFICADO (3) DISTRIBUCIÓ DE LA MUESTRA ETRE ESTRATOS: o hay ua respuesta úca; depede de los objetvos de la ecuesta Crteros de asgacó (afjacó):. Uforme: todos gual; poco setdo real.. Proporcoal: La proporcó de elemetos de la poblacó e cada estrato se aplca a la muestra: 3. Óptma: Podera el crtero ateror co las varazas de los respectvos estratos, asgado más observacoes a los estratos co mayor varaca poblacoal. Es el más deseable s el objetvo úco es la precsó e la estmacó: Meda y Total: k pq ; Proporcó: k p q (al ser descoocda, muestreo prelmar y ma )

15 A. Morllas - p. 5 - TAMAÑO MUESTRAL CO MUESTREO ALEATORIO ESTRATIFICADO () MEDIA Y TOTAL: Asg. Proporcoal ( ): / co ; α ε z + Asg. Óptma ( k ): / co ; α ε z +

16 A. Morllas - p. 6 - TAMAÑO MUESTRAL CO MUESTREO ALEATORIO ESTRATIFICADO () PROPORCIÓ: Asg. Proporcoal ( ): / ˆ ˆ co ; α ε z p q p q p p + Asg. Óptma ( k ): / ˆ ˆ co ; α ε z q p q p p p +

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO 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 detalles

La inferencia estadística es primordialmente de naturaleza

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

Más detalles

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

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

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

Parte 3. Técnicas de muestreo

Parte 3. Técnicas de muestreo PROFESOR: UIS E. IETO BARAJAS Parte 3. Téccas de muestreo 3. Itroduccó al muestreo Es posble determar co certa precsó (error) las característcas de ua poblacó (fta) a partr de los resultados obtedos e

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

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

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple . Muestreo Aleatoro mple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza proporcó muestrales: Propedades. Error de estmacó. Poblacó Y (, ). E V Muestra aleatora smple Y,..., Y (..d.) E V ( )

Más detalles

Tema 2. Muestreo Aleatorio Simple Contenido

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

Más detalles

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

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

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

TEMARIO DE MATEMÁTICAS [ ] III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA TEMARIO DE MATEMÁTICAS [07-8] TEMA 58: POBLACIÓ Y MUESTRA. CODICIOES DE REPRESETATIVIDAD DE UA MUESTRA. TIPOS DE MUESTREO. TAMAÑO DE UA MUESTRA. I. POBLACIÓ Y MUESTRA II. REPRESETACIÓ DE UA MUESTRA III.

Más detalles

V Muestreo Estratificado

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

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

1 Estadística. Profesora María Durbán

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

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA. M.Sc. Fabio A. Blanco Rojas Berufweiss S.A.

BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA. M.Sc. Fabio A. Blanco Rojas Berufweiss S.A. BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA M.Sc. Fabo A. Blaco Rojas Berufwess S.A. Porque la terra será llea del coocmeto de Jehová, como las aguas cubre el mar Isaías 11:9 Temas a

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

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

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

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

Análisis de la Varianza

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

Más detalles

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

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

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

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

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

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL. 3..- FUNDAMENTOS. La fereca estadístca proporcoa u método objetvo que establece reglas base para crtcar, rechazar y aceptar "tems" de formacó cetífca cuado prevalece codcoes

Más detalles

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

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

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

Más detalles

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

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

TÉCNICAS DE MUESTREO

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

Más detalles

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

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

Más detalles

Análisis de Regresión

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

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

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

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

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

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

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

Regresión lineal simple

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

Más detalles

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

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

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

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

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

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

Más detalles

Intensificación en Estadística

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

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Estadística Descriptiva

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

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

Aplicación de Boostrapping en Regresión I

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

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

MASTER S DEGREE IN SUPPLY CHAIN, TRANSPORT AND LOGISTICS

MASTER S DEGREE IN SUPPLY CHAIN, TRANSPORT AND LOGISTICS Curs Academc 07-8 Aàls de Dades de Trasport Logístca (40ST04) OTES DE CLASSE: Block 6 Itroduccó al Mostreg PROFESSOR: Lída Motero Setembre 07 Versó.6 MASTER S DEGREE I SUPPLY CHAI, TRASPORT AD LOGISTICS

Más detalles

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

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

Más detalles

MODELS DE CAPTACIÓ, ANÀLISI Y INTERPRETACIÓ DE DADES

MODELS DE CAPTACIÓ, ANÀLISI Y INTERPRETACIÓ DE DADES MODELS DE CAPTACIÓ, AÀLISI Y ITERPRETACIÓ DE DADES MASTER DE LOGÍSTICA, TRASPORT MOBILITAT MASTER D ESTADÍSTICA I IVESTIGACIÓ OPERATIVA APUTS DE CLASSE PROF. LÍDIA MOTERO: TEMA 5: ITRODUCCIÓ A LA TEORIA

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

AGRO Examen Parcial 1

AGRO Examen Parcial 1 AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

EVALUACIÓN ESTADÍSTICA DE ENCUESTAS MENSUALES O PERIÓDICAS : ANÁLIS IS DE S ES GO Y COBERTUTA ES TADIS TICA

EVALUACIÓN ESTADÍSTICA DE ENCUESTAS MENSUALES O PERIÓDICAS : ANÁLIS IS DE S ES GO Y COBERTUTA ES TADIS TICA PONENTE: GENARO SÁNCHEZ BARAJAS PROFESOR TITULAR NIVEL C DE LA FACULTAD DE ECONOMIA DE LA UNAM Y DOCTORANTE EN LA ACAD EMIA DE C IENCIAS DE RUS IA. TEMA PARA LA MESA 3 DE ECONOMETRIA EVALUACIÓN ESTADÍSTICA

Más detalles

3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)

3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple) 1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Estadística Descriptiva

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

Más detalles

Fórmulas y tablas estadísticas Marjorie Mora Valverde

Fórmulas y tablas estadísticas Marjorie Mora Valverde Fórmulas y tablas estadístcas Marjore Mora Valverde 59.5 F76f Fórmulas y tablas estadístcas / Marjore Mora Valverde (compladora).. ed., a. rempr. Sa José, C.R. : Edtoral UCR, 008. 88 p. ISB 978-9968-46-007-.

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015 Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur

Más detalles

MÓDULO 2. Programa de Capacitación en Planeamiento, Regulación y Gestión Pública del Transporte Urbano Metropolitano (PTUBA)

MÓDULO 2. Programa de Capacitación en Planeamiento, Regulación y Gestión Pública del Transporte Urbano Metropolitano (PTUBA) ÓDULO PLAEAIETO Y EJECUCIÓ DE TRABAJOS DE CAPO Programa de Capactacó e Plaeameto, Regulacó Gestó Públca del Trasporte Urbao etropoltao (PTUBA) TEA 8.: ITRODUCCIÓ A LA TEORIA DEL UESTREO AUTORA: Lída otero

Más detalles

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

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

Ensayos de control de calidad

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

Más detalles

Distribuciones Muestrales

Distribuciones Muestrales Estadístca II / Fucoes Varables Aleatoras. Ig. Dey Gozález Dstrbucoes Muestrales Muestreo Aleatoro Poblacó Muestra Herrametas Estadístcas Medaa Muestral ) ) / (( ) / ( ) / ( ; es mpar ; es par = = Meda

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

1.2. Medidas de Concentración

1.2. Medidas de Concentración .. Meddas de Cocetracó Matlde Machado.. Meddas de Cocetracó La gra mayora de los mercados se ecuetra etre los extremos de competeca perfecta (cocetracó mma) y moopolo (cocetracó máxma). Las meddas de cocetracó

Más detalles

formulario EXAMEN TRANSVERSAL POR CAMPO DE CONOCIMINETO PARA EL NIVEL LICENCIATURA-ESTADÍSTICA MÓDULO MUESTREO [EXTRA-ES-MUES]

formulario EXAMEN TRANSVERSAL POR CAMPO DE CONOCIMINETO PARA EL NIVEL LICENCIATURA-ESTADÍSTICA MÓDULO MUESTREO [EXTRA-ES-MUES] formularo EXAME TRASVERSAL POR CAMPO DE COOCIMIETO PARA EL IVEL LICECIATURA-ESTADÍSTICA MÓDULO MUESTREO [EXTRA-ES-MUES] Dreccó del Área de los EGEL EERO 017 formularo EXAME TRASVERSAL POR CAMPO DE COOCIMIETO

Más detalles

Estadística Contenidos NM 4

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

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Uversdad de oora Departameto de Matemátcas Área Ecoómco Admstratva Matera: Estadístca I Maestro: Dr. Fracsco Javer Tapa Moreo emestre: 05- Hermosllo, oora, a 5 de septembre de 05. Itroduccó E la clase

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Distribuciones en el muestreo, EMV

Distribuciones 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 detalles

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos Métodos de Predccó Ifereca Curso - María Jesús Sáchez Narajo y Carola García-Martos Dstrbucó Normal Camaa de Gauss x f x ex, x R π Ifereca Ifereca 3 Meddas Característcas 3 3 4 4 3 3 4 4 3 Curtoss CA Asmetría

Más detalles