Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
|
|
- José Manuel Salazar Pinto
- hace 7 años
- Vistas:
Transcripción
1 Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 1 / 33
2 Inferencia no paramétrica Inferencia no paramétrica Objetivos En inferencia estadística es habitual partir de una hipótesis de la forma: Suponemos X 1,..., X n m.a.s. de X Hipótesis estructurales (X i i.i.d. (X )): Independencia (aleatoriedad) Homogeneidad (misma distribución) Adicionalmente, en inferencia estadística paramétrica, se supone un modelo paramétrico: La distribución de X es de la forma F θ (x) (siendo θ un parámetro desconocido) Distribución paramétrica (la distribución se ajusta a un modelo paramétrico) Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 2 / 33
3 Inferencia no paramétrica Inferencia no paramétrica Objetivos Objetivos Desarrollar herramientas que permitan veri car el grado de cumplimiento de las hipótesis anteriores: Métodos descriptivos (grá cos) Contrastes de bondad de ajuste Contrastes de aleatoriedad Desarrollar procedimientos alternativos válidos cuando estas hipótesis no se veri can (métodos de distribución libre). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 3 / 33
4 de bondad de ajuste Contrastes de bondad de ajuste Introducción A partir de X 1,..., X n m.a.s. de X con función de distribución F, interesa realizar un contraste de la forma: H0 : F = F 0 Por ejemplo: H 1 : F 6= F 0 H0 : F = N(0, 1) H 1 : F 6= N(0, 1) H 0 simple H 0 especi ca por completo la distribución de X H0 : F es normal N(µ, σ 2 ) H 1 : F no es normal H 0 compuesta H 0 sólo especi ca el tipo de distribución Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 4 / 33
5 de bondad de ajuste Introducción Métodos Grá cos Histograma Diagrama de cajas Función de distribución empírica Grá cos P-P y Q-Q Grá co de tallo y hojas Densidad suavizada... Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 5 / 33
6 de bondad de ajuste Contrastes de hipótesis Introducción Generales: H0 : F = F 0 Chi-cuadrado de Pearson Kolmogorov-Smirnov H 1 : F 6= F 0 Especí cos de normalidad: H0 : F = N(µ, σ 2 ) H 1 : F 6= N(µ, σ 2 ) Kolmogorov-Smirnov-Lilliefors Shapiro-Wilks Asimetría y apuntamiento... Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 6 / 33
7 Métodos Grá cos Histograma Métodos Grá cos Histograma Se agrupan los datos en intervalos I k = [L k 1, L k ). A cada intervalo se le asocia un valor (altura) proporcional a la frecuencia de dicho intervalo: ˆf n (x) = f i L k L k 1 = n i n (L k L k 1 ) Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 7 / 33
8 Métodos Grá cos Grá co de cajas Grá co de cajas (Box-plot) Útiles para resumir un conjunto de datos (variables cuantitativas con un amplio rango de valores), permiten visualizar la distribución y la dispersión de los datos y también detectar valores extraños (outliers). Son muy utilizados en el análisis exploratorio de datos y especialmente útiles para comparar distribuciones. NOTA: Normalidad ) simetría Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 8 / 33
9 Métodos Grá cos Ejemplos Ejemplos Distribución normal Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 9 / 33
10 Métodos Grá cos Ejemplos Ejemplos Distribución asimétrica Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 10 / 33
11 Métodos Grá cos Función de distribución empírica Función de distribución empírica La función de distribución empírica F n asigna a cada número real x la frecuencia relativa de observaciones menores o iguales que x. Se ordena la muestra X (1) X (2) X (n) y: 8 < 0 si x < X (1) i F n (x) = : n si X (i) x < X (i+1) 1 si X (n) x Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 11 / 33
12 Grá co P-P Métodos Grá cos Grá cos P-P y Q-Q Gra co de dispersión: f(f n (x i ), F 0 (x i )) : i = 1,, ng siendo F n la FD empírica y F 0 la FD bajo H 0. Si H 0 es cierta, la nube de puntos estará en torno a la recta y = x (probabilidades observadas próximas a las esperadas bajo H 0 ). NOTA: Si H 0 : F = N(µ, σ 2 ), F 0 FD de N( ˆµ, ˆσ 2 ). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 12 / 33
13 Grá co Q-Q Métodos Grá cos Grá cos P-P y Q-Q Equivalente al anterior pero en la escala de la variable (cuantiles): o nx (i), q i : i = 1,, n siendo x (i) los cuantiles observados y q i = F 1 0 (p i ) los esperados bajo H 0. NOTA: Típicamente n o (i 0.5) p i = n : i = 1,, n Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 13 / 33
14 Contraste chi-cuadrado de Pearson Contraste chi-cuadrado de Pearson Contraste de bondad de ajuste: H0 : F = F 0 H 1 : F 6= F 0 Agrupamos los datos en k clases: C 1,, C k Bajo H 0 cada clase tendrá asociada una probabilidad p i = P (X 2 C i ) Clases Probabilidades General Discreta Continua H 0 simple H 0 compuesta C 1 x 1 [L 0, L 1 ) p 1 ˆp C k x k [L k 1, L k ) p k ˆp k i p i = 1 i ˆp i = 1 H0 : Las probabilidades son correctas Contraste a realizar: H 1 : Las probabilidades no son correctas Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 14 / 33
15 Contraste chi-cuadrado de Pearson Si H 0 es cierta entonces f i p i (f i frecuencia relativa de la clase C i ), o equivalentemente las frecuencias observadas: n i = n f i deberían ser próximas a las esperadas bajo H 0 : e i = n p i Sugiriendo el estadístico del contraste: siendo: χ 2 = k (n i e i ) 2 i=1 e i aprox. χ 2 k r 1, si H 0 cierta k = número de clases r = número de parámetros estimados (para obtener las p i ). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 15 / 33
16 Contraste chi-cuadrado de Pearson (n Clases n i observadas p i bajo H 0 e i bajo H i e i ) 2 0 e i (n C 1 n 1 p 1 e 1 e 1 ) (n C k n k p k e k e k ) 2 k Total i n i = n i p i = 1 i e i = n χ 2 = k i=1 e 1 e k (n i e i ) 2 e i Cuando H 0 es cierta el estadístico tiende a tomar valores pequeños y grandes cuando es falsa. Rechazamos H 0, para un nivel de signi cación α, si: k (n i e i ) 2 χ 2 k r 1,1 α i=1 e i Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 16 / 33
17 Contraste chi-cuadrado de Pearson Distribución bajo H 0 2 k r 1 2 k r 1;1 Æ Si realizamos el contraste a partir del p-valor o nivel crítico:! p = P χ 2 k k r 1 (n i e i ) 2 i=1 e i rechazaremos H 0 si p α (y cuanto menor sea con mayor seguridad la rechazaremos) y aceptaremos H 0 si p > α (con mayor seguridad cuanto mayor sea). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 17 / 33
18 Condiciones necesarias para la validez del test Condiciones necesarias para la validez del test Para que la aproximación χ 2 de la distribución del estadístico del contraste sea válida: El tamaño muestral debe ser su cientemente grande (p.e. n > 30). La muestra debe ser una muestra aleatoria simple. En caso de que haya que estimar parámetros, los parámetros deben estimarse por el procedimiento de máxima verosimilitud. Las frecuencias esperadas e i = n p i deberían ser todas 5. Si la frecuencia esperada de alguna clase es < 5, se agrupa con otra clase (o con varias si no fuese su ciente con una) para obtener una frecuencia esperada 5. Cuando la variable es nominal (no hay una ordenación lógica) se suele agrupar con la(s) que tiene(n) menor valor de e i. Si la variable es ordinal (o contínua) debe juntarse la que causó el problema con una de las adyacentes. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 18 / 33
19 Condiciones necesarias para la validez del test Si la variable de interés es continua, una forma de garantizar que e i 5 consiste en tomar un número de intervalos igual al mayor valor: y de forma que sean equiprobables: k n/5 p i = 1/k Por ejemplo en el caso de una normal estandar consideraríamos los puntos críticos z i /k Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 19 / 33
20 Ejemplo test chi-cuadrado Ejemplo La siguiente tabla muestra los fallos de tres servidores web durante un año: Servidor Total N o de fallos A partir de estos datos, con un nivel de signi cación α = 0.05, podemos a rmar que los tres servidores tienen la misma probabilidad de fallar? Hipótesis del contraste: H0 : p 1 = p 2 = p 3 = 1 3 H 1 : p i 6= p j para algún i, j Estadístico del contraste: χ 2 = k (n i e i ) 2 i=1 e i k = número de clases = 3 r = número de parámetros estimados = 0 aprox. χ 2 k r 1, si H 0 cierta Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 20 / 33
21 Ejemplo test chi-cuadrado Regla de decisión: rechazamos H 0 si: Realización del contraste: χ 2 χ 2 2,0.95 = 5.99 (n Categoría n i observadas p i bajo H 0 e i bajo H i e i ) 2 0 e i 1 8 1/ / / Total χ 2 = Como < 5.99 ) aceptamos que los tres servidores tienen la misma probabilidad de fallo. Cálculo del p-valor: p = P χ = > 0.1 (tablas) como p α aceptamos claramente H 0. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 21 / 33
22 Contraste de Kolmogorov-Smirnov Contraste de Kolmogorov-Smirnov Contraste de bondad de ajuste de distribuciones continuas. Se basa en comparar la FD bajo H 0 (F 0 ) con la FD empírica (F n ): D n = sup jf n (x) = max i=1,,n F 0 (x)j, x n jf n (X (i) ) F 0 (X (i) )j, jf n (X (i 1) ) F 0 (X (i) )j o NOTA: F n X (i) = i n Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 22 / 33
23 Contraste de Kolmogorov-Smirnov i D n = max F 0 (X 1in n (i) ), F 0 (X (i) ) = max D + 1in n,i, D n,i i 1 n Si H 0 es simple y F 0 es continua, la distribución del estadístico D n bajo H 0 no depende F 0. Esta distribución está tabulada (para tamaños muestrales grandes se utiliza la aproximación asintótica). Se rechaza H 0 si: D n D KS n,1 α Si H 0 es compuesta, los parámetros desconocidos se estiman por máxima verosimilitud y se trabaja con ˆF 0, aunque los cuantiles de la distribución de D n pueden ser demasiado conservativos (puede ser preferible aproximarlos por simulación). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 23 / 33
24 Ejemplo test KS Ejemplo (problema 2.4) X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: Contrastar si la distribución de X es exponencial: f (x) = λe λx si x > 0 F (x) = P (X x) = 1 e λx si x > 0 Se estima el parámetro λ = 1 E (X ), ˆλ = 1 x = = Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 24 / 33
25 Ejemplo test KS Se calcula la tabla del contraste K-S: ˆF 0 x (i) F n x (i x (i) 1) F n x (i) D n,i ˆD n = y p = P (D n 0.201) = 0.81 > 0.2 (tablas) ) Se acepta la hipótesis de que las observaciones siguen una distribución exponencial. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 25 / 33
26 Contraste de Kolmogorov-Smirnov-Lilliefors Contraste de Kolmogorov-Smirnov-Lilliefors Contraste de normalidad, H 0 : F = N(µ, σ 2 ), empleando el estadístico D n anterior. Los parámetros se estiman por máxima verosimilitud y ˆF 0 = Φ ((x x)/s) siendo Φ (z) la FD de una N(0, 1). El estadístico del contraste es: D n = sup jf n (x) x x Φ s x j Esta distribución está también tabulada. Se rechaza H 0 si: D n D KSL n,1 α Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 26 / 33
27 Ejemplo test KSL Ejemplo (problema 2.4) X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: Contrastar si la distribución de X es normal: H0 : X N(µ, σ 2 ) H 1 : X N(µ, σ 2 ) Se estiman los parámetros µ y σ: ˆµ = x = ˆσ = s = Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 27 / 33
28 Ejemplo test KSL Se calcula la tabla del contraste K-S-L: x (i) z (i) ˆF 0 x (i) F n x (i z (i) = x (i) x s = Φ = i 1 n 1) F n x (i) = i n D n,i ˆD n = y p = P D KSL n = ' 0.2 (tablas, 0.217) ) Se acepta la hipótesis de que las observaciones siguen una distribución normal. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 28 / 33
29 Contraste de simetría Contrastes Contraste de simetría Coe ciente de asimetría: Bajo la hipótesis de normalidad CA CA = n i=1(x i x) 3 ns 3 aprox. N(0, 6 n ) Coe ciente de asimetría estandarizado: r n CAS = 6 CA N(0, 1). aprox. Se rechaza la hipótesis de simetría si: jcasj Z 1 α 2 Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 29 / 33
30 Ejemplo (problema 2.4) Contrastes Ejemplo test simetría X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: CA = n i=1 (x i x ) 3 = ns q 3 6 ˆσ (CA) = 10 = CAS = ˆσ(CA) CA = = R.A. = ( 1.96, 1.96) p = 2 P (Z j0.828j) ' = Como p α aceptamos (claramente) la hipótesis nula de que la distribución de los datos es simétrica Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 30 / 33
31 Contraste de apuntamiento Contraste de apuntamiento Coe ciente de apuntamiento o curtosis: Bajo la hipótesis de normalidad CAp CAp = n i=1(x i x) 4 ns 4 3 N(0, 24 aprox. n ) Coe ciente de apuntamiento estandarizado: r n CApS = 24 CAp N(0, 1) aprox. Se rechaza la hipótesis de curtosis nula si: jcapsj Z 1 α 2 Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 31 / 33
32 Ejemplo (problema 2.4) Contrastes Ejemplo test apuntamiento X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: CAp = q 24 ˆσ (CAp) = 10 = CApS = CAp ˆσ(CAp) = = R.A. = ( 1.96, 1.96) p = 2 P (Z j 0.902j) ' = Como p > α = 0.05 aceptamos (claramente) la hipótesis nula de que la distribución de los datos tiene curtosis nula. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 32 / 33
33 Transformaciones para corregir la falta de normalidad Transformaciones para corregir la falta de normalidad Si hay falta de normalidad, la solución a tomar depende del tipo de distribución que muestran los datos y de los objetivos de la inferencia. Si la distribución es unimodal y asimétrica, se puede pensar en transformar los datos para aproximarlos a la normalidad. X p X ln(x) En otros casos se puede pensar en utilizar métodos alternativos no paramétricos. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 33 / 33
478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesEstadísticos Descriptivos
ANÁLISIS EXPLORATORIO DE DATOS El análisis exploratorio tiene como objetivo identificar el modelo teórico más adecuado para representar la población de la cual proceden los datos muéstrales. Dicho análisis
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesTest de Kolmogorov-Smirnov
Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesPruebas de Bondad de Ajuste
1 Facultad de Ingeniería IMERL PROBABILIDAD Y ESTADÍSTICA Curso 2008 Pruebas de Bondad de Ajuste En esta sección estudiaremos el problema de ajuste a una distribución. Dada una muestra X 1, X 2,, X n de
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesFundamentos de Estadística
Fundamentos de Estadística Introducción a la Estadística Prof. Dr. Eduardo Valenzuela Domínguez eduardo.valenzuela@usm.cl Universidad Técnica Federico Santa María Dr. Eduardo Valenzuela D.; MEE 2005 p.
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesMétodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va
Métodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL
ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL DEPARTAMENTO DE GEOGRAFÍA FACULTAD DE HUMANIDADES UNNE Prof. Silvia Stela Ferreyra Revista Geográfica Digital. IGUNNE. Facultad de Humanidades.
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesSE OFRECE A ESTUDIANTES DE GRADO: SI X. MÓDULO DEL PLAN 2013 EN QUE ACREDITA: Módulo Metodológico DESCRIPTORES: Probabilidad y Estadística
Asignatura: Probabilidad y Estadistica para Investigadores en ciencias del comportamiento I Tipo: Optativa Créditos: 15 Fecha tentativa: de 12:30 a 17:00 hrs desde el 23/04/2014 Lugar: Salón 9 Cupos: 20
Más detallesMódulo de Estadística
Módulo de Estadística Tema 2: Estadística descriptiva Tema 2: Estadísticos 1 Medidas La finalidad de las medidas de posición o tendencia central (centralización) es encontrar unos valores que sinteticen
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011 CÓMO CARACTERIZAR UNA SERIE DE DATOS? POSICIÓN- dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos CENTRALIZACIÓN-
Más detallesTema 8. Fundamentos de Análisis discriminante
Máster en Técnicas Estadísticas Análisis Multivariante. Año 2008 2009. Profesor: César Sánchez Sellero. Tema 8. Fundamentos de Análisis discriminante 8.1. Introducción. Empezamos deniendo el problema discriminante.
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesCURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
Más detallesTransformaciones de variables
Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO
Facultad de Ingeniería Escuela de Civil Hidrología ANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO Prof. Ada Moreno ANÁLISIS DE FRECUENCIA Es un procedimiento para
Más detallesTema: Medidas de Asociación con SPSS
Tema: Medidas de Asociación con SPSS 1.- Introducción Una de las tareas habituales en el análisis de encuestas es la generación y análisis de tablas de contingencia, para las variables y categorías objetivo
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesTema 5. Variables Aleatorias
Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesPráctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD
Práctica 5.Métodos descriptivos para determinar la normalidad 1 Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Objetivos: En esta práctica utilizaremos el paquete SPSS para determinar si
Más detallesPuntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010
Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Objetivos de Lección Conocer características principales de una
Más detallesJulio Deride Silva. 27 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
Más detalles1.2.2. Técnicas estadísticas más utilizadas en la investigación
Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN
Más detallesCarrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS
INTRODUCCIÓN AL ANÁLISIS DE DATOS HORARIOS: Lunes, 12:00-13:30 Martes, 8:15-9:45 Jueves, 8:15-9:45 Tema 1. Introducción. El análisis de datos dentro de la estadística. Características de los datos socioeconómicos.
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesModelado de la aleatoriedad: Distribuciones
Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:
Más detallesTema 2 Estadística Descriptiva
Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 36 alumnos de un curso de Estadística de la Universidad de Talca. En esta base de datos
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesY accedemos al cuadro de diálogo Descriptivos
SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas
Más detallesCurso 2016/17 Grados en Biología y Biología Sanitaria Departamento de Física y Matemáticas Marcos Marvá Ruiz ESTADÍSTICA
Curso 2016/17 Grados en Biología y Biología Sanitaria Departamento de Física y Matemáticas Marcos Marvá Ruiz ESTADÍSTICA Algunas ideas generales Una definición de Estadística: parte de las matemáticas
Más detallesEstadística Asistencial I. Prof. Rafael Rey
Estadística Asistencial I Prof. Rafael Rey Contenidos del curso INTRODUCCIÓN A LA ESTADÍSTICA: origen como disciplina (institucionalización de la generación de Estadísticas y complejidades instrumentales
Más detalles2.1. Introducción Análisis exploratorio Análisis exploratorio para variables con muchas modalidades
Tema 2 Análisis gráfico Contenido 2.1. Introducción............................. 1 2.2. Análisis exploratorio......................... 2 2.2.1. Análisis exploratorio para variables con pocas modalidades
Más detallesCAPITULO ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ En el presente capítulo se realiza el análisis estadístico multivariado de los
112 CAPITULO 5 5.- ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ 5.1. Introducción En el presente capítulo se realiza el análisis estadístico multivariado de los datos obtenidos en censo correspondientes a
Más detallesINTERVALO DE CONFIANZA PARA LA PROPORCIÓN
INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesANÁLISIS DE DATOS UNIDIMENSIONALES
ANÁLISIS DE DATOS UNIDIMENSIONALES TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS MEDIDAS DE POSICIÓN MEDIDAS DE TENDENCIA CENTRAL MEDIA ARITMÉTICA OTRAS MEDIAS: GEOMÉTRICA.ARMÓNICA.MEDIA GENERAL MEDIANA
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesGermán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala
Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesUNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE CIENCIAS FORESTALES
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE CIENCIAS FORESTALES CARRERAS: Ing. en Industrias forestales. PLAN DE ESTUDIOS: 1996 ASIGNATURA: FUNDAMENTOS DE ESTADISTICA AÑO : 2015 UBICACIÓN:
Más detallesweb: http://www.uv.es/friasnav/
LAS PRUEBAS PARAMÉTRICAS 1. Se conoce el modelo de distribución de la población objeto de estudio y se desconoce un número finito de parámetros de dicha distribución que hay que estimar con los datos de
Más detallesModelo Econométrico sobre el Turismo
Modelo Econométrico sobre el Turismo Ruth Rubio Rodríguez Miriam Gómez Sánchez Mercados 3ºA GMIM Índice Planteamiento del Problema..4 1. Estadísticos Descriptivos...5 2. Matriz Correlaciones 5 3. Gráfico
Más detallesANÁLISIS DESCRIPTIVO Y EXPLORATORIO DE DATOS
ANÁLISIS DESCRIPTIVO Y EXPLORATORIO DE DATOS José Manuel Rojo Laboratorio de Estadística Instituto de Economía y Geografía Consejo Superior de Investigaciones Científicas Madrid, 22 a 26 de Junio de 2006
Más detallesTítulo: ESTADISTICA I DESDE UN ENFOQUE POR COMPETENCIAS Primera edición. de esta edición. Fondo Editorial. Universidad San Ignacio de Loyola
Título: ESTADISTICA I DESDE UN ENFOQUE POR COMPETENCIAS 2014. Primera edición de esta edición Fondo Editorial Universidad San Ignacio de Loyola Av. La Fontana 750, La Molina Teléfono: 317-1000 anexo 3705
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detalles1. Estadística Descriptiva 9
Índice 1. Estadística Descriptiva 9 1.1. Introducción............................. 9 1.2. Representaciones gráficas..................... 9 1.2.1. Representaciones de datos de tipo cualitativo...... 10
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesUNIDAD 7 Medidas de dispersión
UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada
Más detallesProbabilidad y Estadística, EIC 311
Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detalles