MUESTREO EN POBLACIONES FINITAS
|
|
- Lidia Segura Bustos
- hace 7 años
- Vistas:
Transcripción
1 MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1
2 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño de la muestra e nferenca 6. Muestreo en poblacones fntas 6.1 Muestreo aleatoro smple 6. Muestreo aleatoro estratfcado A.Morllas: Muestreo
3 INTRODUCCIÓN Dos aspectos báscos de la nferenca estadístca, no vstos aún: Proceso de seleccón de la muestra: Métodos de muestreo Tamaño adecuado en poblacones fntas: Fabldad y coste A.Morllas: Muestreo 3
4 ETAPAS EN EL MUESTREO. ESQUEMA 1.Defnr la INFORMACIÓN que se necesta 6. Conclusones sobre la POBLACIÓN. Determnar la POBLACIÓN y ver LISTADO 5. Uso de la muestra para INFERENCIA 3. MÉTODO de muestreo y TAMAÑO de la muestra 4. Cuestonaro: NO RESPUESTA y garantzar FIABILIDAD (DISEÑO) A.Morllas: Muestreo 4
5 TIPOS DE ERROR Debdos al muestreo ncertdumbre Ajenos al muestreo: 1. Defncón ncorrecta de la poblacón. Respuestas falsas o mprecsas 3. Falta de respuesta posble sesgo 4. Sesgo en la seleccón elementos muestrales 5. Errores de manpulacón, tabulacón y cálculo No hay un crtero general para evtarlos y/o analzarlos mnmzarlos A.Morllas: Muestreo 5
6 MÉTODOS DE MUESTREO Muestreo aleatoro: Undad muestral elemental: a.1) muestreo aleatoro smple a.) muestreo aleatoro sstemátco a.3) muestreo aleatoro estratfcado Undad muestral grupo: b.1) muestreo por áreas y conglomerados b.) muestreo por etapas Muestreo no aleatoro y semaleatoro: En general, no centífco ; no estuda precsón: c.1) por cuotas c.) de juco u opnón A.Morllas: Muestreo 6
7 MUESTREO ALEATORIO SIMPLE Srve de base a los demás métodos Es el más sencllo desde el punto de vsta teórco Todos los elementos muestrales se tratan como guales La seleccón es sn reposcón Todas las muestras posbles son gualmente probables Cuando N es muy grande su coste es muy alto A.Morllas: Muestreo 7
8 MUESTREO ALEATORIO SISTEMÁTICO Se necesta un lstado ordenado de los elementos El orden no debe afectar a la aleatoredad sesgo Se seleccona al azar el prmer elemento muestral (k) menor que p=n/n n grupos o clases de p elementos. Elegdo éste, los demás se obtenen sumándole p al anteror: k+p, k+p,... El método garantza que aparezcan elementos de todas las clases, por lo que puede generar muestras más representatvas que el muestreo aleatoro smple A.Morllas: Muestreo 8
9 MUESTREO ALEATORIO SISTEMÁTICO N = tamaño poblacón n = tamaño muestra Lstado k<p 1 k+p (N/n)=p k+p k+3p N El orden no debe afectar a la aleatoredad A.Morllas: Muestreo 9
10 MUESTREO ESTRATIFICADO En ocasones es ndspensable agrupar los elementos de la poblacón en clases o estratos, que han de ser: Homogéneos en sus elementos Heterogéneos entre sí Mejor nformacón. Reduce errores y costes Dentro de cada estrato se aplcará un muestreo aleatoro smple o sstemátco A.Morllas: Muestreo 10
11 MUESTREO POR CONGLOMERADOS Conglomerado: grupo de elementos de la poblacón La undad de muestreo es el conglomerado Se selecconan aleatoramente certo número de conglomerados y se nvestgan todos sus elementos Característcas: homogenedad entre conglomerados; heterogenedad dentro de cada conglomerado Se reduce problema de lstado (solo para undades selecconadas), no es necesaro saber tamaño poblacón, entrevstas dentro del grupo (conglomerado) menos costoso A.Morllas: Muestreo 11
12 MUESTREO POR ETAPAS Generalzacón del muestreo por conglomerados Suele hacerse descendendo de conglomerados más grandes a más pequeños: Provnca Muncpo Barro Edfco Famla En cada etapa se aplca el muestreo aleatoro, sstemátco o estratfcado Objetvo: Reducr al mínmo el coste del lstado A.Morllas: Muestreo 1
13 VENTAJAS E INCONVENIENTES MUESTREO ALEATORIO SIMPLE CARACTERISTICAS Se seleccona una muestra de tamaño n de una poblacón de N undades. Cada elemento tene una probabldad de nclusón gual y conocda de n/n. VENTAJAS Sencllo y de fácl comprensón. INCONVENIENTES Requere que se posea de antemano un lstado completo de toda la poblacón. Coste. A.Morllas: Muestreo 13
14 VENTAJAS E INCONVENIENTES MUESTREO SISTEMÁTICO CARACTERISTICAS Consegur un lstado de los N elementos de la poblacón. Determnar p= N/n. Elegr un número aleatoro, k, entre 1 y p (k= arranque aleatoro). Selecconar los elementos de la lsta. VENTAJAS Fácl de aplcar. Cuando la poblacón está ordenada, asegura una cobertura de undades de todos los tpos. INCONVENIENTES S la constante de muestreo está asocada con el fenómeno de nterés, las estmacones obtendas a partr de la muestra pueden contener sesgo de seleccón A.Morllas: Muestreo 14
15 VENTAJAS E INCONVENIENTES MUESTREO ESTRATIFICADO CARACTERISTICAS VENTAJAS INCONVENIENTES Estratfca la muestra según certas varables de nterés. Para ello debemos conocer la composcón estratfcada de la poblacón objetvo. El tamaño muestral se reparte entre los dstntos estratos defndos en la poblacón, según certos crteros. Tende a asegurar muestra adecuada a la poblacón. Estmacones más precsas. Muestra más semejante a la poblacón (varables estratfcadoras). Se ha de conocer la dstrbucón en la poblacón de las varables utlzadas para la estratfcacón. A.Morllas: Muestreo 15
16 VENTAJAS E INCONVENIENTES MUESTREO CONGLOMERADOS-ETAPAS CARACTERISTICAS Se selecconan aleatoramente certo número de conglomerados. Se nvestgan todos los elementos de cada uno de ellos. Se realzan varas fases de muestreo sucesvas, de más grandes a más pequeños (embudo) VENTAJAS Es muy efcente cuando la poblacón es muy grande y dspersa. No es precso tener un lstado de toda la poblacón. Menor coste. INCONVENIENTES El error estándar es mayor que en el muestreo aleatoro smple o estratfcado. El cálculo del error estándar es complejo. A.Morllas: Muestreo 16
17 TAMAÑO MUESTRAL E INFERENCIA La muestra debe reproducr las característcas de la poblacón. Hay dos cuestones báscas: - Cantdad de elementos de la muestra - Generalzacón de sus resultados a la poblacón Ambas cosas, tamaño muestral y métodos de nferenca, están relaconadas con la precsón de las estmacones. A.Morllas: Muestreo 17
18 Error: ERROR E INTERVALO DE CONFIANZA CASO DE LA MEDIA ε = µ x Intervalo de confanza (1-α): x z σ µ x + z σ 1 α / x 1 α / x Z α/ 1 α/ 1( α) Z Z1 α / N(0,1) x µ = N(0,1) σ / n µ x z σ σ = 1 α / ε = µ x = z 1 / α A.Morllas: Muestreo 18 x σ n x σ n
19 TAMAÑO MUESTRAL PARA LA MEDIA POBLACIONES INFINITAS Despejando de la últma expresón, para un nvel de confanza (1-α) y un error máxmo permtdo de tamaño ε, se obtene: z n 1 α / = ε σ n = (para una confanza del 95,5% el percentl de Z vale ) 4 σ ε A.Morllas: Muestreo 19
20 TAMAÑO MUESTRAL PROPORCIÓN POBLACIONES INFINITAS Recordemos que: Error: Despejando: n máxma: σ = ˆp pq n = p pˆ = z ε 1 α / n n pq n z1 α / pq 4pq = n = ε ε max 4pq 4 0, 5 1 = = = ε ε ε A.Morllas: Muestreo 0
21 ESTIMACIÓN POR INTERVALOS Una vez fjado el tamaño de la muestra: La mejor estmacón por puntos del gasto medo será la meda de la muestra. La de la proporcón, la observada en la muestra. Con ellas, y obtenda la varanza del estmador, podremos construr los correspondentes ntervalos de confanza, que nos dan una dea de la horqulla en que se mueve el verdadero valor del parámetro. A.Morllas: Muestreo 1
22 ESTIMACIÓN POR INTERVALOS Meda : ( x z σ µ x + z σ ) 1 α / x 1 α / x Proporcón : ( pˆ z σ p pˆ + z σ ) 1 α / pˆ 1 α / pˆ A.Morllas: Muestreo
23 MUESTREO POBLACIONES FINITAS POBLACIÓN FINITA: el número de elementos de la muestra puede llegar a ser una proporcón aprecable de los de la poblacón. La precsón de la estmacón sería superor, al estar mejor representada el conjunto de la poblacón. La varanza del estmador ha de corregrse por el factor: N -n N -1 A.Morllas: Muestreo 3
24 MUESTREO ALEATORIO SIMPLE TAMAÑO DE LA MUESTRA: MEDIA Error máxmo permtdo, al estmar µ por la meda muestral, para un nvel de confanza: ε= z σ 1-α/ x σ = x ε z 1-α/ µ (x± ε ) Luego fjar el error máxmo permtdo equvale a predetermnar la varanza del estmador (funcón de n), para un nvel de confanza dado - 100(1-α)% - El tamaño de la muestra puede calcularse a partr de cualquera de estas dos expresones ) (ε, σ x A.Morllas: Muestreo 4
25 MUESTREO ALEATORIO SIMPLE TAMAÑO DE LA MUESTRA: MEDIA (CÁLCULO A) A partr de la varanza del estmador: σ N -n σ = x n N -1 Operando: n(n -1) σ =σ (N -n)=σn -σn x n(n -1) σ +σn= σn x Nz σ n = Nσ = 1-α/ (N - 1) σ σ (N -1)ε +z σ x + 1-α/ al hacer σ = ε/ z x 1-α/ σ desconocda encuesta ploto A.Morllas: Muestreo 5
26 MUESTREO ALEATORIO SIMPLE TAMAÑO DE LA MUESTRA: MEDIA (CÁLCULO B) Elevando el error al cuadrado: ε = z σ 1-α/ x Introducendo la varanza del estmador: σ ε = z (N -n) 1-α/ n (N -1) Operando: n(n -1)ε = z σ (N -n)= z σ N -z σ n 1-α/ 1-α/ 1-α/ n(n -1)ε + z σn= z σn 1-α/ 1-α/ Nz σ al hacer ε = z σ n= 1-α/ = Nσ 1-α/ x (N -1)ε +z σ 1- (N -1) σ σ desconocda α/ x +σ encuesta ploto A.Morllas: Muestreo 6
27 Estmacón por puntos: MUESTREO ALEATORIO SIMPLE INFERENCIA SOBRE LA MEDIA x= 1 n n x =1 Estmacón por ntervalos: µ (x± z σ ˆ ) 1-α/ x N -n En poblacones fntas: σ = σ factor de correccón x n N -1 Como σ es desconocda se estma medante: s ˆ N -1 nsesgado N ˆ Hacendo operacones σ ˆ = s (N -n) x n N Para utlzar la normal, n será sufcentemente grande. σ x S n es pequeña y se supone normaldad t de Student desconocda A.Morllas: Muestreo 7
28 MUESTREO ALEATORIO SIMPLE TAMAÑO DE LA MUESTRA: PROPORCIÓN Varanza del estmador: σ = pq N -n pˆ n N -1 Nz pq n= Npq = 1-α/ (N -1)σ p ˆ + pq (N -1) ε +z 1-α/ pq Como p no se conoce, o se estma o n max : al hacer 0,5Nz n = 0,5N = 1-α / max ( N -1)σ p ˆ +0,5 (N -1)ε +0, 5z 1-α/ σ = ε pˆ z1-α/ A.Morllas: Muestreo 8
29 MUESTREO ALEATORIO SIMPLE INFERENCIA SOBRE LA PROPORCIÓN Estmacón por puntos: p= ˆ x n x = número de observacones con la característca estudada Estmacón por ntervalos: p (p± ˆ z σ ˆ ) 1-α/ p ˆ σ = pq N -n pˆ n N -1 pq ˆ ˆ (N -1) (n-1) N σ ˆ = pq ˆ ˆ (N -n) p ˆ (n-1) N A.Morllas: Muestreo 9
30 MUESTREO ALEATORIO ESTRATIFICADO Poblacón dvdda en K estratos: Tamaños muestrales de los estratos: N 1 + N N K = N n 1 + n n K = n Medas poblaconales de los estratos: µ 1 µ... µ K Medas muestrales de los estratos: x x... x 1 K Proporcones muestrales en estratos: ˆp ˆp.. ˆp 1 K En cada estrato se hace un muestreo aleatoro smple: Estmadores nsesgados (µ, p ): x ˆp Estmadores nsesgados de la varanca de x y ˆp : s ˆ (N -n ) σ ˆ = x n N pq ˆ ˆ ( N - n ) ˆ σ = p ˆ ( n -1) N A.Morllas: Muestreo 30
31 DISTRIBUCIÓN DE LA MUESTRA ENTRE ESTRATOS-1 No hay una respuesta únca Crteros de asgnacón (afjacón): 1. Unforme: todos gual; poco sentdo real.. Proporconal: La proporcón de elementos de la poblacón en cada estrato se aplca a la muestra: N N = n n n = N N n A.Morllas: Muestreo 31
32 DISTRIBUCIÓN DE LA MUESTRA ENTRE ESTRATOS- 3. Óptma: Pondera el crtero anteror con las varanzas de los respectvos estratos, asgnando más observacones a los estratos con mayor varanza poblaconal. Es el más deseable s el objetvo únco es la precsón en la estmacón: N σ n = n Meda y total: K σ, encuesta ploto N σ =1 Proporcón: N p q n = n K n máxma N p q =1 A.Morllas: Muestreo 3
33 MUESTREO ALEATORIO ESTRATIFICADO TAMAÑO DE LA MUESTRA: MEDIA Asgnacón proporconal: K N σ n= =1 ; con σ = ε 1 K x Nσ z x + N σ 1-α/ N =1 Asgnacón óptma: 1 K N σ Denom. de n N n= =1 ; con σ = ε 1 K x z Nσ x + N σ 1-α/ N =1 A.Morllas: Muestreo 33
34 MUESTREO ALEATORIO ESTRATIFICADO TAMAÑO DE LA MUESTRA: PROPORCIÓN Asgnacón proporconal: Asgnacón óptma: K N p q n= =1 ; con σ = ε 1 K pˆ Nσ z pˆ + N p q α/ N =1 1 K N p q N n= =1 ; con σ = ε 1 K pˆ Nσ z pˆ + N p q α/ N =1 A.Morllas: Muestreo 34
35 MUESTREO ALEATORIO ESTRATIFICADO INFERENCIA SOBRE LA MEDIA Estmacón por puntos: 1 K µ= N µ N =1 x = 1 K N x N =1 Estmacón por ntervalos: K σ ˆ = 1 N σˆ x x N =1 µ (x ±z σ ˆ ) 1-α/ x A.Morllas: Muestreo 35
36 MUESTREO ALEATORIO ESTRATIFICADO INFERENCIA SOBRE LA PROPORCIÓN Proporcones poblaconales de los estratos: p, p,... p 1 K Proporcones muestrales de los estratos: pˆ, pˆ,... pˆ 1 K Estmacón por puntos: 1 K p= N p N ˆ 1 K p= N p ˆ =1 N =1 Estmacón por ntervalos: ˆ K σ = 1 ˆ N σ ˆ p pˆ N =1 p (p± ˆ z σ ˆ ) 1-α/ p ˆ pˆ q ˆ (N -n ) σ ˆ = p ˆ (n -1) N A.Morllas: Muestreo 36
MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
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
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 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 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 detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesEstadísticos 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 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 detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
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 detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
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 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 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 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 detallesMETODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 014 INSTITUTO NACIONAL DE ESTADÍSTICAS AÑO 016 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
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 detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
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 ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR
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 detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.
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 detallesMinería de Datos (MD) estadística
Mnería de datos Tema 3: Métodos Báscos: Algortmos Mnería de Datos (MD) estadístca Por qué una aproxmacón estadístca en la MD? La utlzacón de característcas para representar una entdad provoca una pérdda
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesTEORÍA DE MUESTREO. (HAMLET Mata Mata prof. Del Tecnologico de El Tigre)
TEORÍA DE MUETREO (HAMLET Mata Mata prof. Del Tecnologco de El Tgre) www.mpagna.cantv.net/hamletmatamata POBLACIÓ Y MUETRA Una poblacón está determnada por sus característcas defntoras. Por lo tanto, el
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
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 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 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 detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
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 detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
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 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 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 detallesDISEÑO COMPLETAMENTE ALEATORIZADO
DISEÑO COMPLETAMENTE ALEATORIZADO yj µ + τ + uj ; :,..., I ; j:,..., n µ : Meda general ; τ : Efecto del tratamento esmo u j : Errores expermentales HIPOTESIS DEL MODELO La meda sea cero: La varanza sea
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 detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesDISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 2017
DISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 207 267 INTRODUCCIÓN Con la fnaldad de replcar la Segunda Encuesta Naconal de Cultura Consttuconal, se dseñó una muestra a nvel naconal, que sgue
Más detallesPara un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:
7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesTEMA 1.- CONCEPTOS BÁSICOS
TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesDiseños muestrales en la investigación
Dseños muestrales en la nvestgacón Gonzalo Tamayo * Introduccón Lo que hoy denomnamos nvestga cón, se ncó en el momento en que el hombre se enfrentó a problemas y, frente a ellos, comenzó a nterrogarse
Más detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detallesTEMA 7. ANÁLISIS DE SUPERVIVENCIA
TEMA 7. ANÁLISIS DE SUPERVIVENCIA CONTENIDOS 7. Funcón de supervvenca. 7.2 Estmacón no paramétrca de la funcón de supervvenca. 7.2. Tempos de supervvenca dscretos. Estmador de Kaplan-Meer. 7.2.2 Tempos
Más detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesINTRODUCCIÓN A LOS MODELOS DE SUPERPOBLACIÓN EN LAS TÉCNICAS DE MUESTREO CON PROBABILIDADES DESIGUALES
Metodología de Encuestas ISSN: 1575-7803 Vol 4, Núm 1, 00, 87-104 INTRODUCCIÓN A LOS MODELOS DE SUPERPOBLACIÓN EN LAS TÉCNICAS DE MUESTREO CON PROBABILIDADES DESIGUALES Gonzalo Sánchez-Crespo Insttuto
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 detallesESTIMACIÓN DEL TOTAL DE HOGARES CON NECESIDADES BÁSICAS INSATISFECHAS EN LA CIUDAD DE ROSARIO UTILIZANDO MODELO DE SEMIVARIOGRAMA
Decmoctavas Jornadas "Investgacones en la Facultad" de Cencas Económcas y Estadístca. Novembre de 013. Borra, Vrgna Laura Pagura, José Alberto Insttuto de Investgacones Teórcas y Aplcadas de la Escuela
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
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 detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
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 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 detallesCASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS)
Caso 6: Calbrado para fosfato y predccón nversa 43 Caso 6 : Calbrado para fosfato y predccón nversa (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) CASO PRÁCTICO Al hacer calbrados con
Más detallesIN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco
Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel
Más detallesControl de la exactitud posicional por medio de tolerancias
Control de la exacttud posconal por medo de tolerancas Francsco Javer Arza López José Rodríguez-Av María Vrtudes Alba Fernández Plan Estatal de Investgacón Centífca y Técnca y de Innovacón 2013-2016. Ref.:
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 detallesPara una población dada, se pueden estudiar simultáneamente dos o más caracteres cuantitativos diferentes.
BLOQUE III. VALORACIÓN INMOBILIARIA. SISTEMAS DE LA INFORMACIÓN. GESTIÓN PATRIMONIAL. T E M A 10 Estadístca valoracón urbana (II): Austes por el método de los mínmos cuadrados. Regresón correlacón. Regresón
Más detallesLECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)
LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesCASO 1: Variable CONTINUA con idéntica probabilidad de ocurrencia para los infinitos valores comprendidos entre dos extremos (inferior y superior)
DIFERENTES TIOS DE DISTRIBUCIÓN UTILIZACIÓN DE FUNCIONES DE EXCEL EN MODELOS DE SIMULACIÓN Utlzacón ndvdual y conjunta de funcones para la representacón del comportamento de varables bajo las alternatvas
Más detallesTEMA 2: MAGNITUDES ALEATORIAS
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA : MAGNITUDES ALEATORIAS..- Varable aleatora. Varables dscretas y contnuas..- Dstrbucón de probabldad de una varable aleatora.3.- Característcas de las varables
Más detallesLOS MEXICANOS VISTOS POR SÍ MISMOS LOS GRANDES TEMAS NACIONALES. Introducción
DISEÑO MUESTRAL LOS MEXICANOS VISTOS POR SÍ MISMOS LOS GRANDES TEMAS NACIONALES 2 Introduccón La coleccón Los mexcanos vstos por sí msmos. Los grandes temas naconales dbuja un panorama extenso del país,
Más detallesRegresión múltiple k k
Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror.
Más detallesTema 5: PROBLEMAS EN LA ESTIMACIÓN DEL MODELO DE REGRESIÓN LINEAL SIMPLE
Introduccón a la Econometría Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO Tema 5: PROBLEMAS E LA ESTIMACIÓ DEL MODELO DE REGRESIÓ LIEAL SIMPLE. Problemas en la especfcacón del modelo. La prmera etapa de
Más detallesESTADÌSTICA INFERENCIAL
DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA ADMINISTRACIÓN DE EMPRESAS ESTADÌSTICA INFERENCIAL MÓDULO EN REVISIÓN DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA
Más detallesUNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MEDICINA VETERINARIA Y ZOOTECNIA MÉTODOS DE MUESTREO PARA LA PRODUCCIÓN Y LA SALUD ANIMAL
UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MEDICINA VETERINARIA Y ZOOTECNIA MÉTODOS DE MUESTREO PARA LA PRODUCCIÓN Y LA SALUD ANIMAL José C. Segura Correa Profesor Investgador Ttular Facultad de Medcna
Más detalles14. Contrastes no paramétricos
14. Contrastes no paramétrcos 1 Contrastes no paramétrcos En la leccón anteror nos hemos ocupado de contrastes paramétrcos. Determnábamos la plausbldad de certas hpótess sobre los valores de parámetros
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 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 detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
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 detallesTema 8: Heteroscedasticidad
Tema 8: Heteroscedastcdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 8 Heteroscedastcdad Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesResolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04
Más detallesGUÍA DE APOYO AL APRENDIZAJE N 1
GUÍA DE APOYO AL APRENDIZAJE N 1 1.- Dencones de conceptos báscos. Estadístca: la estadístca es un conjunto de métodos y procedmentos que srven para recolectar, organzar y presentar los datos obtendos,
Más detallesTema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación
Tema 5: Incumplmento de las Hpótess sobre el Térmno de Perturbacón TEMA 5: INCMPLIMIENTO DE LAS HIPÓTESIS SOBRE EL TÉRMINO DE PERTRBACIÓN 5.) Introduccón 5.) El Modelo de Regresón Lneal Generalzado 5.3)
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 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 detalles