13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
|
|
- Mariano Belmonte del Río
- hace 6 años
- Vistas:
Transcripción
1 Dra. Diaa M. Kelmasky INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media muestral, X = X i /, es u estimador isesgado y cosistete de μ. Si embargo, o esperamos que la media muestral coicida co μ, e cambio esperamos que esté cerca de μ. Muchas veces, más que u estimador putual, es más útil especificar u itervalo sobre el que tegamos el grado de cofiaza de que μ se ecuetre detro de él. Para obteer dicho itervalo os basamos e la distribució del estimador putual INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Cuado X1,...,X es ua muestra aleatoria de ua població Normal co media μ y variaza el estimador putual de μ, X, tiee distribució ormal co media μ y variaza / y resulta que ( X μ) tiee distribució N (0, 1) (Normal Estádar). Por lo tato ó equivaletemete ( X μ) P 1.96 < < 1.96 = 0.95 P X 1.96 < μ < X = 0.95 La expresió aterior sigifica que el 95% de las veces, que se calcule la media muestral a partir de ua muestra aleatoria de tamaño de ua població N(μ, ), μ diferirá de la media muestral como máximo e 1.96 uidades. Si ahora observamos que la variable aleatoria X toma el valorx, cofiamos co ua cofiaza del 95%, que μ se ecuetre e el itervalo x 1.96, x (1) El itervalo aterior es u itervalo de 95% de cofiaza para μ. Por qué cofiamos?
2 Dra. Diaa M. Kelmasky 110 Ejemplo. Supogamos que cuado se determia el coteido (μ) de ua sustacia e u compuesto, dicha determiació es ua variable aleatoria ( X ) ormalmete distribuida co media μ y variaza 4. E este caso podemos represetar a la determiació (X), cuado el coteido verdadero de la sustacia es μ, como μ + ε ( X = μ + ε, modelo de Gauss si sesgo). La variable aleatoria ε represeta el error de medició y tiee distribució Normal co media 0 y variaza 4. Supogamos que para reducir la variaza de la estimació, se determia el mismo coteido 9 veces: 5, 8.5, 1, 15, 7, 9, 7.5, 6.5, 10.5, 81 y se calcula el promedio: x = = 9. 9 Costruyamos u itervalo de cofiaza del 95% para μ: , = ( 7.69, 10.31) 3 3 Teemos ua cofiaza del 95%, que el coteido verdadero se ecuetre etre 7.69 y Por qué cofiamos? 13. INTERVALOS CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA CONOCIDA PARA CUALQUIER NIVEL DE CONFIANZA ESPECIFICADO. El valor crítico z α de ua distribució ormal estádar es el valor que deja a su derecha, bajo la curva de desidad ormal estádar, u área α: P { Z > z α } = α dode Z es ua v.a. co distribució N(0,1).
3 Dra. Diaa M. Kelmasky 111 Nuevamete cosideremos ua muestra aleatoria de ua població Normal co ( X μ) media μ y variaza ( X1,...,X ) luego la variable aleatoria tiee distribució N (0, 1) Por lo tato ó equivaletemete ( X μ) P zα / < < zα / = 1 α P X zα / < μ < X + zα / = 1 α Luego, u itervalo para μ co el 100*(1-α)% de cofiaza está dado por x zα /, x + zα / () siedo x el valor observado de la media muestral. Observació: El itervalo dado e () o es aleatorio. Esto sigifica que μ perteece ó o perteece al itervalo costruido y o lo sabemos. Cuado α = 0.05, cofiamos que μ perteezca a dicho itervalo, co u ivel de cofiaza del 95% TAMAÑO DE MUESTRA NECESARIO PARA LA OBTENCIÓN DE UN INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON LONGITUD PREFIJADA La logitud del itervalo de cofiaza dado por la ecuació () es zα /
4 Dra. Diaa M. Kelmasky 11 Supogamos que os iteresa afirmar co u ivel de cofiaza del 99% que μ se ecuetra detro de u itervalo de logitud L, cuá grade tiee que ser?. Como el ivel de cofiaza es 99%, α=0.01. Por lo tato α/ = 0.005, Z =.58 y la logitud del itervalo de cofiaza es 5.16 Para que la logitud sea L debemos elegir de maera que o sea 5.16 = L = ( 5.16 / L) E geeral o será etero y se elige el meor que cumple qué? ( 5.16 / L) Por Ejemplo (cotiuació). Si iteresa obteer u itervalo co u ivel de cofiaza del 99% de logitud L =1, como = 4 resulta ( 5.16 * ) = 106,5. Luego deberá elegirse = 107. OBSERVACIÓN U itervalo de cofiaza para μ, es u rago de valores etre los cuales cofiamos se ecuetre μ Por qué cofiamos? Si costruimos u itervalo del 95% de cofiaza sigifica que 95 de cada 100 veces que utilicemos la ecuació (1) para calcularlo, el itervalo obteido cotedrá al verdadero valor μ. Cofiamos que uestro itervalo sea uo de esos 95 itervalos bueos.
5 Dra. Diaa M. Kelmasky 113 Ua vez que hemos costruido el itervalo, la probabilidad de que μ perteezca a dicho itervalo es 0 (si μ o perteece) ó 1 (si μ perteece) pero o lo sabemos. Es decir, deja de teer setido platear ua probabilidad cuado hemos hallado el itervalo resultate INTERVALOS CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA Hemos desarrollado los itervalos de cofiaza ateriores basádoos e ( X μ) que tiee distribució N(0,1). Como o coocemos la variaza la estimamos por ( X ) = = i X S i 1, 1 sabemos que la variaza muestral S es u estimador isesgado y cosistete de. Para hallar los itervalos de cofiaza para la media de ua població ormal utilizaremos el siguiete resultado: ( X μ) T -1 = S tiee distribució t co -1 grados de libertad.
6 Dra. Diaa M. Kelmasky 114 Por lo tato ( X μ) < t S P t 1, α / < 1, α / = 1 α ó equivaletemete P X S S t < μ < X + t 1, α / 1, α / = 1 α Por lo tato si observamos que X = x y S = s diremos que s s μ x t 1, α /, x + t 1, α / (3) co u 100*(1-α)% de cofiaza Ejemplo. Cotiuació. Supogamos ahora que cuado se determia el coteido (μ) de ua sustacia e u compuesto, dicha determiació es ua variable aleatoria ( X ) ormalmete distribuida co media μ y variaza descoocida. Si cosideramos los valores obteidos e las mismas 9 determiacioes y estimamos la variaza resulta: x = 9 y s = 9.5 ó s = 3.08 Como t 8,0.05 =.306, de (3), u itervalo del 95% cofiaza para μ es , = 3 3 ( 6.63, 11.37)
7 Dra. Diaa M. Kelmasky 115 Hay dos razoes por las cuales el itervalo (6.63, 11.37) tiee mayor logitud que el obteido ateriormete (7.69, 10.31). la variaza estimada 9.5, es mayor que el valor coocido 4 cosiderado previamete. aú cuado la variaza estimada hubiese sido 4, el itervalo estimado tedría mayor logitud debido a que el valor crítico de la t 8 es.306 mietras que el de la Normal es 1.96 para 1-α = El itervalo hubiese sido (9-.306*/3, */3) = (7.46, 10.54) Cómo es ua distribució t co grados de libertad? La fució de desidad de probabilidad co grados de libertad es: f (t) correspodiete a la distribució t f ( t) = Γ(( + 1) / ) t 1 + π Γ( / ) ( + 1) /, t R es simétrica alrededor del cero y tiee forma de campaa, similar a la curva Normal. puede obteerse como la fució de desidad de la siguiete variable aleatoria: Z T =, V / ~ χ 1 dode Z y V so v.a. idepedietes tales que Z ~ N(0,1) y V (chicuadrado co grados de libertad); Ua derivació de la distribució t se publicó e Su autor, el químico William Sealy Gosset, trabajaba e la fábrica de cerveza Guiess e Dubli. La empresa le prohibía a sus empleados realizar cualquier tipo de publicacioes por lo cual el trabajo de Gosset fue escrito bajo el pseudóimo de Studet. A diferecia de la Normal, su dispersió depede de los grados de libertad. A medida que aumeta los grados de libertad las curvas de desidad t tiede a ser idistiguibles de la curva Normal estádar. E el ejemplo, supoemos que los datos proviee de ua distribució Normal, como el desvío es descoocido (lo estimamos por s), el estadístico e el que basamos el itervalo tiee distribució t co -1 (8) grados de libertad.
8 Dra. Diaa M. Kelmasky 116 OBSERVACIÓN La logitud de u itervalo de cofiaza para μ o siempre es mayor cuado la variaza es descoocida ya que puede ocurrir que el desvío estádar s resulte meor que. Si embargo e promedio la logitud del itervalo es mayor cuado es descoocida: se puede demostrar que tα, 1E( S) z α 14. INTERVALOS DE CONFIANZA PARA LA VARIANZA DE UNA DISTRIBUCIÓN NORMAL Si X1,...,X es ua muestra aleatoria de ua distribució Normal de parámetros μ y, etoces podemos costruir u itervalo de cofiaza para utilizado el hecho que S ( 1) ~ χ 1 (chi-cuadrado co -1 grados de libertad ) Luego
9 Dra. Diaa M. Kelmasky 117 P χ 1,1 α / χ 1, α / S ( 1) = 1 α ó equivaletemete ( 1) S P χ 1, α / ( 1) S 1,1 α / χ = 1 α Por lo tato, cuado S = s, u itervalo del 100*(1-α)% de cofiaza para está dado por ( 1) s ( 1) s, χ 1, α / χ 1, 1 α / Ejemplo. Se espera que u procedimieto estadarizado produzca aradelas co muy pequeña desviació e su espesor. Supoga que se elige al azar 10 de tales aradelas y se mide su espesor obteiédose e pulgadas: 0.13, 0.14, 0.16, 0.10, 0.130, 0.133, 0.15, 0.18, 0.14, Iteresa calcular u itervalo del 90% de cofiaza para el desvío del grosor de las aradelas producidas por este procedimieto. Solució. s =1.366 x 10-6 χ9,0.05 = ; χ9, 0.95 = x x = 7.67 x 10 ; -5 9 x x = x 10 Luego, co ua cofiaza del 90% 6 6 ( 7.67 x 10 ; x 10 ) Tomado raíz cuadrada, co ua cofiaza del 90%,
10 (.686 x 10 3 ; 6.07 x 3 ) 10 Dra. Diaa M. Kelmasky INTERVALOS CON NIVEL DE CONFIANZA APROXIMADOS PARA LA MEDIA DE UNA VARIABLE BINOMIAL. Muestras Grades. Cosideremos ua població de artículos que puede o cumplir co ciertas ormas e proporcioes p y 1-p, descoocidas. Si elegimos ua muestra de artículos al azar y registramos X i 1 = 0 si el artículo cumple co las ormas si el artículo o cumple co las ormas Etoces X = X i es la catidad de artículos de la muestra que cumple co las i= 1 ormas. Si podemos supoer que cada artículo cumple o o co las ormas e forma idepediete, resulta que X ~ Bi(, p) siedo p la proporció de artículos e la població que cumple co las ormas. Para costruir u itervalo de cofiaza para p os basaremos e la aproximació de la distribució Biomial por la distribució Normal cuado es suficietemete grade. X p p(1 p) ~ aprox N(0,1) Por lo tato, para cualquier α e el itervalo (0,1) X p P zα / < < zα / 1 α p(1 p) ó equivaletemete dode X p ˆ =. pˆ p P zα / < < zα / 1 α (4) p(1 p) /
11 Dra. Diaa M. Kelmasky 119 Para despejar u itervalo de cofiaza para p de la expresió (4) se reemplaza los meores (<) por iguales (=). Se obtiee así ua ecuació cuadrática e p cuyas solucioes so los extremos del itervalo de cofiaza buscado p = z pˆ + α / ± zα / 1+ ( zα / pˆ(1 pˆ ) z + α / 4 ) / Como es grade los térmios e z so despreciables y el itervalo resultate es el mismo que se obtiee al reemplazar p por pˆ e el deomiador de la expresió (4). Luego u itervalo de cofiaza co ivel de cofiaza aproximado 1-α para p está dado por p p p p p ˆ ˆ(1 ˆ ) ˆ(1 ˆ ) zα /, pˆ + zα / (5) Este itervalo puede utilizarse siempre que pˆ 5 y (1 pˆ) 5. Ejemplo. Se elige al azar, de u lote grade, ua muestra de 100 trasistores. Mediate ua prueba, se determia que 80 de ellos satisface las ormas vigetes. U itervalo de cofiaza del 95% para p, la verdadera proporció de trasistores que cumple co los requerimietos, está dado por ( (0.) /100; (0.) /100) = ( 0.716; ) Esto es, co u aprox. 95% de cofiaza, etre 7.16% y 87.84% de los trasistores cumple co los requerimietos. 15. PROCEDIMIENTO EN DOS PASOS: TAMAÑO DE MUESTRA NECESARIO PARA LA OBTENCIÓN DE UN INTERVALO DE CONFIANZA CON LONGITUD PREFIJADA PARA UNA PROPORCIÓN La logitud del itervalo de cofiaza dado por la ecuació (5) pˆ(1 pˆ ) zα / depede del parámetro que os iteresa estimar. Para hallar u tamaño de muestra de maera que la logitud del itervalo resultate sea aproximadamete L se procede e dos pasos:
12 Dra. Diaa M. Kelmasky 10 Paso 1: se toma ua muestra iicial de tamaño 1 y se obtiee u estimador iicial p ~ Paso : se utiliza la proporció estimada e el paso 1 para determiar el tamaño total resolviedo la siguiete ecuació: ~ p (1 ~ p) z α / = L elevado ambos miembros de la igualdad al cuadrado ó ( z ) ~ p (1 ~ p ) = L α / / ( z ) ~ p (1 ~ p ) L = α / / Ejemplo. U laboratorio itroduce u procedimieto, que le resulta más ecoómico, para la obteció de u reactivo que luego evasa e frascos. La probabilidad que el reactivo del u frasco elegido al azar cumpla las ormas de calidad es descoocida ( p ). Iteresa obteer u itervalo de 99% de cofiaza cuya logitud sea aproximadamete Paso 1. E ua muestra iicial de 30 frascos, 6 de ellos resultaro aceptables por lo que el estimador iicial es ~ p =6/30 = Paso. El tamaño muestral requerido es ( z ) (.58) 6 4 = (6/ 30)(1 6/ 30) = = 131 (0.05) (0.05) Deberíamos tomar ua muestra adicioal de 101 frascos. Si, por ejemplo, 1040 de ellos resulta aceptables (mateiedo aprox. la proporció iicial) el itervalo de 99% de cofiaza para la verdadera proporció de compoetes aceptables es: z z ; ( ; ) OBSERVACIÓN Hemos visto que la logitud del itervalo de cofiaza para p es L si está dado por = ( z / ) ~ (1 ~ α p p ) / L
13 Dra. Diaa M. Kelmasky 11 Hemos visto (pág 101 secció 1.1 figura ) que la fució g(p) = p(1-p) defiida e el itervalo [0,1] toma su valor máximo 1/4 cuado p = 1/. Luego ua cota superior para es: ( zα / ) / L ( ) De esta maera, si se elige ua muestra de tamaño mayor o igual a z α / / L, garatizamos la obteció de u itervalo de cofiaza para p de logitud o mayor a L si teer que realizar u muestreo adicioal. 16. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA DISTRIBUCIÓN EXPONENCIAL La distribució expoecial es utilizada e estudios sobre cofiabilidad como modelo del tiempo hasta la falla de u dispositivo. Por ejemplo el tiempo de vida de u compoete semicoductor podría estar modelado como ua variable aleatoria co media horas. Recíprocamete, supoiedo que u modelo expoecial es el adecuado para modelar el tiempo de vida de u compoete, podríamos estar iteresados e estimar su vida media mediate u itervalo de cofiaza. Supogamos que X1,...,X es ua muestra aleatoria de ua distribució expoecial de parámetro λ, Xi ~ ε(λ). Sabemos que E(Xi)=1/λ, luego la media muestral Xi / es u estimador isesgado y cosistete de 1/λ. Para obteer u itervalo de cofiaza para 1/λ es ecesario recordar que Luego, para cualquier α (0,1) ó equivaletemete, P χ λ X i ~ χ i= 1,1 α / λ X i χ, α / i= 1 X i X i= 1 1 i= 1 P χ λ, α / χ,1 i α / = 1 α = 1 α
14 Dra. Diaa M. Kelmasky 1 Luego, u itervalo de 100(1-α)% de cofiaza para 1/λ es X i X i i= 1 i= 1, χ, α / χ,1 α / Ejemplo. Ua fábrica produce artículos cuyos tiempos de vida (e horas) se supoe idepedietes co fució de desidad expoecial comú a todos: λx f ( x) = λ e, 0 < x < Si la suma los tiempos de vida de los primeros 10 artículos es cuál es u itervalo de cofiaza del 95% para 1/λ? Como 0,0.05= χ 0, 0.975= χ, luego el itervalo es x 1740 x 1740, Es decir que co u ivel de cofiaza del 95% el tiempo de vida medio se ecuetra e el itervalo ( , ). Para la costrucció de todos los itervalos de cofiaza hemos partido de ua fució que depede de la muestra y del parámetro para el cual os iteresa costruir el itervalo. La fució es ua ueva variable aleatoria cuya distribució es coocida. Este es u procedimieto geeral que describimos a cotiuació. 17. MÉTODO GENERAL PARA OBTENER INTERVALOS DE CONFIANZA. Sea X 1, X,..., X ua m.a. de ua distribució que depede de u parámetro θ. Supogamos que existe ua fució T ( X 1, X,..., X, θ ) (es decir, ua fució de la muestra y del parámetro) cuya distribució es coocida y o depede de θ i de igú otro parámetro descoocido. Etoces, como la distribució de T es coocida, se puede hallar dos valores a y b tales que
15 Dra. Diaa M. Kelmasky 13 ( a T X, X,..., X, θ ) ) = 1 α P ( 1 b A partir de esta expresió, si T es ua fució moótoa de θ, es posible despejar θ de la expresió aterior y obteer u itervalo de cofiaza para θ. La fució T X, X,...,, ) se deomia pivote. ( 1 X θ Ejemplo: Sea X 1, X,..., X ua m.a. de ua distribució expoecial de parámetro λ. Hemos visto que la suma de v.a. expoeciales idepedietes es ua v.a co distribució Gamma, es decir i= 1 X i ~ Γ(, λ) λ Vale además que si V ~ Γ( α, λ) y a > 0 etoces av ~ Γ α,. Luego a La fució λ X i i= 1 χ λ X ~ χ i= 1 i 1 = Γ,, que depede del parámetro de iterés y cuya distribució es coocida ( ), permitió costruir itervalos de cofiaza para λ (secció 4) 18. INTERVALOS DE CONFIANZA DE NIVEL APROXIMADO PARA LA MEDIA DE UNA DISTRIBUCIÓN CUALQUIERA Muchas veces se descooce la distribució de la cual proviee los datos y e otras es muy difícil hallar la distribució exacta de la fució pivote. Utilizaremos el teorema cetral del límite para obteer ua fució pivote cuya distribució será coocida aproximadamete. Esta fució os permitirá despejar u itervalo de cofiaza. Pero el precio que hay que pagar es la pérdida del ivel exacto. Ya hemos visto u ejemplo de esta situació cuado obtuvimos itervalos de cofiaza co ivel aproximado para el parámetro p de ua distribució Biomial (secció 15.1). Cosideremos ahora ua m.a. X 1, X,..., X de ua distribució F, cualquiera, tal que E(Xi) = μ y V(X i ) = <. Nos iteresa hallar u itervalo de cofiaza para μ. Sabemos que X es u estimador isesgado y cosistete de μ. No coocemos su distribució exacta porque o coocemos la de X i, pero sabemos que
16 Dra. Diaa M. Kelmasky 14 X μ D N(0,1) Si fuera coocido, esta fució podría servir de pivote para el itervalo de ivel aproximado, pero qué usamos si es descoocido? Propiedad: D Y Y p U a U Y D ay s Como s p por ser u estimador cosistete, etoces p 1 y p 1. s Luego, X μ D N(0,1) p 1 s X μ D N(0,1) s A partir de este resultado, X μ P zα / zα / 1 α s y se obtiee el siguiete itervalo de cofiaza para μ, de ivel aproximado 1 - α s X zα /, X + zα / s
Intervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesConceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.
FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA
. Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesComo se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación.
Uiversidad Técica Federico Sata María Departameto de Matemática Reato Allede Olivares 7. QUINTO MÓDULO 7. Iferecia Estadística Como se ha podido apreciar e los módulos ateriores, La estadística trata co
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesTEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados
TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
Más detalles3. Volumen de un sólido.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Itegrales y aplicacioes.. Volume de u sólido. E esta secció veremos cómo podemos utilizar la itegral defiida para calcular volúmees de distitos tipos
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesMEDIDAS DE DISPERSIÓN.
MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está
Más detallesn x i n y i = 0 ,..., x n u)... exp 1 y 1 y y n u . Demuestre que i=1 Y n
47 Capítulo 9 Propiedades de los estimadores putuales y métodos de estimació ii Demuestre que para que esta relació sea idepediete de p, debemos teer x i y i = 0 o x i = y i. iii De acuerdo co el método
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesIntervalos de Confianza para la diferencia de medias
Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz
INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El eame preseta dos opcioes: A y B. El alumo deberá elegir ua de ellas y cotestar razoadamete a los cuatro ejercicios de que costa dicha opció. Para
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detallesTEMA 6 MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO
.- Itroducció: TEMA MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO Los aálisis estadísticos que se realiza e el mudo real tiee como objetivo estudiar las propiedades características de las poblacioes
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesIES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11
IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesUNEFA C.I.N.U. Matemáticas
RADICACIÓN: DEFINICIÓN Y PROPIEDADES Ates de etrar e el tema Radicació, vamos a comezar por recordar u poco sore Poteciació: Saemos que e lugar de escriir, utilizamos la otació: de Poteciació, dode el
Más detallesEstimación de los parámetros de las distribuciones Bernoulli y Poisson bajo cero eventos
Publicado e la Rev. Fac. Nac. Salud Pública 999; 7(): 30-36 Estimació de los parámetros de las distribucioes Beroulli y Poisso bajo cero evetos Estimatig parameters of the Beroulli ad Poisso distributios
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesCapítulo II Estimación de parámetros
Capítulo II Estimació de parámetros Estimació putual de parámetros Explicaremos el tópico de la estimació putual de parámetros, usado el siguiete ejemplo. La Tabla Nº. cotiee iformació de los salarios
Más detallesIES Fco Ayala de Granada Sobrantes de 2002 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 1) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua fábrica de muebles dispoe de 600 kg de madera para fabricar librerías de 1 y de 3 estates.
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detalles1. Relaciones de recurrencia homogéneas con coeficiente
1. Relacioes de recurrecia homogéeas co coeficiete costate 1. Demuestra que la sucesió {a } es ua solució de la recurrecia a = a 1 + 2a 2 + 2 9 si a) a = + 2 b) a = 5( 1) + 2 c) a = 3( 1) + 2 + 2 d) a
Más detallesPara estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20
Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detallesIES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A
IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),
Más detallesTema 7: Estimación puntual.
Estadística 68 Tema 7: Estimació putual. 7.1 Itroducció a la Iferecia Estadística. E los temas ateriores se ha hecho éfasis e la teoría de la probabilidad y e determiados modelos probabilísticos. E este
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detalles8.1 Al finalizar el tema el alumno debe conocer Características de la estimación utilizando los contrastes o test de hipótesis.
TEMA 8. Cotrastes de hipótesis. E este capítulo se epodrá el cotraste o test de hipótesis estadísticas, que está muy relacioado co la «estimació por itervalos» del capítulo aterior. Va a defiirse importates
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesEstimación puntual y por Intervalos de Confianza
Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 5 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo 5 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 5 OPCIÓN A EJERCICIO 1 (A) 1 3 - Se cosidera las matrices A
Más detalles6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES
6. Sucesioes y Series uméricas 6.. Sucesioes uméricas 6... DEFINICIONES Sucesioes de úmeros reales Se llama sucesió de úmeros reales a cualquier lista ordeada de úmeros reales: a, a 2, a 3,..., a,...,
Más detallesLos números complejos
Los úmeros complejos Los úmeros complejos Forma biómica Defiició z = a + bi, o bie, z = (a, b) siedo a la parte real y b la parte imagiaria. a = r cos α b = r se α Opuesto z = a bi Cojugado z = a bi Represetació
Más detallesIES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)
IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesOPCIÓN A EJERCICIO 1_A 1 0 2
IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna. Modelo nº 2 Sept. Sobrantes de Soluciones
IES Fco Ayala de Graada Sobrates de 008 (Modelo Septiembre) Germá-Jesús Rubio Lua Istruccioes: Modelo º Sept. Sobrates de 007-008 Solucioes Duració: 1 hora y 30 miutos. Elija ua de las dos opcioes propuestas
Más detallesINECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.
INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad
Más detallesDefinición 13.1 Llamamos serie trigonométrica a una serie de funciones reales, de la forma. + n +ib n
ema 3 Series de Fourier. Hemos visto, e el tema 8, que alguas fucioes reales puede represetarse mediate su desarrollo e serie de potecias, lo que sigifica que puede aproximarse mediate poliomios. Si embargo,
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesProbabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013
Probabilidad y Estadística Itroducció a la Iferecia Estadística Raúl D. Katz 013 Ídice 1. Itroducció 3. Muestreo 3.1. Muestras aleatorias simples.................................... 4 3. Iferecia estadística
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detallesTema 7: Estimación por intervalos de confianza.
Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detallesTema 9. Introducción a la Inferencia Estadística. Presentación y Objetivos. Esquema Inicial. Probabilidades y Estadística I
Tema 9. Itroducció a la Iferecia Estadística Presetació y Objetivos. La iferecia utiliza el leguaje de la probabilidad para sacar coclusioes de los datos y acompañar esas coclusioes por ua declaració formal
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecuacioes Difereciales de Primer Orde Defiició lasificació de las Ecuacioes Difereciales Ua ecuació diferecial es aquélla que cotiee las derivadas o difereciales de ua o más variables depedietes
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesDistribuciones de probabilidad
Distribucioes de probabilidad 1. Variable aleatoria real: Ejemplo: Ua variable aleatoria X es ua fució que asocia a cada elemeto del espacio muestral E u úmero X: E ú Cosideremos el experimeto aleatorio
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede
Más detallesPoblación Joven Adulta Total A favor En contra Total
Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo
Más detallesM arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para
GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o
Más detallesEstimación puntual y por intervalos
0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por
Más detallesEstimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.
Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete
Más detalles1. Serie de Potencias
. Serie de Potecias Recordemos que dada ua sucesió {b } N, podemos defiir ua serie: E el caso particular e que b = a (x c) b la serie tedría la forma b = a (x c) y es llamada serie de potecias cetrada
Más detallesEJERCICIOS DE RECURRENCIA
EJERCICIOS DE RECURRENCIA (co alguas solucioes) Resolver la recurrecia = 5 6 =, = y tambié ésta: = =, = Resolvamos la primera E primer lugar otamos que es ua recurrecia lieal, pues pasado todos los térmios
Más detalles