Inferencia estadística: estimación de parámetros.
|
|
- Concepción Marín Cárdenas
- hace 6 años
- Vistas:
Transcripción
1 Capítulo 7 Iferecia estadística: estimació de parámetros Itroducció E este tema estudiaremos como aproximar distitos parámetros poblacioales a partir de ua m.a.s. formada por observacioes idepedietes de ua població, e los que sigue cuado digamos m.a.s. etederemos que es ua muestra aleatoria formada por observacioes idepedietes. Normalmete el parámetro por ejemplo µ, σ... tedrá distribució coocida o la aproximaremos por el T.L.C. 7.. Estimadores Defiició 115 Estadístico: Sea X 1,..., X v.a. iid que forma ua m.a.s. de ua població. U estadístico es ua fució de ua de ua muestra. Podemos decir que u estadístico ua variable aleatoria que es fució de la muestra. Defiició 116 Estimador putual: U estimador putual de u parámetro θ es u estadístico que da como resultado u úico valor del que se espera que se aproxime a θ. Ua realizació del estimador T x 1,..., x = ˆθ e ua muestra se llama estimació putual de parámetro. Ejemplo 117 Dada ua m.a.s. X 1,..., X y ua realizació de la misma x 1,..., x los pricipales estimadores de los parámetros poblacioales que hemos visto so: Parámetro Poblacioal Estimadorθ Estimacióˆθ µ X X = σ X SX = p ˆp X = Xi Xi X 1 Xi x = 1 xi 1 s X = xi xi x 1 Ejemplo 118 Cosideremos ua m.a.s. X 1, X, X 3, X 4, X 5 del lazamieto de u dado = 5. Ua realizació de esta muestra es x 1 =, x = 3, x 3 = 3, x 4 = 5, x 5 = 6. Sabemos que, si el dado es perfecto, µ = 3.5; el estadístico de esta muestra es y ua estimació es X = X 1 + X + X 3 + X 4 + X 5 5 x = x 1 + x + x 3 + x 4 + x 5 5 = = 19 5 =
2 Borrador RAM EST. SIS Si queremos estimar la proporció de veces que sale 3 es p 3 = 1 6 el estadístico es frec. de 3 e la muestra ˆp 3 = 5 y ua realizació será Estimadores isesgados Vamos a ver e esta secció alguas propiedades de los estimadores. La más imediata es pedirles que a medida que se aumete el tamaño muestral se aproxime más al verdadero valor del parámetro. Defiició 119 Estimador isesgado Sea ˆθ u estimador de u parámetro poblacioal θ. Diremos que ˆθ es isesgado si Eˆθ = θ. Es este caso la estimació putual se dice que es isesgada. Ejemplo 10 E el ejemplo aterior para cualquier muestra de tamaño, X 1,..., X, teemos que EX = µ X por lo tato X es u estimador isesgado de µ X. Proposició 11 Dada ua m.a.s. La media, variaza y proporció muestrales so estimadores isesgados de sus correspodietes parámetros poblacioales. Defiició 1 Sesgo: Sea ˆθ u estimador putual de u parámetro poblacioal θ, llamaremos sesgo de ˆθ a: Sesgoˆθ = Eˆθ θ Observació Evidetemete u estimador es isesgado si y sólo si tiee sesgo cero. Ua propiedad buea para u estimador es la carecia de sesgo. Pero podría suceder que tuviera ua gra variabilidad, etoces auque su valor cetral sea el verdadero valor del parámetro que se estima ua realizació del estadístico podría estar lejos del verdadero valor del parámetro. Parece pues iteresate emplear aquellos estimadores que tega variaza más pequeña. Defiició 13 Eficiecia: Sea ˆθ 1 y ˆθ dos estimadores de u parámetro poblacioal θ obteidos de la misma muestra. a Diremos que ˆθ 1 es más eficiete que ˆθ si V arˆθ 1 < V arˆθ b Defiimos la eficiecia relativa de ˆθ respecto de ˆθ 1 como Eff.rel = V arˆθ V arˆθ 1 de forma que si Eff.rel < 1 etoces ˆθ 1 es más eficiete que ˆθ Ejemplo 14 Sea x 1,..., x la realizació ordeada de meor a mayor de ua muestra de tamaño. Se defie la mediaa{ muestral como x +1 si es impar Me = x +x +1 si es par Como vimos e problemas la mediaa es tambié u valor de tedecia cetral, pero es u bue estimador de µ? Se puede demostrar que si la població tiee distribució ormal co media µ y variaza σx etoces σ X 1.57σ X EMe = µ y V arme = π etoces Eff.rel = V arme V arx = 1.57 Luego si la muestra es de ua població ormal X es más eficiete u 57 % más de variaza que la Mediaa. Defiició 15 Estimador más eficiete: Diremos que u estimador isesgado ˆθ del parámetro θ es el estimador más eficiete si o existe igú otro estimador isesgado que tega meor variaza que él tambié se le deomia estimador isesgado de variaza míima.
3 Borrador RAM EST. SIS Ejemplo 16 1 Si la població es ormal la media muestral es el estimador isesgado más eficiete de la media poblacioal. Si la població es ormal la variaza muestral es el estimador isesgado más eficiete de la variaza poblacioal. Si la població es biomial la proporció muestral es el estimador isesgado más eficiete de la proporció poblacioal Métodos para calcular estimadores Existe diversos métodos para el cálculo de estimadores: Método de los mometos. Mometo cetral de orde r m r = Xi Xr El de meor error cuadrático medio Eˆθ θ Covergecia e probabilidad P ˆθ θ < ɛ 1 Estimadores máximo verosímiles. E esta secció veremos sólo este último método. Estimadores máximo verosímiles. Defiició 17 Fució de verosimilitud Sea X ua v.a. tal que su distribució desidad o fució de probabilidad depede de u parámetro descoocido λ E el caso discreto P X x; λ y e el cotiuo f X x; λ. Sea X 1,... X ua m.a.s. de X es decir so v.a. iid como X y sea x 1, x,..., x ua realizació de la muestra. Etoces la fució de verosimilitud de la muestra es: a E el caso discreto Lλ = P X x 1 ; λ P X x ; λ b E el caso cotiuo Lλ = f X x 1 ; λ f X x ; λ Defiició 18 Dada ua fució de verosimilitud Lλ de ua muestra, sea ˆλ = gx 1,..., x el puto dode se alcaza e máximo de Lλ para la realizació de la muestra x 1,..., x, es decir Lˆλ = máx Lλ. Etoces defiimos el estimador de máxima verosimilitud de λ como el valor: ˆΛ = gx 1,..., X λ E ocasioes es coveiete trabajar co el logaritmo de la fució de verosimilitud ya que el máximo de loglλ y Lλ es el mismo y suele ser más fácil de maximizar. Ejemplo 19 Sea X 1,... X ua muestra co observacioes idepedietes, de ua població Berouilli, por ejemplo se preguta a 100 persoas si votará al partido P.X. e las próximas eleccioes y se aota u 1 si lo vota y cero e cualquier otro caso. Sea ˆθ = T X 1,..., X u estimador cualquiera. Sea p la proporció poblacioal de persoas que votará a P.X. Etoces o lo que es lo mismo P X i = 1 = p y P X i = 0 = 1 p = q, 1 Más cocretamete estos estimadores so del tipo UMVUE del acróimo iglés Uiformly Miimum Variace Ubiased Estimator": Estimadores isesgados uiformemete de míima variaza".
4 Borrador RAM EST. SIS P X = x i = p xi q 1 xi si x i = 0, 1 Como las observacioes so idepedietes. la fució de verosimilitud es: Lp = P X1,...,X x 1,..., x = P X 1 = x 1,..., X = x = P X 1 = x 1 P X = x = p x1 q 1 x1 p x q 1 x = p xi q 1 xi = p xi q xi etoces el valor de p que hace máxima esta probabilidad es el más verosímil o el de máxima verosimilitud de esta muestra. El problema se reduce a estudiar qué valor de p maximiza Tomado logaritmos Derivado respecto de p p xi q xi = p log p xi 1 p xi = xi 1 p xi x i log p + x i log1 p Despejado x i 1 p 1 x i 1 p = 0 1 p x i p x i = 0 por lo tato p = x i luego el estimador máximo verosímil de p es la proporció muestral, que es el que maximiza la fució de verosimilitud Lp. De modo similar se puede defiir los estimadores máximo verosímiles cuado el úmero de parámetros o coocidos de la distribució so más de uo Estimació por itervalos Ua estimació por itervalos de u parámetro poblacioal es ua regla para determiar u rago o u itervalo dode, co cierta probabilidad, se ecuetre el verdadero valor del parámetro. La estimació correspodiete se llama estimació por itervalo. Más formalmete: Defiició 130 Sea θ u parámetro, el itervalo A, B es u itervalo de cofiaza del 1 α 100 % para el parámetro θ si P A < θ < B = 1 α. El valor 1 α recibe el ombre de ivel de cofiaza, α es la "cola"de probabilidad sobrate que ormalmete se reparte por igual α/ a cada lado del itervalo. Es muy frecuete que el ivel de cofiaza se dé e tato por cieto. E lo que sigue daremos distitas maeras de calcular o aproximar itervalos de cofiaza para distitos parámetros.
5 Borrador RAM EST. SIS Itervalo de cofiaza para la media de ua població ormal: variaza poblacioal coocida Sea X 1,..., X ua m.a.s. de ua v.a. X co distribució ormal y V arx = σ coocida. Ecotremos u itervalo de cofiaza al ivel de cofiaza del 90 % para la media poblacioal µ. Sabemos por el tema aterior que bajo estas codicioes la variable Z = X µ σ sigue ua distribució ormal estádar pues es ua trasformació lieal de ua combiació lieal de variables ormales e idepedietes.. Ejemplo 131 Comecemos calculado u itervalo cetrado e 0 para esta Z que tega probabilidad Etoces = P δ < Z < δ = F Z δ F Z δ = F Z δ 1 F Z δ = = mirado e las tablas de la distribució ormal estádar, etoces F Z.4 = y por lo tato δ =.4 Luego P.4 < Z <.4 = E resume, hemos obteido lo siguiete = P.4 < X µ σ <.4 = P X.4 σ < µ < X +.4 σ Hemos ecotrado u itervalo de cofiaza para µ, y además la probabilidad de que µ se ecuetre e el itervalo X.4 σ, X +.4 σ es 0.975; luego es u itervalo de cofiaza co ivel de cofiaza 97.5 % Ejemplo 13 Supogamos que teemos ua muestra co = 16 de ua v.a. ormal de forma que x = 0, y la desviació típica poblacioal es coocida σ = 4. Etoces u itervalo de cofiaza al 97.5 % para µ será: 0.44, La probabilidad co que el verdadero valor del parámetro µ se ecuetra e el itervalo 17.76,.4 es 0.975, o lo que es lo mismo: P < µ <.4 = Iterpretació: E el 97.5 % de la muestras de tamaño 16 el verdadero valor del parámetro µ se ecotrará detro del itervalo correspodiete. E geeral si teemos ua m.a.s. X 1,..., X de ua població ormal represetado por la v.a. X co distribució ormal de media µ y variaza coocida σ el itervalo de cofiaza para µ al ivel de cofiaza 1 α 100 % será: 1 α = P z α/ < Z < z 1 α/ = P z α/ < X µ σ < z 1 α/ = P z α/ σ < X µ < z 1 α/ σ = P X + z α/ σ < µ < X + z 1 α/ σ
6 Borrador RAM EST. SIS Resume: Itervalo de cofiaza para µ: σ coocida. Codicioes: a Població Normal co media µ y variaza σ coocida b Muestra aleatoria de tamaño Etoces el itervalo de cofiaza del 1001 α % para µ es: σ σ X + z α, X + z 1 α dode z α es el cuatil α, es decir P Z z α = α, cuado Z tiee distribució ormal estádar, mietras que z 1 α es el cuatil 1 α, es decir P Z z 1 α = 1 α, cuado Z tiee distribució ormal estádar. Notemos que z α = z 1 α Ejemplo 133 Para discutir la coveiecia de aumetar sus istalacioes ua empresa desea estimar la demada que espera recibir. Para ello, seleccioa al azar a diez de sus clietes, observado el úmero de uidades demadadas e el último año por éstos se distribuye de la forma siguiete: Núm. Uidades Núm. Clietes Uidades Clietes Total Supogamos que la demada sigue ua distribució ormal co variaza poblacioal coocida σ = 16 y que se espera que e el futuro siga comportádose como e el periodo aterior, calcular u itervalo de cofiaza al 90 % para la media de la demada futura. Solució: Teemos las siguietes codicioes: Població de demadas ormal variaza σ = 16 coocida Muestra aleatoria de tamaño = 10 Podemos etoces aplicar la formula aterior para 1 α = 0.9, de dode α = 0.1, etoces α 1 α = 0.95 Calculemos la media aritmética de las observacioes = 0.05 y etoces el itervalo es x = = 1.006, z , z Mirado e las tablas de la ormal P Z 1.65 = etoces z 0.95 = 1.65, y z 0.05 = 1.65 sustituyedo teemos que z 1 α σ = = 0.66 z α σ = = 0.66 por lo que el itervalo de cofiaza del 90 % para la media de la demada es : , = 0.346, Lo que quiere decir que e el 90 % de la ocasioes e que tomemos ua muestra de tamaño 10 la demada media está compredida etre y 1.666
7 Borrador RAM EST. SIS Amplitud del itervalo de cofiaza Como de todos es coocido la amplitud logitud de u itervalo es la diferecia etre sus extremos superior e iferior. E el caso aterior la amplitud A será σ A = X + z 1 α σ X + z α = z 1 α σ + z 1 α σ = z 1 α σ El error máximo, al ivel 1 α, que cometemos al estimar µ por X será la mitad de la amplitud del itervalo de cofiaza z 1 α σ Si queremos calcular el tamaño de la muestra para aseguraros que el itervalo de cofiaza para µ al ivel 1 α tiee amplitud prefijada A o u error A se puede despejar así: σ = z 1 α A Observacioes: El itervalo está cetrado e X. Para y 1 α fijos si la variaza poblacioal aumeta etoces A aumeta. Para ua variaza poblacioal coocida y 1 α fijos si aumeta etoces A dismiuye. Para ua variaza poblacioal coocida y fijos si 1 α aumeta etoces A aumeta Itervalo de cofiaza para la media poblacioal: tamaños muestrales grades Codicioes: Població co media µ y variaza σ coocida o si o se estima por S Muestra aleatoria de tamaño grade criterio 30 Etoces el itervalo de cofiaza del 1001 α % para µ es: S S X z α, X + z α E caso de que σ sea coocida podremos σ e lugar de S Ejemplo 134 Se tomó ua muestra de 147 expertos e ivestigació de mercados y se les pidió que calificase e ua escala de 1 totalmete e desacuerdo a 10 totalmete de acuerdo la siguiete afirmació: A veces utilizo técicas de ivestigació que garatiza la obteció de los resultados que mi cliete o jefe desea. La calificació media de la muestra fue 6.06 y la desviació típica muestral fue Se pide calcular u itervalo de cofiaza al 90 % para la media de las putuacioes. Solució: El euciado o os asegura que la població sea ormal pero como el tamaño de la població es grade podemos aplicar el resultado aterior. Teemos = 147, S = 1.43, 1 α = 0.1 etoces α = 0.05 y por lo tato z El itervalo para la media poblacioal de las putuacioes al ivel de cofiaza del 90 % es , = , Distribució t de Studet Si queremos calcular u itervalo de cofiaza para µ e ua població ormal co variaza poblacioal descoocida ecesitamos ua ueva distribució: la t de Studet. Dada ua muestra de observacioes co media muestral X y desviació típica muestral S X procedete de ua població ormal co media µ la variable aleatoria: t = X µ S X sigue ua distribució t de Studet co 1 grados de libertad.
8 Borrador RAM EST. SIS Proposició 135 La distribució t de Studet es similar a la ormal si el úmero de grados de libertad es grade. Su fució de desidad es simétrica respecto al orige como la de la ormal estádar. Es decir si t ν es ua v.a. que sigue la distribució t de Studet co ν g.l. etoces: P t ν t = 1 P t ν t Notació: Sea t ν ua v.a. que sigue ua distribució t de Studet co ν g.l. Deotaremos por t ν,α al valor para el que se verifica que: P t ν t ν,α = α. Luego t ν,α es el α cuatil de ua t de Studet co ν g.l. y t ν,α = t ν,1 α Itervalo de cofiaza para la media de ua població ormal: variaza poblacioal descoocida Codicioes: Muestra aleatoria de observacioes idepedietes Població ormal variaza descoocida Etoces si X y S X so respectivamete la media y la desviació típica muestrales u itervalo de cofiaza al ivel 1 α100 % para la media de la població µ es: X + t 1, α S X, X + t 1,1 α S X Siedo t 1, α y t 1, α los cuatiles de ua v.a. t 1 co distribució t de Studet co -1 g.l., respectivamete. Ejercicio Demostrar que la probabilidad co que µ se ecuetra e el itervalo aterior es 1 α Ejemplo 136 U fabricate de cartuchos de tita para impresoras afirma e su publicidad que sus cartuchos imprimirá u promedio de 500 págias*; dode el asterisco remite a ua ota a pie de págia dode afirma que: Datos técicos: Muestra mesual de tamaño = 5 població supuesta ormal ivel de cofiaza del 90 %. Ua orgaizació de cosumidores desea comprobar estas afirmacioes y toma tambié ua muestra al azar de tamaño = 5 obteiedo como media x = 518 págias y ua desviació estádar S X = 40. Comprobar que co esta muestra la media poblacioal que afirma el fabricate cae detro del itervalo de cofiaza del 90 % Solució: El problema se reduce a calcular, bajo las codicioes que afirma el fabricate el itervalo de cofiaza para µ co α = 0.1. Mirado e las tablas de la t de Studet para 1 = 4 g.l. teemos que t 1, 1 α = t 4, = El itervalo para la media al 90 % es , = , Es este caso la afirmació del fabricate queda cotradicha por la muestra pues 500 cae fuera del itervalo. E cualquier caso se equivoca a favor del cosumidor Itervalos de cofiaza para ua proporció El procedimieto es similar al caso de las medias. Comecemos co u ejemplo. Ejemplo 137 E ua muestra aleatoria de 500 familias que posee televisores e ua ciudad se ecotró que 340 se había suscrito al caal TEVE. Ecotrar u itervalo de cofiaza del 95 % para la proporció actual de familias de esta ciudad que está suscritas a TEVE.
9 Borrador RAM EST. SIS Teemos ua població biomial dode los éxitos so las familias que tiee cotrato co TEVE. Sea X el úmero de familias cotratadas co TEVE etre ua muestra aleatoria de tamaño. Etoces X sigue ua distribució biomial co repeticioes y probabilidad de éxito p proporció poblacioal de familias cotratadas p1 p a TEVE. Si llamamos ˆp X = X a la proporció muestral, sabemos que Z = ˆp X p sigue aproximadamete ua distribució ormal estádar. Pero como es evidete o coocemos p así que o teemos más remedio que aproximar el deomiador p1 p ˆpX 1 ˆp X Si la muestra es grade Z = ˆp X p ˆpX 1 ˆp X seguirá siedo aproximadamete ormal estádar. Itervalos de cofiaza para la proporció poblacioal:muestras grades Codicioes: Ua muestra aleatoria de tamaño grade. Població Berouilli co proporció de éxitos p descoocida Bajo estas codicioes y si ˆp X es la proporció de éxitos e la muestra, u itervalo de cofiaza al ivel 1 α100 % es ˆpX 1 ˆp X ˆpX 1 ˆp X ˆp X z α, ˆp X + z 1 α Criterio: los itervalos de cofiaza ateriores so fiables si 40. Observacioes El itervalo de cofiaza aterior está cetrado e la proporció muestral. Cuado crece se reduce la amplitud del itervalo de cofiaza. La amplitud del itervalo de cofiaza es A = z 1 α ˆp X 1 ˆp X De la fórmula aterior o podemos determiar el tamaño de la muestral si coocer ˆp X podremos e el caso peor: El máximo de ˆp X 1 ˆp X se alcaza e ˆp X = 0.5 y e este caso por lo tato e el peor de los casos así que os = 0.5z 1 α A Itervalo de cofiaza para la variaza de ua població ormal Recordemos que si teemos ua població ormal co variaza σ y ua muestra aleatoria de tamaño de esta població co variaza muestral S X etoces el estadístico χ 1 = 1S X σ sigue ua distribució χ co 1 g.l. Notació Si χ ν es ua v.a. que tiee distribució χ co ν g.l. deotaremos por χ ν,α al valor que verifica: Por esto e las especificacioes o detalles técicos de las ecuestas se suele leer, por ejemplo: Uiverso població Balear mayor de 18 años. Ecuesta telefóica, selecció aleatoria, de tamaño mil, error e las proporcioes ±3 % co ua cofiaza del 95 % supuesto que p = q = 1
10 Borrador RAM EST. SIS P χ ν χ ν,α = α es decir el cuatil α de ua v.a. co distribució χ ν. Estos valores está tabulados para distitos g.l. e la tabla de la distribució χ. Ejemplo 138 Sea χ 10 ua v.a. que tiee distribució χ co 10 g.l. Etoces χ 10,0.995 = 5.19 y χ 10,0.005 =.16, es decir Además tedremos que P χ = y P χ = P.16 χ = P χ P χ = = = 0.99 E geeral dado α etre 0 y 1 tedremos que 1 α = P χ ν, α χ ν χ ν,1 α Si teemos ua muestra de tamaño de ua població ormal co desviació típica muestral S X, dado u ivel de cofiaza 1 α tedremos que χ 1 = 1 S X σ y etoces: 1 α = P χ 1, α χ 1 χ 1,1 α = P χ 1, α 1S X σ χ 1,1 α = P 1 S X χ 1,1 α σ 1 S X χ 1, α Luego, bajo estas codicioes, u itervalo de cofiaza para la variaza poblacioal del 1 α100 % es 1 S X χ, 1 S X 1,1 χ. α 1, α Itervalo de cofiaza para la variaza de ua població ormal Codicioes Població ormal Muestra aleatoria de tamaño co variaza muestral S X Etoces u itervalo de cofiaza del 1 α100 % es 1 S X χ, 1 S X 1,1 χ α 1, α Dode χ 1, α es el valor que verifica P χ 1 < χ 1, α = α y χ 1,1 α es el valor tal que P χ 1 χ 1,1 α = 1 α dode χ 1 es ua v.a. que sigue ua distribució χ co 1 g.l. Observació El itervalo de cofiaza para σ o está cetrado e S X.
11 Borrador RAM EST. SIS Ejemplo 139 Ua cadea de hoteles tiee ua Líea 900 para recibir reservas telefóicas. U ídice de la calidad del servicio es el tiempo de espera, el tiempo que trascurre desde que el teléfoo suea por primera vez hasta que el operador respode. El estádar de la cadea es que el tiempo promedio de espera o debe ser superior a 30 segudos además se supoe que la distribució del tiempo de espera será aproximadamete ormal. La cadea tiee ispectores que visita los distitos hoteles y verifica todos los aspectos del servicio. Estas persoas realiza cada semaa 30 llamadas para hacer reservas y aota, etre otros idicadores el tiempo de espera e cad ua de ellas. E ua semaa los tiempos de espera e segudos so: 1, 13, 13, 14, 14, 14, 15, 15, 16, 17, 17, 18, 18, 19, 19, 5, 5, 6, 7, 30, 33, 34, 35, 40, 40, 51, 51, 58, 59, 83 Calcular u itervalo de cofiaza para la variaza y la desviació poblacioales al ivel 95 %. Solució: Sea X el tiempo de espera. Haciedo los cálculos teemos que redodeado al segudo decimal: X = 8.37 y s X = Como 1 α = 0.95 teemos que α = 0.05, etoces mirado e las tablas de la χ y redodeado tambié al segudo decimal χ 1, α = χ 9,0.975 = 45.7 y χ 1, 1 α = χ 9,0.05 = Por lo tato u itervalo de cofiaza del 95 % para σ es , = , Es decir P σ = 0.95 y operado teemos que luego u itervalo de cofiaza del 95 % para σ es P σ = 0.95, 13.83, 3.35.
Tema 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 detallesIntervalos 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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
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 detalles5.1. Tipos de convergencia
Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
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 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 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 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 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 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 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 detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
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 detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
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 detallesSucesiones de números reales
Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54
Más detallesMODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.
MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció La Estadística Descriptiva os ofrece ua serie de herramietas muy útiles para resumir gráfica
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 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 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 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 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 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 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 detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
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 detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
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 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 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 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 detalles11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)
I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co
Más detalles1. QUÉ ES LA ESTADÍSTICA?
1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular
Más detallesProbabilidad FENÓMENOS ALEATORIOS
Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detalles2 CARTAS DE CONTROL POR ATRIBUTOS
2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 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
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 detalles2.- Estudio Poblacional y Muestral Univariante
.- Estudio Poblacioal y Muestral Uivariate Població: Colectivo de persoas o elemetos co ua característica comú, objeto de estudio. Imposibilidad de estudio de esta característica e toda la població - Coste
Más detallesINTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos
1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
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 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 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 detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)
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 detallesMuestreo Estratificado.
Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato
Más detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
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 detallesAnálisis estadístico de datos simulados Estimadores puntuales
Aálisis estadístico de datos simulados Estimadores putuales Georgia Flesia FaMAF 5 de mayo, 2015 Aálisis estadístico Modelizació estadística: Elegir ua distribució e base a los datos observados. Estimar
Más detallesUNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar
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 detallesQué es el muestreo? SISTEMA DE EVALUACION. Practicas 30% Examen parcial 30% Examen final 30% Trabajos encargados 10% TECNICAS DE MUESTREO II
SISTEMA DE EVALUACION TECNICAS DE MUESTREO II Practicas 3% Exame parcial 3% Exame fial 3% Trabaos ecargados % Profesor: Ig. Celso Gozales Ch. Mg.Sc Email:cgozales@lamolia.edu.pe REFERENCIAS BIBLIOGRAFICAS
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detallesLAS MUESTRAS ESTADÍSTICAS
UNIDAD 0 LAS MUESTRAS ESTADÍSTICAS Págia 26 Lazamieto de varios dados CUATRO DADOS La distribució de probabilidades de la suma de cuatro dados es la siguiete: x i 4 5 6 7 8 9 0 2 3 4 4 0 20 35 56 80 04
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 detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
Más detallesEL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos
EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta
Más detallesProbabilidad y estadística
Probabilidad y estadística MEDIDAS DE TENDENCIA CENTRAL, MEDIDAS DE DISPERSIÓN, GRÁFICAS, E INTERPRETANDO RESULTADOS Prof. Miguel Hesiquio Garduño. Est. Mirla Beavides Rojas Depto. De Igeiería Química
Más detallesTema 1. Estadística Descriptiva
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 1 Estadística Descriptiva 1 Itroducció 1 2 Coceptos geerales 2 3 Distribucioes de frecuecias 3 4 Represetacioes
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 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 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 detallesEstadístico. Parámetro
La iferecia estadística comprede el establecer ciertos juicios co respecto a algo después de examiar solamete ua parte o muestra de ello. Así, se ofrece ua muestra gratis de u uevo producto alimeticio
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 detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detallesTema 1: Números Complejos
Números Complejos Tema 1: Números Complejos Deició U úmero complejo es u par ordeado (x, y) de úmeros reales Éste puede iterpretarse como u puto del plao cuya abscisa es x y cuya ordeada es y El cojuto
Más detalles