Mantenimiento Eléctrico
|
|
- Asunción Valenzuela Robles
- hace 6 años
- Vistas:
Transcripción
1 Universidad Tecnológica de Pereira - 1/27 Mantenimiento Eléctrico Intervalos estadísticos, pruebas de hipótesis Mauricio Holguín Londoño Programa de Ingeniería Eléctrica 2016
2 Universidad Tecnológica de Pereira - 2/27 Presentación Objetivos Objetivos Realizar la presentación de la distribución normal estandarizada y su aplicación para el cálculo de intervalos de confianza para la media de una variable aleatoria que representa el resultado promedio sobre repeticiones. Se introduce el concepto de prueba de hipótesis, donde se requiere aceptar o rechazar una sentencia sobre el valor de parámetros.
3 Universidad Tecnológica de Pereira - 3/27 Presentación Contenido Contenido I 1 Presentación Objetivos Contenido Bibliografía 2 La distribución normal Introducción Los parámetros Variable aleatoria normal estándar Ejemplo 3 Intervalos de confidencia Introducción Media y varianza de un promedio Intervalo de confidencia Selección tamaño de muestra 4 Pruebas de Hipótesis
4 Universidad Tecnológica de Pereira - 4/27 Presentación Contenido Contenido II Introducción Tipos de Error Procedimiento general Prueba de hipótesis sobre la media
5 Universidad Tecnológica de Pereira - 5/27 Presentación Bibliografía Bibliografía [1] Applied Statistics and Probability for Engineers. Third Edition. Douglas C. Montgomery, George C. Runger. 2003, John Wiley & Sons, Inc. ISBN [2] Engineering Maintenance:A Modern Approach. B.S. Dhillon, Ph.D. CRC Press. ISBN [3] Life cycle reliability engineering. Guangbin Yang, Ford Motor Company. 2007, John Wiley & Sons. ISBN-13: [4] Reliability, Maintainability and Risk. Practical methods for engineers. Sixth Edition. David J Smith. 2001, Butterworth-Heinemann. ISBN
6 Universidad Tecnológica de Pereira - 6/27 La distribución normal Introducción Teorema de De Moivre Conocido como teorema del ĺımite central, en 1733 De Moivre dijo que cuando un experimento aleatorio se repite de forma sucesiva, la variable aleatoria que representa el resultado promedio sobre las repeticiones tiende a tener una distribución normal a medida que el número de repeticiones crece. Este resultado permaneció perdido cerca de 100 años, y de forma independiente Gauss desarrolló luego la conocida distribución normal. f (x) = 1 exp 1 2 ( x µ σ ) 2 2πσ La notación N ( µ, σ 2) (media y varianza) también se emplea como forma simplificada de la distribución normal.
7 Universidad Tecnológica de Pereira - 7/27 La distribución normal Los parámetros Los parámetros I
8 Universidad Tecnológica de Pereira - 8/27 La distribución normal Los parámetros Los parámetros II La media µ determina la centralidad de la distribución, la desviación σ determina la forma de la campana. P(µ σ < X < µ + σ) = 0,6827 P(µ 2σ < X < µ + 2σ) = 0,9545 P(µ 3σ < X < µ + 3σ) = 0,9973 P(X > µ) = P(X < µ) = 0,5
9 Universidad Tecnológica de Pereira - 9/27 La distribución normal Variable aleatoria normal estándar Variable aleatoria normal estándar Variable normal donde µ = 0 y σ = 1. Se denota como Z y es una variable normal centrada en cero y con desviación de 1. Φ(z) = P(Z z) = ˆx 1 2πσ exp 1 2 ( x µ σ ) 2 dx = ˆz 1 2π exp 1 2 u2 du Una variable aleatoria normal X, se puede transformar en una variable aleatoria normal estándar Z con la estandarización: Z = X µ σ P(X x) = P( X µ σ x µ ) = P(Z z) σ
10 Universidad Tecnológica de Pereira - 10/27 La distribución normal Variable aleatoria normal estándar Distribución cumulativa normal estándar I Φ(z) = P(Z z) = ˆx 1 2πσ exp 1 2 ( x µ σ ) 2 dx = ˆz 1 2π exp 1 2 u2 du
11 Universidad Tecnológica de Pereira - 11/27 La distribución normal Variable aleatoria normal estándar Distribución cumulativa normal estándar II
12 Universidad Tecnológica de Pereira - 12/27 La distribución normal Ejemplo Ejemplo En una señal digital, el ruido sigue una normal con µ = 0V y σ = 0,45V. Se toma 1 lógico cuando el voltaje excede 0.9V. Cuál es la probabilidad de detectar 1 si no se realiza su envío? P(N > 0,9) = P( N 0 0,45 > 0,9 0 ) = P(Z 2) = 0, = 1 0, ,45 Determinar los ĺımites simétricos alrededor de 0 que abarquen el 99 % de todas las lecturas de ruido. P( x < N < +x) = P( x 0,45 < N 0,45 < x 0,45 ) = 0,99 Como el área cubierta es del 0.99, el área no cubierta es 0,01, y por ser áreas simétricas a cada lado hay un 0,005 no cubierto. P( x < N < +x) = P( z < Z < +z) = P( 2,58 < Z < +2,58) = 0,99
13 Universidad Tecnológica de Pereira - 13/27 Intervalos de confidencia Introducción La precisión de un estimado En una piscina llena de millones de balones blancos y negros perfectamente mezclados se debe estimar el porcentaje de balones negros. Se inicia con una muestra de 10 balones y se estimó que 40 % son negros. Se regresan los balones, se repite y da una estimación del 60 %. A medida que se repite el experimento la estimación está entre los ĺımites X1 y X2 con X1<X2, asignándose un porcentaje al número de veces que la estimación cae dentro de esos ĺımites. Por ejemplo, el 90 % de las veces la estimación está entre el 35 % y el 70 %. Se repite el experimento con 1000 balones. Ahora el 90 % de las veces la estimación está entre 50 % y 60 %. A mayor tamaño de muestra, menor intervalo de certidumbre. A mayor porcentaje de estimación, mayor intervalo de certidumbre.
14 Universidad Tecnológica de Pereira - 14/27 Intervalos de confidencia Media y varianza de un promedio Media y varianza de un promedio La variable aleatoria que representa el resultado promedio de variables aleatorias con medias y varianzas iguales es: X = (X 1 + X X n)/n Donde E(X i ) = µ y E(X ) = µ, además si V (X i ) = σ 2, entonces V (X ) = σ 2 /n Entonces la media muestral se puede normalizar como sigue: Z = X µ σ/ n
15 Universidad Tecnológica de Pereira - 15/27 Intervalos de confidencia Intervalo de confidencia Intervalo de confidencia Un intervalo de confidencia para la media de una variable aleatoria normalizada que representa el resultado promedio de variables aleatorias en un intervalo con ĺımites superior (S) e inferior (I ) S µ I y un porcentaje de estimación 1 α es: P(S µ I ) = P( z α/2 < X µ σ/ n < +z α/2) = 1 α σ σ = P(X z α/2 n < µ < X + z α/2 n ) = 1 α
16 Universidad Tecnológica de Pereira - 16/27 Intervalos de confidencia Intervalo de confidencia Ejemplo Se realiza un experimento 10 veces, consistente en determinar la energía de impacto al corte (J) en especímenes de acero a 60ºC con los siguientes resultados: 64.1, 64.7, 64.5, 64.6, 64.5, 64.3, 64.6, 64.8, 64.2 y La energía de impacto se distribuye normalmente con una desviación de 1J. Encontrar un intervalo de confidencia del 95 % para la media de la energía de impacto. De los datos: z α/2 = z 0,025 = 1,96, n = 10, σ = 1, y x = 64,46. σ σ P(S µ I ) = P(X z α/2 n < µ < X + z α/2 n ) = 1 α = P(64,46 1, < µ < 64,46 + 1, ) = 0,95 = P(63,84 < µ < 65,08) = 0,95
17 Universidad Tecnológica de Pereira - 17/27 Intervalos de confidencia Selección tamaño de muestra Selección tamaño de muestra σ La precisión del intervalo de confidencia es de 2z α/2 n, lo cual quiere decir que el error al estimar la media σ E = x µ z α/2 n con una confiabilidad del 100 %(1 α). Al despejar n ( zα/2 σ n = E ) 2
18 Universidad Tecnológica de Pereira - 18/27 Intervalos de confidencia Selección tamaño de muestra Ejemplo Continuando con el ejemplo anterior, el máximo error admisible es medio intervalo de confidencia, por lo que E = 0,5. ( ) 1, n = = 15,37 0,5 = 16
19 Universidad Tecnológica de Pereira - 19/27 Pruebas de Hipótesis Introducción Introducción I Se requiere aceptar o rechazar una sentencia sobre el valor de parámetros La sentencia se denomina Hipótesis Estadística El procedimiento para la toma de la decisión se denomina Prueba de Hipótesis Las pruebas de hipótesis estadística y la estimación de intervalos de confidencia de parámetros son el fundamento para el procedimiento de análisis en la comparación de experimentos. Una hipótesis estadística puede ser una sentencia sobre la distribución de probabilidad de una variable aleatoria. Se puede involucrar uno o más parámetros de la distribución.
20 Universidad Tecnológica de Pereira - 20/27 Pruebas de Hipótesis Introducción Introducción II Las hipótesis son sentencias sobre la población o la distribución, o sobre la muestra. Prueba bilateral Prueba unilateral Hipótesis nula H 0 : µ =21 años H 0 : µ =21 años Hipótesis alterna H 1 : µ 21 años H 1 : µ <21 años Para la prueba de hipótesis se emplea la información de la muestra aleatoria desde la población de interés. Si la información es consistente con la hipótesis se dice que esta es verdadera, de lo contrario se concluye que es falsa.
21 Universidad Tecnológica de Pereira - 21/27 Pruebas de Hipótesis Tipos de Error Tipos de Error Se hace muestreo de 10 alumnos. 19,6 x 22,4 y se rechaza hipótesis alterna en favor de la nula. x < 19,6. Se rechaza hipótesis nula en favor de la alterna. Existirá Región de Aceptación con ĺımites en Valores Críticos. Por fuera está la Región Crítica. Se puede entonces caer en dos conclusiones erróneas: Error tipo I: cuando se rechaza la hipótesis nula, pero era verdadera. La edad media es 21 años, pero en la muestra se observó valor en la región crítica. Nivel de significancia: α = P(ErrorI ) = P(rechazarH 0 cuando H 0 Verdadero) Error tipo II: cuando no se rechaza la hipótesis nula, pero era falsa. Edad media 23 años, pero se observó valor en la región de aceptación. β = P(ErrorII ) = P(NorechazarH 0 cuando H 0 Falsa)
22 Universidad Tecnológica de Pereira - 22/27 Pruebas de Hipótesis Tipos de Error Ejemplo Error Tipo I α = P(x < 19,6 cuando µ = 21) + P(x > 22,4 cuando µ = 21) Normalizando, con n = 10, σ = 2,5, σ/ n = 0,7906 z 1 = 19,6 21 0,7906 = 1,771 z 2 = 22,4 21 0,7906 = 1,771 α = P(Z < 1 771) + P(Z > 1,771) = 0, , = 0,077 Con lo cual el 7.7 % de muestreos rechazarán H 0 siendo cierta. La significancia mejora (se reduce) al incrementar Valores Críticos o n.
23 Universidad Tecnológica de Pereira - 23/27 Pruebas de Hipótesis Tipos de Error Ejemplo Error Tipo II β = P(19,6 X 22,4 cuando µ = 23) 19, ,4 23 z 1 = = 4,301 z 2 = = 0,7589 0,7906 0,7906 β = P( 4,301 Z 0,7589) = P(Z 0,7589) P(Z 4,301) β = 0, = 0, Si H 0 : µ = 21 y H 1 : µ 21 y µ = 23, la probabilidad de fallar en rechazar H 0 es %. β aumenta rápidamente si el valor real se acerca a la hipótesis y decrece con el tamaño de muestra.
24 Universidad Tecnológica de Pereira - 24/27 Pruebas de Hipótesis Procedimiento general Procedimiento general 1 Identificar los parámetros de interés 2 Establecer la hipótesis nula H 0. 3 Establecer una hipótesis alterna adecuada, H 1. 4 Seleccionar un nivel de significancia, α. 5 Determinar un adecuado test estadístico. 6 Establecer la región de rechazo para la estadística. 7 Evaluar la cantidad de muestras necesarias, substituirlas en la ecuación del test estadístico y calcular el valor. 8 Decidir si se debe rechazar o no H 0 y contextualizarlo con el problema.
25 Universidad Tecnológica de Pereira - 25/27 Pruebas de Hipótesis Prueba de hipótesis sobre la media Prueba de hipótesis sobre la media I La velocidad de combustión del propelente es vital en su selección. Para cierta aeronave la combustión media del propelente debe ser de 50 centímetros por segundo con una desviación estándar de 2 centímetros por segundo. El encargado de experimentar decide especificar una probabilidad para el error tipo I (nivel de significancia) de 0.05 y selecciona un tamaño muestral de n = 25 para obtener su tasa media de combustión muestral de x = 51,3. Qué conclusión se debe tomar? 1 El parámetro de interés es la media, µ. 2 H 0 : µ = 50 centímetros por segundo. 3 H 1 : µ 50 centímetros por segundo. 4 α = 0,05. Límites región crítica: z 0,025 = 1,96, z 0,025 = 1,96
26 Universidad Tecnológica de Pereira - 26/27 Pruebas de Hipótesis Prueba de hipótesis sobre la media Prueba de hipótesis sobre la media II 5 La prueba estadística es: z 0 = x µ 0 σ/ n 6 Límites región crítica: z 0,025 = 1,96, z 0,025 = 1,96. Rechazar H 0 si z 0 < 1,96 o z 0 > 1,96. 7 Cálculos z 0 = 51,3 50 2/ 25 = 3,25
27 Universidad Tecnológica de Pereira - 27/27 Pruebas de Hipótesis Prueba de hipótesis sobre la media Prueba de hipótesis sobre la media III 8 Conclusiones: Ya que z 0 = 3,25 > 1,96 se rechaza H 0 : µ = 50 para un nivel de significancia de Se concluye que la tasa media de combustión difiere de 50 centímetros por segundo con base en una muestra de 25 mediciones. Existe fuerte evidencia que la tasa media de combustión excede los 50 centímetros por segundo.
Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesEsta proposición recibe el nombre de hipótesis
Pruebas de hipótesis tesis. Refs: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua, Apuntes de Estadística, Dr. Pedro Juan Rodríguez Esquerdo, Departamento de Matemáticas,
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesCómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.
Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada
Más detallesDistribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.
Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesEJERCICIOS DE PRUEBA DE HIPOTESIS
EJERCICIOS DE PRUEBA DE HIPOTESIS Protocolo 1. Identifique la aseveración original que se probará y exprésela en forma simbólica 1. 2. Dar la forma simbólica que debe ser verdad si la aseveración original
Más detalles5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD
Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina
Más detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detallesTEOREMA DEL LÍMITE CENTRAL
Material de clase n 2 Domingo 13 Junio TEOREMA DEL LÍMITE CENTRAL A medida que n se vuelve más grande, la distribución de las medias muestrales se aproxima a una distribución normal con una media x = µ
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesINFERENCIA ESTADÍSTICA Notas de clase. Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez
INFERENCIA ESTADÍSTICA Notas de clase Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez TEMA III ESTIMACIÓN DE PARÁMETROS POR INTERVALOS DE CONFIANZA La estimación puntual es útil pues proporciona
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 13 Inferencia en una población Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar el procedimiento de pruebas en la inferencia estadística. Aplicar
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesHabilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesEs una proposición o supuesto sobre los parámetros de una o más poblaciones
HIPOTESIS ESTADISTICA Es una proposición o supuesto sobre los parámetros de una o más poblaciones http://www.itch.edu.mx/academic/industrial/estadistica1/cap02.html POR LUIS M. BAQUERO ROSAS, MBA JUNIO
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detalles= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =
El peso en kg de los estudiantes universitarios de una gran ciudad se supone aproximado por una distribución normal con media 60kg y desviación típica 8kg. Se toman 100 muestras aleatorias simples de 64
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesPrueba de hipótesis para la diferencia de medias
Estadística Técnica Prueba de hipótesis para la diferencia de medias Cladera Ojeda, Fernando Conceptos previos Inferencia estadística Población Muestra Parámetro Estadístico Hipótesis estadística Pruebas
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Más detalles6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE
6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE HIPÓTESIS. 6.1 INFERENCIA ESTADISTICA La estadística está dividida en descriptiva e inferencial donde La estadística Descriptiva se relaciona principalmente
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS Autor: Clara Laguna 6.1 INTRODUCCIÓN En el tema anterior estudiamos cómo a partir de una muestra podemos obtener una estimación puntual o bien establecer
Más detallesProblemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013
Problemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013 Ejercicios resueltos En los dos casos que siguen resuelven cada decisión estadística mediante tres procedimientos: intervalo
Más detallesProyecto Tema 8: Tests de hipótesis. Resumen teórico
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 8: Tests de hipótesis Resumen teórico Tests de hipótesis Concepto de test de hipótesis Un test de hipótesis (o
Más detallesGermán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala
Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesESTADISTICA INFERENCIAL
ESTADISTICA INFERENCIAL CODIGO 214543 (COMPUTACION) 224543 (SISTEMAS) 254443 (CONTADURIA) 264443 (ADMINISTRACION) 274443( GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE 02 02 03 IV PRE REQUISITO
Más detallesContrastes de hipótesis estadísticas. Contrastes paramétricos
Índice 7 Contrastes de hipótesis estadísticas. Contrastes paramétricos 7.1 7.1 Introducción.......................................... 7.1 7.2 Conceptos básicos...................................... 7.2
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesPuntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010
Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Objetivos de Lección Conocer características principales de una
Más detallesJUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A
Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesCarrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si
Más detallesJuan Carlos Colonia INTERVALOS DE CONFIANZA
Juan Carlos Colonia INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA PARA LOS PARÁMETROS DE DOS POBLACIONES I.C. PARA EL COCIENTE DE VARIANZAS Sean X y dos muestras aleatorias,..., Xn Y,..., Yn independientes
Más detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesUnidad V Pruebas de Hipótesis Una Muestra
En las pruebas de hipótesis, el objetivo es, fundamentalmente, decidir si un valor o valores determinados de la distribución de la variable aleatoria considerada responde o no a la realidad. Una hipótesis
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesSistemas de Inventarios con Demanda Probabilística
Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de Almacenamiento e Inventarios Sistemas de Inventarios con Demanda Probabilística Profesor: Julio César Londoño O Sistemas de inventarios
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesESTADISTICA DESCRIPTIVA Y PROBABILIDAD
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grupo Lunes jueves 1PM22 11:00-12:00 11:00-13:00 Prof. Miguel Hesiquio Garduño. Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com 1 de Agosto de 2011 OBJETIVO
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detalles