En esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.
|
|
- María Dolores Mora Sosa
- hace 6 años
- Vistas:
Transcripción
1 Capítulo 6 Muestreo Estadístico E esta tema setaremos las bases del muestreo estadístico y estudiaremos las distribucioes de alguos estadísticos a partir de ua muestra Coceptos básicos Auque e el capítulo de Estadística Descriptiva ya vimos alguos de los coceptos básicos sobre muestras, o está de más que los repitamos y ampliemos a cotiuació: Població: Cojuto de idividuos co ua característica observable comú. Muestra: Subcojuto de la població del que se espera que la represete. El objetivo de la estadística iferecial es obteer iformació sobre el cojuto de la població a partir de u subcojuto represetativo de ella llamado muestra. E la práctica lo más comú es coocer sólo ua parte de la població y lo que queremos es averiguar por ejemplo qué esperaza o qué variaza o... tiee determiada població. Iferir iformació de ua muestra es cotestar pregutas sobre el total de la població a partir del estudio de ua muestra represetativa de la misma. Pasos e u estudio co muestreo a) Qué iformació se ecesita? b) Cuál es la iformació relevate? Se dispoe de acceso a todos los idividuos de la població? c) Cómo seleccioamos los idividuos de la muestra? d) Qué método emplearemos para obteer la iformació de los idividuos de la muestra? e) Qué herramietas utilizaremos para hacer iferecias? f) Qué coclusioes podemos obteer? g) Si las coclusioes so fiables y suficietes redactar iforme, e caso cotrario ir a (a) Tipos de muestreo Muestreo Aleatorio Simple (es el que estudiaremos e este tema) Muestro Estratificado (por sexos, edades, ivel estudios,... variables de perfil) Muestreo por Coglomerados (por ejemplo por provicias, barrios,... ) Muestreo Polietápico. Muestreo o probabilístico. Y otros... 71
2 Borrador RAM EST. SIS Muestreo aleatorio simple Queremos seleccioar ua muestra de tamaño (es decir formada por idividuos) de ua població de tamaño N. Obtedremos ua muestra aleatoria simple (m.a.s.) cuado todas las muestras posibles de idividuos tega la misma probabilidad de ser elegidas. El teer ua m.a.s de ua població juto co u tamaño muestral adecuado os asegurará la represetatividad suficiete de la muestra. Observacioes El proceso mismo del muestreo aleatorio simple es complejo. Ua forma secilla es umerar, si es posible a todos los idividuos de la població y sortearlos eligiedo úmeros como si se tratase de ua lotería (por ejemplo co ua tabla de úmeros aleatorios 1 o co u geerador de úmeros aleatorios). E ocasioes esto es impracticable o muy caro: a) Població mudial de seres humaos. b) Població de llamadas a ua cetralita telefóica. c) Població de votates e las próximas eleccioes locales y autoómicas. E alguos de estos casos será luego impracticable localizar a los idividuos seleccioados y covecerlos de que respoda, muchos o querrá Iferecias Nuestro iterés es estudiar la distribució de probabilidad de la muestra o de algua fució de la muestra y de esta iferir resultados de la distribució de probabilidad de la població. Estadísticos y distribucioes muestrales Teemos ua m.a.s. de ua població y deseamos obteer iformació sobre la media o la variaza poblacioales. Estas iferecias las basaremos e u estadístico, que estudiaremos e más profudidad e los temas siguietes y que o es más que ua fució que depede de la muestra. p e: media aritmética, proporció muestral Distribució muestral de u estadístico La distribució muestral o distribució e el muestreo de u estadístico es la distribució de probabilidad de los valores que puede tomar el estadístico e todas las posibles muestras, es decir la distribució de la variable aleatoria que defie el estadístico. Ejemplo 107 Supogamos que queremos estimar cuál es úmero medio de discos de ordeador defectuosos e las cajas de 10 discos de ua determiada marca. Para ello tomamos ua m.a.s de cuatro cajas X 1, X 2 X 3, X 4 y obteemos los siguietes resultados: primera caja : 1 defectuoso seguda caja : 2 defectuosos tercera caja : 0 defectuoso cuarta caja : 1 defectuosos Defiimos el estadístico media aritmética como: E este caso X = 1. X = T (X 1, X 2, X 3, X 4 ) = X 1 + X 2 + X 3 + X 4 4 Supogamos que tomamos repetidas muestras de tamaño 4 y los resultados so: 1 E realidad los úmeros aleatorios geerados por diversos tipos de algoritmos so pseudoalatorios; so úmeros que supera determiados test de aleatoriedad
3 Borrador RAM EST. SIS Las medias aritméticas de cada muestra so: M. M. M. M. M. M. M. M. M. M M. M. M. M. M. M. M. M. M. M Etoces: (0.25)) = P (X = 0.25) = 1 20 = 0.05 (0.50)) = P (X = 0.50) = 6 20 = 0.30 (0.75)) = P (X = 0.75) = 5 20 = 0.25 (1)) = P (X = 1) = 2 2 = 0.10 (1.25)) = P (X = 1.25) = 4 20 = 0.20 (1.50)) = P (X = 1.5) = 1 20 = 0.05 (2)) = P (X = 2) = 1 20 = 0.05 Esta sería ua aproximació a la distribució muestral del estadístico X a partir de los datos de varias muestras Distribució e el muestreo de la media muestral La distribcuió del estadístico puede seguir u modelo preestablecido si se cumple varias codicioes. Por ejemplo, supogamos que hemos tomado ua m.a.s. de observacioes de ua v.a. X e ua població de media µ X y desviació típica σ X. Represetemos por X 1, X 2,..., X los elemetos de observacioes idepedietes que forma ua m.a.s. de ésta població. Cada ua de las observacioes de la població so así mismo v.a. co la misma esperaza y variaza que la població. Llamaremos media aritmética de la muestra (media muestral) X 1,..., X a Observacioes: Notemos que: i=1 X = X i a) E(X) = 1 E(X 1 + X X ) = 1 (µ X + µ X + + µ X ) = µ X b) El valor esperado de la media aritmética de la muestra es la media poblacioal. Etoces el estadístico media muestral estima la media poblacioal. Dicho de otra forma la esperaza de la distribució muestral de la media aritmética es la media poblacioal.
4 Borrador RAM EST. SIS Pero que el valor esperado sea µ X o quiere decir que X sea exactamete µ X. Estudiemos la variaza de X. Como X 1,..., X so idepedietes teemos que: a) V ar(x) = 1 2 V ar(x 1 + X X ) = 1 2 (V ar(x 1 ) + V ar(x 2 ) + + V ar(x )) = 1 2 σ 2 X = 1 σ2 X b) Luego si es suficietemete grade ( o cuado ) la variaza tederá a estar muy próxima a cero. Ejemplo 108 No siempre tedremos idepedecia etre X 1,..., X. Por ejemplo supogamos que queremos averiguar cuátos votos afirmativos hay e ua ura co 10 votos. Teemos dos opcioes para realizar la m.a.s.: a) Tomar u voto al azar aotar su resultado y devolverlo a la ura, repetir el proceso 3 veces más. (muestreo co reemplazamieto). b) Tomar sucesivamete 4 votos de la ura si reemplazarlos. (muestreo si reemplazamieto). E ambos casos la muestra obteida es ua m.a.s. pues todos los subcojutos de idividuos tiee igual probabilidad de ser elegidos. Pero e el primer caso teemos idepedecia etre cada ua de las observacioes mietras que e el segudo esto o es así. E la práctica se elige siempre el muestreo cosistete e observar idividuos distitos. Si es pequeño co respecto a N podemos supoer que las variables so prácticamete idepedietes. Si o, teemos que corregir la variaza multiplicádola por lo que se llama factor de població fiita y tedremos que σ 2 = V ar(x) = 1 N X σ2 X N 1 Que recuerda la variaza de ua Hipergeométrica. Frecuetemete utilizaremos la expresió tipificada de la media muestral: Z = X µ X σ X = X µ X σ X Además si aplicamos el T.L.C. para tamaños muestrales grades la distribució de Z es ua ormal estádar. Resultado importatísimo pues sea cual sea la distribució de X la distribució de X será coocida si es suficietemete grade. Distribució muestral de X Sea X la v.a. de iterés de ua cierta població co E(X) = µ X y V ar(x) = σ 2 X y sea X 1,..., X ua muestra aleatoria simple de dicha població: a) µ X = E(X) = µ X b) σ 2 X = 1 σ2 X y la desviació típica de X es σ X = σx que tambié recibe el ombre de error estádar de X. c) E el caso e que el tamaño muestral o sea pequeño e relació al tamaño de la població etoces teemos que aplicar el factor de correcció de població fiita e el cálculo del error estádar de X: y el error estádar será σ X = σx N N 1 σ 2 = 1 N X σ2 X N 1 d) Si la distribució de la població (X) es ormal etoces la variable aleatoria: Z = X µ X σ X es ua ormal estádar. O lo que es lo mismo X es ua ormal co media µ X y desviació típica σ X
5 Borrador RAM EST. SIS e) Si la distribució de la població o es ormal pero el tamaño muestral es suficietemete grade etoes por el T.L.C. la distribució de Z tambié se aproxima a ua ormal estádar y por lo tato X se aproxima a ua ormal co media µ X y desviació típica σ X Ejemplo 109 El precio medio por m 2 de veta de casas uevas durate el último año e ua determiada ciudad fue de pts. La desviació típica de la població fue de 0 pts. Se toma ua muestra aleatoria de 100 casas uevas de esta ciudad. a) Cuál es la probabilidad de que la media muestral de los precios de veta sea meor que pts? b) Cuál es la probabilidad de que la media muestral de los precios de veta esté etre pts y pts? c) Cuál es la probabilidad de que la media muestral de los precios de veta esté etre pts y pts? d) Si hacer cálculos, razoar e cuál de los siguietes ragos resulta más probable que se ecuetre la media muestral de los precios de veta: pts pts pts pts pts pts pts pts. Supogamos que el úmero de casas de la ciudad sea muy grade e relació al tamaño muestral = 100. Etoes si X es la v.a. precio de ua casa de la ciudad el euciado os dice que µ X = E(X) = y σ X = 0. Tomamos ua m.a.s. X 1,..., X 100 de precios etoces F µ X = µ X = y σ X = σx = = Además Z = X µx σ X Solució: a) P (X ) = = X sigue aproximadamete ua distribució ormal estádar. P (Z ) = P (Z 2) = F Z ( 2) = 1 F Z (2) = = b) P ( X ) = P ( Z ) = F Z (0.8) F Z ( 0.8) = 2F Z (0.8) 1 = 2(0.7881) 1 = c) P ( X ) = P ( Z ) = F Z (0.4) F Z ( 0.4) = 2F Z (0.8) 1 = 2(0.6554) 1 = d) La media aritmética de los precios X sigue aproximadamete ua distribució ormal etoces gráficamete el itervalo de mayor probabilidad será el que mayor área cubra bajo la curva ormal (cetrada e ) y ese itervalo es pts pts Distribució e el muestro de ua proporció muestral La proporció muestral de u eveto e ua població vedrá geeralmete asociada a ua variable biomial (si la població es pequeña será Hipergeométrica). Por ejemplo si tomamos ua muestra de tamaño, determiar el porcetaje de votos que recibirá el Partido P.X. e las próximas eleccioes es lo mismo que determiar el parámetro p de X = i X i úmero de votates de P.X. e la muestra de tamaño, que es B(, p) y dode cada X i es ua Ber(p) idepediete de forma que X i = 1 si el iésimo idividuo y cero e caso cotrario, así que la proporció muetral es la media aritmética de observacioes Ber(p). Será realmete biomial? otemos que e la muestra o pregutaremos dos veces al mismo idividuo, luego las observacioes o so exactamete idepedietes, pero si el tamaño de la població es grade respecto a la muestra podemos cosiderarlas así, ya que la probabilidad de repuesta afirmativa o cambia (es despreciable el cambio). Defiició 110 Sea X el úmero de éxitos e ua muestra biomial de observacioes, co probabilidad de éxito p. Etoces la proporció de éxitos e la muestra es: ˆp X = X, y se deomia proporció muestral.
6 Borrador RAM EST. SIS Distribució e el muestreo de ˆp X Sea ˆp X la proporció de éxitos e ua muestra aleatoria de observacioes. Etoces: a) E(ˆp X ) = E( X ) = E(X) = p = p b) La distribució muestral de ˆp X tiee variaza σ 2ˆp X = V ar( X ) = V ar(x) su desviació típica es σˆpx = p(1 p) que recibe tambié el ombre de error estádar de la proporció muestral 2 = p(1 p) 2 = p(1 p) y por lo tato c) Si es pequeño e relació al tamaño de la població N teemos que aplicar el factor de correcció de població fiita y etoces el error estádar de ˆp X es σˆpx = p(1 p) p N N 1 d) Si el tamaño muestral es grade (por ejemplo > 30 o mejor > 40) etoces Z = ˆpX p σ px ˆ se distribuye aproximadamete como ua ormal estádar o lo que es lo mismo ˆp X se distribuye aproximadamete como ua ormal co esperaza p X y variaza σ px ˆ. e) Cuado o se verifique las codicioes de aproximació utilizaremos la distribució t de Studet que veremos el el siguiete tema. Observació Notemos que si crece el error estádar dismiuye y etoces ˆp estará más cerca del valor real p. Ejemplo 111 El dueño de ua tieda de discos ha comprobado que el 20 % de los clietes que etra e su tieda realiza ua compra. Cierta mañaa etraro e esa tieda 180 persoas, que puede ser cosideradas como ua muestra aleatoria de todos sus clietes. a) Cuál será la media de la proporció muestral de clietes que realizaro algua compra? b) Cuál es la variaza de la proporció muestral? c) Cuál es el error estádar de la proporció muestral? d) Cuál es la probabilidad de que la proporció muestral sea mayor que 0.15? Solució: El tamaño de la muestra es pequeño e relació al úmero total de clietes. Teemos que p = 0.2 (probabilidad de éxito e la veta). Sea X= úmero de clietes que compra etre los 180, etoces: a) ˆp X = p = 0.2 b) σ 2ˆp X = p(1 p) c) σˆpx = = 0.2(1 0.2) 180 = p(1 p) = = 0.03 d) Como es grade etoces Z = etoces: ˆpX p σ ˆpX = ˆpX sigue aproximadamete ua distribució ormal estádar, P (ˆp X > 0.15) = 1 P (ˆp X 0.15) = 1 P (Z ) = 1 F Z ( 1.67) = F Z (1.6) = Distribució muestral de la variaza muestral Defiició 112 Sea X 1,..., X ua m.a.s. de ua població (X) co E(X) = µ X y V ar(x) = σ 2 X. Llamaremos variaza muestral a : S 2 X = i=1 (Xi X)2 1 S X = + S 2 X recibe el ombre de desviació típica muestral. Deotaremos por S 2 X = 1 S 2 X y S X = S X.
7 Borrador RAM EST. SIS Proposició 113 ( ) 1. SX 2 = i=1 (Xi X)2 i=1 = X2 i X 2 2. E(SX 2 ) = 1 σ2 X ( 3. S2 X = 1 i=1 X2 i X 2 ) 4. E( S 2 X ) = σ2 X Demostració: Se deja como ejercicio (recomedado) Distribució e el muestreo de S 2 X Co las otacioes ateriores teemos que: a) E( S 2 X ) = σ2 X b) Si la distribució de la població es ormal etoces la variable ( 1) S 2 X σ 2 X se distribuye segú ua ley χ La distribució χ 2 (chi-cuadrado co g.l.) Si X 1, X 2,..., X so v.a. idepedietes y X i N(0, 1) etoces: X = X X X2 es ua v.a. que diremos que se distribuye chi-cuadrado co grados de libertad y lo otaremos por χ 2 La fució de desidad de ua χ 2 es : f(x) = 1 2 /2 Γ(/2) x(/2) 1 e x/2 co x 0 y Γ(/2) = + 0 u (/2) 1 e u du la llamada fució gamma. Gráfica de la fució de desidad de ua χ 2 Su fució de distribució se puede calcular pero por uestra comodidad está tabulada. Ejemplo 114 Las retabilidades mesuales de cierto tipo de accioes so idepedietes uas de otras, y sigue ua distribució ormal co desviació típica 1.7. Se toma ua muestra de 12 meses. a) Hallar la probabilidad de que la desviació típica muestral sea meor que 2.5. b) Hallar la probabilidad de que la desviació típica muestral sea mayor que 1.
8 Borrador RAM EST. SIS Solució Sea X= retabilidad de las accioes. Sabemos que σ 2 X = (1.7)2 además como la distribució de la població es ormal y = 12 teemos que ( 1) S 2 X σ 2 X a) P ( S X < 2.5) = P ( S X 2 < (2.5)2 ) = P ( (12 1) S 2 X b) P ( S X > 1) = P ( S X 2 > 1) = P ( (12 1) S 2 X = sigue ua distribució χ (1.7) 2 < (12 1)(2.5) > (12 1)1 (1.7) 2 ) = P (χ 2 11 < ) P (χ2 11 < ) = ) = P (χ 2 11 > ) = 1 P (χ 2 11 > 3.816) =
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 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 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 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 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 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 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 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 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 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 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 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 detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
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 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 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 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 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 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 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 detallesCombinatoria y definiciones básicas de probabilidad
Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia
Más detallesInferencia estadística. Distribuciones muestrales
UNIDAD 9 Iferecia estadística. Distribucioes muestrales la Estadística se distigue dos partes perfectamete difereciadas. Ua de ellas se cooce co E el ombre de Estadística Descriptiva y tiee como objetivo
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 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 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 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 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 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 detallesTema 6: Distribuciones Muestrales
Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.
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 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 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 detallesEstadística para Química - 1er. cuat. 2007 - Marta García Ben
Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,
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 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 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 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 detallesSEMANA 01. CLASE 01. MARTES 04/10/16
EMANA 0. CLAE 0. MARTE 04/0/6. Experimeto aleatorio.. Defiició. Experimeto e el cual o se puede predecir el resultado ates de realizarlo. Para que u experimeto sea aleatorio debe teer al meos dos resultados
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 detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado
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 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 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 detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
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 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 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 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 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 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 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 detallesTest de Wilcoxon de rangos signados
5 Elea J. Martíez do cuat. 0 Test de Wilcoxo de ragos sigados Hemos visto que, co míimas hipótesis sobre la distribució subyacete (úica mediaa y distribució cotiua), el test del sigo es UMP para las hipótesis
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 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 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 detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
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 detallesINTRODUCCIÓN A LA ESTADÍSTICA
INTRODUCCIÓN A LA ESTADÍSTICA DIRECCIÓN DE LA PRODUCCIÓN Por: LUIS ARENCIBIA SÁNCHEZ www.laformacio.com - www.libroelectroico.et 1 Ídice. 1. Cotrol estadístico de calidad.. Datos..1. Presetació de datos...
Más detallesTEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
Más detallesTema 10 Inferencia, distribuciones muestrales y contraste de hipótesis
Tema 10 Iferecia, distribucioes muestrales y cotraste de hipótesis 10. Iferecia, distribucioes muestrales y cotraste de hipótesis 1 10.1. Técicas de Muestreo........................ 2 10.2. Estimació de
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 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 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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel
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 detallesSoluciones problemas del Tema 2
1 Solucioes problemas del Tema 1) a) E(W ) = E(X + Y + Z) = E(X) + E(Y ) + E(Z) = 0; V ar(w ) = V ar(x) + V ar(y ) + V ar(z) + (Cov(X, Y ) + Cov(X, Z) + Cov(Y, Z)) = 1 + 1 + 1 + ( 1 + 0 ) 1 4 4 = 3 b)
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. 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 detallesCapítulo I Aspectos generales de Probabilidades y Variables Aleatorias
Capítulo I Aspectos geerales de Probabilidades y Variables Aleatorias Probabilidades E este capítulo se itroduce el cocepto de la probabilidad, tópico ecesario para la compresió de temas a desarrollarse
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 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 detallesLAS SUCESIONES Y SU TENDENCIA AL INFINITO
LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció
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 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 detallesINFERENCIA ESTADÍSTICA. TEST DE HIPÓTESIS. TIPOS DE ERRORES
1 INFERENCIA ESTADÍSTICA. TEST DE HIPÓTESIS. TIPOS DE ERRORES 001. PAU SELECTIVIDAD Uiversidad de Oviedo Juio 1996 La empresa de trasportes urgetes El Rápido asegura que etrega el 80% de sus evíos ates
Más detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
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 detallesLAS MUESTRAS ESTADÍSTICAS
11 LAS MUESTRAS ESTADÍSTICAS Págia 266 1. Ua gaadería tiee 3 000 vacas. Se quiere extraer ua muestra de 120. Explica cómo se obtiee la muestra: a) Mediate muestreo aleatorio simple. b) Mediate muestreo
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 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 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 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 detalles