Diseño de muestra para una encuesta de salida en una segunda vuelta presidencial
|
|
- Francisco José Aguilera Henríquez
- hace 6 años
- Vistas:
Transcripción
1 XXVII Simposio Internacional de Estadística 5th International Workshop on Applied Statistics Medellín, Antioquia, Colombia, 8 al 12 de agosto de 2017 Diseño de muestra para una encuesta de salida en una segunda vuelta presidencial Muestra de salida en una segunda vuelta presidencial Humberto Barrios 1,a 1 Departamento de Matemática y Estadística, Facultad de Ciencias Básicas y Educación, Universidad Popular del Cesar, Valledupar, Colombia Resumen Una encuesta de salida es una herramienta utilizada para estimar los resultados de las elecciones inmediatamente después que se han cerrados las mesas de votaciones. No obstante, una encuesta de salida deja mucho que desear, no sólo por la manipulación mal intencionada de los resultados, si no también por la falta de claridad de la estrategia de muestreo. Por lo tanto, el propósito de este trabajo es comparar mediante simulación bajo los diseños de muestreo: sistemático, Bernoulli y Poisson en la última etapa, y con muestreo por conglomerado cual es el más eciente. En el evento que la ley permita realizar una encuesta por muestreo el día de las elecciones, en una segunda vuelta presidencial. Para el estudio de simulación se tomaron los datos del Departamento del Cesar, correspondiente a las elecciones presidenciales que tuvieron lugar el 15 de junio de Palabras clave: Encuesta de salida, Muestreo sistemático, Muestreo de Bernoulli, Muestreo Poisson, Muestreo estraticado, Muestreo por conglomerado. Abstract An exit survey is a tool used to estimate election results immediately after polling stations have been closed. However, an exit survey leaves much to be desired, not only for the malicious manipulation of the results, but also for the lack of clarity of the sampling strategy. Therefore, the purpose of this work is to compare by simulation under the sampling designs: systematic, Bernoulli and Poisson in the last stage, and with cluster sampling which is the most ecient. In the event that the law allows to conduct a sample survey on election day, in a second round presidential. Key words: Output Survey, Systematic Sampling, Bernoulli Sampling, Poisson Sampling, Stratied Sampling, Conglomerate Sampling. 1. Introducción El objetivo de una encuesta de salida no es sólo para predecir el resultado de las elecciones, puesto que estos resultados se convierte rápidamente en inútiles. Una encuesta de salida brinda la oportunidad para un análisis en profundidad de los resultados de la votación en aspectos tales como la distribución de voto en diferentes grupos sociodemográcos, los cambios de preferencias políticas en relación a la elección anterior, los motivos de la elección de un candidato o partido en particular, las motivaciones de participar en las elecciones, etc. En un estudio de este características queda por ser la fuente más able de los comportamientos políticos de los ciudadanos para próximas elecciones, debido al hecho de que a Profesor asociado. hbarrios@unicesar.edu.co 1
2 2 Humberto Barrios las encuestas político pre-electorales son incapaz de proporcionar tales datos detallados con la precisión necesaria (Kozªowski et al. 2014). Una encuesta de salida por muestre es única porque los resultados se pueden confrontar con los resultados de una enumeración completa, los que es imposible con las encuestas pre-electorales. En una encuesta pre-electoral, la población de interés es mucho más grande. Además, de los votantes reales abarca también a personas con derecho a votar pero no a participar en la elección. El grado de compatibilidad entre los pronósticos generales obtenidos en una encuesta de salida y los resultados ociales de las votaciones por los entes ociales (Consejo Nacional Electoral) es la base para la validación de la metodología aplicada. Los elementos clave de la metodología de una encuesta de salida son el diseño de muestreo y el método de estimación. La muestra se elige en dos etapas en cada uno de los estratos. En la primaria etapa se seleccionan los lugares de votación y en la segunda etapa se eligen los votantes que salen de la mesa electoral. En lo que respecta a la selección de los encuestados de la muestra, existe un acuerdo entre los teóricos y profesionales de que la mejor opción en este caso es el muestreo sistemático. El propósito de este trabajo es conocer más de cerca la naturaleza sobre las encuestas de salidas y comparar la eciencia de los diseños de muestreo: sistemático, Bernoulli y Poisson en la última etapa. 2. Diseño de muestreo 2.1. Notación y Conceptos Básicos Sea U = {1, 2,..., k,..., N} una población nita, donde k se reere a la unidad k ésma. Una muestra s es un subconjunto de U. Esta puede se expresado como un vector s = (s k ) k U de elementos del conjunto {0, 1}, donde s k = { 1, si k s 0, si k s Al conjunto S de todas las muestras posibles seleccionadas de U se denomina el soporte de muestra. El número de elementos de S es 2 N. A la pareja (S, p) se llama un diseño muestral, donde p es una distribución de probabilidad sobre S. Para cualquier p(.) y cualquier s S es visto como una realización de la variable aleatoria S, tal que P r(s = s) = p(s). Supongamos que tenemos k S. Así, el evento aleatorio S k es el evento una muestra realizada conteniendo k. El tamaño de muestra n(s), es el número de elementos de s. Dado p(.), (1) = P r(k S) = s k s S La cantidad se denomina la probabilidad de inclusión de primer orden de el elemento k. Similarmente, las probabilidades de segundo orden o las probabilidades conjunta que los elementos k y l estén en s se dene por l = P r(k S, l S) = p(s) Cuando el tamaño de muestra n(s) = n es jo, las probabilidades de inclusión satisface las siguientes propiedades l = (n 1) k U = n, l U l k p(s) s k,l s S
3 Diseño de muestra de salida 3 es Sea y una variable de interés. El estimador de Horvitz-Thompson del total poblacional t y = k U ˆt π = k s (2) el cual es un estimador insesgado para t y si todas las probabilidades de primer orden son estrictamente positivas. Si el tamaño de la población N es conocido, se puede estimar la media con el estimador de Horvitz-Thompson: La varianza ˆt π es V (ˆt π ) = un estimador insesgado para 4 es dado por Ȳ π = 1 N k,l U k l ˆV (ˆt π ) = k,l s k l k s (3) (l π l ) y l π l (4) l π l l Grundy (1953) demostraron que tambien se puede escribir La varianza se puede estimar por: cuando k =. V (ˆt π ) = 1 2 k U l U ˆV (ˆt π ) = k S l S y l π l (5) ( yk y ) 2 l kl (6) π l y l π l kl l (7) Si el diseño es de tamaño jo, se puede construir otro estimador el de Sen-Yates-Grundy cuya expresión: ˆV (ˆt π ) = 1 2 k S l S k l ( yk y ) 2 l kl (8) π l l Estos dos estimadores son insegados si todas las probabilidades de inclusión de segundo orden son estrictamente positivas. Cuando el tamaño de muestra es sucientemente grande, se pueden construir intervalos de conanza con un nivel de 100(1 α) % para el total t de acuerdo a: CI(1 α) = ) (ˆt π z (1 α/2) ˆV (ˆt π ), ˆt π + z (1 α/2) ˆV (ˆt π ) donde z (1 α/2) es el (1 α/2) cuantil bajo la curva normal estándar Muestreo de Bernoulli En el muestreo de Bernoulli (BE) los elementos aparecen en el marco de muestreo en un orden, k = 1, 2,..., N. Sea π una constante ja tal que 0 < π < 1. Sean ξ 1, ξ 2,..., ξ N realizaciones independientes de una variable aleatoria uniforme U(0, 1). Seleccionamos un elemento de de la población
4 4 Humberto Barrios siguiendo la siguiente regla: si ξ x < π el elemento k es seleccionado, en otro caso no. Por lo tanto, la probabilidad de inclusión de primer orden para el elemento k es P r(ξ k < π) = π y la probabilidad de segundo orden para los elementos k y l esta dedinida por P r(ξ k < π, ξ l < π) = P r(ξ k < π)p r(ξ l < π) = π 2 Bajo el diseño BE, el π estimador del total t toma la forma La varianza de ˆt π es dada por ˆt π = 1 (9) π k s ( ) 1 π V (ˆt π ) = π y un estimador insesgado de la varianza es: ˆV (ˆt π ) = 1 ( ) 1 π yk 2 (10) π π k U k s y 2 k 2.3. Muestreo Sistemático (SY) En el muestreo sistemático (SY) un primer elemento es seleccionado, y con igual probabilidad, de los primeros a elementos del marco muestral de una población con N elementos. El número entero a se ja de ante mano y se denomina longitud del intervalo de muestreo. Para una denición más formal de muestreo sistemático. Sea a el intervalo de muestreo jo. Y sea n la parte entera de N/a, donde N es el tamaño de la población. Entonces N = na + c donde el número entero c satisface 0 c < a. Si c = 0 el tamaño de muestra es n, pero si c > 0 el tamaño de muestra puede ser n o n + 1. La selección de los elementos se puede ver como una lista secuencial, como sigue: 1. Seleccionamos con igual probabilidad 1/a un entero r, elemento r es llamado el arranque aleatorio, entre los elementos 1 y a. 2. La muestra seleccionada es: s r = {k : k = r + (j 1)a N; j = 1, 2,..., n s } Las probabilidades de primer orden y segundo orden son: = 1/a y l = 1/a respectivamente. Por lo tanto, el π estimador para el total poblacional t = U es donde t s = s r. La varianza de ˆt π es dada por V SY (ˆt π ) = a ˆt π = at s (11) a (t sr t) 2 donde t = 1 a a r=1 t s r = t a es el promedio de los totales en cada muestra t s r = s r. r=1
5 Diseño de muestra de salida Muestreo de Poisson (PO) Podemos considerar el muestreo de Poisson como una generalización del muestreo de Bernoulli, pero con el hecho de que el diseño de muestreo de Poisson las probabilidades de inclusión de primer orden son diferente. Sea pi k la probabilidad de inclusión de primer orden predeterminadas para el k ésimo elemento, donde k = 1, 2,..., N. El muestreo de Poisson es denido como sigue: los elementos de la muestra indicadora I k son independientes, con I k distribuida como P (I k = 1) =, P (I k = 0) = 1 k = 1, 2,..., N. El diseño de muestreo de PO es tal que la muestra s tiene la probabilidad p(s) = k s k U s (1 ) (12) donde s U, es un subconjunto de los 2 N posibles subconjuntos de U. Como las selecciones se realizan de manera independientes entonces pi kl = π j π l para todo k l. Para implementar el diseño de PO debe tenerse una lista secuencial, y además disponer de una variable auxiliar x 1, x 2,..., x N, donde y debe ser proporcional a x. En tal caso, se tiene que las son proporcionales a las x k conocidas. Esto eπ 1, π 2,..., π N s para π 1, π 2,..., π N, se denen = nx k N i=1 x i (13) Asumiendo que x k < 1 n N i=1 x i para todo k. Si x k > 1 n N i=1 x i, se toma = 1. Sea ε 1, ε 2,..., ε N son números aleatorios extraídos de la distribución uniforme U(0, 1). Si ε k <, el elemento k es seleccionado, en otro caso no; k = 1, 2,..., N. bajo el diseño de PO, el π estimador del total poblacional t = U esta dado por ˆt π = s (14) La varianza esta dada por V OP (ˆt π ) = U ( ) 1 1 yk 2 (15) Un estimador insesgado de la varianza es ˆV OP (ˆt π ) = U (1 ) ( yk ) 2 (16) 3. Efecto del diseño Formalmente, esta denido como la razón de la varianza de la estimación bajo un diseño de una muestra compleja sobre la varianza de la estimación obtenida a partir de una muestra aleatoria simple del mismo número de elementos. El efecto del diseño fue originalmente denido por Kish (Kish & Ricardo 1982), para la varianza de la estimación de la media ponderada. Supongamos p(s) un diseño, se dene el efecto de diseño, Särndal (Särndal et al. 2003) para el π estimador del total poblacional t como: deff(p, ˆt π ) = V p(ˆt π ) V SI (Nȳ s ) (17)
6 6 Humberto Barrios donde V SI (Nȳ s ) es la varianza del ˆt π y V p (ˆt π ) están denidas por las ecuaciones 4 respectivamente. El efecto de diseño muestreo de Bernoulli es: deff(be, ˆt π ) = 1 1 N + (cv yu ) 2. = 1 + (cvyu ) 2 (18) donde cv yu = S yu ȳ U es el coeciente de variación. Para muchas variables el coeciente de variación 0.5 cv yu 1.0 (Särndal et al. 2003). En consecuencia, 2 deff(be, ˆt π ) 5. Es decir, el muestreo SI es más eciente que BE. El efecto de diseño muestreo sistemático es: deff(sy, ˆt π ) = 1 + n 1 1 f δ (19) donde δ = 1 N 1 SSW N a SST, SST = U ( ȳ U ) 2 y SSW = a r=1 s r ( ȳ sr ) 2. SY es más eciente que SI si δ < 0 (Särndal et al. 2003) 4. Conclusiones El tema de este trabajo fue la evaluación de los diseños de muestreo: sistemático, Bernoulli y Poisson en una una encuesta de salida en una segunda vuelta presidencial. La conclusión obtenida en los resultados de simulación como de forma teórica, en el caso de no utilizar variables auxiliares, el muestreo sistemático es el más eciente, y además sencillo de implementar. Referencias Kish, L. & Ricardo, V. C. L. (1982), Muestreo de encuestas, Trillas. Kozªowski, A. et al. (2014), `The use of non-sample information in exit poll surveys in poland', Sampling methods and estimation 37, 37. Särndal, C.-E., Swensson, B. & Wretman, J. (2003), Model assisted survey sampling, Springer Science & Business Media.
Metodología [ANEXO PARA REALIZAR ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN EL ESTADO DE COLIMA]
Metodología [ANEXO PARA REALIZAR ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN EL ESTADO DE COLIMA] Contenido 1. Denominación de la persona moral interesada... 2 2. Objetivos del estudio... 2 3. Marco de Muestreo...
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 detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesSimulación de Monte Carlo para comparar estimadores de regresión en la estimación de totales y razones *
Simulación de Monte Carlo para comparar estimadores de regresión en la estimación de totales y razones * ** JAIRO A. FÚQUENE P. Resumen. Se presenta el concepto de estimador de regresión para la estimación
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesPROYECTO: Encuesta Nacional. Marzo, 2012
PROYECTO: Encuesta Nacional Marzo, 2012 1 Metodología Población sujeta a estudio Técnica de recolección de datos Cobertura geográfica Marco muestral Diseño de la muestra Adultos, hombres y mujeres de 18
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 detallesGrado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León
Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León Distribuciones Muestrales 1. Sea una población de 5 números: 2,
Más detalles1.- Valoración de la situación andaluza, española y personal
Índice 1.- Valoración de la situación andaluza, española y personal Valoración de la situación económica de Andalucía y de España Expectativas sobre la evolución de la situación económica de Andalucía
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
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 detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesEncuesta de opinión pública en la Ciudad de México. Reforma Política de la Ciudad de México. Febrero, 2016
Encuesta de opinión pública en la Ciudad de México. Reforma Política de la Ciudad de México Febrero, 2016 1 Metodología Población sujeta a estudio: Adultos, hombres y mujeres de 18 años y más con credencial
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesEstadística Grado en Nutrición Humana y Dietética
Estadística Grado en Nutrición Humana y Dietética Tema 5: Introducción al Muestreo Estadístico Francisco M. Ocaña Peinado http://www.ugr.es/local/fmocan Departamento de Estadística e Investigación Operativa
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesSILABO DEL CURSO TEORÍA DE MUESTREO
FACULTAD DE ESTUDIOS DE LA EMPRESA CARRERA DE MARKETING SILABO DEL CURSO TEORÍA DE MUESTREO 1. DATOS GENERALES 1.1. Carrera Profesional : Marketing 1.2. Departamento : Marketing 1.3. Tipo de Curso : Obligatorio
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
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 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 detallesEstimación por intervalo del parámetro de la distribución de Poisson con una sola observación
Revista Colombiana de Estadística Volumen 30 No. 1. pp. 69 a 75. Junio 2007 Estimación por intervalo del parámetro de la distribución de Poisson con una sola observación Interval Estimation for the Poisson
Más detallesÁrea Académica: Gestión Tecnológica. Asignatura (Estadística para el Desarrollo Tecnológico, 3er Semestre) Tema: Muestra y Muestreo
Área Académica: Gestión Tecnológica. Asignatura (Estadística para el Desarrollo Tecnológico, 3er Semestre) Tema: Muestra y Muestreo Profesor: Dr. Ernesto Bolaños Rodríguez Periodo: Enero-Junio de 01 Tema:Sample
Más detallesCAPÍTULO I. INTRODUCCIÓN. Cuando se requiere obtener información de una población, y se desean obtener los mejores
CAPÍTULO I. INTRODUCCIÓN I.1 Breve Descripción Cuando se requiere obtener información de una población, y se desean obtener los mejores y más completos resultados, el censo es una opción para dar una respuesta
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 detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
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 detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
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 detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS
1. DATOS INFORMATIVOS: PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS MATERIA: ESTADISTICA II CODIGO: 12820 CARRERA: CIENCIAS QUIMICAS,
Más detallesNota Metodológica. Marzo, Encuesta realizada por VOTIA, Sistemas de Información, S.A de C.V para el periódico más por más
Nota Metodológica Marzo, 2012 Encuesta realizada por VOTIA, Sistemas de Información, S.A de C.V para el periódico más por más Eje 6 Sur (Av. Independencia) No 66-A, Col San Simón Ticumác, Benito Juárez,
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 detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesTema 8. Muestreo. Indice
Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
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 detallesLección 18: Utilidad de la estadística
Lección 18: Utilidad de la estadística Siempre que hay interés por conocer cierta información, esa información necesariamente se refiere a personas, animales, instituciones, cosas, etc. Supongamos que
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesUTILIZACIÓN DE LA CAPACIDAD INSTALADA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE
Montevideo, 28 de octubre de 2009. UTILIZACIÓN DE LA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE 2009 - ANÁLISIS DE LOS PRINCIPALES INDICADORES El grado de utilización de la Capacidad Instalada
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 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 detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
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 detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesMETODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010
METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 2011 Índice 1. Antecedentes Generales 1 2. Metodología
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 detallesAplicación del orden de mayorización a un problema de producción-inventario. An aplication of majorization order on a production-inventory problem
Revista Facultad de Ingeniería N. o 39. pp. 112-117. Marzo, 2007 Aplicación del orden de mayorización a un problema de producción-inventario Henry Laniado Rodas a,*,diego Alejandro Castañeda b, Andrés
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 detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
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 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 detallesAPUNTES TEORIA DE MUESTREO TECNICAS ESTADISTICAS PARA LA INVESTIGACION SOCIAL FACULTAD DE CIENCIAS POLITICAS Y SOCIALES UNIVERSIDAD NACIONAL DE CUYO
APUNTES TEORIA DE MUESTREO TECNICAS ESTADISTICAS PARA LA INVESTIGACION SOCIAL FACULTAD DE CIENCIAS POLITICAS Y SOCIALES UNIVERSIDAD NACIONAL DE CUYO PROFESORA LUCIA BAGINI 2012 TEORIA DE MUESTREO En la
Más detalles1 Números reales. Funciones y continuidad.
1 Números reales. Funciones y continuidad. En este tema nos centraremos en el estudio de la continuidad de funciones reales, es decir, funciones de variable real y valor real. Por ello es esencial en primer
Más detallesIntención de voto por candidatos para Presidente del Perú y por listas para el Congreso de la República
MARZO 2016 ESTUDIO DE OPINIÓN PÚBLICA Intención de voto por candidatos para Presidente del Perú y por listas para el Congreso de la República - Perú Urbano y Rural - (30 marzo al 1 abril 2016) Calle Río
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesDepartamento de Métodos Cuantitativos para la Economía y la Empresa
Departamento de Métodos Cuantitativos para la Economía y la Empresa Técnicas para el Análisis de Mercado NOMBRE: DNI: GRUPO: 1 (3 puntos) La empresa de productos de informática Watermellon quiere analizar
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 detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
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 detallesElectoral - Bogotá Última Encuesta [ ]
Electoral - Bogotá Última Encuesta [22-10-15] Octubre 22 de 2015 Este estudio fue realizado bajo un Sistema de Gestión de Calidad certificado en las normas ISO 20252:2012/ ISO 9001:2008 Última Encuesta
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 detallesESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA
ESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA Descripción de la asignatura Estadística I El objetivo de la asignatura es proporcionar al estudiante conocimiento Departamento de Estadística y comprensión
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 detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detallesEstudio de Opinión Alcaldes Bogotá
Estudio de Opinión Alcaldes Bogotá Octubre 2015 SEDE PRINCIPAL: Calle 32F # 81-47, TELS: 250 70 80, FAX: 250 69 94 MEDELLIN - COLOMBIA SUCURSALES: BOGOTA- 747 02 70, CALI- 880 18 90, BARRANQUILLA- 368
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 detallesUNIVERSIDAD MILITAR NUEVA GRANADA FACULTAD DE CIENCIAS BASICAS Y APLICADAS DEPARTAMENTO DE MATEMÁTICAS
CONTENIDO PROGRAMÁTICO Fecha Emisión: 2011/09/15 AC-DO-F-8 Revisión No. 1 Página 1 de 6 ESTADÍSTICA II CÓDIGO 12251 PROGRAMA ADMINISTRACIÓN DE EMPRESAS Y CONTADURÍA PÚBLICA ÁREA DE FORMACIÓN CIENCIAS BÁSICAS
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 detallesFigura Trabajo de las fuerzas eléctricas al desplazar en Δ la carga q.
1.4. Trabajo en un campo eléctrico. Potencial Clases de Electromagnetismo. Ariel Becerra Al desplazar una carga de prueba q en un campo eléctrico, las fuerzas eléctricas realizan un trabajo. Este trabajo
Más detallesCOEFICIENTE DE VARIACIÓN Y PUNTAJES TÍPICOS (Guía de clase) FICHA Nº 19
CEFICIENTE DE VARIACIÓN Y PUNTAJE TÍPIC A. Esta ficha de actividad tiene como objetivo presentar dos pequeños temas vinculados al uso conjunto de las medidas de tendencia y de dispersión que dan lugar
Más detallesEjercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL
Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesMuestreo probabilístico. Estimadores
Capítulo 1 Muestreo probabilístico. Estimadores Como hemos definido anteriormente, el muestreo es el proceso que nos permite la extracción de una muestra a partir de una población. Dentro de este muestreo
Más detallesDistribución Muestral.
Distribución Muestral jujo386@hotmail.com Uno de los objetivos de la Estadística es tratar de inferir el valor real de los parámetros de la población Por ejemplo Cómo podríamos asegurar que una empresa
Más detallesProcesos estocásticos. Definición
Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier
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 detallesUNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA Facultad de Ingeniería Mecánica y Eléctrica Escuela Académico Profesional de Ingeniería Mecánica y Eléctrica Departamento de Ciencias de Investigación de la
Más detallesPROBABILIDAD Y ESTADISTICA (T Y P)
PROBABILIDAD Y ESTADISTICA (T Y P) FICHA CURRICULAR DATOS GENERALES Departamento: Irrigación. Nombre del programa: Ingeniero en Irrigación Area: Matemáticas, Estadística y Cómputo Asignatura: Probabilidad
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesLECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION
LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION 1. DEFINICION La estadística es una ciencia que proporciona un conjunto métodos
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesEJERCICIOS DE ESTADÍSTICA:
EJERCICIOS DE ESTADÍSTICA: 1º/ Una biblioteca desea estimar el porcentaje de libros infantiles que posee. La biblioteca está compuesta de 4 salas (orte, Sur, Este y Oeste) con 2500, 2740, 4000 y 6900 libros,
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4, Opción B Reserva, Ejercicio
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 detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
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 detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria
Más detallesCurso: Métodos de Monte Carlo. Unidad 2, Sesión 3: Estimación de volúmenes
Curso: Métodos de Monte Carlo. Unidad 2, Sesión 3: Estimación de volúmenes Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detalles