TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS"

Transcripción

1 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE LA TABLA DE LA NORMAL N() E la dstrbucó N(), a la varable se le suele represetar por la letra z. La tabla os da las probabldades P[z k] para valores de k de 0 a 4, de cetésma e cetésma. A estas probabldades se las llama φ (k) : φ (k) P[z k] z se dstrbuye N() φ(k) es la fucó de dstrbucó de esta varable aleatora. El valor de k se busca así: - Udades y décmas e la columa de la zquerda - Cetésmas e la fla de arrba - El úmero que os da la tabla es el valor de : φ (k) P[z k] Ejemplo 1: Sea Z N() calcula: a) P[z 0,83] φ(0,83) 0,7967 b) P[z,3] φ(,30) 0,9893 c) P[z 1] φ(1,00) 0,8413 Ejemplo : Sea Z N() calcula e valor de k : a) P[z k] 0,7190 k 0,58 b) P[z k] 0,8645 k 1, c) P[z k] 0,5537 k 0, 135 Ejercco 3 : Sea Z N() calcula: a) P[z 0,45] φ(0,45) 0,6736 b) P[z 1,] φ(1,) 0,8849 c) P[z 7] 1 Ejercco 4 : Sea Z N() calcula e valor de k : a) P[z k] 0,5040 k 0,01 b) P[z k] 0,6 k 0,31 1,93 + 1,94 c) P[z k] 0,9735 k 1, 935 CÁLCULO DE PROBABILIDADES EN UNA DISTRIBUCIÓN N() - S k 0, las probabldades φ (k) P[z k] P[z < k] se ecuetra drectamete e la tabla. - P [z k] 1 P[z < k] 1 - φ (k) - Para abscsas egatvas: P[z -k] P[z k] 1 - φ (k) - P[a z b] P[z b] P[z a] Ejemplo 5 : Sea Z N() calcula: a) P[z 1,86] 1 P[z < 1,86] 1 - φ(1,86) ,0314 b) P[8 < z 1,9] P[z 1,9] P[z 8] φ(1,9) - φ(8) 0,9015 0,5714 0,3301 c) P[-0,56 < z 1,9] P[z 1,9] P[z -0,56] φ(1,9) P[z 0,56] φ(1,9) [1 - P[z < 0,56]] φ(1,9) 1 + φ(0,56) 0, ,713 0,6836 d) P[-1,83 < z < -1] P[z < -1] P[z -1,83] P[z > 1] P[z > 1,83] [1 P[z 1]] [1 P[z 1,83] 1 - φ(1) φ(1,83) - φ(1) + φ(1,83) -0, ,

2 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato Ejemplo 6 : Sea Z N() calcula k a) P[z < k] 0,8365 k 0,98 b) P[z > k] 0,8365 P[z k] 635 (No está e la tabla, k es egatvo) k -s P[z > -s] 0,8365 P[z < s] 0,8365 s 0,98 k -0,98 c) P[z < k] 894 (No está e la tabla, k es egatve) k -s P[z < -s] P[z > s] 894 P[z s] 0,9106 s 1,34 k -1,34 Ejercco 7 : Halla las sguetes probabldades e ua dstrbucó N() a) P[z >,8] 1 P[z,8] 1 - φ(,8) 1 0,9974 0,006 b) P[z -1,8] P[z 1,8] 1 P[z < 1,8] 1 - φ(1,8) 1 0,9641 0,0359 c) P[z > -1,8] P[z < 1,8] φ(1,8) 0,9641 d) P[1,6 z <,3] P[z <,3] P[z < 1,6] φ(,3) - φ(1,6) 0,9893 0,9474 0,0419 e) P[1 z ] P[z < ] P[z < 1] φ() - φ(1) 0,977 0, f) P[-0,61 z 1,4] P[z < 1,4] P[z < -0,61] φ(1,4) P[z > 0,61] φ(1,4) [1 P[z 0,61] φ(1,4) 1 + φ(0,61) 0, ,791 0,6483 g) P[-1 z ] P[z ] P[z < -1] φ() P[z > 1] φ() [1 P[z 1] φ() 1 + φ(1) 0, ,8413 0,8185 h) P[-,3 < z <-1,7] P[z <-1,7] P[z < -,3] P[z > 1,7] P[z >,3] [1 P[z 1,7] [1 P[z,3] 1 - φ(1,7) 1 + φ(,3) -0, ,9893 0,0339 ) P[- z -1] P[z <-1] P[z < -] P[z > 1] P[z > ] [1 P[z 1] [1 P[z ] 1 - φ(1) 1 + φ() -0, , Ejercco 8 : Calcula el valor de k (exacta o aproxmadamete) e cada uo de los sguetes casos: a) P[z k] 0,5 k 0 b) P[z k] 0,879 k 1,14 c) P[z k] 0,9 k 1,8 d) P[z k] 0,33 (0,33 o está e la tabla, k es egatvo) k -s P[z -s] 0,33 P[z s] 0,33 P[z < s] 0,67 s 0,44 k -0,44 e) P[z k] 0, (0, o está e la tabla, k es egatvo) k -s P[z -s] 0, P[z s] 0, P[z < s] 0,8 s 0,84 k -0,84 f) P[z > k] P[z k] 0,88 k 1,175 g) P[z k] 0,9971 P[z < k] 0,009 (o está e la tabla, k es egatvo) k -s P[z -s] 0,9971 P[z s] 0,9971 s,76 k -,76 h) P[z k] 0,6 P[z < k] 0,4 (o está e la tabla, k es egatvo) k -s P[z -s] 0,6 P[z s] 0,6 s 0,5 k -0,5 CALCULO DE PROBABILIDADES EN UNA DISTRIBUCIÓN N( μ, ) Como ya sabemos, las probabldades e dos dstrbucoes ormales cualesquera se reparte de forma aáloga. Por tato, para calcular probabldades e ua dstrbucó N( μ, ), la relacoaremos co la N() para la cual dspoemos del recurso de las tablas. S x es N( μ, ), para calcular la probabldad P[b < x < k] se procede del sguete modo: P[b < x < b μ k μ k μ k] P < z <. El cambo k se llama tpfcacó de la varable. La varable ya tpfcada sgue ua dstrbucó N()

3 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 3 Ejemplo 9 :E ua dstrbucó N(66,8), calcular: μ a) P[x < 70] P < 8 P[z < 0,5] φ(0,5) 0,6915 μ b) P[x > 80] P > 8 P[z > 1,75] 1 P[z < 1,75] 1 - φ(1,75) 1 0,9599 0, x μ c) P[70 < x < 80] P < < 8 8 P[0,5 < z < 1,75] P[z < 1,75] P[z 0,5] φ(1,75) - φ(0,5) 0,9599 0,6915 0,684 Ejemplo 10 :E ua dstrbucó N(66,8), calcula k para que se de las sguetes gualdades: μ 6 6 a) P[x k] 0,9788 P 8 0,9788,3 k 8., ,4 8 μ 6 6 b) P[x k] 5 P 8 5 (5 o está e la tabla s 8 6 P[z -s] 5 P[z s] 5 P[z < s] 0,85 s1,04 1, 04 k-1, ,68 8 μ 6 6 c) P[x k] 0,6808 P[x<k]0,319 P < 8 0,319 (o está e la tabla) s 8 6 P[z<-s]0,319 P[z s]0,319 P[z<s]0,6808 s0,47 0, 47 k-0, ,4 8 Ejercco 11 : E ua dstrbucó N(18,4), halla las sguetes probabldades: μ 0 18 a) P[x 0] P 4 P[z 0,5] φ(0,5) 0,6915 μ 16,5 18 0, ,6480 b) P[x 16,5] P 4 P[z -0,375] P[z 0,375] 0,64615 μ c) P[x 11] 4 P[z -1,75]P[z 1,75]1 P[z < 1,75]1 - φ(1,75)1 0,95990, x μ 3 18 d) P[19 x 3] 4 4 P[0,5 z 1,5] P[z 1,5] P[z < 0,5] φ(1,5) - φ(0,5) 0,8944 0,5987 0, x μ 5 18 e) P[11 x < 5] 4 4 P[-1,75 z 1,75] P[z 1,75] P[z < -1,75] φ(1,75) P[z 1,75] φ(1,75) [1 + P[z < 1,75]] φ(1,75) 1 + φ(1,75) 0, ,9198 Ejercco 1 : E ua dstrbucó N(6;0,9), calcula k para que se de las sguetes gualdades: μ a) P[x k] 0,977 P 0,977 k 7,8 0,9 0,9 μ b) P[x k] 0,8 P 0,8 0,84 k 8,756 0,9 0,9 μ c) P[x k] 0,3 P 0,3 (No está e la tabla) -s 0,9 0,9 P[z -s] 0,3 P[z s] 0,3 P[z < s] 0,7 s 0,5-0,5 k 5,53 0,9

4 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 4 μ d) P[x k] 0,6331 P[x < k] 0,3669 P 0,3669 (No está e la tabla) 0,9 -s P[z -s]0,3669 P[z s]0,3669 P[z < s]0,6331 s0,34-0,34 k5,694 0,9 0,9 1. INTERVALOS CARACTERÍSTICOS S la varable x tee ua dstrbucó de meda μ, se llama tervalo característco correspodete a ua probabldad p a u tervalo cetrado e la meda, (μ - k, μ + k) tal que la probabldad de que x perteezca a dcho tervalo es p: P[μ - k < x < μ + k] p INTERVALOS CARACTERÍSTICOS EN DISTRIBUCIONES N() E ua dstrbucó ormal N(), s (-k,k) es el tervalo característco correspodete a ua probabldad p, es decr, s P[-k < z < k] p 1 - P[z > z / ] / P[z z / ] 1 - / Itervalo característco (-z /, z / ) Ejemplo 13: S Z N () calcular el tervalo característco co ua probabldad del 90% 1 p 1 0,9 /] 1 - /] 1-0,95 Z TablaN() / 1,645 (-Z /, Z /) Itervalo característco (-1,645, 1,645) Sgfcado: Z está e el tervalo (-1,645, 1,645) co ua probabldad del 90% Ejercco 14: S Z N () calcular el tervalo característco co ua probabldad del 99% 1 p 1 0,99 0,01 /] 1-0,01 /] 1-0,995 Z TablaN() /,575 (-Z /, Z /) Itervalo característco (-,575,,575) Sgfcado: Z está e el tervalo (-,575,,575) co ua probabldad del 99% (Lógcamete el tervalo es mayor que el obtedo e el ejemplo 1) INTERVALOS CARACTERÍSTICOS EN DISTRIBUCIONES N(μ,) E ua dstrbucó ormal N(μ,), s (μ - k, μ + k) es el tervalo característco correspodete a ua probabldad p, es decr, s P[μ - k < X < μ + k] p 1 - P[z > z / ] / P[z z / ] 1 - / Itervalo característco (μ - z /., μ + z /.) Ejemplo 15: S X N (173,6) calcular el tervalo característco co ua probabldad del 90% 1 p 1 0,9 /] 1 - ] 1-0,95 Z 1,645 μ μ+ ( -Z / TablaN() / /., Z /. ) Itervalo característco (173-1,645.6,173 +1,645.6) (163,13; 18,87) Sgfcado: X está e el tervalo (163,13; 18,87) co ua probabldad del 90%

5 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 5 Ejercco 16: S X N (173,6) calcular el tervalo característco co ua probabldad del 95% 1 p 1 0,95 0,05 /] 1-0,05 /] 1-0,975 Z TablaN() / 1,96 ( -Z /., Z /. ) μ μ+ Itervalo característco (173-1,96.6,173 +1,96.6) (161,4; 184,76) Sgfcado: X está e el tervalo (161,4; 184,76) co ua probabldad del 95% Ejercco 17: El peso de las cajas de leche sgue ua dstrbucó ormal de meda 1 Kg y desvacó típca 50 gr. Hallar el tervalo característco co ua probabldad del 95% X N(1; 0,05) 1 p 1 0,95 0,05 /] 1-0,05 ] 1-0,975 Z 1,96 ( -Z / TablaN() / /., Z /. ) μ μ+ Itervalo característco (1-1,96.0,05,1 +1,96.0,05) (0,90; 1,098) Sgfcado: Ua caja de leche pesa etre 0,90 y 1,098 Kg co ua probabldad del 95% 1.3 DISTRIBUCIÓN DE LAS MEDIAS MUESTRALES DISTRIBUCIÓN DE LAS MEDIAS MUESTRALES Dada ua poblacó de meda μ y desvacó típca, o ecesaramete ormal, la dstrbucó de las medas de las muestras de tamaño : - Tee la msma meda, μ, que la poblacó. - Su desvacó típca es / y, por cosguete, desmuye al aumetar. - Cuado 30 es práctcamete ormal. S X N( μ, ) ó X N(μ, S > 30 ) P[z z / ] 1 - / Itervalo característco (μ - z /., μ + z/. ) Ejemplo 18: E ua dstrbucó N(0,6), tomamos muestras de tamaño 64. a) Cuál es la dstrbucó de las medas de la muestra? 6 Como X N(0,6) X N( μ, ) N(0, ) N(0; 0,75) 64 Es decr, es ua Normal de meda 0 y desvacó típca 0,75 b) Cuál es la probabldad de extraer ua muestra cuya meda esté compredda etre 19 y 1? P 19 X 1 P Z P[ 1,33 Z 1,33] X N(0;0,75) Tpìfcamos 0,75 0,75 P[Z 1,33] P[Z < -1,33] P[Z 1,33] P[Z>1,33] P[Z 1,33] (1 - P[Z 1,33]) 0, ,908 0,8164 Mramos e la tabla de la N()

6 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 6 Ejercco 19 : Los parámetros de ua varable so μ 16,4 4,8. Nos dspoemos a extraer ua muestra de 400 dvduos. a) Halla el tervalo característco para la meda muestral correspodete a ua probabldad p 0,99. 1 p 1 0,99 0,01 / ] 1 0,01 μ μ + ] 1 0,995 Z,575 ( Z, Z ) / / / / TablaN() Itervalo característco (16 -,575.4,8, 16 +,575.4,8) (3,64; 8,36) b) Calcula P [16 < x < 17] 4,8 Como 400 > 30 X N( μ, ) N(16, ) N(16; 0,4) X 17 P Z P 0 Z 4,17 x N(16;0,4)Tpfcamos 0,4 0,4 φ(4,17) - φ(0) 1 0,5 0,5 Mramos e la tabla de la N() P [ ] [ ] P[Z 4,17] P[Z < 0] DISTRIBUCIÓN DE LA SUMA DE TODOS LOS INDIVIDUOS DE LA MUESTRA Puesto que x 1 S X N( μ, ) ó S > 30 x 1, sabemos que x se dstrbuye ormal de meda μ y desvacó típca 1 x N(μ, ) P[z z / ] 1 - / Itervalo característco (μ - z /., μ + z /. ) Ejemplo 0 : Los sueldos, e euros, de los empleados de ua fábrca se dstrbuye N(100, 400). Se elge al azar ua muestra de 5 de ellos. Cuál es la probabldad de que la suma de sus sueldos sea superor a euros? S X N(100,400) 1 x N(5.100, ) N(30.000,000) P x > PZ > P[Z >,5] 1 P[Z,5] 1 - φ(,5) 1 0, ,006 Halla el tervalo característco para las sumas de 5 dvduos, correspodetes a ua probabldad del 0,9. 1 p 1 0,9 / ] 1 / ] 1 0,95 Z / 1,645 (μ Z.,μ + Z ) TablaN() / / Itervalo característco ( , , , ) (6710; 3390) Sgfcado: La suma de los sueldos de 5 empleados está etre 6710 y 3390 euros co ua probabldad del 90%

7 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 7 Ejemplo 1: Las bolsas de azúcar evasadas por ua certa máqua tee de meda 500 gr y desvacó típca 35 gr. Las bolsas se empaqueta e cajas de 100 udades. a) Calcular la probabldad de que la meda de los pesos de las bolsas de u paquete sea meor que 495 gr. X N(500, 35) P[ X < 495] 35 Como X N(500,35) X N( μ, ) N(500, ) N(500;3,5) Tpfcamos 100 P[Z < P[Z > 1,43] 1 P[Z 1,43] 1 0,936 0,0764 Mramos e la tabla de la N() ,5 ] P[Z < -1,43] b) Hallar el tervalo característco de la meda muestral para ua probabldad del 95% /] 1-1 p 1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 ( -Z /., Z /. ) μ μ+ 35 Itervalo característco (500 1, ; , ) (493,1; 506,9) 100 Sgfcado: La meda de los pesos está e el tervalo (493,1;506,9) co ua probabldad del 95% c) Calcular la probabldad de que ua caja de 100 bolsas pese más de 51 Kg. P[ X > ] P[Z > Como X N(500,35) X N( μ,. ) N( , ) N(50.000;350) Tpfcamos ] P[Z >,86] 1 P[Z,86] 1 0,9979 0, Mramos e la tabla de la N() d) Cuál es la probabldad de que ua caja pese más de 550 gr? P[X > 550] P[Z > ] P[Z > 1,43] 1 P[Z 1,43] X N(500,35) Tpfcamos 35 Mramos e la tabla de la N() 1 0,936 0,0764 Ejercco : Los pesos e klogramos de los soldados de ua promocó sgue ua dstrbucó ormal N(69,8). Las guardas e u regmeto está formadas por 1 soldados. a) Hallar la probabldad de que la meda de los pesos de los soldados de ua guarda sea superor a 71 Kg. Como X N(69,8) X N( μ, ) N(69, P[ X > 71] P[Z > 8 ) N(69;,31) ] P[Z >0,87] 1 P[Z 0,87] 1 - φ(0,87) 1 0,8078 9,31 b) Obteer el tervalo característco para x correspodete a ua probabldad de 0,9 / ] 1 1 p 1 0,9 ( μ Z μ + ] 1 0,95 Z 1,645, Z ) / / / / TablaN() 8 8 Itervalo característco (69-1,645., 69 +1,645. ) (65,; 7,8) 1 1 Sgfcado: La meda de los pesos está e el tervalo (65,; 7,8) co ua probabldad del 90%

8 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 8 c) Cuál es la probabldad de que la suma de los pesos de los soldados de ua guarda sea meor que 800 Kgs? S X N(69,8) 1 x N(1.69, 8 1 ) N(88,7,71) P x < 800 PZ < P[Z < -1,01] P[Z > 1,01] 1 P[Z 1,01] 1 - φ(1,01) 1 7, , d) Cuál es la probabldad de que u membro de la guarda, elegdo al azar, pese más de 93 Kg? P[X > 93] P Z > 8 P[Z > 3] 1 P[Z 3] 1 - φ(3) 1-0,9987 0, EN QUÉ CONSISTE LA ESTADÍSTICA INFERENCIAL ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS Los parámetros de la poblacó se puede estmar a partr de los de la muestra. Así: La meda muestral, x, srve para estmar la meda poblacoal, μ. La desvacó típca muestral, s, es u estmacó de la desvacó típca poblacoal, La estmacó putual (el valor de μ es aproxmadamete x ), srve de poco metras descoozcamos cuál es el grado de aproxmacó de x a μ. La estmacó por tervalos: A partr de ua muestra de tamaño podemos estmar el valor de u parámetro de la poblacó del sguete modo: - Dado u tervalo detro del cual cofamos que esté el parámetro. Se llama tervalo de cofaza. - Hallado la probabldad de que tal cosa ocurra. A dcha probabldad se le llama vel de cofaza. Cuato mayor sea el tamaño de la muestra, mayor efcaca tedremos e uestra estmacó. La efcaca de esta estmacó se mafesta de dos formas: - E el tamaño del tervalo (cuato más pequeño, más precsos estamos sedo) - E el vel de cofaza (más vel de cofaza sgfca más segurdad e la estmacó). Tamaño de la muestra, logtud del tervalo y vel de cofaza so tres varables estrechamete relacoadas. Coocdas dos de ellas obtedremos la tercera. 1.5 INTERVALO DE CONFIANZA PARA LA MEDIA Se desea estmar la meda, μ, de ua poblacó cuya desvacó típca,, es coocda. Para ello se recuerde a ua muestra de tamaño e la cual se obtee ua meda muestral, x. S la poblacó de partda es ormal, o s el tamaño de la muestra es 30, etoces el tervalo de cofaza de μ co u vel de cofaza de (1-).100% es: x z /, x + z /

9 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 9 Ejemplo 3 : Deseamos valorar el grado de coocmetos e hstora de ua poblacó de varos mles de alumos. Sabemos que la desvacó típca es,3. Nos propoemos estmar la meda poblacoal pasado ua prueba a 100 alumos. a) Calcular el tervalo característco para la meda muestral correspodete a ua probabldad de 0,95. Como 100 > 30 /] 1-1 p 1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 ( -Z /., Z /. ) μ μ+,3 Itervalo característco (μ 1, ; μ + 1,96.,3 ) (μ-0,45; μ+0,45) 100 Sgfcado: La meda muestral dsta meos de 0,45 de la poblacoal co ua probabldad del 95% b) Ua vez realzada la prueba a 100 alumos cocretos, se ha obtedo ua meda de 6,3. Hallar el tervalo de cofaza co u vel de sgfcacó del 95% /] 1-1 p 1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 (X-Z /.,X Z /. ) +,3 Itervalo de cofaza (6,3 1, ; 6,3 + 1,96.,3 100 ) (5,87;6,77) Sgfcado: La meda poblacoal está e el tervalo (5,87;6,77) co u vel de cofaza del 95% Ejemplo 4 : Para estmar la meda de los resultados que obtedrá al resolver u certo test los alumos de 4º de ESO de toda ua comudad autóoma, se les pasa dcho test a 400 de ellos escogdos al azar. Los resultados obtedos vee recogdos e la sguete tabla x f A partr de ellos, estma co u vel de cofaza del 95% el valor de la meda poblacoal. Como 400 > 30 El tervalo de cofaza μ (X-Z /.,X + Z /. ) Hallamos al meda y la desvacó típca de la muestra: x f x.f x.f x.f 199 X 3, N x.f 473 X 3,475 1,6 1, N 400 N /] 1-1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 (X-Z /.,X Z /. ) + 1,1 1,1 μ (3, 475 1,96. ;3, ,96. ) (3,14; 3,36) Sgfcado: Teemos ua cofaza del 95% de que la ota meda de la poblacó total esté compredda etre (3,14; 3,36).

10 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 10 Ejercco 5 : De ua varable estadístca, coocemos la desvacó típca 8, pero descoocemos la meda. Para estmarla, extraemos ua muestra de tamaño 60 cuya meda es 37. Estma la meda poblacoal medate u tervalo de cofaza del 99%. Como 60 > 30 / ] 1 1 p 1 0,99 0,01 (X Z /., X + Z /. / ] 1 0,01 0,995 TablaN() Z /, Itervalo de cofaza (37,575. ; 37+,575. ) (34,34;39,66) Sgfcado: La meda poblacoal está e el tervalo (34,34;39,66) co u vel de cofaza del 99% 1.6 RELACIÓN ENTRE NIVEL DE CONFIANZA, ERROR ADMISIBLE Y TAMAÑO DE LA MUESTRA El valor E z / se llama error máxmo admsble. Depede de y de del sguete modo: - Cuato mayor sea el tamaño de la muestra, meor es E (más estrecho es el tervalo, es decr, más afaremos e la estmacó). - Cuato mayor sea 1 a (es decr, cuato más seguros queramos estar de uestra estmacó), mayor es E. Cuato mayor es 1 -, mayor es z / y, por tato, mayor es E. E, y so tres varables estrechamete relacoadas. Coocdas dos de ellas obtedremos la tercera despejado de la fórmula: E z / Ejemplo 6 : La desvacó típca de los resultados de las dsttas medcoes que se realza para calcular la duracó de u proceso es 0,5 sg. Cuál es el úmero de meddas que hay que realzar para que co u 99% de cofaza, el error de la estmacó o exceda de sg.? 0,5 E Z /.? 1 0,99 0,01 / ] 1 1 0,995 Z/,575 E <,575. 0,5 1, , Debemos tomar 166 meddas Ejemplo 7 : Al medr el tempo de reaccó, u pscólogo sabe que la desvacó típca de las dsttas medcoes del msmo es 0,5 sg. Desea estmar el tempo medo de reaccó co u error máxmo de sg, para lo cual realza 100 experecas. Dí co que vel de cofaza podrá dar el tervalo ( X -; X +) 0,5 E Z /. Z /. Z/ 0, /] 1 1? E P[Z ] 0,977 Mramos e la tabla de la N() 1 0,977 0, , ,44% El vel de cofaza es del 95,44%

11 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 11 Ejemplo 8 : U gaadero de reses bravas quere estmar el peso medo de los toros de su gaadería co u vel de cofaza del 95%. Para ello toma ua muestra de 30 toros y los pesa. Obtee ua meda de 507 Kg y ua desvacó típca de 3 Kg. Cuál es el error cometdo? 3 E Z / ,95 0,05 / ] 1 1 0,975 Z/ 1,96 E? 3 E 1,96. 11,45 Kg El error es de 11,45 Kg. 30 Ejercco 9: U coroel desea estmar la estatura meda de todos los soldados de su regmeto co u error meor que 0,5 cm utlzado ua muestra de 30 soldados. Sabedo que 5,3 cm. Cuál será el vel de cofaza co el que se realza la estmacó? 5,3 E Z /. 0,5 Z /. Z / 0,5 5, P[ Z Z / ] 1 1? E 0,5 P[ Z 0,5] 0,6985 MramoslatabladeN() , 0, ,397 39,7% El vel de cofaza es del 39,7% Ejercco 30 : El cocete telectual de u certo colectvo tee ua meda μ descoocda y ua desvacó típca 8. De qué tamaño debe ser la muestra co la cual se estme la meda co u vel de cofaza del 99% y u error admsble E 3? 8 0,01 P[ Z Z / ] 1 1 0,995 Z /,575? 1 0,99 0,01 8 E Z /. 3,575. 6,87 47,15 E 3 El tamaño de la muestra debe ser de 48. EJERCICIOS REPASO (Lbro págas 94-97)

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 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 detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA 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 detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN 3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Página 75 REFLEXIONA Y RESUELVE Lanzamiento de varios dados Comprueba en la tabla anterior ue: DESV. TÍPICA PARA n DADOS n = 8 1,71 1,1 n = 3 8 1,71 3 0,98

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Estimación puntual y por intervalos de confianza

Estimación 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 detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple . Muestreo Aleatoro mple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza proporcó muestrales: Propedades. Error de estmacó. Poblacó Y (, ). E V Muestra aleatora smple Y,..., Y (..d.) E V ( )

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD 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 detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 1 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de qué

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Teoría de Muestras e Inferencia

Teoría de Muestras e Inferencia Teoría de Muestras e Ifereca TEORÍA DE MUESTRAS E INFERENCIA. Poblacó y muestra. Métodos de muestreo 3. Dstrbucoes asocadas al proceso de muestreo 3. Dstrbucó de la meda de ua poblacó ormal 3. Dstrbucó

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias:

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias: PARÁMETROS ESTADÍSTICOS Puesto que las represetacoes grácas o sempre cosgue orecer ua ormacó completa de ua sere de datos, es ecesaro aalzar procedmetos umércos que permta resumr toda la ormacó del eómeo

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles