E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
|
|
- Juan Manuel Morales Río
- hace 6 años
- Vistas:
Transcripción
1 E.U.I.T.I. Bilbao Asigatura MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
2 E.U.I.T.I. Bilbao Asigatura MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA TEMA 7 CONTRASTES DE IPÓTESIS
3 Todos aredemos de la exeriecia y la lecció, e esta ocasió, es que uca se debe erder de vista la alterativa Sherlock olmes Las aveturas de Black Peter Sir Arthur Coa Doyle Actor Basil Rathboe htt//
4 La gra tragedia de la ciecia la destrucció de ua bella hiótesis or u atiestético cojuto de datos Thomas ery uxley Biólogo iglés (85-895) htt//es.wikiedia.org/wiki/thomas_ery_uxley
5 . RESUMEN Se exlica qué se etiede or cotraste de hiótesis estadística y se arede a realizar cotrastes de este tio, a artir de datos muestrales referidos a algú arámetro oblacioal descoocido Palabras clave cotraste de hiótesis errores tio I y tio II hiótesis ula e hiótesis alterativa estadístico de cotraste y -valor ivel de cofiaza y ivel de sigificació
6 . ÍNDICE DEL TEMA 7.. Itroducció 7... hiótesis estadística 7... cotraste de hiótesis 7.. Cocetos básicos 7... hiótesis ula e hiótesis alterativa 7... estadístico del cotraste y regió crítica hiótesis ula vs. hiótesis alterativa ivel de sigificació ivel de sigificació y regió crítica decisioes e u cotraste de hiótesis ejemlos
7 . ÍNDICE DEL TEMA 7.3. Etaas de u cotraste de hiótesis 7.4. Errores de u cotraste de hiótesis valor de u cotraste de hiótesis 7.6. distitos cotrastes de hiótesis ara la media de ua oblació ara la diferecia de medias de dos oblacioes ara la variaza de ua oblació ara el cociete de dos variazas ara el arámetro de ua oblació biomial y ara la diferecia de arámetros de dos oblacioes biomiales
8 3. INTRODUCCIÓN como ya se idicó, los métodos más utilizados ara realizar iferecias sobre el valor de arámetros de ua oblació so estimació de dichos arámetros utual o co itervalos de cofiaza cotraste de hiótesis tomado ua decisió sobre u valor hiotético del arámetro e ambos casos se usa la iformació roorcioada or ua muestra sigificativa de la oblació iótesis estadística setecia sobre la aturaleza de ua oblació geeralmete, se formula e térmios de u cierto arámetro de la oblació
9 3. INTRODUCCIÓN Cotraste de hiótesis es ua técica de Estadística iferecial que ermite comrobar si la iformació que roorcioa ua muestra observada cocuerda (o o) co la hiótesis estadística formulada or lo geeral, las hiótesis establece que u cierto arámetro oblacioal tiee u valor que cae detro de ua determiada regió se trata de decidir si la hiótesis es cosistete co los datos observados e la muestra itervalos de cofiaza y cotrastes de hiótesis se relacioa etre sí y uede servir ara decidir sobre los arámetros oblacioales
10 3. INTRODUCCIÓN Cotraste de hiótesis es obvio que ara decidir si ua hiótesis estadística es cierta ó o se debería estudiar toda la oblació como uede ser imosible ó oco ráctico se toma ua muestra aleatoria reresetativa de la oblació ara decidir si se aceta o o la hiótesis estadística lateada si la iformació muestral es cosistete co la hiótesis estadística etoces se aceta dicha hiótesis; e caso cotrario se rechaza (o se idica si es falsa ó verdadera sio si se aceta o se rechaza)
11 4. CONCEPTOS BÁSICOS iótesis ula setecia acerca de u arámetro de la oblació otació es la hiótesis que se somete a cotraste las observacioes so resultado de la casualidad iótesis alterativa hiótesis cotraria a la ula otació a hay u efecto real, es decir, las observacioes so el resultado de ese efecto real
12 4. CONCEPTOS BÁSICOS Estadístico del cotraste estadístico cuyo valor se determia a artir de los datos de la muestra deediedo del valor que tome, la hiótesis ula es rechazada ó o Regió crítica (ó regió de rechazo) es el cojuto de valores del estadístico de cotraste ara los que se rechaza la hiótesis ula el cotraste estadístico de queda comletamete esecificado al determiar el estadístico de cotraste (EC) y la regió crítica (RC) EC RC EC RC rechazar o rechazar
13 4. CONCEPTOS BÁSICOS iótesis ula vs. hiótesis alterativa hiótesis ula es la hiótesis que se cotrasta los datos uede refutarla, uca robarla o debería ser rechazada si ua buea razó el rechazo de es ua setecia fuerte e el setido de que la hiótesis o arece ser cosistete co los datos observados o rechazar la hiótesis ula es ua setecia débil que se debería iterretar e el setido de que es cosistete co los datos si se iteta desacreditar ua hiótesis ésta deberá ser la ula
14 4. CONCEPTOS BÁSICOS iótesis ula vs. hiótesis alterativa hiótesis alterativa a es la hiótesis comlemetaria de la ula los datos uede mostrar evidecias a favor o debería ser acetada si ua gra evidecia a favor si se iteta robar ua cierta hiótesis deberá desigarse como alterativa
15 4. CONCEPTOS BÁSICOS iótesis ula vs. hiótesis alterativa hiótesis ula suele exresarse como ua igualdad del tio, θθ θ es u arámetro de ua oblació θ es u valor hiotético ara ese arámetro hiótesis alterativa a aθ θ cotraste bilateral ó de dos colas ó de dos extremos aθ>θ cotraste uilateral a la derecha ó de ua cola a la derecha ó de u extremo a la derecha aθ<θ cotraste uilateral a la izquierda ó de ua cola a la izquierda ó de u extremo a la izquierda
16 4. CONCEPTOS BÁSICOS iótesis ula vs. hiótesis alterativa hiótesis ula tambié, es frecuete exresar como egació exacta de a e cuyo caso sí uede ser ua desigualdad o estricta el ombre de ula roviee de que rereseta la hiótesis que se matiee a o ser que los datos muestrales idique su falsedad; debe etederse e el setido de eutra Nota. Ambas hiótesis debe formularse ates de recoger y aalizar la muestra que se va a utilizar ara realizar el cotraste de hiótesis Nota. La decisió de realizar u tio de cotraste uilateral o bilateral deede de la iformació que se osee teiedo e cueta que la hiótesis que se cree cierta es a
17 4. CONCEPTOS BÁSICOS Nivel de sigificació (α) valor que se fija ara el cotraste de ua hiótesis ula rocedimieto clásico ara cotrastar ua hiótesis ula rimero, fijar u ivel de sigificació α si es cierta, obligar a que la robabilidad de rechazar sea meor o igual que α regió crítica
18 4. CONCEPTOS BÁSICOS Regió crítica y ivel de sigificació regió crítica, RC coocida ates de realizar el exerimeto valores exerimetales que refutaría (valores imrobables del estimador segú las codicioes dadas) su amlitud deede del ivel de sigificació su osició deede de a ivel de sigificació, α valor equeño %, 5% fijado de atemao or el ivestigador es la robabilidad de rechazar cuado es cierta
19 4. CONCEPTOS BÁSICOS Regió crítica y ivel de sigificació regió de acetació de ivel de sigificació α regió crítica rechazo de
20 4. CONCEPTOS BÁSICOS Regió crítica y ivel de sigificació cotraste bilateral (dos colas) aθ θ ivel de sigificació α α/ α/ regió crítica
21 4. CONCEPTOS BÁSICOS Regió crítica y ivel de sigificació cotraste uilateral a la derecha (ua cola a la derecha) aθ>θ ivel de sigificació α α regió crítica
22 4. CONCEPTOS BÁSICOS Regió crítica y ivel de sigificació cotraste uilateral a la izquierda (ua cola a la izquierda) aθ<θ ivel de sigificació α α regió crítica
23 4. CONCEPTOS BÁSICOS Decisioes e u cotraste de hiótesis tios de decisioes que roorcioa u cotraste si el valor del estadístico de cotraste, ara la muestra dada, cae e la regió de rechazo se uede afirmar co cierto ivel de cofiaza que los datos de la muestra ermite rechazar la hiótesis ula a favor de la alterativa si el valor del estadístico de cotraste, ara la muestra dada, o cae e la regió de rechazo o se uede afirmar co el ivel de cofiaza exigido que los datos de la muestra ermite rechazar la hiótesis ula a favor de la alterativa Nota. La hiótesis ula carece de cofiaza, se asume como u uto de artida ero se abadoa cuado los datos emíricos muestra evidecias claras e su cotra y a favor de la hiótesis alterativa
24 4. CONCEPTOS BÁSICOS Ejemlo. El estadístico sir Roald A. Fisher exlicó el rocedimieto de u cotraste de hiótesis usado ua aécdota sobre ua señora y el té. Ua señora afirma que si rueba ua taza de té co leche sabe distiguir si se ha añadido rimero el té ó la leche. El exerimeto cosiste e rearar ocho tazas de té co leche (cuatro de u tio y cuatro de otro) y darlas a robar a la señora de forma aleatoria.
25 4. CONCEPTOS BÁSICOS establecer hiótesis se asume que la señora o sabe distiguir, realmete, si la leche se añade ates ó desués del té, es decir, decide de forma aleatoria la señora o sabe distiguir realmete si se ha añadido rimero la leche ó el té a la señora sabe distiguir realmete si se ha añadido rimero la leche ó el té toma de ua muestra la señora rueba ocho tazas de té co leche se cotabiliza el úmero de veces que acierta ivel de sigificacia si la señora distigue correctamete, al meos, siete de las 8 tazas de té co leche se rechaza la hiótesis ula
26 4. CONCEPTOS BÁSICOS estadístico del cotraste si la señora decide de forma aleatoria X úmero de aciertos X~B(8;.5) aálisis de datos regió de rechazo (ó crítica) X 7 regió de acetació cojuto de valores del estadístico del cotraste que imlica o rechazar regió crítica
27 4. CONCEPTOS BÁSICOS Ejemlo. Suógase que u ivestigador de la EPA (Agecia de Protecció Ambietal) quiere determiar si el ivel medio,, de cierto tio de cotamiate liberado a la atmósfera or ua comañía química cumle co las autas de la EPA. Si el límite suerior establecido or la EPA es de tres artes de milló el ivestigador querrá utilizar ua muestra (medicioes diarias de la cotamiació) ara decidir si la comañía está violado la ley ó o, es decir, decidir si >3
28 4. CONCEPTOS BÁSICOS establecer hiótesis se asume que la comañía o viola la ley 3 a >3 toma de ua muestra la decisió se basará e ua muestra de tamaño 3 lecturas de cotamiació diarias se calcula la media muestral del cotamiate vertido ivel de sigificacia si la EPA observa, e ua muestra de tamaño 3, que etoces se rechaza la hiótesis ula x 3.
29 4. CONCEPTOS BÁSICOS estadístico del cotraste la distribució muestral de la media muestral aálisis de datos regió de rechazo (ó crítica) x 3. regió de acetació cojuto de valores del estadístico del cotraste que imlica o rechazar x regió crítica 3.
30 4. CONCEPTOS BÁSICOS Ejemlo 3. Similitud co u juicio eal. establecer hiótesis se asume la iocecia del acusado el acusado es o culable a el acusado es culable toma de ua muestra y aálisis de datos se recoge ruebas o evidecias huellas digitales, testimoios de testigos, muestras de ADN, etc. ivel de sigificacia si hay evidecias, más allá de toda duda razoable, se rechaza la hiótesis ula y se declara culable al acusado e caso cotrario, se aceta la hiótesis ula (o culable)
31 5. ETAPAS DE UN CONTRASTE. suosicioes elemetales establecer el arámetro oblacioal que se va a cosiderar cocretar el modelo de robabilidad que se va a usar e la descrició. formular ua hiótesis ula,, que se desea robar (cotrastar) 3. formular ua hiótesis alterativa, a, cotra la cual se va a robar la hiótesis ula (geeralmete, la comlemetaria) 4. escoger el estadístico ara la rueba 5. elegir u ivel de sigificació, α, aroiado
32 5. ETAPAS DE UN CONTRASTE 6. determiar la distribució de robabilidad de la rueba estadística 7. calcular el valor del estadístico a artir de ua muestra aleatoria de datos (roceso de estimació) 8. establecer la regió crítica, RC, ara el cotraste de hiótesis (zoa de rechazo/acetació) 9. acetar ó rechazar la hiótesis ula comarado el valor calculado ara el estadístico de la rueba co los valores que defie la RC (ormalmete imlica ua estimació or itervalo)
33 6. ERRORES EN UN CONTRASTE el cotraste de ua hiótesis estadística imlica ua toma de decisió a favor de e cotra de (a favor de a) como el cotraste de ua hiótesis sólo uede teer dos resultados etoces, al tomar la decisió, sólo uede haber dos tios de error las robabilidades de cometer estos dos tios de error mide el riesgo de tomar ua decisió icorrecta al realizar u cotraste de hiótesis y, or tato, ermite medir la bodad de dicho cotraste
34 6. ERRORES EN UN CONTRASTE Tios de error error tio I (ó falso egativo) se rechaza la hiótesis ula,, siedo cierta ivel de sigificació, α robabilidad de cometer u error del tio I (rechazar cuado es es cierta) ivel de cofiaza, -α robabilidad de acetar la hiótesis ula,, cuado es cierta error tio II (ó falso ositivo) se aceta la hiótesis ula,, siedo falsa β robabilidad de cometer u error del tio II otecia, -β robabilidad de rechazar la hiótesis ula,, cuado es falsa
35 6. ERRORES EN UN CONTRASTE Tios de error or ejemlo,e u juicio error de tio I imlica declarar culable a u iocete error de tio II imlica declarar iocete a u culable cuál de los dos errores es más grave? deede de cada cotraste e geeral, se retede acotar el error de tio I y tratar de miimizar el error de tio II etoces, se trata de elegir cotrastes lo más otetes osible garatizado que la robabilidad del error de tio I es iferior a u determiado ivel
36 6. ERRORES EN UN CONTRASTE Tios de error al realizar u cotraste de hiótesis se uede tomar dos decisioes correctas rechazar la hiótesis ula cuado es falsa o rechazar la hiótesis ula cuado es verdadera y se uede cometer dos tios de error rechazar la hiótesis ula cuado es verdadera o rechazar la hiótesis ula cuado es falsa
37 6. ERRORES EN UN CONTRASTE Tios de error cuadro resume cierta falsa rechazar error de tio I (α) decisió correcta acetar decisió correcta error de tio II (β)
38 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio U examiador latea cuestioes del tio verdadero-falso. Para comrobar la hiótesis de que los estudiates cotesta al azar se adota la siguiete regla de decisió si, al meos, 7 resuestas so correctas el estudiate o ha cotestado al azar Calcular la robabilidad de cometer u error de tio I Solució error de tio I rechazar cuado es cierta hiótesis ula, el estudiate cotesta al azar hiótesis alterativa, a el estudiate NO cotesta al azar
39 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Solució X úmero de resuestas correctas (si es cierta) X~B(;.5) si X 7 se asume que el estudiate NO cotesta al azar y, or tato, se rechaza la hiótesis ula, ( X 7 X B ( ;. 5 ) ) P ( X 6 X B ( ;. 5 ) ) P -DISTR.BINOM(6;;,5;) ivel de sigificació α
40 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Solució X úmero de resuestas correctas (si es cierta) ( ) X~B(;.5) 5 X N 5; P ( X 7 X B ( ;. 5 ) ) P ( X 6 X B ( ;. 5 ) ) ( X 6. 5 X N ( 5; ) ) P P Z Z N.. 5 ( ; ) 739 tiificació correcció or cotiuidad -DISTR.NORM.ESTAND(,5/RAIZ(5/))
41 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Para cotrastar la hiótesis de que ua moeda es buea (robabilidad de cara.5) se adota la siguiete regla de decisió acetarla si el úmero de caras obteidas e ua muestra de tiradas está etre 4 y 6, ambas iclusive rechazarla e caso cotrario. allar la robabilidad de rechazar la hiótesis.5 cuado sea correcta. Reresetar gráficamete la regla de decisió y el resultado del aartado aterior, es decir, α 3. Probabilidad de cometer u error del tio II, es decir, de acetar la hiótesis de que la moeda es buea cuado, realmete, la robabilidad de cara es.7 4. Probabilidad de obteer al meos 55 caras e tiradas si.5
42 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado solució hiótesis a estadístico del cotraste si la moeda es buea ( cierta) X úmero de caras obteidas e lazamietos X~B(;.5) X ~N(5;5) 5 q 5
43 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado solució ivel de sigificació, α α α ( error tio I ) P ( rechazar cierta ) P α α α P ( X [ 4, 6 ] X B ( ;. 5 ) ) P ( 4 X 6 X B ( ; 5 ) ). correcció or cotiuidad ( X 6. 5 X N ( 5 5 ) ) P ; tiificació (. Z. Z N ( ; ) ) 357 P.
44 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado solució ivel de sigificació, α α P (. Z. ) α [ Φ (. ) Φ (. ) ] ( Φ (. ) ) Φ (. ) Excel -*DISTR.NORM.ESTAND(,) si realizar la aroximació mediate la ormal Excel (DISTR.BINOM(6;;,5;) DISTR.BINOM(4;;,5;)).46447
45 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado solució X úmero de caras obteidas e lazamietos X~B(;.5) X ~N(5;5) X ~N(5;5)
46 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado 3 solució X úmero de caras obteidas e lazamietos (si.7) X~B(;.7) X ~N(7;4.586) 7 q β ( ) ( error tio II ) P acetar falsa ( 7) P β P. ( X [ 4, 6 ] X B ( ;. 7 ) )
47 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado 3 solució β P ( X [ 4, 6 ] X B ( ;. 7 ) ) si realizar la aroximació mediate la ormal Excel DISTR.BINOM(6;;,7;) DISTR.BINOM(4;;,7;) aroximació mediate la ormal β P ( X [ 4, 6 ] X B ( ;. 7 ) ) P ( 4 X 6 X B ( ;. 7 ) ) β β P ( X 6. 5 X N ( 7; )) ( Z. 7 ). 967 P Excel DISTR.NORM.ESTAND(-,7) DISTR.NORM.ESTAND(-6,66).967
48 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado 3 solució X ~N(7;4.586) otecia del cotraste -β.9877
49 6. ERRORES EN UN CONTRASTE Ejemlo ejercicio Aartado 4 solució P P ( X 55 X B ( ;. 5 ) ) si realizar la aroximació mediate la ormal Excel DISTR.BINOM(54;;,5;).848 aroximació mediate la ormal ( X 55 X B ( ;. 5 ) ) P ( X > X N ( 5; 5 ) ) P ( Z >.9 ) ( Z >. 9 ) Φ (. 9), 8463 P Excel DISTR.NORM.ESTAND(,9).8463
50 7. -valor DE UN CONTRASTE históricamete, la forma más comú de realizar u cotraste de hiótesis cosiste e elegir u ivel bajo de sigificació que determia u límite ara el error de tio I que se está disuesto a asumir el ivel de sigificació determia toda la regió de rechazo examiado si el valor del estadístico del cotraste cae e la regió de rechazo se cocluye si se aceta ó se rechaza la hiótesis ula a favor de la alterativa co el ivel de cofiaza requerido
51 7. -valor DE UN CONTRASTE si embargo, debido a la geeralizació del uso de los ordeadores, surge otra forma de actuar ate u cotraste de hiótesis se calcula el valor del estadístico del cotraste y se valora lo extremo que resulta bajo la distribució e el muestreo de la hiótesis ula si el valor es más extremo que el ivel de sigificació deseado se rechaza la hiótesis ula a favor de la alterativa la medida de cuá extremo es el valor del estadístico se llama -valor
52 7. -valor DE UN CONTRASTE suógase que se quiere cotrastar ua hiótesis estadística simle del tio θθ frete a algua hiótesis alterativa (aθ θ, aθ>θ ó aθ<θ) El -valor ó ivel crítico asociado al cotraste se defie como el míimo ivel de sigificació co el que la hiótesis ula será rechazada a favor de la alterativa. tambié, el -valor es la robabilidad de obteer ua discreacia etre los datos muestrales y la hiótesis ula,, mayor o igual que la observada e la muestra aalizada cuado es cierta
53 7. -valor DE UN CONTRASTE como, ormalmete, se elige como ivel de sigificació máximo α.5 la regla de decisió e u cotraste, dado el -valor sería si <.5, se rechaza co más de u 95% de cofiaza si.5, o se uede rechazar a favor de a co, al meos, u 95% de cofiaza esta es la regla de decisió más habitual ero resulta simlista ya que o se roorcioa el valor exacto del -valor o es lo mismo rechazar ua hiótesis co, al meos, u 95% de cofiaza ara diferetes valores del -valor debe roorcioarse siemre el -valor de u cotraste ara que el iteresado tome la decisió corresodiete
54 7. -valor DE UN CONTRASTE e resume, el -valor ermite utilizar cualquier otro ivel de sigificació ya que si se cosidera u cierto ivel α si < α, se rechaza co más de u (-α)% de cofiaza si α, o se uede rechazar e favor de a co, al meos, u (-α)% de cofiaza como coclusió, siemre que se realice u cotraste de hiótesis debe facilitarse el -valor asociado
55 7. -valor DE UN CONTRASTE cuato meor es el -valor mayores so las evidecias ara rechazar la hiótesis ula si <., hay muchísimas evidecias ara rechazar si. <.5, hay fuertes evidecias ara rechazar si.5 <., hay ocas evidecias ara rechazar si., o hay evidecias ara rechazar
56 7. -valor DE UN CONTRASTE Cálculo debe distiguirse etre cotrastes uilaterales (ua cola) y bilaterales (dos colas) cotrastes bilaterales θθ frete a aθ θ dos colas el rechazo de θ uede roducirse debido a que el estadístico del cotraste toma valores muy altos o muy bajos cotrastes uilaterales θθ a la derecha el rechazo de θ se roduce orque el estadístico del cotraste toma valores muy altos aθ>θ a la izquierda el rechazo de θ se roduce orque el estadístico del cotraste toma valores muy bajos aθ<θ
57 7. -valor DE UN CONTRASTE Cálculo suógase que se quiere cotrastar ua hiótesis estadística simle del tio θθ frete a algua hiótesis alterativa (aθ θ, aθ>θ ó aθ<θ) suógase, además, que el estadístico del cotraste es S y que el valor que toma ara la muestra es s co la defiició dada de -valor su cálculo es cotraste uilateral a la izquierda (aθ<θ) P ( S s ) cotraste uilateral a la derecha (aθ>θ) P ( S > s ) cotraste bilateral (aθ θ) { P ( S s ), P ( S s ) } mi >
58 DIFERENTES CONTRASTES DE IPÓTESIS
59 8. INTRODUCCIÓN se va a euciar diferetes cotrastes de hiótesis ara la media, la variaza ó la roorció de ua oblació y ara comarar las medias, las variazas y las roorcioes e dos oblacioes distitas o iteresa cómo se deduce sio cómo se utiliza e la ráctica aclaració cuado los datos rocede de ua distribució ormal es muy secillo obteer la distribució del estadístico del cotraste si los datos o rocede de variables ormales esta cuestió resulta mucho más difícil auque, si el tamaño de la muestra es grade, el teorema cetral del límite garatiza que los arámetros obteidos a artir de sumas basadas e las muestras sigue, aroximadamete, ua distribució ormal
60 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal desviació tíica coocida. Formular las hiótesis ula y alterativa a Cotraste bilateral. Fijar u ivel de sigificació α 3. Calcular el estadístico del cotraste. Bajo los suuestos adicioales y suoiedo cierta la hiótesis ula X N ; ( )
61 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal desviació tíica coocida 4. allar la regió crítica. Se sabe que P X > z α α α P ( error tio I ) regió crítica La regió crítica es X > z α α/ α/
62 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal desviació tíica coocida 5. Se aaliza el valor del estadístico del cotraste si cae e la regió crítica se rechaza si o cae e la regió crítica o se uede rechazar 6. Se establece la coclusió Ross, M.S.; Itroducció a la Estadística; Ed. Reverté S.A. (5)
63 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal desviació tíica coocida. Formular las hiótesis ula y alterativa a > Cotraste uilateral. Fijar u ivel de sigificació α 3. Calcular el estadístico del cotraste. Bajo los suuestos adicioales y suoiedo cierta la hiótesis ula X N ; ( )
64 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal desviació tíica coocida 4. allar la regió crítica. Se sabe que P X > z α α α P ( error tio I ) Resulta razoable rechazar la hiótesis ula,, e favor de la alterativa, a, cuado el valor de la media muestral sea mayor que ; or tato, la regió crítica es X > z α
65 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal desviació tíica coocida 5. Se aaliza el valor del estadístico del cotraste si cae e la regió crítica se rechaza si o cae e la regió crítica o se uede rechazar 6. Se establece la coclusió Ross, M.S.; Itroducció a la Estadística; Ed. Reverté S.A. (5)
66 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal desviació tíica coocida a > a Cálculo del -valor < a Test bilateral uilateral -valor > x Z P valor < x Z P valor > x Z P valor
67 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal ó 3 desviació tíica oblacioal coocida a > a < a iótesis bilateral uilateral Estadístico del cotraste Regió crítica ; N X α z x > α z x > α z x <
68 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales oblació ormal co muestras equeñas ( 3) desviació tíica oblacioal descoocida a > a < a iótesis bilateral uilateral Estadístico del cotraste Regió crítica ˆ s t X ; ˆ α > s t x α ; ˆ > s t x α ; ˆ < s t x
69 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació Suuestos adicioales tamaño muestral 3 desviació tíica oblacioal descoocida a > a < a iótesis bilateral uilateral Estadístico del cotraste Regió crítica s N X ˆ ; ˆ α z x s > α z x s > ˆ α z x s < ˆ
70 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació ejemlo Ejemlo ejercicio 4 Las tesioes de rotura de los cables fabricados e u roceso A se distribuye ormalmete co media 8 y desviació tíica. Se desea coocer si co u uevo roceso B se aumeta la tesió media ara lo que se toma 5 muestras observádose ua tesió media de 85.. Se uede afirmar la mejoría del uevo roceso B al ivel de sigificació.?. Calcular el ivel crítico ara x 85
71 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació ejercicio 4 Aartado solució ivel de sigificació α. 8 hiótesis > 8 a el roceso B o mejora el A (su media o es mayor que 8) estadístico del cotraste X N ; regió crítica x > z α x > + z α
72 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació ejercicio 4 Aartado solució z α { x R / x } x 85 RC >. 8 x rechazar > DISTR.NORM.ESTAND.INV(,99) X N ( 8; ) -α α
73 9. CONTRASTES DE IPÓTESIS Para la media de ua oblació ejercicio 4 Aartado solució cotraste uilateral ( X 85 X N ( 8; )) P ( Z ). 35 P valor muy equeño, lo que da mucha cofiaza (~99.978%) ara rechazar la hiótesis ula, X N ( 8; ) -α α
74 9. CONTRASTES DE IPÓTESIS Para la diferecia de medias de dos oblacioes Suuestos adicioales oblacioes ormales ó, 3 (muestras ideedietes) desviacioes tíicas oblacioales coocidas, iótesis bilateral uilateral Estadístico del cotraste Regió crítica a > a < a + ; N X X α z x x > + α z x x > + α z x x < +
75 9. CONTRASTES DE IPÓTESIS Para la diferecia de medias de dos oblacioes Suuestos adicioales oblacioes ormales (muestras ideedietes) desviacioes tíicas oblacioales descoocidas ero iguales iótesis bilateral uilateral Estadístico del cotraste Regió crítica a > a < a + + P t S X X ( ) ( ) ˆ ˆ + + s s S P ; α + > + P t S x x ; α + < + P t S x x ; α + > + P t S x x
76 9. CONTRASTES DE IPÓTESIS Para la diferecia de medias de dos oblacioes Suuestos adicioales, 3 (muestras ideedietes) desviacioes tíicas oblacioales descoocidas iótesis bilateral uilateral Estadístico del cotraste Regió crítica a > a < a + ˆ ˆ ; s s N X X ˆ ˆ z α s s x x > + z α s s x x > + ˆ ˆ z α s s x x < + ˆ ˆ
77 9. CONTRASTES DE IPÓTESIS Para la variaza de ua oblació Suuestos adicioales oblació ormal media oblacioal descoocida iótesis bilateral uilateral Estadístico del cotraste Regió crítica ( ) ŝ χ a > a < a ; α χ χ > ; ; α α χ χ χ χ > < ; α χ χ <
78 9. CONTRASTES DE IPÓTESIS Para la variaza de ua oblació Suuestos adicioales oblació ormal media oblacioal coocida iótesis bilateral uilateral Estadístico del cotraste Regió crítica a > a < a ( ) i i x i χ ; ; α α χ χ χ χ > < ; α χ χ > ; α χ χ <
79 9. CONTRASTES DE IPÓTESIS Para el cociete de dos variazas Suuestos adicioales oblacioes ormales (muestras ideedietes) medias oblacioales descoocidas iótesis bilateral uilateral Estadístico del cotraste Regió crítica a > a < a ; ˆ ˆ F s s ; ; ; ; ; ; α α > < F F F F α ; ; ; > F F α < ; ; ; F F
80 9. CONTRASTES DE IPÓTESIS Para el cociete de dos variazas Suuestos adicioales oblacioes ormales (muestras ideedietes) medias oblacioales coocidas, iótesis bilateral uilateral Estadístico del cotraste Regió crítica a > a < a ; F suma suma ( ) k i i k k i x suma k k ( ), k ; ; ; ; ; ; α α F F F F > < α ; ; ; F F > < α ; ; ; F F
81 9. CONTRASTES DE IPÓTESIS Suuestos adicioales tamaño muestral grade 3 ( 5, (-) 5) ara <3 el roceso se basa e la distribució biomial Para la roorció e ua oblació a > a < a iótesis bilateral uilateral Estadístico del cotraste Regió crítica ( ) N ; ˆ ( ) ˆ z α > ( ) z α > ˆ ( ) z α < ˆ éxitos º ˆ
82 9. CONTRASTES DE IPÓTESIS Para la diferecia de roorcioes, y, e dos oblacioes dos oblacioes e las que hay roorcioes y de idividuos co la característica éxito se comara las roorcioes mediate la toma de muestras de tamaño y roorcioes de éxito e las muestras ˆ y ˆ º éxitos muestra i ˆ i i i (, )
83 9. CONTRASTES DE IPÓTESIS Suuestos adicioales (tamaños muestrales grades) 3 ( 5, (-) 5) 3 ( 5, (-) 5) Para la diferecia de roorcioes, y, e dos oblacioes iótesis bilateral uilateral Estadístico del cotraste Regió crítica a > a < a ( ) + ˆ ˆ ; ˆ ˆ N ˆ ˆ ˆ + + ( ) ˆ ˆ ˆ ˆ z α > + ( ) z α > + ˆ ˆ ˆ ˆ ( ) z α < + ˆ ˆ ˆ ˆ
84 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 La duració media de ua muestra de bombillas es de 5 h. co ua cuasidesviació tíica muestral de 5 h. Se cambia el material del filameto or otro uevo y se obtiee ua muestra de 3 bombillas e la que la media es de 34 h. co ua cuasidesviació tíica muestral de 6 h.. Co u ivel de cofiaza del 95%, uede acetarse que las variazas, ates y desués del cambio, so iguales?. a aumetado la duració media de las bombillas? allar el ivel crítico ó -valor del cotraste. Datos muestra x ŝ 5 5 muestra x ŝ
85 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució ivel de sigificació 5. α hiótesis estadístico del cotraste regió crítica las variazas so iguales (ates y desués del cambio) a, F ŝ ŝ α α < > ;, ;, F ŝ ŝ F ŝ ŝ
86 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució 5 valor del estadístico del cotraste. 773 regió crítica, RC ŝ ŝ 6 límite suerior α F F, ; 9, ;. 5 DISTR.F.INV(,5;9;) límite iferior F α, ; F9, ; F α, ; F α, ; F, 9; DISTR.F.INV(,975;9;) tablas
87 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució decisió el estadístico del cotraste o erteece a la regió crítica ŝ ŝ RC o se uede rechazar la hiótesis ula, or tato, se asume que las variazas so iguales
88 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució decisió o se uede rechazar la hiótesis ula ŝ ŝ RC
89 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució las medias so iguales ivel de sigificació 5. α hiótesis estadístico del cotraste regió crítica (ates y desués del cambio) < a + + P t S X X ( ) ( ) + + ŝ ŝ S P α ; P t S x x + < +
90 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució valor del estadístico del cotraste x x S x x P S P regió crítica, RC límite t + ; α t ; DISTR.T.INV(*,5;) ua cola
91 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució regió crítica, RC límite t. 774 t + ; α ;. 5. TABLAS t. ;
92 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució decisió el estadístico del cotraste erteece a la regió crítica S P x x < t ; se rechaza la hiótesis ula; se asume que la duració media de las bombillas es mayor tras el cambio de filameto
93 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució decisió se rechaza la hiótesis ula S x x P + RC
94 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució cálculo del -valor (cotraste uilateral a la izquierda) P ( S s ) P S P x x + x x <. 946 t SP DISTR.T(,946;;)
95 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució cálculo del -valor (cotraste uilateral a la izquierda) ( ) s S P ( ) s S P + < t S x x. S x x P P P TABLAS + > t S x x. S x x P P P
96 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 5 Aartado solució cálculo del -valor (INTERPOLACIÓN)
97 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 6 Co objeto de estudiar los esos de u cierto tio de frutos se ha tomado ua muestra de tamaño uidades obteiédose ua cuasivariaza muestral de 4gr. Suoiedo que el eso de los frutos se distribuye ormalmete,. uede rechazarse, co u ivel de sigificació α.5, la hiótesis de que la variaza oblacioal es gr.?. calcular el ivel crítico Datos muestra ŝ 4
98 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 6 Aartado solució ivel de sigificació 5. α hiótesis estadístico del cotraste regió crítica la variaza es gr. a ( ) ŝ χ ( ) ( ) α α χ χ ; ; ŝ ŝ > <
99 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 6 Aartado solució valor del estadístico del cotraste ( ) regió crítica, RC ŝ límite suerior χ ; α χ ;. PRUEBA.CI.INV(,5;9) límite iferior χ α χ ; 9 ; PRUEBA.CI.INV(,975;9)
100 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 6 Aartado solució regió crítica, RC 9 ;. 5. ; límite suerior χ α χ TABLAS límite iferior χ α χ ; 9 ;
101 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 6 Aartado solució decisió el estadístico del cotraste o erteece a la regió crítica. 739 < < 9. 8 ( ) RC o se uede rechazar la hiótesis ula, or tato, se asume que la variaza es igual a ŝ
102 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 6 Aartado solució decisió o se uede rechazar ( ) ŝ RC
103 9. CONTRASTES DE IPÓTESIS Ejemlo ejercicio 6 Aartado solució cálculo del -valor (cotraste bilateral) mi { P ( S s ), P ( S s ) } > ( ) ŝ ( ) ŝ P > χ 9 ( ) ŝ ( ) ŝ P χ DISTR.CI(3,68;9) -DISTR.CI(3,68;9)
104
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 211 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció A Reserva 1, Ejercicio 4, Oció A Reserva 2, Ejercicio
Más detallesTEORÍA ELEMENTAL DE MUESTREO
TEORÍA ELEMENTAL DE MUETREO La teoría de muestreo se refiere al estudio de las relacioes que existe etre u colectivo o oblació y las muestras que se extrae de las mismas. El estudio de las muestras ermite
Más detallesRelación de Ejercicios de Contrastes de Hipótesis. Ponencia Andaluza de Matemáticas Aplicadas a las CCSS II del año 2009.
IES Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua Relació de Ejercicios de Cotrastes de Hiótesis. Poecia Adaluza de Matemáticas Alicadas a las CCSS II del año 29. Ejercicio 1. La altura e cm. de
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesInferencia estadística. Intervalo de confianza y contraste de hipótesis
UNIDAD 0 Iferecia estadística. Itervalo de cofiaa y cotraste de hiótesis e royecta crear u cetro comercial e ua S ciudad, como el de la foto, y se quiere saber el oder adquisitivo de los habitates de la
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesUNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 214 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció B Reserva 2, Ejercicio 4, Oció B Reserva 4, Ejercicio
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detallesDistribuciones de probabilidad
Distribucioes de probabilidad 1. Variable aleatoria real: Ejemplo: Ua variable aleatoria X es ua fució que asocia a cada elemeto del espacio muestral E u úmero X: E ú Cosideremos el experimeto aleatorio
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 22 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció B Reserva, Ejercicio 4, Oció B Reserva 2, Ejercicio 4,
Más detallesTEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados
TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza
Más detallesPara estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20
Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detallesEL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos
EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesTEST DE HIPÓTESIS. 5.1. Introducción. 5.2. Hipótesis estadísticas
Capítulo 5 TEST DE HIPÓTESIS 5.1. Itroducció E este tema trataremos el importate aspecto de la toma de decisioes, referida a decidir si u valor obteido a partir de la muestra es probable que perteezca
Más detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
Más detallesConceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.
FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detallesTEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
Más detallesINFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesComo se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación.
Uiversidad Técica Federico Sata María Departameto de Matemática Reato Allede Olivares 7. QUINTO MÓDULO 7. Iferecia Estadística Como se ha podido apreciar e los módulos ateriores, La estadística trata co
Más detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.
Más detallesOPCIÓN A EJERCICIO 1_A 1 0 2
IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA
UNP-Facultad de Igeiería Carreras: Ig. Electróica y Electricista CAPÍTUO 6 ESTIMACIÓN DE VARIANZAS PROPORCIONES POBACIONAES MEDIANTE INTERVAOS DE CONFIANZA 6.1 Itervalo de cofiaza ara la variaza de ua
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesSEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES
SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES L. GENERALIZACIÓN DEL A.F.C. : ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES 1. Itroducció Las «ecuestas» se
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesIES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A
IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),
Más detallesITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos
ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica
Más detallesFUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0
DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de
Más detallesMEDIDAS DE DISPERSIÓN.
MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está
Más detallesConvergencia con variables aleatorias
Covergecia co variables aleatorias Virgilio L. Foglia November 25, 2007 Octubre 2006 Cotets Lema de Borel-Catelli 2. De icioes revias.......................... 2.2 Lema de Borel-Catelli........................
Más detallesTema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.
UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesUNIDAD 7: ESTADÍSTICA INFERENCIAL
UNIDAD 7: ESTADÍSTICA INFERENCIAL ÍNDICE DE LA UNIDAD 1.- INTRODUCCIÓN.... 1.- VARIABLES ESTADÍSTICAS. PARÁMETROS... 3.- DISTRIBUCIONES DE PROBABILIDAD... 3 3.1.- Distribució Biomial... 4 3..- Distribució
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)
Más detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
Más detallesESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}
ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesIntervalos de Confianza para la diferencia de medias
Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo
Más detallesMuestreo Estratificado.
Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato
Más detallesTest de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo
Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
Más detallesTécnicas experimentales de Física General 1/11
La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales
Más detalles2 CARTAS DE CONTROL POR ATRIBUTOS
2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesHacia la universidad Probabilidad y estadística
Hacia la uiversidad Probabilidad y estadística OPCIÓN. Se laza u dado cargado cuyas caras co úmeros múltiplos de tres tiee triple probabilidad de salir que cada ua de las otras. Halla la probabilidad de
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesLAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO
LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que
Más detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
Más detallesIES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
Más detallesIES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)
IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos
Más detalles6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Más detallesProbabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013
Probabilidad y Estadística Itroducció a la Iferecia Estadística Raúl D. Katz 013 Ídice 1. Itroducció 3. Muestreo 3.1. Muestras aleatorias simples.................................... 4 3. Iferecia estadística
Más detallesCAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS
Págia 1 de 13 CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS E este capítulo etraremos al fial del ciclo del método cietífico, usado la iformació de la muestra para geeralizar y llegar a coclusioes
Más detallesSUCESIONES DE NÚMEROS REALES. PROGRESIONES
www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL INTRODUCCIÓN Durate años la estadística se ha dedicado fudametalmete al desarrollo de la Estadística Descriptiva, cuya pricipal labor como hemos visto es recopilar datos, ordearlos,
Más detallesEjercicios Tema 4 Inferencia estadística
Ejercicios Tema 4 Iferecia estadística 1. Sea X el icremeto de los igresos salariales mesuales producidos e el sector de la idustria agroalimetaria e Navarra. Si X ~ N( 100, 5) Cuál es la probabilidad
Más detalles= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3
IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de
Más detallesTeoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS
Teoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS Cuado se lleva a cabo ua ivestigació estadística, se pretede realizar algua iferecia acerca de situacioes aparetemete ifluidas por el azar. Por ejemplo,
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detallesTema 1 Los números reales Matemáticas I 1º Bachillerato 1
Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma
Más detalles