DISTRIBUCIONES MUESTRALES

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

Download "DISTRIBUCIONES MUESTRALES"

Transcripción

1 34

2 UNIDAD II DISTRIBUCIONES MUESTRALES Compeecia: -El esudiae debe sabe uiliza las difeees disibucioes muesales,es deci las difeees disibucioes de cualquie esadísico esimado a pai de muesas aleaoias paa ealiza eficieemee la Ifeecia Esadísica Objeivos. -Uiliza coecamee el cocepo de muesa aleaoia e las difeees disibucioes muesales,paa ealiza geealizacioes especo de ua població e base a esadísicos Descipció geeal de la uidad: -Esa uidad compede el desaollo de los siguiees cocepos:població-paámeo Muesa aleaoia-esadísico; Disibució muesal:de la Media,Difeecia de Medias,de la Popoció y la difeecia de Popocioes,de la Vaiaza y azó de Vaiazas,co sus especivas disibucioes especiales como: la sude,la Nomal,La Chi Cuadado y La de ishe. Lecua:Milla/eud/Joso Pobabilidad y Esadísica paa Igeieos Edo.de Méico 99 Pgs. 87 al 05 Bibliogafía Básica: Moya y Saavia (988) Pobabilidad e Ifeecia Esadísica((ª ed) Peú.Pags.559 al 63 Refeecia elecóica: hp:// 4.hml 34

3 INTRODUCCIÓN Se llama disibució muesal, cuado la vaiable esula se u esadísico o esadígafo, calculado e base a los daos de ua m.a. Esos esadísicos se uiliza paa ealiza ifeecia esadísica paa la oma de decisioes, especo algua caaceísica de la població ó especo a la disibució de la misma. Paa desaolla las disibucioes muésales es ecesaio ecoda alguos cocepos básicos: POBLACION f();p();,y Esadísicamee població es el cojuo de odas las obsevacioes posibles que puede omas ua v.a.. Po lo ao la disibució de la població es la disibució de la v.a.. Las poblacioes de acuedo a su magiud puede se: POBLACIONES INITAS (N) So aquellas que esá limiadas o acoadas POBLACIONES ININITAS So aquellas que o esá imiadas, esadísicamee las poblacioes muy gades se las cosidea ifiias. - El poceso paa obee la ifomació de oda la població es el CENSO PARÁMETROS So odas las medidas descipivas que caaceiza a la població como po ejemplo la media =, la vaiaza ec. Los paámeos se deoa co las leas giegas MUESTRA ALEATORIA (m.a ) ua m.a. de amaño es u subcojuo epeseaivo de la població, el poceso paa obee la ifomació se llama mueseo ESTADISTICO, So odas las medidas descipivas que se obiee a pai de la ifomació de al m.a. como po ejemplo: la media =, la vaiaza= S ec. Geealmee se las deoa co las leas casellaas. DEINICIÓN DE m.a. Dada ua població f();p() ó co media y vaiaza Se llama m.a. De amaño al cojuo de.v.a,,... al que saisface equisios:. i so idepediees dode la disibució cojua es a) Si es discea P(,,... ) P( ) P( )... p( ) P( ) b) Sí e coiua f (,,... ) f ( ) f ( )... f ( ) f ( ). i iee la misma disibució a) f( i ) = f()ó P ( i )= P(); i=, b) E ) ; V ( ) ( i i 35

4 Noa. Esa defiició es valida cuado:. La població es ifiia co ó si eposició. La població es fiia, co eposició Ejemplo Sea ua població N (, ), se oma u m.a. amaño,,... a) Escibi la fució de pobabilidad cojua de la m.a. b) Sí = 6 ; =0; =5 Calcula la pobabilidad de que b) sea mayo que 5 DEINICIÓN como N (, ) sabemos que f()= a) la fució de pobabilidad cojua de la m.a. de amaño es f(,,... )= f ( i ) f ( )... f ( ) f ( ) i i e f ( ) b) Sí =Y po la popiedad epoduciva Y N( y y ), dode: y=e(y)=e( )= E( )+E( 3 )+E( 4 )-E( 6 )= =40 y =V(Y)= V( )= V( )+V( 3 )+V( 4 )-V( 6 )= =00 y=0 e Mediae el eoema ceal del limie P Y Y Y ; (0.) P. P.. 0 Y 0.5 DISTRIBUCIÓN MUESTRAL DE LA MEDIA Sea ua població co media y vaiaza del cual se oma ua m.a. de amaño :,,... del cual se obiee su media muesal Se cumple: a) E () ; b) V ( ) 36

5 c) Noa ; N (0.) ) Cuado disceo o coiuo N ) Cuado si N(, j ) N cuado 30, o impoa si la població es 3) Si el mueseo es si eemplazo de ua població fiia de amaño N V N N faco de coecció Ejemplo Supoiedo que ua població cosa de los siguiees valoes obsevados:3,4,7,9,. Calcula a) La media y Vaiaza poblacioales b) Deemia la disibució muesal de la media de la m.a. de amaño escogidos co eposició c) Se eae ua m.a de amaño 36 co eposició cual la P 5 8 SOLUCIÓN i Como N 5 7 N P( ) ; b) La disibució muesal de la media se obiee mediae: P( ) P( ) P( ) TOTAL

6 E V ( ) P P c) Se eae ua m.a. amaño 36 co eposició = 36 sabemos que, y P P 3.65 (.83) P P DISTRIBUCIONES ESPECIALES UTILIADAS EN PRUEBAS Cuado las m.a, so pequeñas <30 o se puede supoe que la disibució muesal es NORMAL, TAMPOCO SE PUEDE APLICAR EL eoema ceal del limie, po lo que se debe ecui oas disibucioes muésales las especiales que esé elacioadas co la NORMAL;ee esas disibucioes eemos: la CHI-cuadado, la -Sude y la de ishe DISTRIBUCIÓN CHI CUADRADO R Ó Es u caso paicula de la disibució gamma, iee muchas aplicacioes ee ellas paa la cosucció de IC y las puebas de Hipóesis de la Vaiaza DEINICION Sea v.a. idepediees:,, al que i N (0.) Sumado los cuadados UNCIÓN DE DENSIDAD i i gados de libeas, Sii R= R=3 R=7 R=0 V f e ; 0 ;esc Dode = fució gamma = gados de libead o Nº de vaiables 38

7 CARACTERÍSTICAS ) A medida que aumee los gados de libead iede a omalizase ) LA MEDIA E ( ) 3) LA VARIANA E( ) PROPIEDAD REPRODUCTIVA Sea K v.a. idepediee:,,... k al que i ~ (i) Si sumamos ~ i k i i UNCIÓN DE DISTRIBUCIÓN () ( ) P 0 f ( ) d Cuado P P USO DE TABLAS Dada la impoacia y la complejidad de su calculo, se iee cofeccioado ablas, e base a la fució de disibució co eadas, dode: La a columa epesea los gados de libead La a fila epesea el ivel de sigificacia ó pobabilidad 0 La iesecció de fila columa de le valo ciico Ejemplo ~ 6Deemia las siguiees pobabilidades a) P 7. 9 b) P c) P d) P 40 SOLUCIÓN Como v=6 39

8 a) P 7.9 P b) P P P c) P P P 3.84 P P d) P 40 P mediae iepolació Ejemplo Si halla los valoes cíicos: a) a al que P a si 30 b) a y b al que P a b 0.95 si 3; además P b c) a al que P a 0.05 si 8 a) P a si 30 P a b) P a b 0.95 P( b) P a como P ( b) 0.05 P( b) b 4. 7 c) P a 0.05 si 8 iepolado a a a a DISTRIBUCIÓN MUESTRAL DE LA VARIANA DEINICIÓN Sea ua v.a. ó ua població N(, ) dode,y so descoocidos, po lo ao se oma ua m.a. de amaño paa esima la media y la vaiaza S al que 40

9 a) y S.so dos esadísicos idepediees dode vaiaza muesal isesgada es S b) El esadísico ˆ Sˆ i (-) g.d.l. cuado i S además la c) E S S d) (-) g.d.l. Ejemplo Se iee ua població N(, Calcula: S a) P ; 0 )del cual se oma ua m.a. amaño 5 y se iee S. ˆ S b) P SOLUCION a) S P P (5) b) P P P Sˆ P P P 0.339(4) P (4) ; P P P DISTRIBUCIÓN STUDENT (T) - Es oa disibució elacioada co la NORMAL y la gamma que se usa picipalmee e las esimacioes y e las puebas de hipóesis de la media cuado las m.a. so pequeñas:<30 DEINICIÓN Sea vaiables aleaoias idepediees: - N(0.); Y R dividiedo ambas vaiables T Se dice que iee ua disibució -sude co v gados de libead Sii Y 4

10 UNCION DE PROBABILIDAD f : Esa disibució esá compleamee deemiado solo po el paámeo Gáficamee iee las siguiees caaceísicas N(0.) ) Es siméica co especo =0= ) Cuado o v se hace gade iede a omalizase 3) Tiee mayo dispesió que la omal =5 =3 ESPERANA MATEMÁTICA =0= E ( ) E T f ( ) d 0; VARIANA V ( T ) E( ) f ( ) d 0 ; v USO DE TABLAS Dada la impoacia e la Esadísica Ifeecial y la complejidad de su calculo, se iee cofeccioado ablas co eadas. Esa abla esa cofeccioada e fució de la acumulada P T Dode e la pimea fila se iee los peceiles o pobabilidades e la pimea columa se iee los gados de libead ó, la iesecció de fila columa coespode a los valoes cíicos Poque P T f ( ) d f() Como la disibució es siméica i 4

11 Ejemplo Deemia el valo ciico de P T co v=5 g.d.l. SOLUCIÓN P T EJEMPLO Deemia el valo cíico de P T 0. 0 co v=5 g.d.l. SOLUCIÓN P T 0.0 P T 0.90 P T DISTRIBUCIÓN DE S (-) g.d.l. LA V. A. O ESTADÍSTICO Ejemplo Si es la media y S es la vaiaza de ua m.a. de amaño 9 seleccioado de ua població NORMAL co media 90 Calcula P P P T s T P T P T DISTRIBUCIÓN O DE ISHER, ó f ;, Esa disibució especial geealmee se uiliza paa compaa las vaiazas de v.a idepedieemee o de poblacioes omales, mediae los IC y las puebas de hipóesis sobe sus vaiazas mediae la azó de las mismas DEINICIÓN Sea v.a. idepediees V Si se dode U ( ) g. d.. V l y Sii 43

12 UNCIÓN DE DENSIDAD f v v v 0 v v v v v ;0 Cuya gáfica os pemie deemia sus caaceísicas ) A medida que aumea los gados de libead iee a omalizase de maea posiiva ff() (0.) (0.) MEDIA v ( ) E( ) ; v v ) VARIANA v v v ( ) V ( ) ; v v ( v ) v 4 4 UNCIÓN DE DISTRIBUCIÓN O ACUMULADA () P f Cuado P P f - f v. ciico USO DE TABLAS Se iee 3 eadas: La a columa epesea los g.d.l. del deomiado La da columa epesea la pobabilidad (p= ) La a fila epesea los gados de libead (g.d.l.) del umeado La iesecció de filas columas os da el valo ciico f 44

13 Ejemplo Si (4.5) halla pobabilidades a) P b) P. 4 c) P 8 d) P Solució Como v = 4: v =5 a) P 7.39 P f b) P.4 P.4 P f c) P 8 P f iepolado Ejemplo Si (6,0) Halla el valo c (valo cíico) al que a) P c b) P c SOLUCIÓN a) P c 0.99 P c b) P P c P c c P c 0.95 DISTRIBUCIÓN MUESTRAL DE LA PROPORCION Sea ua població b(.p) Dode se descooce p, se oma ua m.a. amaño :,...,... se esima la popoció p Dode ) E( p) p E E de la disibució biomial E()=p eemplazado E( p) p p V p V V ( ) ) de la biomial V()= pq pq pq V p pq 3) Cuado p pq P( p) Ó p p p la v. a. c. : N(0.) pq 45

14 Noa Si la m.a. de amaño se obiee de ua població fiia de amaño N Si eemplazo pq N p N p pq p N N : N(0.) El faco de coecció po coiuad e la disibució muesal de poyecció es Ejemplo Supoiedo que u loe de 50 odeadoes hay 0 defecuosos Cual la pobabilidad de que e ua m.a. de amaño, odeadoes elegidos al aza ) Co eposició a)=5 b)=60 :i)0%; ii) más de 0% odeadoes sea defecuosos ) SIN REPOSICION SOLUCION. co eposició :=5; p : q a) i) b(5;0.0) dode : Nº de PC odeadoes ee 5 co eposició P ( ) (0.80) 5 : R 0,,...5 = el 0% de 5= P p 0.0 P( ) ii ) P p 0.0 p P B(;5;0.0) b) i) co =60 como >30 podemos apoima mediae la omal P p 0.0 P coigiedo P (0.0) Esadaizado mediae 60(0.)(0.80) p P 0.6 (0.6) P P z P

15 48 Mediae la biomial P ( ) Aplicado la vedadea disibució de la popoció, mediae p p dode el faco de coecció es pq 60 P ( p 00) P 0.0 p (60) P 0.97 p ; esadaizado (60) P (0.0)(0.80) (0.0)(0.80) 60 P P z P z 0.6 (0.5636) ii) P p 0. 0 P P Biomialmee 0 P( ) la apoimació a la omal, mediae 0.5 pq p p 0.5 como es demasiado lago ecuimos mediae P.5 dode p=(60)(0.)=.5 esadaizado P z P z 0.6 (0.6) mediae la disibució de la popoció p p cuyo faco de coecció es P p pq 0.0 P p 0.0 P p 0.0 (60) P p es a daizado P (0.0)(0.80) 60 P z P

DISTRIBUCIONES MUESTRALES

DISTRIBUCIONES MUESTRALES UNIDAD II DISTRIBUCIONES MUESTRALES Competecia: -El estudiate debe saber utilizar las diferetes distribucioes muestrales,es decir las diferetes distribucioes de cualquier estadístico estimado a partir

Más detalles

Tema 5. DIAGONALIZACIÓN DE MATRICES

Tema 5. DIAGONALIZACIÓN DE MATRICES José Maía Maíe Mediao Tema DGONLZCÓN DE MTRCES oducció Poecia de ua mai Sea Supogamos que se desea calcula : 7 7 8 8 Deemia ua egla paa o esula imediao Compobemos, aes de segui adelae, que MDM, siedo M

Más detalles

DOS TESTS ESTADÍSTICOS PARA EL VALOR MÁS PROBABLE DEL P.E.R.T

DOS TESTS ESTADÍSTICOS PARA EL VALOR MÁS PROBABLE DEL P.E.R.T DOS TESTS ESTADÍSTICOS PARA EL VALOR MÁS PROBABLE DEL P.E.R.T RAFAEL HERRERÍAS PLEGUEZUELO FEDERICO PALACIOS GONZÁLEZ EDUARDO PÉREZ RODRÍGUEZ Faculad de Ciecias Ecoómicas y Empesaiales Uivesidad de Gaada.

Más detalles

Universidad Autónoma Chapingo División de Ciencias Forestales Análisis de Diseños Experimentales con Igual Número de Submuestras Francisco J.

Universidad Autónoma Chapingo División de Ciencias Forestales Análisis de Diseños Experimentales con Igual Número de Submuestras Francisco J. Uivesidad Auóoma Chapigo Divisió de Ciecias Foesales Aálisis de Diseños Expeimeales co Igual Númeo de Submuesas Facisco J. Zamudio Sáchez Auo A. Alvaado Segua Chapigo, México. 996 PREFACIO El pesee abajo

Más detalles

1. MECÁNICA GENERAL 1.2. CINEMÁTICA DEL PUNTO MATERIAL

1. MECÁNICA GENERAL 1.2. CINEMÁTICA DEL PUNTO MATERIAL Fudameos y Teoías Físicas ETS Aquiecua 1. MECÁNICA GENERAL 1.. CINEMÁTICA DEL PUNTO MATERIAL La Ciemáica es la pae de la Mecáica que esudia el movimieo de los cuepos deseediédose de las causas que lo poduce.

Más detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales. Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso UNIVERSIDAD NACIONAL AUÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULAD DE ECONOMÍA ECONOMERIA Proceso Esocásico Mro. Horacio Caalá Aloso Proceso esocásico Defiició.- U Proceso Esocásico (PE es ua secuecia

Más detalles

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL CONCEPTO BÁCO DE ETADTCA NFERENCAL Població N Muesra Parámeros Esadísico µ Esimador dividuo Cada parámero poblacioal le correspoderá u esadísico de la muesra que cosiuirá ua esimació del primero. Defiició

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

Tema 4. Respuesta frente a cargas de impacto, rampas, pulsos y arbitrarias

Tema 4. Respuesta frente a cargas de impacto, rampas, pulsos y arbitrarias Tema 4. Respuesa fee a cagas de impaco, ampas, pulsos y abiaias T.4. Respuesa de sisemas de 1 gado de libead fee a cagas de impaco, e ampa, pulsos y cagas abiaias 4.1 Caga de impaco o e escaló. 4.2 Caga

Más detalles

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase

Más detalles

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0

Más detalles

Regresión Lineal Simple

Regresión Lineal Simple REGRESIÓN LINEAL Regresió Lieal Simple Plaeamieo El comporamieo de ua magiud ecoómica puede ser explicada a ravés de ora F( Si se cosidera que la relació puede ser de ipo lieal, la formalizació vedría

Más detalles

El siguiente tema sugerido para tratar en clases es el método de integración por partes veamos de donde surge y algunos ejemplos propuestos

El siguiente tema sugerido para tratar en clases es el método de integración por partes veamos de donde surge y algunos ejemplos propuestos Méodos y écicas de iegració El siguiee ema sugerido para raar e clases es el méodo de iegració por pares veamos de dode surge y alguos ejemplos propuesos ( º ) Méodo de Iegració por pares:. dv u. v u =

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles

Ahorro y pensiones en los modelos de generaciones solapadas

Ahorro y pensiones en los modelos de generaciones solapadas Tema 4 Ahoo y pesioes e los modelos de geeacioes solapadas 4. Solapamieo de geeacioes e el modelo de ciclo vial de Modigliai 4.2 El modelo de geeacioes solapadas de Diamod (965). 4.3 Seguidad Social: sisema

Más detalles

TEMA 3: INFERENCIA ESTADISTICA

TEMA 3: INFERENCIA ESTADISTICA ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA : MATRICES Y DETERMINANTES Juio, Ejercicio 3, Opció B Reserva 2, Ejercicio 3, Opció A Reserva 2, Ejercicio 3, Opció B Reserva 3, Ejercicio

Más detalles

Tema 5 Modos de convergencias de sucesiones de variables aleatorias

Tema 5 Modos de convergencias de sucesiones de variables aleatorias Tema 5 Modos de covegecias de sucesioes de vaiables aleatoias Itoducció Cuado se cosidea sucesioes y seies de vaiables aleatoias, es deci, sucesioes y seies de fucioes medibles, su covegecia puede se cosideada

Más detalles

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496. GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y

Más detalles

el blog de mate de aida MATEMÁTICAS I. Números complejos. Pág. 1 Diofanto, un adelantado a su época.

el blog de mate de aida MATEMÁTICAS I. Números complejos. Pág. 1 Diofanto, un adelantado a su época. el blog de mate de aida MATEMÁTICAS I. Númeos complejos. Pág. 1 AMPLIACIÓN DEL CAMPO NUMÉRICO Diofato, u adelatado a su época. Este tiágulo está costuido co ua cueda e la que se ha ealizado doce udos a

Más detalles

Estimación de parámetros. Biometría

Estimación de parámetros. Biometría Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

PRUEBAS DE HIPÓTESIS.

PRUEBAS DE HIPÓTESIS. PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple

Más detalles

Tema 14: Inferencia estadística

Tema 14: Inferencia estadística Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques

Más detalles

Estimación por intervalos

Estimación por intervalos Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo

Más detalles

Existen diversidad de aplicaciones que involucran poblaciones de datos cualitativos que deben compararse utilizando proporciones o porcentajes.

Existen diversidad de aplicaciones que involucran poblaciones de datos cualitativos que deben compararse utilizando proporciones o porcentajes. Existe diversidad de aplicacioes que ivolucra poblacioes de datos cualitativos que debe compararse utiliado proporcioes o porcetajes. Por Ejemplo: Educació.- Es mayor la proporció de los estudiates que

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3 Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral

Más detalles

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio. EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació

Más detalles

Distribuciones Muestrales

Distribuciones Muestrales 10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes

Más detalles

Tema 6. Análisis de las Inversiones en Títulos de Renta Fija

Tema 6. Análisis de las Inversiones en Títulos de Renta Fija Tema 6. Aálisis de las Ivesioes e Tíulos de Rea Fija 6.. Valo de u íulo de ea fija 6... Esucua empoal de los ipos de ieés 6..2. Tipos de iesgos 6.2. ocepo de duació 6.3. Esaegias de ivesió e íulos de ea

Más detalles

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

MUESTRAL VARIABLE (ETMV)

MUESTRAL VARIABLE (ETMV) CAPÍTULO 6 VALORACIÓN MEDIANTE ESTIMADORES DE TAMAÑO MUESTRAL VARIABLE (ETMV) CARLOS SÁNCHEZ GONZÁLEZ JOSÉ MANUEL HERRERÍAS VELASCO Depaameno de Méodos Cuaniaivos paa la Economía y la Empesa Univesidad

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

EJERCICIOS DE MATRICES

EJERCICIOS DE MATRICES EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F

Más detalles

ANÁLISIS DE SENSIBILIDAD PARAMÉTRICA PARA SISTEMAS LINEALES SEMI-INFINITOS A TRAVÉS DEL MÉTODO DE RELAJACIÓN EXTENDIDO

ANÁLISIS DE SENSIBILIDAD PARAMÉTRICA PARA SISTEMAS LINEALES SEMI-INFINITOS A TRAVÉS DEL MÉTODO DE RELAJACIÓN EXTENDIDO ANÁLISIS DE SENSIBILIDAD PARAMÉTRICA PARA SISTEMAS LINEALES SEMI-INFINITOS A TRAVÉS DEL MÉTODO DE RELAJACIÓN EXTENDIDO Javie Baea Ágeles, Eique Gozález Guiéez, Magda Muñoz Péez Uivesidad Auóoma del Esado

Más detalles

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL

MODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL MODULO IV. ETIMACIÓN POR INTERVALO DE CONFIANA ANÁLII DE CAO DOCENTE: JUAN CARLO VERGARA CHMALBACH ETADÍTICA INFEREIAL CAO : ETIMACIÓN DE LA MEDIA CON DEVIACIÓN POBLACIONAL CONOCIDA La rimera esimació

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos 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 detalles

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar

Más detalles

Estimación por intervalos

Estimación por intervalos Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /

Más detalles

AJUSTES EN UNA ECONOMÍA AL ELIMINAR SUBVENCIONES LIGADAS A INFRAESTRUCTURAS

AJUSTES EN UNA ECONOMÍA AL ELIMINAR SUBVENCIONES LIGADAS A INFRAESTRUCTURAS AJUSTES EN UNA ECONOMÍA AL ELIMINAR SUBVENCIONES LIGADAS A INFRAESTRUCTURAS M. Doloes Soo Toes Depaameo de Ecoomía Aplicada Uivesidad de Valladolid e-mail: lolasoo@eco.uva.es Ramó Feádez Lechó Depaameo

Más detalles

TEORÍA DE LA ESTIMACIÓN

TEORÍA DE LA ESTIMACIÓN TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.

Más detalles

Distribuciones en el muestreo, EMV

Distribuciones en el muestreo, EMV Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador

Más detalles

el blog de mate de aida CSII: Inferencia estadística. Pág. 1

el blog de mate de aida CSII: Inferencia estadística. Pág. 1 el blog de mate de aida CSII: Ifeecia estadística ág INTRODUCCIÓN La ifeecia estadística estudia cómo saca coclusioes geeales paa toda la població a pati del estudio de ua muesta, y el gado de fiabilidad

Más detalles

Universidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para

Universidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 7: HERRAMIENTAS INFERENCIALES. DISTRIBUCIONES ASOCIADAS AL Uiversidad MUESTREO de Oviedo. Facultad de Ecoomía y Empresa. Grado e ADE. 7.1.- Distribucioes Métodos

Más detalles

Leyes estocásticas de capitalización y descuento. Compatibilidad bajo el criterio de la esperanza

Leyes estocásticas de capitalización y descuento. Compatibilidad bajo el criterio de la esperanza Documeo de Tabajo 5/ Leyes esocásicas de capializació y descueo. ompaibilidad bajo el cieio de la espeaza Aoio Alege Uivesidad de Baceloa Rosa Mayoal Uivesidad de Valladolid Pogama Ieuivesiaio de Docoado

Más detalles

INTRODUCCION Teoría de la Estimación

INTRODUCCION Teoría de la Estimación INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede

Más detalles

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis Ejemplo Solució ) Se trata de ua distribució muestral de diferecia de proporcioes. Se evalúa dos tipos diferetes de solucioes para pulir, para su posible uso e ua operació de pulido e la fabricació de

Más detalles

MOVIMIENTO ONDULATORIO

MOVIMIENTO ONDULATORIO MOVIMIENTO ONDULTORIO. Movimieo odulaoio. Todo movimieo odulaoio cosise e la popagació po el espacio de eegía y caidad de movimieo de las peubacioes poducidas e u puo si que haya aspoe eo de maeia. E odos

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013 Tema 2: Aálisis gráfico esadísico de relacioes Uiversidad Compluese de Madrid 2013 Aálisis gráfico descripivo de ua variable (I) Daos de series emporales: Evolució aual de la rea el Cosumo per cápia e

Más detalles

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES

4. VARIABLES ALEATORIAS Y SUS PROPIEDADES 4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus

Más detalles

Diseño óptimo de cadenas de suministros considerando criterios ambientales

Diseño óptimo de cadenas de suministros considerando criterios ambientales 3º Simposio Ageio de Ifomaica Idusial SII 2014 Diseño ópimo de cadeas de suisos cosideado cieios ambieales Sada Campaella (1) Joge Moaga (1) Gabiela Cosao (1) (1) Isiuo de Desaollo y Diseño INGAR Coice-UTN.

Más detalles

Regla de la suma En egesión logísica aa dos clases hemos calculado la obabilidad a oseioi de eenencia a la imea clase de la siguiene manea: T ϕ En eal

Regla de la suma En egesión logísica aa dos clases hemos calculado la obabilidad a oseioi de eenencia a la imea clase de la siguiene manea: T ϕ En eal Regla de la suma La egla de la suma en su vesión discea se uede escibi de la siguiene manea: i En el caso coninuo una inegal susiuye al sumaoio: Y i d Esa egla nos va a esula muy úil aa calcula la obabilidad

Más detalles

Test de Hipótesis. Material Preparado por Hugo Delfino

Test de Hipótesis. Material Preparado por Hugo Delfino Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de

Más detalles

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete

Más detalles

Bárbara Cánovas Conesa

Bárbara Cánovas Conesa Bábaa Cáovas Coesa 67 7 www.clasesalacata.com Reseva. 6 Dada la fució f() = + a + a, b R b + a) Detemia el valo de los paámetos a, b R sabiedo que y = + es ua asítota oblicua de f(). b) aa los valoes de

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M

Más detalles

a) [1,5 puntos] Discutir y resolver en función de los valores del parámetro m el sistema lineal = + + = + = + =

a) [1,5 puntos] Discutir y resolver en función de los valores del parámetro m el sistema lineal = + + = + = + = Puebas de Aptitud paa el Acceso a la Uivesidad. JUNIO 009. Matemáticas II.. ÁLGEBRA Opció A a) [,5 putos] Discuti y esolve e fució de los valoes del paámeto m el sistema lieal + y + z = + + = m + m y +

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Objetivos Itoduci coceptos de Coelació y Regesió Lieal. Explica la foma de cálculo. Realiza las puebas de hipótesis asociadas Coteido

Más detalles

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA CONVOCATORIA DE MAYO (011) EJERCICIO 1 El director de publicacioes de ua editorial trata de decidir si debe publicar u uevo texto de estadística. Los ateriores libros

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

9.3. Contrastes de una proporción

9.3. Contrastes de una proporción 9.3. CONTRASTES DE UNA PROPORCIÓN 219 y el criterio que sumiistra el cotraste es si a teo χ 2 exp b teo = o rechazamos H 0 ; si χ 2 exp < a teo ó χ 2 exp > b teo = rechazamos H 0 y aceptamos H 1. Cotrastes

Más detalles

FUNCIONES VECTORIALES DE UNA VARIABLE REAL

FUNCIONES VECTORIALES DE UNA VARIABLE REAL FUNCIONES VECTORIALES DE UNA VARIABLE REAL Las funciones con las que se ha abajado hasa el momeno son funciones eales de una vaiable eal (su ango es un subconjuno de los eales. Se esudiaán en ese capíulo

Más detalles

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes 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 detalles

OFICINA DE LAS NACIONES UNIDAS CONTRA LA DROGA Y EL DELITO EN COLOMBIA. Sistema Integrado de Monitoreo de Cultivos Ilícitos (SIMCI)

OFICINA DE LAS NACIONES UNIDAS CONTRA LA DROGA Y EL DELITO EN COLOMBIA. Sistema Integrado de Monitoreo de Cultivos Ilícitos (SIMCI) OFICIN DE LS NCIONES UNIDS CONTR L DROG Y EL DELITO EN COLOMBI Sisema Ieado de Moioeo de Culivos Ilícios (SIMCI) Lieamieos écicos de diseño de muesa Ivesiació de Poducció y Redimieo de Culivos de Coca

Más detalles

θˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ

θˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ Iferecia Estadística 95 Capitulo VIII INFERENCIA ETADITICA Es ua rama de de la Estadística que se ocupa de los procedimietos que os permite aalizar y etraer coclusioes de ua població a partir de los datos

Más detalles

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. U itervalo de cofiaza, para u parámetro poblacioal θ, a u ivel de cofiaza (1 ) 100 %, o es más que u itervalo (L i, L s

Más detalles

FUNCIONES EXPONENCIALES

FUNCIONES EXPONENCIALES 1 FUNCIONES EXPONENCIALES Las fucioes epoeciales iee muchas aplicacioes, e especial ellas describe el crecimieo de muchas caidades de la vida real. Defiició.-La fució co domiio odos los reales y defiida

Más detalles

TEMA III: MATEMÁTICA FINANCIERA.

TEMA III: MATEMÁTICA FINANCIERA. TEMA III: MATEMÁTICA FINANCIERA. Sucesioes: Ua sucesió de úmeos eales es u cojuo odeado de úmeos eales: a, a2, a3, a4,....a cada uo de los úmeos que foma la sucesió se le llama émio de la sucesió. El émio

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO 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 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 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de

Más detalles

TEORÍA DE CONTROL MODELO DE ESTADO

TEORÍA DE CONTROL MODELO DE ESTADO TEORÍA DE ONTROL MODELO DE ESTADO Defiicioes: (Ogaa) Esado. El esado de u sisema diámico es el cojuo más pequeño de variables (deomiadas variables de esado) de modo que el coocimieo de esas variables e

Más detalles

MMII_c4_MSV: Ecuación de Laplace en un rectángulo. Problemas no homogéneos

MMII_c4_MSV: Ecuación de Laplace en un rectángulo. Problemas no homogéneos MMII_c4_MSV: Ecuació de Lapace e u recáguo. Probemas o homogéeos Guió: E esa case os ocuparemos de a apicació de Méodo de Separació de Variabes (MSV) a a ecuació de Lapace, o que podremos hacer mediae

Más detalles

SISTEMAS, MATRICES Y DETERMINANTES

SISTEMAS, MATRICES Y DETERMINANTES .- Discuir, e fució del parámero a, el siguiee sisema de ecuacioes lieales x y z x y z -4 x-y ( a ) z -a-5 4x y ( a 6) z -a 8 Solució: La mariz de los coeficiees es de orde 4x y la mariz ampliada a 4 a

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN 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 detalles

Parte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.

Parte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias. EXAMEN EXTRAORDINARIO DE PROBABILIDADE Y ETADÍTICA I JULIO 014 Realizar las pregutas e hojas separadas, idicado explícitamete todas las fórmulas que se utilice. Tato el alumo que copie como el que se deje

Más detalles

SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)

SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Curso 2012-13 PEC2 Pág. 1 SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Gráfico 1: E ua ivestigació se compara la eficacia de tres tipos de tratamieto de las fobias, atediedo a si ha habido

Más detalles

Decisión con Incertidumbre

Decisión con Incertidumbre Decisión con Inceidumbe Modelado e Infeencia. En el ema aneio se pesenó como modela un dominio con inceidumbe y a ealiza divesos ipos de azonamienos (infeencias) sobe ése. Decisión: Sin embago, el papel

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

Más detalles

Curvas MOISES VILLENA

Curvas MOISES VILLENA 6 6.1. 6.. 6.. 6.4. 6.1. FUNCIÓN VECTORIAL DE UNA VARIABLE REAL 6.1.1 DOMINIO 6.1. LIMITE 6.1. CONTINUIDAD 6.. TRAYECTORIA (CAMINO) 6.. GRAFICA. DEFINICIÓN 6.4. TRAZA 6.5. CURVA 6.6. DERIVADA 6.7. CONCEPTOS

Más detalles

Estimación de Parámetros

Estimación de Parámetros Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos

Más detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo

Más detalles

RECONOCER FUNCIONES EXPONENCIALES

RECONOCER FUNCIONES EXPONENCIALES RECONOCER FUNCIONES EPONENCIALES REPASO APOO OBJETIVO Una función eponencial es una función de la foma f ( ) = a o y = a, donde a es un númeo eal posiivo (a > ) y disino de (a! ). La función eponencial

Más detalles

Recordemos para la distribución Binomial

Recordemos para la distribución Binomial U estimador utual atural de la roorció e u exerimeto biomial se ecuetra dado or el estadístico roorció =x/, dode x rereseta el úmero de éxitos e ruebas o exerimetos realiados. Etoces la roorció de la muestra

Más detalles

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3

Propuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3 Pruebas de Acceso a Eseñazas Uiverarias Oiciales de Grado Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá coesar a ua de las dos opcioes propuesas A ób. Se podrá uilizar cualquier

Más detalles