INTERVALOS DE CONFIANZA
|
|
- María Dolores Duarte Fuentes
- hace 5 años
- Vistas:
Transcripción
1 INTERVALOS DE CONFIANZA
2 INTERVALOS DE CONFIANZA Dado que los estimadores puntuales pocas veces serán iguales a los parámetros que se desean estimar, es posible darse mayor libertad utilizando estimadores por intervalos que reciben el nombre de intervalos de confianza. Definición: Un intervalo de confianza es un intervalo estimado en el cual se espera que se encuentre el valor del parámetro θ con una determinada confianza. Limite Inferior Limite Superior
3 CANTIDAD PIVOTAL Un método muy útil para encontrar intervalos de confianza se llama método del pivote. Éste consiste en determinar una cantidad que posea las dos características siguientes: 1. Que sea una función de las medidas muestrales y el parámetro desconocido θ, donde θ sea la única cantidad desconocida.. Que su distribución de probabilidad no dependa del parámetro θ. Si se conoce la distribución de probabilidad de una cantidad pivotal, se puede usar operaciones algebraicas para formar la estimación por intervalos que se desea.
4 EJEMPLO Suponga que tenemos una sola observación Y de una distribución exponencial con media θ. Use Y para construir un intervalo de confianza para θ con un coeficiente de confianza del 90%. La función de densidad de probabilidad para Y está dada por 1 y f y e, y 0 La anterior función se puede transformar en: U Y U u, u 0 f u e donde es una función de Y y θ, y la distribución de U no depende de θ. Por tanto, podemos emplear a U como cantidad pivote.
5 EJEMPLO La función de densidad de U aparece graficada anteriormente. Se busca un estimador de intervalo con coeficiente de confianza igual al 90%, encontrando dos números a y b tales que: Pa U b 0.9
6 Una forma elegir a y b es: EJEMPLO u u P U a e du 0.05 y P U b e du 0.05 Estas dos ecuaciones dan como resultado: Por consiguiente: a 0 1 a b e 0.05 y e 0.05 a 0.051, b.996 Y P0.051 U.996 P Y Y P Las cantidades encontradas forman los limites de confianza inferior y superior que se estaban buscando. b
7 INTERVALOS DE CONFIANZA PARA µ Y µ 1 -µ Los intervalos de confianza para la media están basados en la suposición de que la muestra se ha seleccionado aleatoriamente de una distribución Normal. Casi nunca conoceremos la forma de la distribución poblacional antes de muestrear, pero un estimador de intervalo deberá funcionar razonablemente bien aun cuando la población no sea Normal y el tamaño de muestra no sea lo suficientemente grande, mientras la desviación no sea excesiva.
8 INTERVALOS DE CONFIANZA PARA µ Sea X una variable aleatoria con distribución N(µ,σ), donde se esta interesado en la estimación del parámetro µ por medio de un intervalo de confianza. Se pueden tener dos casos, dependiendo si se conoce o no la varianza σ. Si σ es conocida, el desarrollo general para el intervalo es la siguiente: Se toma una muestra aleatoria {X 1, X,..X n }, como X~N(µ,σ) entonces X i ~N(µ,σ), por lo tanto: ~ N, Además conocemos la cantidad pivotal: X n X Z ~ N0,1 n
9 INTERVALOS DE CONFIANZA PARA µ Se define el nivel (1-α)% de confianza que se desea. Ahora se debe encontrar valores de Z tales que: X P z Z z 1 Pz z 1 n P X z X z 1 IC X z 1 % n n n Si X es Normal entonces Z se distribuye N(0,1), pero en esta transformación la única v.a. es la media muestral, ya que µ y σ son constantes, pero en el caso de que no se conozca σ se puede estimar su valor a través del estimador insesgado S y definir como cantidad pivotal a X? S n
10 INTERVALOS DE CONFIANZA PARA µ Debe tenerse en cuenta que el estimador S es una variable X aleatoria y por lo tanto ya no tiene distribución Normal S n La distribución probabilística de esta transformación es conocida y no depende del parámetro µ que se desea estimar; X esto hace que T sea una cantidad pivotal que se S n puede utilizar cuando no se conoce la varianza de la población.
11 INTERVALOS DE CONFIANZA PARA µ Sea {X 1, X,..X n } una muestra aleatoria extraída de una población normal con media poblacional µ y varianza σ desconocidas, entonces la variable aleatoria: X T ~ t con n -1 gl S/ n La cantidad T sirve como cantidad pivotal para formar un intervalo de confianza para µ, donde: P t T t 1 IC X t 1 % S n Recuerde: Cuando n es grande es posible utilizar la distribución normal
12 INTERVALOS DE CONFIANZA PARA µ 1 -µ Si se esta interesado en comparar las medias de dos poblaciones normales cuando se conocen las varianzas de cada población, su intervalo de confianza viene definido por: IC 1 X 1 % 1 X z n1 n 1 Aplica también para variables no normales siempre y cuando los tamaños muestrales n 1 y n sean relativamente grandes (TLC)
13 INTERVALOS DE CONFIANZA PARA µ 1 -µ Si se esta interesado en comparar las medias de dos poblaciones normales cuando el tamaño de muestra es pequeño y las varianzas de cada población son desconocidas, su intervalo de confianza viene definido por: IC X X t % 1 * ; n1 n S p n n donde: S p ( n 1 1)* S1 ( n 1)* S n n 1 1 Para construir este intervalo se requiere la suposición de que las muestras sean independientes y que 1
14 INTERVALOS DE CONFIANZA PARA µ 1 -µ En el caso donde las varianzas sean diferentes 1, el intervalo de confianza para la diferencia de medias estará dado por: donde: 1 1 IC X X t * S 1 1 % 1 ; v p n n v ( S1 n ) ( S n ) n S n S n 1 n 1 1 1
15 EJEMPLO Los Directivos de una universidad afirman que las calificaciones del SAT para estudiantes de preparatoria difieren dependiendo del campo de estudio futuro de los estudiantes. Quince estudiantes que deseaban especializarse en ingeniería se compararon con 15 estudiantes que deseaban especializarse en idiomas. En la siguiente tabla se dan las medias y desviaciones de las calificaciones de la parte verbal y de matemáticas de los exámenes SAT para los dos grupos de estudiantes: Verbal Matemáticas Ingeniería y 446 s4 y 548 s57 Idiomas y 534 s45 y 517 s5 a) Usted que opina acerca de la afirmación que tienen las directivas de esta Universidad? b) Que suposiciones son necesarias para que sean validos los métodos empleados previamente?
16 EJEMPLO Suponga que se requiere evaluar la efectividad de una dieta, para lo cual se han sometido 8 pacientes durante 5 semanas, observando su peso al inicio y al final del tratamiento. Con los resultados que se observan en la siguiente tabla, considera usted que la dieta es efectiva? Individuo Inicio Final Diferencia
17 INTERVALO DE CONFIANZA PARA OBSERVACIONES PAREADAS Si d y S d son la media y la desviación estándar muestral de las diferencias observadas entre n pares de mediciones aleatorias, y si estas diferencias siguen una distribución normal, entonces un intervalo de confianza del (1-α)% para puede obtenerse mediante: D 1 sd sd P d tn 1; D d tn 1; 1 n n IC D d t 1 % n1; sd n
18 INTERVALO DE CONFIANZA PARA LA VARIANZA La varianza poblacional σ cuantifica la cantidad de variabilidad existente en la población. Muchas veces el valor real de σ es desconocido y debe calcularse. Una de las maneras de estimar este parámetro es mediante un intervalo al (1-α)% de confianza a partir de una muestra aleatoria. La variable aleatoria se distribuye Chi-cuadrado con (n-1) grados de libertad. Como se puede observar, aunque la función n1 S n 1 parámetro, lo cual indica que depende de σ, su distribución no depende de este n1 es una cantidad pivotal, con la cual se pueden construir intervalos de confianza. S
19 INTERVALO DE CONFIANZA PARA LA VARIANZA Para construir el intervalo de confianza se deben encontrar valores tales que: P n Como la distribución Chi-cuadrado no es simétrica y la variable solo asume valores no negativos, se debe encontrar un par de valores (entre muchos posibles) que satisfaga la anterior expresión, por ejemplo pueden encontrarse valores tales que: P P n1 n1 De alli que un intervalo al (1-α)% de confianza para σ es: 1 y 1 IC 1 % 1 1 n S n S, 1
20 EJEMPLO Un experimentador desea comprobar la variabilidad de mediciones obtenidas al usar equipo diseñado para medir el volumen de una fuente de audio. Tres mediciones independientes registradas por este equipo para la misma fueente de sonido fueron 4.1, 5. y 10.. a. Que suposiciones deben de realizarse si se quiere estimar un intervalo de confianza para σ? b. Estime σ con un intervalo al 90% de confianza. c. Que puede concluir con el intervalo hallado?
21 OTROS PARÁMETROS Y SUS ESTIMADORES Parámetro P: Prevalencia de una enfermedad P Porcentaje de pacientes que presentan complicaciones en una cirugia Intervalo de Confianza para la Proporción Poblacional Estimación Puntual Estimación Por Intervalo # Exitos pˆ : n LS : pˆ Z LI : pˆ Z pˆ(1 pˆ) n pˆ(1 pˆ) n Requiere que el tamaño de muestra sea grande (n>30)
22 EJEMPLO El gerente de una empresa de producción asegura que su proceso genera una proporción de unidades defectuosas cercana al 8%, al tomar una muestra de su producto se obtiene que de 00 unidades revisadas, un total de 15 unidades fueron defectuosas. Con estos resultados puede corroborarse la afirmación del productor?. Utilice un nivel de confianza del 9%.
23 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE PROPORCIONES Ejemplo: Se cree que la osteoporosis está relacionada con el genero. Para ello se elige una muestra de 100 hombres de más de 50 años y una muestra de 00 mujeres en las mismas condiciones. Se observan 10 hombres y 40 mujeres con algún grado de osteoporosis. pˆ 1(1 pˆ 1) pˆ (1 pˆ ) IC P ˆ ˆ 1 P ( p 1 % 1 p ) Z / n1 n Que se puede concluir con una confianza del 90%?
24 INTERVALOS BASADOS EN DISTRIBUCIONES DE POBLACIONES NO NORMALES El intervalo de confianza de t con una muestra para estimar μ es consistente para desviaciones pequeñas o incluso moderadas con respecto a la normalidad, siempre que n sea grande. Si n es pequeña y la distribución poblacional es bastante anormal, entonces el nivel de confianza real podría ser muy distinto del se cree se esta usando. La técnica de remuestreo (bootstrap) ha resultado bastante exitosa en la estimación de parámetros de una amplia variedad de situaciones no normales.
25 EJERCICIOS La agencia para la protección del medio ambiente en conjunto con una Universidad de Florida recientemente realizó un amplio estudio respecto al posible efecto de los oligoelementos presentes en el agua potable en la formación de cálculos renales. En la siguiente tabla se presentan los datos, los cuales se obtuvieron de individuos con problemas recurrentes de cálculos renales que viven en los estados de las dos Carolinas y las montañas Rocallosas, respecto a la edad, la concentración de calcio en el agua potable(medida en partes por millón) y el habito de fumar:
26 EJERCICIOS n X edad Sedad Ycalcio Scalcio Carolinas Montañas Rocallosa pˆ fumadores a. Construya intervalos de confianza al 95%, para el verdadero valor promedio de la edad para ambos estados. b. Construya intervalos de confianza al 95%, para el verdadero valor promedio del calcio para ambos estados. c. Construya intervalos de confianza al 95% para el verdadero valor de la diferencia de medias para ambas variables (Calcio y Edad) y la proporción de fumadores. d. Construya intervalos de confianza al 95% para los verdaderos valores de la varianza poblacional, tanto para la edad como para las concentraciones de calcio.
27 EJERCICIO Un fabricante farmacéutico compra materias primas de dos proveedores diferentes. El nivel medio de impurezas es aproximadamente el mismo para ambos proveedores, pero el fabricante esta preocupado por la variabilidad en la cantidad de impurezas entre un embarque y otro. Si el nivel de impurezas tiende a variar en forma excesiva de una fuente de abastecimiento, esto podría afectar la calidad del producto final. Para comparar la variación en el porcentaje de impurezas para los dos proveedores, el fabricante selecciona diez envíos de cada uno de ellos y mide el porcentaje de impurezas de cada envió. Las varianzas muestrales fueron S 0.73 y S Con los datos anteriores a que conclusión se puede llegar?
1. Estimación. f(y) = θ e y θ, y > 0 0, en otro punto
1. Estimación Definición: Un estimador es una regla que indica cómo calcular el valor de una estimación con base en las mediciones que contien una muestra. Definición: Si ˆθ es un estimador puntual de
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallestiene distribución t con n 1 grados de libertad. Si utilizamos dicha cantidad como pivote, entonces para el intervalo
. Intervalos de confianza para muestras pequeñas.. Para µ. Si Y, Y,..., Y n representa una muestra aleatoria tomada de una población normal, con Ȳ la media de a muestra y S la varianza de la muestra, queremos
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesTeorema Central del Límite
Teorema Central del Límite TCL: indica que, en condiciones muy generales, la distribución de la suma de v.a. tiende a una distribución normal cuando la cantidad de variables es muy grande. 156 Sea X 1,
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesESTADÍSTICA Y PROBABILIDAD
(distribución normal) 1 1.- Calcular las probabilidades de los siguientes intervalos, empleando para ello las tablas de la distribución de probabilidad normal estándar N(0, 1): (1) P(z 2 14) (2) P(z 0
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Pasos en un proceso estadístico. Inferencia Estadística 3. Estimación Puntual
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L
Más detallesEstadística Clase 3. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase 3 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri 1. Pasos en un proceso estadístico 1. Plantear una hipótesis sobre una población.. Diseñar
Más detallesConceptos básicos de inferencia estadística (I): Inferencia estadística (repaso)
Conceptos básicos de inferencia estadística (I): Inferencia estadística (repaso) Tema 1 (I) Estadística 2 Curso 08/09 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 1 / 24 Inferencia estadística
Más detallesDISTRIBUCION JI-CUADRADA (X 2 )
DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesBioestadística: Inferencia Estadística. Análisis de Una Muestra
Bioestadística: Inferencia Estadística. Análisis de Una Muestra M. González Departamento de Matemáticas. Universidad de Extremadura Estimación Puntual e Intervalos de Confianza Planteamiento del Problema
Más detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesCap 7 Intervalos de Confianza
Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
Más detallesEstimación de Parámetros
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesU ED Tudela Diseños de investigación y análisis de datos - Tema 2
Diseños de investigación y análisis de datos Preguntas de exámenes TEMA 2: CONTRASTE DE HIPÓTESIS EN DISEÑOS DE UNA MUESTRA 1.- El valor crítico se obtiene: A) A partir del nivel de significación adoptado.
Más detalles7. Inferencia Estadística. Métodos Estadísticos para la Mejora de la Calidad 1
7. Inferencia Estadística Métodos Estadísticos para la Mejora de la Calidad 1 Tema 7: Inferencia Estadística 1. Intervalos de confianza para μ con muestras grandes 2. Introducción al contraste de hipótesis
Más detallesInferencia a partir de muestras pequeñas INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA
Inferencia a partir de muestras pequeñas INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA Prueba de hipotesis de muestra pequeña para μ 1) Hipotesis nula: H 0 = μ = μ 0 2) Hipótesis alternativa: Prueba de
Más detallesAsignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA
Asignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA Typeset by FoilTEX 5.1 MÉTODO DE LA CANTIDAD PIVOTAL X
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesTema 4. Intervalos de confianza. Estadística Aplicada (Bioquímica). Profesora: Amparo Baíllo Tema 4: Intervalos de confianza 1
Tema 4. Intervalos de confianza Estadística Aplicada (Bioquímica). Profesora: Amparo Baíllo Tema 4: Intervalos de confianza 1 Definición Sea X una v.a. con distribución de probabilidad dada por un modelo
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 4: MEDIAS Y PROPORCIONES CON DOS POBLACIONES
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 4: MEDIAS Y PROPORCIONES CON DOS POBLACIONES Técnicas para comparar dos poblaciones 1 Técnicas para comparar dos poblaciones Técnicas para comparar dos poblaciones
Más detallesESTIMACION INFERENCIA ESTADISTICA
P M INFERENCIA ESTADISTICA Desde nuestro punto de vista, el objetivo es expresar, en términos probabilísticos, la incertidumbre de una información relativa a la población obtenida mediante la información
Más detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
Más detallesFundamentos para la inferencia. Estadística Prof. Tamara Burdisso
Fundamentos para la inferencia Estadística 018 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesPráctica 6: Fundamentos de la Inferencia. Teorema Central del Límite.
: Fundamentos de la Inferencia. Teorema Central del Límite. 1. Dada una población de media µ = 400 y varianza σ 2 = 1.600. Se obtiene una muestra aleatoria de tamaño 35. Detallar bajo qué condiciones se
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesJuan Carlos Colonia DISTRIBUCIONES MUESTRALES
Juan Carlos Colonia DISTRIBUCIONES MUESTRALES DISTRIBUCIÓN DE LA DIFERENCIA DE MEDIAS MUESTRALES CASO 1: VARIANZAS POBLACIONALES CONOCIDAS Sean x1 y x las medias muestrales de dos muestras aleatorias de
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
Más detallesEstadís2ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 5. Inferencia estadís2ca
Estadís2ca Tema 5. Inferencia estadís2ca María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesResp x = 72.73, S 2 = 225,8574 => S = 15,0286. Lcdo Eliezer Montoya Estadística III UNEFA -Barinas 1
REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DE LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA NACIONAL NÚCLEO BARINAS UNEFA Estadística III Licenciatura en Economía Social.
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detallesTALLER 1 ESTADISTICA II
TALLER 1 ESTADISTICA II Profesor: Giovany Babativa Distribuciones Muestrales 1. Suponga que la variable aleatoria Z sigue una distribución normal estándar, Halle: a. P (Z < 1,2) b. P (Z > 1,2) c. P ( 1,7
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesPrueba de Hipótesis. Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional
Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea para la toma de decisión, es decir aceptar o rechazar el supuesto
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesTema 7: Ejercicios de Inferencia en una población Normal
Tema 7: s de Inferencia en una población Normal Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I3 En una explotación minera las rocas
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS. Sec. Repaso EX III MAT. 298 Núm.
PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso EX III MAT. 298 Núm. I. Verdadero (V) o Falso (F).. La Curva de Probabilidad Normal Estándar
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesContrastes sobre la media Sea X 1, X 2,..., X n una m.a.s. extraída de una población normal X con media desconocida µ. Se desea contrastar:
sobre la media Sea X 1, X 2,..., X n una m.a.s. extraída de una población normal X con media desconocida µ. Se desea contrastar: H 0 : µ = µ 0 Si H 0 es cierta, X N(µ 0, σ), de donde D 1 = X µ 0 n σ N(0,
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesTema 6. Estimación puntual
1 Tema 6. Estimación puntual En este tema: Planteamiento del problema. Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Métodos
Más detallesTrabajo Práctico: Intérvalos de Confianza
Trabajo Práctico: Intérvalos de Confianza Autores: Astier Gabriel Mazza Pablo Talijancic Iván Profesor: Roberto Villamayor Curso: 3er Año - Ingeniería Electromecánica. Ejercicio 1: En un conocido restaurante
Más detallesRecordando: El problema de la Inferencia Estadística
Recordando: El problema de la Inferencia Estadística Población (N) Muestra (n) µ σ Muestreo Aleatorio Parámetro µ σ P θ Inferencia Estimador X S pˆ θˆ INFERENCIA: Método inductivo que permite generalizar
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesCAPITULO VII Muestreo Aleatorio Simple
CAPITULO VII Muestreo Aleatorio Simple UNIDAD 7 MUESTREO ALEATORIO SIMPLE Una vez diseñado el trabajo de investigación, el paso siguiente es escoger la metodología para la recolección de la información.
Más detallesTALLER 2 ESTADISTICA II
TALLER 2 ESTADISTICA II Profesor: Giovany Babativa 1. Una muestra aleatoria de empleados de un grupo numeroso perteneciente a una empresa, entregó las siguientes calificaciones en un examen de aptitud:
Más detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesAGRO Examen Parcial 2. Nombre:
Densidad Densidad Densidad Densidad Examen Parcial 2 AGRO 5005 Nombre: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro, las tablas con fórmulas y la
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesProf. Angel Zambrano ENERO 2009 Universidad de Los Andes Escuela de Estadística
Prof. Angel Zambrano ENERO 009 Universidad de Los Andes Escuela de Estadística Muestreo: Es una metodología que apoyándose en la teoría estadística y de acuerdo a las características del estudio, indica
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesCAPITULO XII Muestreo Aleatorio Simple
CAPITULO XII Muestreo Aleatorio Simple UNIDAD 12 MUESTREO ALEATORIO SIMPLE Una vez diseñado el trabajo de investigación, el paso siguiente es escoger la metodología para la recolección de la información.
Más detalles2. Relacionado con el ejercicio anterior, es cierto que el 95% de las medias muestrales se encontrará entre y pulgadas?.
EJERCICIOS S OBRE ESTIMACIÓN 1. Un fabricante de papel para computadora tiene un proceso de producción que opera en forma continua a través de un turno de producción completo. Se espera que el papel tenga
Más detalles(1 punto) (1.5 puntos)
Ejercicios de inferencia estadística. 1. Sea la población {1,2,3,4}. a) Construya todas las muestras posibles de tamaño 2, mediante muestreo aleatorio simple. b) Calcule la varianza de las medias muestrales.
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesPROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II GUÍA DE EJERCICIOS N 2
PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II GUÍA DE EJERCICIOS N 2 UNIDAD II: DISTRIBUCIONES MUESTRALES OBJ. 2.1 2.2 2.3 2.4 1.- Un plan de muestreo para aceptar un lote, para
Más detallesEstadís3ca y Métodos Numéricos Tema 5. Inferencia Estadís3ca
Estadís3ca y Métodos Numéricos Tema 5. Inferencia Estadís3ca Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesDepartamento de Estadística y Econometría. Curso EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2
Departamento de Estadística y Econometría. Curso 2002-2003 EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2 1.- Una empresa de elaboración de materiales pone en práctica un nuevo método
Más detalles