9- Intervalos de confianza

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

Download "9- Intervalos de confianza"

Transcripción

1 arte Itervalos de cofiaa rof. María B. itarelli 9- Itervalos de cofiaa 9. Itroducció e ha visto como costruir a artir de ua muestra aleatoria u estimador utual de u arámetro descoocido. E esos casos ecesitábamos dar alguas características del estimador como or ejemlo si era isesgado o su variaa. A veces resulta más coveiete dar u itervalo de valores osibles del arámetro descoocido de maera tal que dicho itervalo cotega al verdadero arámetro co determiada robabilidad. Esecíficamete a artir de ua muestra aleatoria se costruye u itervalo ( Θ Θ ) dode los extremos Θ y Θ so dos estadísticos tal que ( ( θ Θ Θ ) dode θ es el arámetro descoocido a estimar y es u valor real etre cero y uo dado de atemao. or ejemlo si 0.05 se quiere costruir u itervalo ( Θ Θ ) tal que ( θ ( Θ Θ ) o escrito de otra forma ( Θ θ Θ ) Esta robabilidad tiee el siguiete sigificado: como Θ y Θ so estadísticos los valores que ellos toma varía co los valores de la muestra es decir si x x... x so los valores medidos de la muestra etoces el estadístico Θ tomará el valor θ y el estadístico Θ tomará el valor θ. i medimos uevamete la muestra obtedremos ahora valores x x... x y or lo tato Θ tomará el valor θ y el estadístico Θ tomará el valor θ diferetes e geeral de los ateriores. Esto sigifica que si medimos la muestra 00 veces obtedremos 00 valores diferetes ara Θ y Θ y or lo tato obtedremos 00 itervalos distitos de los cuales aroximadamete 5 de ellos o cotedrá al verdadero arámetro. Al valor se lo llama ivel de cofiaa del itervalo. Tambié se suele defiir como ivel de cofiaa al ( ) 00% La costrucció reetida de u itervalo de cofiaa ara se ilustra e la siguiete figura 53

2 arte Itervalos de cofiaa rof. María B. itarelli 9. Itervalo de cofiaa ara la media de ua distribució ormal variaa coocida. El método geeral ara costruir itervalos de cofiaa es el siguiete llamado método del ivote: uogamos el siguiete caso articular sea (... ) ua muestra aleatoria de tamaño de ua v.a. dode ~ N( ) coocido se quiere costruir u itervalo de cofiaa ara de ivel. uogamos tomamos u estimador utual de sabemos que es u estimador co bueas roiedades. - a artir de costruimos el estadístico Z. Notar que Z (ivote) cotiee al verdadero arámetro y que bajo las codicioes dadas Z ~ N(0) 3- como coocemos la distribució de Z odemos latear: hallar u úmero tal que ( Z ) or la simetría de la distribució ormal estádar odemos escribir Z Φ Φ Φ 0. Φ( ) ( ) ( ) ( ) ( ) 95 or lo tato (.96 Z.96) Desejamos : Etoces ; ;.96 y tiee ivel de cofia- Es decir el itervalo de cofiaa ara es a 0.95 o 95%. Aquí Θ.96 y Θ.96 Reetimos el rocedimieto aterior y costruimos u itervalo de cofiaa ara co ivel de cofiaa 54

3 arte Itervalos de cofiaa rof. María B. itarelli -artimos de la eseraa muestral i tamaño. abemos que es u estimador isesgado y cosistete de. -Costruimos el estadístico Z ~ N (0) / ara ua muestra aleatoria ( )... de La variable aleatoria Z cumle las codicioes ecesarias de u ivote ara costruir u itervalo de cofiaa al ivel de cofiaa - artiedo del ivote Z comeamos or latear la ecuació dode la icógita es el úmero real. ( Z ) - i reemlaamos la v.a. Z or su exresió teemos: / - Multilicado todos los miembros de la desigualdad or - (el orde de los miembros se ivierte) llegamos a: - Evidetemete si defiimos Θ hemos costruido dos estadísticos Θ y Θ Θ tales que ( Θ ) Θ - es decir hemos costruido el itervalo de cofiaa bilateral deseado [ Θ Θ ]. Todos los elemetos que forma los estadísticos Θ y Θ so coocidos ya que el úmero verifica la ecuació aterior es decir (ver figura): 55

4 arte Itervalos de cofiaa rof. María B. itarelli ( Z ) Φ( ) Φ( ) - dode ( ) Φ es la Fda ara la v.a. Z ~ N (0) Recordado que ( ) Φ( ) Φ ( ) Φ( ) Φ( ) Φ esta ecuació queda: - o bie (ver figura aterior) ( ) Φ o de otra forma ( Z > ). Al valor de que verifica esta ecuació se lo suele idicar cofiaa bilateral al ivel de sigificació - queda: [ Θ Θ ] E cosecuecia:. E cosecuecia el itervalo de i(... ) ua muestra aleatoria de tamaño de ua v.a. dode ~ N( ) coocido u itervalo de cofiaa ara de ivel es (8.) Ejemlo: U igeiero civil aalia la resistecia a la comresió del cocreto. La resistecia está distribuida aroximadamete de maera ormal co variaa 000 (si). Al tomar ua muestra aleatoria de esecímees se tiee que x 350 si. a) Costruya u itervalo de cofiaa del 95% ara la resistecia a la comresió romedio. b) Costruya u itervalo de cofiaa del 99% ara la resistecia a la comresió romedio. Comare el acho de este itervalo de cofiaa co el acho ecotrado e el iciso a). olució: La v. a. de iterés es i : resistecia a la comresió del cocreto e u esécime i Teemos ua muestra de esecímees. Asumimos que i ~ N( ) ara i 3... co 000 a) Queremos u itervalo de cofiaa ara de ivel 95%. or lo tato El itervalo a utiliar es. Buscamos e la tabla de la ormal estádar el valor de. 96 Reemlaado: b) reetimos lo aterior ero ahora

5 arte Itervalos de cofiaa rof. María B. itarelli El itervalo a utiliar es. Buscamos e la tabla de la ormal estádar el valor de. 58 Reemlaado: La logitud del itervalo ecotrado e a) es: La logitud del itervalo ecotrado e b) es: Notar que la seguridad de que el verdadero arámetro se ecuetre e el itervalo hallado es mayor e el itervalo b) que e el a) ero la logitud del itervalo b) es mayor que la del itervalo a). Al aumetar el ivel de cofiaa se erdió recisió e la estimació ya que a meor logitud hay mayor recisió e la estimació. E geeral la logitud del itervalo es L Notar que: a) si y está fijos a medida que dismiuye teemos que aumeta or lo tato L aumeta. b) si y está fijos etoces a medida que aumeta teemos que L dismiuye. odemos latearos la siguiete reguta relacioada co el ejemlo aterior: qué tamaño de muestra se ecesita ara que el itervalo tega ivel de cofiaa 95% y logitud la mitad de la logitud del itervalo hallado e a)? olució: el itervalo hallado e a) tiee logitud y queremos que el uevo itervalo tega logitud aroximadamete. lateamos: 000 L / Desejado : O sea hay que tomar or lo meos 84 esecímees ara que el itervalo tega la logitud edida. E geeral si queremos hallar tal que desejado L l dode l es u valor dado etoces l 57

6 arte Itervalos de cofiaa rof. María B. itarelli i estimamos utualmete al arámetro co estamos cometiedo u error e la estimació L meor o igual a que se cooce como recisió del estimador Ejemlo: e estima que el tiemo de reacció a u estímulo de cierto disositivo electróico está distribuido ormalmete co desviació estádar de 0.05 segudos. Cuál es el úmero de medicioes temorales que deberá hacerse ara que la cofiaa de que el error de la estimació de la eseraa o exceda de 0.0 sea del 95%? L Nos ide calcular tal que < 0. 0 co or lo tato Además Etoces (. 96 5) O sea hay que tomar or lo meos 97 medicioes temorales. ara muestras tomadas de ua oblació ormal o ara muestras de tamaño 30 de ua oblació cualquiera el itervalo de cofiaa dado ateriormete e (8.) roorcioa bueos resultados. E el caso de que la oblació de la que se extrae la muestra o sea ormal ero 30 el ivel de cofiaa del itervalo (8.) es aroximadamete. ero ara muestras equeñas tomadas de oblacioes que o so ormales o se uede garatiar que el ivel de cofiaa sea si se utilia (8.). Ejemlo: uogamos que rereseta la duració de ua iea de equio y que se robaro 00 de esas ieas dado ua duració romedio de 50. horas. e sabe que la desviació estádar oblacioal es 4 horas. e desea teer u itervalo del 95% de cofiaa ara la eseraa oblacioal E ( ). olució: E este caso si bie o coocemos cuál es la distribució de teemos que el tamaño de la muestra es 00> 30 (muestra grade) or lo tato el itervalo buscado es uesto que De la tabla de la ormal estadariada obteemos Etoces reemlaado: ara el valor articular x 50. teemos el itervalo 58

7 arte Itervalos de cofiaa rof. María B. itarelli x.96 x Al establecer que es u itervalo al 95% de cofiaa de estamos diciedo que la robabilidad de que el itervalo cotega a es O e otras alabras la robabilidad de que la muestra aleatoria (... ) tome valores tales que el itervalo aleatorio defia u itervalo umérico que cotega al arámetro fijo descoocido es Itervalo de cofiaa ara la media de ua distribució ormal variaa descoocida Nuevamete como se trata de ecotrar u itervalo de cofiaa ara os basamos e la ese- raa muestral i que sabemos es u bue estimador de. ero ahora o odemos usar como ivote a Z / orque descoocemos y ua codició ara ser ivote es que exceto or el arámetro a estimar ( e este caso ) todos los arámetros que aarece e él debe ser coocidos. Etoces rooemos como ivote ua variable aleatoria defiida e forma arecida a Z ero reemlaado or u estimador adecuado. Ya vimos que la variaa muestral defiida ( ) i dode es la eseraa muestral es u estimador isesgado de la variaa oblacioal V ( ) decir ( ) ( ) E V. Etoces estimamos co y rooemos como ivote a la variable aleatoria es T. / ero ara oder usar a T como ivote debemos coocer su distribució. e uede robar que la distribució de T es ua distribució llamada tudet co arámetro -. Nota: Ua v.a. cotiua tiee distribució tudet co k grados de libertad si su f.d.. es de la forma 59

8 arte Itervalos de cofiaa rof. María B. itarelli ( k ) Γ ( x) < x< k πk Γ x k f k Notació: T ~ tk La gráfica de la f.d.. de la distribució tudet tiee forma de camaa como la ormal ero tiede a cero más letamete. e uede robar que cuado k la fd de la tudet tiede a la fd de la N (0 ). E la figura siguiete se grafica f(x) ara diferetes valores de k k k k t k Aotaremos al cuatil de la tudet co k grados de libertad que deja bajo la fd a derecha u área de y a su iquierda u área de. Luego ara costruir el itervalo de cofiaa buscado a artir del ivote T rocedemos como e los casos ateriores: Comeamos or latear la ecuació ( t T t) - dode la icógita es el úmero real t. i reemlaamos la v.a. T or su exresió teemos sucesivamete (multilicado or / y restado ): t t t t t t - / Multilicado todos los miembros de la desigualdad or - (el orde de los miembros se ivierte) llegamos a: 60

9 arte Itervalos de cofiaa rof. María B. itarelli t t - Evidetemete si defiimos Θ t hemos costruido dos estadísticos Θ y Θ Θ tales que ( Θ ) Θ - t veamos quie es el úmero t que verifica la ecuació es decir (ver figura): k 4 grados de libertad t t ( t T t) F( t) F( t) - dode ( t) F es la Fda ara la v.a. T t. or la simetría de la distribució t de tudet se deduce fácilmete de la figura aterior que F t F t etoces: F ( ) ( ) ( t) F( t) F ( t) - o bie (ver figura aterior) F( t). Al valor de t que verifica esta ecuació se lo suele idicar cofiaa bilateral al ivel de sigificació - queda: t. E cosecuecia el itervalo de t t co E cosecuecia: F t. i(... ) ua muestra aleatoria de tamaño de ua v.a. dode ~ N ( ) descoocido u itervalo de cofiaa ara de ivel es t t (8.) 6

10 arte Itervalos de cofiaa rof. María B. itarelli Ejemlo: e hiciero 0 medicioes sobre la resistecia de cierto tio de alambre que diero valores 0 x x... x0 tales que 0 i 0 x x i ohms y ( x i x).36 ohms. uógase 9 que ~N( ). e desea obteer u itervalo de cofiaa ara la eseraa oblacioal al 90 %. Teemos que / De la Tabla de la t de tudet teemos que t Etoces el itervalo de cofiaa buscado es: t t Esto es: [.69.7] 9. i la muestra aleatoria se toma de ua distribució ormal es descoocido y el tamaño de la muestra grade etoces se uede robar que al reemlaar or el estadístico i! Z N( 0 ) aroximadamete / y uedo costruir el itervalo ara como ates: ero su ivel es aroximadamete 9.4 Itervalo de cofiaa ara la diferecia de dos medias variaas coocidas uogamos que teemos dos variables aleatorias ideedietes ormalmete distribuidas: ~ N( ) y suoemos que las variaas y so coocidas. ~ N( ) ea además (... ) ua muestra aleatoria de tamaño de (... ) ua muestra aleatoria de tamaño de. Deseamos costruir u itervalo al ivel de cofiaa ara la diferecia de eseraas. Ya sabemos cuál es la distribució del romedio de variables aleatorias ormales ideedietes: 6

11 arte Itervalos de cofiaa rof. María B. itarelli 63 i i i i N ~ N ~ Cosideremos ahora la diferecia Y. i y tiee distribució ormal y so ideedietes su diferecia tambié es ormal co eseraa igual a la diferecia de las eseraas y la variaa es la suma de las variaas: N ~. or lo tato ( ) ( ) N 0 ~ Z es decir tiee distribució ormal estadariada. La v.a. Z cumle co toda las codicioes ara servir de ivote y costruiremos uestro itervalo e forma aáloga a cómo hicimos e los casos ateriores: Comeamos or latear la ecuació ( ) Z - dode la icógita es el úmero real. Reemlaamos la v.a. Z or su exresió y teemos sucesivamete (multilicado or / y restado ): ( ) ( ) ( ) ( ) ( ) Multilicado todos los miembros de la desigualdad or - (el orde de los miembros se ivierte) llegamos a: ( ) Evidetemete si defiimos

12 arte Itervalos de cofiaa rof. María B. itarelli Θ Θ habremos costruido dos estadísticos Θ y Θ tales que ( ) ( Θ ) - es decir Θ habremos costruido el itervalo de cofiaa bilateral deseado [ Â ] Â. Todos los elemetos que forma los estadísticos Θ y Θ so coocidos ya que el úmero verifica la ecuació aterior es decir: ( Z ) Φ( ) Φ( ) - dode ( ) Φ es la Fda ara la v.a. Z ~ N (0) o bie segú vimos: Φ ( ) que aotamos E cosecuecia el itervalo de cofiaa bilateral al ivel de sigificació - queda: or lo tato i y so dos variables aleatorias ideedietes ormalmete distribuidas: ~ N( ) ~ N( ) y suoemos que las variaas de ivel es itervalo de cofiaa ara la diferecia y so coocidas. U r (8.3) Ejemlo: e utilia dos máquias ara llear botellas de lástico co detergete ara máquias lavalatos. e sabe que las desviacioes estádar de volume de lleado so 0. 0 oas de líquido y 0.5 oas de líquido ara las dos máquias resectivamete. e toma dos muestras aleatorias botellas de la máquia y 0 botellas de la máquia. Los volúmees romedio de lleado so x oas de líquido y x oas de líquido. Asumiedo que ambas muestras roviee de distribucioes ormales Costruya u itervalo de cofiaa de ivel 90% ara la diferecia etre las medias del volume de lleado. olució: Como etoces

13 arte Itervalos de cofiaa rof. María B. itarelli or lo tato El itervalo será ( ).65 ;( ) O sea ; i se cooce las desviacioes estádar y los tamaños de las muestras so iguales (es decir ) etoces uede determiarse el tamaño requerido de la muestra de maera tal que la logitud del itervalo sea meor que l l l ( ) L i las muestras aleatorias se toma de ua distribució ormal dode y so descoocidos 30 y 30 etoces se uede robar que al reemlaar or y or el estadístico ( ) N(0). aroximadamete y uedo costruir el itervalo ara como ates: (8.4) ero su ivel es aroximadamete ara muestras tomadas de dos oblacioes ormales o ara muestras de tamaño 30 y 30 de dos oblacioes cualesquiera el itervalo de cofiaa dado ateriormete e (8.3) roorcioa bueos resultados. E el caso de que la oblació de la que se extrae la muestra o sea ormal ero 30 y 30 el ivel de cofiaa del itervalo (8.3) es aroximadamete. Ejemlo: De ua muestra de 50 lámaras del fabricate A se obtuvo ua vida media de 400 hs y ua desviació tíica de 0 hs. Mietras que de ua muestra de 00 lámaras del fabricate B se obtuvo ua vida media de 00 hs. y ua desviació tíica de 80 hs. Halla los límites de cofiaa del 95% ara la diferecia las vidas medias de las oblacioes A y B. 65

14 arte Itervalos de cofiaa rof. María B. itarelli olució: ea las variables aleatorias: : duració e horas de ua lámara del fabricate A : duració e horas de ua lámara del fabricate B No se dice cuál es la distribució de estas variables ero como 50 y 00 odemos usar el itervalo dado e (8.4) Teemos que x 400 x 00 s 0 y s 80. Además Etoces el itervalo es ; ; Observació: como este itervalo o cotiee al cero odemos iferir que hay diferecia etre las medias co robabilidad 0.95 es más odemos iferir que la media del tiemo de duració de las lámaras del fabricate A es mayor que la media del tiemo de duració de las lámaras del fabricate B co robabilidad Itervalo de cofiaa ara la diferecia de dos medias variaas descoocidas Nuevamete suogamos que teemos dos variables aleatorias ideedietes ormalmete distribuidas: ~ N ~ N ( ) ( ) y suoemos que las variaas y so descoocidas. ea además (... ) ua muestra aleatoria de tamaño de (... ) ua muestra aleatoria de tamaño de. ero ahora o o so mayores que 30 uogamos que es raoable suoer que las variaas descoocidas so iguales es decir Deseamos costruir u itervalo al ivel de cofiaa ara la diferecia de eseraas ea y las medias muestrales y los estimadores de la variaa comú Este estimador es y las variaas muestrales. Como y etoces costruimos u estimador combiado de ( ) ( ) e uede comrobar que es u estimador isesgado de. e uede robar que el estadístico so. 66

15 arte Itervalos de cofiaa rof. María B. itarelli 67 ( ) T r tiee distribució tudet co grados de libertad or lo tato se latea la ecuació t T t o ( ) t t r Desejamos y queda la exresió t t Etoces Ejemlo: e iesa que la cocetració del igrediete activo de u detergete líquido ara roa es afectada or el tio de cataliador utiliado e el roceso de fabricació. e sabe que la desviació estádar de la cocetració activa es de 3 g/l si imortar el tio de cataliador utiliado. e realia 0 observacioes co cada cataliador y se obtiee los datos siguietes: Cataliador : Cataliador : a) Ecuetre u itervalo de cofiaa del 95% ara la diferecia etre las medias de las cocetracioes activas ara los dos cataliadores. Asumir que ambas muestras fuero extraídas de oblacioes ormales co variaas iguales. b) Existe algua evidecia que idique que las cocetracioes activas medias deede del cataliador utiliado? i y so dos variables aleatorias ideedietes ormalmete distribuidas: ( ) N ~ ( ) N ~ y suoemos que las variaas y so descoocidas e iguales es decir U itervalo de cofiaa ara la diferecia de ivel es t t / / ; (8.5)

16 arte Itervalos de cofiaa rof. María B. itarelli olució: ea las variables aleatorias : cocetració del igrediete activo co cataliador : cocetració del igrediete activo co cataliador Asumimos que ambas variables tiee distribució ormal co variaas iguales Estamos e3 las codicioes ara usar (8.5) Teemos que x 65. x s s. 4 0 ( ) ( ) Calculamos or lo tato Buscamos e la tabla de la tudet t t Etoces el itervalo es ; [ ] 0 ; b) Existe algua evidecia que idique que las cocetracioes activas medias deede del cataliador utiliado ues el 0 o erteece al itervalo. E muchas ocasioes o es raoable suoer que las variaas so iguales. i o odemos garatiar que las variaas so iguales ara costruir u itervalo de cofiaa de ivel ara utiliamos es estadístico * T tiee aroximadamete ua distribució tudet co ν grados de liber- e uede robar que tad dode T * ( ) ( ) ( ) ( ) ν si ν o es etero se toma el etero más róximo a ν or lo tato lateamos la ecuació Y desejado el itervalo es * t T t ν ν 68

17 arte Itervalos de cofiaa rof. María B. itarelli Etoces t ν t ν i y so dos variables aleatorias ideedietes ormalmete distribuidas: ~ N( ) ~ N( ) Ejemlo: Ua muestra de 6 soldaduras de u tio teía romedio de rueba fial de resistecia de 83. ksi y desviació estádar de 5.. Y ua muestra de 0 soldaduras de otro tio teía resistecia romedio de 7.3 ksi y desviació estádar de 3.. suogamos que ambos cojutos de soldaduras so muestras aleatorias de oblacioes ormales. e desea ecotrar u itervalo de cofiaa de 95% ara la diferecia etre las medias de las resistecias de los dos tios de soldaduras. olució: Ambos tamaños muestrales so equeños y las muestras roviee de oblacioes ormales. No odemos asumir igualdad de variaas. Etoces alicamos (8.6) Teemos que x 83. x 7. 3 s 5. s 3. 6; 0 Como etoces Además ν ( ) 5. 6 ( ) ( ) ( 5. ) ( 3. ) Etoces buscamos e la tabla de la tudet t. 365 or lo tato el itervalo es y suoemos que las variaas y distitas U itervalo de cofiaa ara la diferecia Dode y so descoocidas de ivel aroximadamete es t t (8.6) ν ν ν ( ) ( ) ( ) t ν t ν ;

18 arte Itervalos de cofiaa rof. María B. itarelli 9.6 Itervalo de cofiaa ara ara datos areados Hasta ahora se obtuviero itervalos de cofiaa ara la diferecia de medias dode se tomaba dos muestras aleatorias ideedietes de dos oblacioes de iterés. E ese caso se tomaba observacioes de ua oblació y observacioes de la otra oblació. E muchas situacioes exerimetales existe solo uidades exerimetales diferetes y los datos está recoilados or ares esto es cada uidad exerimetal está formada or dos observacioes. or ejemlo suogamos que se mide el tiemo e segudos que u idividuo tarda e hacer ua maiobra de estacioamieto co dos automóviles diferetes e cuato al tamaño de la llata y la relació de vueltas del volate. Notar que cada idividuo es la uidad exerimetal y de esa uidad exerimetal se toma dos observacioes que o será ideedietes. e desea obteer u itervalo de cofiaa ara la diferecia etre el tiemo medio ara estacioar los dos automóviles. ; ;...;. E geeral suogamos que teemos los siguietes datos ( )( ) ( ) Las variables aleatorias y tiee medias y resectivamete. ea co j.... D j j j Etoces y V E ( D j) E( j j) E( j) E( j) ( D ) V( ) V( ) V( ) Cov( ) Cov( ) j j j j j j j Estimamos E ( D j ) co D D j ( j j) j E lugar de tratar de estimar la covariaa estimamos la V ( D j ) co D ( D j D) j D y D V( D j ) Aotamos Asumimos que D N( ) j ~ D D co j... Las variables aleatorias e ares diferetes so ideedietes o lo so detro de u mismo ar. ara costruir el itervalo de cofiaa otar que j T D D t D / etoces al latear la ecuació ( t T t) - deducimos que t t or lo tato el itervalo de cofiaa ara D de ivel se obtedrá al sustituir T e la ecuació aterior y desejar D El itervalo resultate es 70

19 arte Itervalos de cofiaa rof. María B. itarelli Etoces D t D ; D t D Ejemlo: Cosideramos el ejemlo lateado al comieo. Deseamos u itervalo de ivel 0.90 ea las variables aleatorias : tiemo e segudos que tarda el idividuo j e estacioar automóvil co j... j : tiemo e segudos que tarda el idividuo j e estacioar automóvil co j... j Medimos estas variables de maera que teemos las siguietes observacioes Automóvil Automóvil diferecia sujeto (observació x j ) (observació x j ) D j A artir de la columa de diferecias observadas se calcula D. y. 68 Además t t etoces el itervalo ara la diferecia D de ivel 0.90 es Cuado las observacioes se da de a ares ( )( ; );...;( ) y las diferecias so tales que D N( ) D j j j j ~ D D ; ; ara j... u itervalo de cofiaa de ivel ara D es D D D t ; D t (8.7) D 7

20 arte Itervalos de cofiaa rof. María B. itarelli 9.7 Itervalo de cofiaa ara la variaa de ua distribució ormal uogamos que se quiere hallar u itervalo de cofiaa ara la variaa de ua distribució ormal. ea (... ) ua muestra aleatoria de ua v.a. dode ~ N( ). Tomamos como estimador utual de a ( ) i ( ) Luego a artir de este estimador utual costruimos el estadístico Este estadístico cotiee al arámetro descoocido a estimar y tiee ua distribució coocida se uede robar que tiee ua distribució llamada ji-cuadrado co - grados de libertad Observació: i es ua v.a. cotiua se dice que tiee distribució ji-cuadrado co k grados de libertad si su f.d.. es f x) ( k ) x k Γ x ( e k x> 0 k Notació: ~ χ La distribució ji-cuadrdo es asimétrica. E la figura siguiete se grafica la desidad ara diferetes valores de k k k 5 k Aotaremos χ k al cuatil de la ji-cuadrado co k grados de libertad que deja bajo la fd a derecha u área de y a su iquierda u área de. roiedades: - e uede robar que si... so variables aleatorias ideedietes co distribució N (0) etoces Z... tiee distribució ji-cuadrado co grados de libertad. 7

21 arte Itervalos de cofiaa rof. María B. itarelli - i... so variables aleatorias ideedietes tal que i tiee distribució jicuadrado co k i grados de libertad etoces Z... tiee distribució ji-cuadrado co k grados de libertad dode k k k... k 3- i ~ χ k etoces ara k grade ~ N k aroximadamete. ara desarrollar el itervalo de cofiaa lateamos hallar dos úmeros a y b tales que ( ) ( ) a b es decir a b e uede robar que la mejor elecció de a y b es: a χ y b χ k 5 χ χ or lo tato y desejado Etoces se llega a χ ( ) χ ( ) ( ) χ χ 73

22 arte Itervalos de cofiaa rof. María B. itarelli... es ua muestra aleatoria de ua v.a. dode ~ N( ) u itervalo de cofiaa ara de ivel es ( ) ( ) ; (8.8) χ χ i ( ) Observació: u itervalo de cofiaa ara de ivel es ( ) ( ) ; χ χ Ejemlo: U fabricate de detergete líquido está iteresado e la uiformidad de la máquia utiliada ara llear las botellas. De maera esecífica es deseable que la desviació estádar del roceso de lleado sea meor que 0.5 oas de líquido; de otro modo existe u orcetaje mayor del deseable de botellas co u coteido meor de detergete. uogamos que la distribució del volume de lleado es aroximadamete ormal. Al tomar ua muestra aleatoria de 0 botellas se obtiee ua variaa muestral Hallar u itervalo de cofiaa de ivel 0.95 ara la verdadera variaa del volume de lleado. olució: La v.a. de iterés es : volume de lleado de ua botella e asume que ~ N( ) co descoocido. Estamos e las codicioes ara alicar (8.8) Teemos que χ χ 8. 9 y χ Además or lo tato el itervalo es ( ) ( ) ( 0) ( 0) ; χ χ ; Y u itervalo ara es ( ; 0.036) ( 0.09; 0.805) χ ( ; 0.036) or lo tato co u ivel de 0.95 los datos o aoya la afirmació que < Itervalo de cofiaa ara el cociete de variaas de dos distribucioes ormales 74

23 arte Itervalos de cofiaa rof. María B. itarelli uogamos que se tiee dos oblacioes ormales e ideedietes co variaas descoocidas y resectivamete. e desea ecotrar u itervalo de ivel ara el cociete de las dos variaas. e toma ua muestra aleatoria de tamaño de ua de las oblacioes y ua muestra de tamaño de la otra oblació. ea y las dos variaas muestrales. Cosideramos el estadístico F Notar que F cotiee al arámetro de iterés ues F e uede robar que F tiee ua distribució llamada Fisher co y grados de libertad. Observació: ea ua variable aleatoria cotiua se dice que tiee distribució Fisher co u grados de libertad e el umerador y v grados de libertad e el deomiador si su fd es de la forma f ( x) u v u Γ v u u u v u v u Γ Γ x v x 0< x< E articular si W e Y so variables aleatorias ideedietes ji-cuadrado co u y v grados de libertad resectivamete etoces el cociete W F u Y v Tiee ua distribució Fisher co u grados de libertad e el umerador y v grados de libertad e el deomiador. Notació: ~ F F u v La gráfica de ua distribució Fisher es similar a la de ua ji-cuadrado es asimétrica. Aotamos f al cuatil que deja a su derecha u área de bajo la curva de desidad. u v u 5 ; v 0 75 f u v

24 arte Itervalos de cofiaa rof. María B. itarelli Existe la siguiete relació etre los cuatiles de ua F u v y de ua F v u f u v f v u lateamos la siguiete ecuació ( ) a y b es : b f a F b y se ede robar que la mejor elecció de a f y u 5 ; v 0 f f Etoces f f Desejado el cociete queda : f f or lo tato 76

25 arte Itervalos de cofiaa rof. María B. itarelli i se tiee dos oblacioes ormales e ideedietes co variaas descoocidas y resectivamete etoces u itervalo de ivel ara el cociete de las dos variaas es Ejemlo: Ua comañía fabrica roulsores ara uso e motores de turbia. Ua de las oeracioes cosiste e esmerilar el termiado de ua suerficie articular co ua aleació de titaio. uede emlearse dos rocesos de esmerilado y ambos uede roducir artes que tiee la misma rugosidad suerficial romedio. Iteresaría seleccioar el roceso que tega la meor variabilidad e la rugosidad de la suerficie. ara esto se toma ua muestra de artes del rimer roceso la cual tiee ua desviació estádar muestral 5. microulgadas y ua muestra aleatoria de 5 artes del segudo roceso la cual tiee ua desviació estádar muestral 4. 7 microulgadas. e desea ecotrar u itervalo de cofiaa de ivel 90% ara el cociete de las dos variaas. uoer que los dos rocesos so ideedietes y que la rugosidad de la suerficie está distribuida de maera ormal. olució: Estamos e las codicioes ara alicar (8.9) Buscamos e la tabla de la Fisher f f f.58 y f f Etoces el itervalo es f ; f (8.9) ; [ 0.46; 3.3] Como este itervalo icluye al o odemos afirmar que las desviacioes estádar de los dos rocesos sea diferetes co ua cofiaa de 90%. 9.9 Itervalo de cofiaa ara ua roorció ea ua oblació de tamaño N (evetualmete uede ser ifiito) de cuyos idividuos os iteresa cierta roiedad A. uogamos que la robabilidad de que u idividuo de la oblació verifique A es ( A).El sigificado del arámetro es e cosecuecia el de roorció de idividuos de la oblació que verifica la roiedad A. odemos defiir ua variable aleatoria i que mide a los idividuos de la oblació la ocurrecia o o de la roiedad A. La variable aleatoria tedrá la distribució: 77

26 arte Itervalos de cofiaa rof. María B. itarelli ( ) ( ) i ( x) ( 0) ( i 0) es decir i es ua v.a. que toma sólo dos valores: (si el idividuo verifica A) co robabilidad y 0 (cuado o verifica A) co robabilidad -. Esto es equivalete a decir que i tiee ua distribució biomial co arámetros y : i ~ B(). uogamos que cosideramos ua muestra aleatoria (... ) de tamaño. i formamos el estadístico... es evidete que esta v.a. mide el úmero de idividuos de la muestra de tamaño que verifica la roiedad A. or lo tato or su sigificado es ua v.a. cuya distribució es biomial co arámetros y : ~B(). De acuerdo co esto la variable aleatoria defiida: rereseta la roorció de idividuos de la muestra que verifica la roiedad A. Observemos que siedo i ~ B() es ( ) E E( ) es decir es u estimador isesgado de. Esto es de ese- E rar ues i. i E( i ). Y dado que ~B() tambié es ero además es fácil ver que es estimador cosistete de. E efecto teemos que ero tambié es ( ) ( ) ( ) V V. E ( ) Deseamos costruir u itervalo de cofiaa de. Es raoable basaros e el estimador isegado. Cosideramos como ivote a la variable aleatoria Z efecto: iedo ( ) or lo tato: cuya distribució es ara suficietemete grade aroximadamete N(0). E... i es E( i ) E y ( ) ( ) V V i i Z ~ N( 0) grade ( ) El ivote uede oerse e ua forma más coveiete si teemos e cueta que segú vimos recié es estimador cosistete de y e cosecuecia e el deomiador reemlaamos el arámetro descoocido or su estimador y se uede robar que : 78

27 arte Itervalos de cofiaa rof. María B. itarelli 79 ( ) Z N(0). aroximadamete si es grade artiedo de este ivote odemos seguir los mismos asos de los casos ateriores ara llegar al siguiete itervalo de cofiaa al ivel de : ( ) ( ) co Φ. Etoces Observacioes: - Este rocedimieto deede de la aroximació ormal a la distribució biomial. or lo tato el itervalo (8.0) se uede utiliar si 0 > y 0 ) ( > es decir la muestra debe coteer u míimo de die éxitos y die fracasos. - La logitud del itervalo es ( ) L ero esta exresió está e fució de i os iteresa hallar u valor de de maera tal que la logitud L sea meor que u valor determiado odemos hacer dos cosas: a) tomar ua muestra relimiar co ella estimar co y de la exresió aterior desejar lo que lleva a ( ) ( ) l l L b) si o tomamos ua muestra relimiar etoces acotamos ( ) ( ) etoces ( ) ( ) l l L Ejemlo: i es la roorció de observacioes de ua muestra aleatoria de tamaño que verifica ua roiedad de iterés etoces u itervalo de cofiaa ara la roorció de la oblació que cumle dicha roiedad de ivel aroximadamete es ( ) ( ) (8.0)

28 arte Itervalos de cofiaa rof. María B. itarelli U fabricate de comoetes comra u lote de disositivos de seguda mao y desea saber la roorció de la oblació que está fallados. Co ese fi exerimeta co 40 disositivos elegidos al aar y ecuetra que 35 de ellos está fallados. a) Calcular u itervalo de cofiaa del 99% ara la roorció oblacioal. b) De qué tamaño deberá extraerse la muestra a fi de que la roorció muestral o difiera de la roorció oblacioal e más de 0.03 co u 95% de cofiaa? olució: a) El tamaño de la muestra es 40 (muestra grade) 35 La roorció muestral es El ivel de cofiaa es De la tabla de la ormal estadariada vemos que. 58. Etoces el itervalo buscado es: ( 0.5) 0.5( 0.5) [ ] b) Buscamos el tamaño de la muestra tal que co u 95% de cofiaa la roorció muestral esté a ua distacia 0.03 de la roorció oblacioal es decir buscamos tal que si tomamos la muestra aterior como re- L 0.03 limiar : or lo tato como l (.96 ) 0.5( 0.5) or lo tato hay que tomar ua muestra de tamaño or lo meos 80. como ya se tomó ua muestra de tamaño 40 hay que tomar otra adicioal de tamaño uogamos que o tomamos ua muestra iicial etoces directamete lateamos l Etoces hay que tomar ua muestra de tamaño 068 or lo meos. 9.0 Itervalo de cofiaa ara la diferecia etre dos roorcioes uogamos que existe dos roorcioes de iterés y y es ecesario obteer u itervalo de cofiaa de ivel ara la diferecia. 80

29 arte Itervalos de cofiaa rof. María B. itarelli 8 uogamos que se toma dos muestras ideedietes de tamaños y resectivamete de dos oblacioes. ea las variables aleatorias : úmero de observacioes e la rimera muestra que tiee la roiedad de iterés : úmero de observacioes e la seguda muestra que tiee la roiedad de iterés Etoces y so variables aleatorias ideedietes y ~B( ) ; ~B( ) Además y so estimadores utuales de y resectivamete. Vemos que ( ) E y ( ) ( ) ( ) V Alicado la aroximació ormal a la biomial odemos decir que ( ) ( ) ( ) (0) N Z y como e el caso de itervalo ara ua roorció estimamos ( ) ( ) co ( ) ( ) y etoces ( ) ( ) ( ) (0) N Z aroximadamete. lateamos la ecuació ( ) ( ) ( ) Z Φ Φ - lo que lleva a y co ua deducció aáloga a las ateriores se llega al itervalo ( ) ( ) ( ) ( ) ; Etoces Ejemlo: e lleva a cabo u estudio ara determiar la efectividad de ua ueva vacua cotra la grie. e admiistra la vacua a ua muestra aleatoria de 3000 sujetos y de ese gruo 3 cotrae grie. Como gruo de cotrol se seleccioa al aar 500 sujetos a los cuales o se les admiistra la vacua y de ese gruo 70 cotrae grie. Costruya u itervalo de cofiaa de ivel 0.95 ara la diferecia etre las verdaderas roorcioes de idividuos que cotrae grie. i y so las roorcioes muestrales de ua observació de dos muestras aleatorias ideedietes de tamaños y resectivamete que verifica la roiedad de iterés etoces u itervalo de cofiaa de ivel aroximadamete es ( ) ( ) ( ) ( ) ; (8.)

30 arte Itervalos de cofiaa rof. María B. itarelli olució: ea las variables aleatorias : úmero de ersoas que cotrae grie del gruo que recibió la vacua : úmero de ersoas que cotrae grie del gruo que o recibió la vacua Etoces ~B( ) ; ~B( ) dode 3000 ; Además ; Y Etoces ( ) ( ) ( ) ( ) ; ; ;

9- Intervalos de confianza

9- Intervalos de confianza arte Itervalos de cofiaa rof. María B. itarelli 9- Itervalos de cofiaa 9. Itroducció e ha visto como costruir a artir de ua muestra aleatoria u estimador utual de u arámetro descoocido. E esos casos ecesitábamos

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

Solución. x 1 =36 x 2 =24 n 1 =50 n 2 =75 IC=96 % σ 1 =6 σ 2 =8. Datos. Fórmula x 1 -x 2 =36-24=

Solución. x 1 =36 x 2 =24 n 1 =50 n 2 =75 IC=96 % σ 1 =6 σ 2 =8. Datos. Fórmula x 1 -x 2 =36-24= Solució Datos x =36 x =4 =50 =75 IC=96 % σ =6 σ =8 Fórmula x x z Se lleva a cabo u exerimeto e que se comara dos tios de motores, A y B. Se mide el redimieto e millas or galó de gasolia. Se realiza 50

Más detalles

9- Test o prueba de hipótesis

9- Test o prueba de hipótesis arte Estadística rof. María B. itarelli 9- Test o rueba de hiótes 9. Itroducció asta ahora hemos estudiado el roblema de estimar u arámetro descoocido a artir de ua muestra aleatoria. E muchos roblemas

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

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

PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II UNIDAD III: TECNICAS DE ESTIMACIÓN ESTIMACIÓN POR INTERVALOS

PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II UNIDAD III: TECNICAS DE ESTIMACIÓN ESTIMACIÓN POR INTERVALOS PROYECTO DE CARRERA: INGENIERÍA INDUTRIAL AIGNATURA: ETADÍTICA II UNIDAD III: TECNICA DE ETIMACIÓN ETIMACIÓN POR INTERVALO INTRODUCCIÓN E temas ateriores se estableciero las bases que ermite a los estadísticos

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

Ejemplo Solución. μ 1 =121 μ 2 =112 σ 1 =σ 2 =8.0 α=0.05 n 1 =n 2 =10. 2) Datos. 3) Ensayo de hipótesis

Ejemplo Solución. μ 1 =121 μ 2 =112 σ 1 =σ 2 =8.0 α=0.05 n 1 =n 2 =10. 2) Datos. 3) Ensayo de hipótesis Ejemplo Solució ) Datos μ = μ = σ =σ =8.0 = =0 3) Esayo de hipótesis ; μ -μ = 0.0 H ; μ -μ >0.0 Se está iteresado e reducir el tiempo de secado de ua pitura. Probamos dos fórmulas; la fórmula tiee el coteido

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

Estadística. Contrastes para proporciones

Estadística. Contrastes para proporciones 54 Cotrastes ara roorcioes rof, Dr. Jose Jacobo ubcoff Deartameto de Ciecias del Mar Biología Alicada Cotrastes ara roorcioes Cotrastes ara los arámetros de Ua roorció 54 Cotrastes ara roorcioes Ua roorció

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete

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

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

Consideremos los siguientes experimentos aleatorios

Consideremos los siguientes experimentos aleatorios 69 Veremos e lo que sigue uevas variables aleatorias discretas. Estas variables y sus distribucioes se utiliza como modelos e muchas alicacioes estadísticas. Distribució Biomial Cosideremos los siguietes

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

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas 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 detalles

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA Métodos estadísticos y uméricos Estimació por Itervalos de cofiaa PROBLEMA REUELTO DE ETIMACIÓN POR INTERVALO DE CONFIANZA U adador obtiee los siguietes tiempos, e miutos, e 0 pruebas croometradas por

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Tema Iferecia estadística. Estimació de la media Mate CCSSII 2º Bach. 1 TEMA INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA DISTRIBUCIÓN NORMAL EJERCICIO 1 : Los esos, e kilogramos, de u gruo de ersoas

Más detalles

Estadística 1.-VARIABLES ALEATORIAS. 1. Conceptos previos. Dada una serie de números: x1,..xn se llama MEDIA ARITMÉTICA:

Estadística 1.-VARIABLES ALEATORIAS. 1. Conceptos previos. Dada una serie de números: x1,..xn se llama MEDIA ARITMÉTICA: Estadística 1.-VARIABLES ALEATORIAS 1. Cocetos revios Dada ua serie de úmeros: x1,..x se llama MEDIA ARITMÉTICA: x = x 1+ +x = 1=1 x i Se trata de ua medida de cetralizació, que rereseta el valor más característico

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

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media

Más detalles

TEORÍA ELEMENTAL DE MUESTREO

TEORÍA 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 detalles

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( ) I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad

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

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá

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

). Por ejemplo: mínimos cuadrados, momentos, métodos bayesianos, etc. Nosotros solo revisaremos aquí el método de máxima verosimilitud

). Por ejemplo: mínimos cuadrados, momentos, métodos bayesianos, etc. Nosotros solo revisaremos aquí el método de máxima verosimilitud El algoritmo EM Referecias: Bickel ad Docksum: Mathematical Statistics Casella, G Statistical iferece Lehma, E. Poit Estimatio. Estimació or Máima Verosimilitud Uo de los riciales objetivos e estadistica

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

Inferencia Estadística

Inferencia Estadística Decrició breve del tema Iferecia Etadítica Tema 7. Itroducció. Itervalo de Cofiaa Determiació del tamaño muetral 3. Cotrate de hiótei Geeralidade de lo cotrate Metodología del cotrate Regió de rechao y

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

TEMA 6.- INTERVALOS DE CONFIANZA

TEMA 6.- INTERVALOS DE CONFIANZA TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método

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

Tema IV. Estimación con intervalos de confianza

Tema IV. Estimación con intervalos de confianza Notas de Estadística Alicada a la Admiistració, Cotaduría, Iformática Admiistrativa I y Negocios y Comercio Iteracioales. Dr. Fracisco Javier Taia Moreo. Abril de 0. Tema IV Estimació co itervalos de cofiaza

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

Unidad 7. Estimación de medias, proporciones y varianzas

Unidad 7. Estimación de medias, proporciones y varianzas Uidad 7 Estimació de medias, roorcioes y variazas Itroducció E las uidades ateriores se ha veido desarrollado el sigificado y la utilidad de las medidas de tedecia cetral; éstas so medidas descritivas

Más detalles

Intervalos de confianza Muestras grandes

Intervalos de confianza Muestras grandes Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete

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

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

Pruebas de hipótesis para dos muestras.

Pruebas de hipótesis para dos muestras. Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto

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

Estimadores Puntuales: Propiedades de estimadores Sebastián Court

Estimadores Puntuales: Propiedades de estimadores Sebastián Court Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

Estadística Teórica II

Estadística 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 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

MATEMÁTICAS 2ºBACHILLERATO CCSSII

MATEMÁTICAS 2ºBACHILLERATO CCSSII La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida

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

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

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

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

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o

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

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de

Más detalles

ESTIMACIONES DE MEDIAS

ESTIMACIONES DE MEDIAS COLEGIO SAN BARTOLOMÉ LA MERCED ESTADÍSTICA GRADO ESTIMACIÓN 0-0 Símbolos que se debe teer e cueta: POBLACIÓN MUESTRA MEDIA VARIANZA DESVIACIÓN ESTÁNDAR TAMAÑO N La estimació cosiste e determiar el valor

Más detalles

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n. 1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =

Más detalles

Límite y Continuidad de Funciones.

Límite 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 detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

8. INTERVALOS DE CONFIANZA

8. 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 detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

Capítulo 3: Inferencia

Capítulo 3: Inferencia Caítulo 3: Iferecia I N T R O U C C I O N E S T I M A C I O N E M A X I M A V E R O S I M I L I T U C A S O G A U S S I A N O E S C O N O C I A E S T I M A C I O N B A Y E S I A N A Secció 3. Itroducció

Más detalles

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE JUNIO DE 2004.

POSIBLE SOLUCIÓN DEL EXAMEN DE INVESTIGACIÓN OPERATIVA DE SISTEMAS DE JUNIO DE 2004. POSBLE SOLUCÓN DEL EXAMEN DE NVESTGACÓN OPERATVA DE SSTEMAS DE JUNO DE 4. Problema (,5 utos): Ua máuia es iseccioada cada semaa ara comrobar si fucioa correctamete. El resultado de la isecció uede ser

Más detalles

Medidas de Tendencia Central

Medidas 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 detalles

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces. Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA 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 detalles

T5. Contrastes para los parámetros de una población Normal

T5. Contrastes para los parámetros de una población Normal Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística

Más detalles

UNIDAD 4.- INFERENCIA ESTADÍSTICA II

UNIDAD 4.- INFERENCIA ESTADÍSTICA II UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que

Más detalles

Desigualdad de Tchebyshev

Desigualdad de Tchebyshev Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que

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

R E S O L U C I Ó N. a) La distribución de las medias muestrales es: N, N 8'1, N 8'1, 0'3. Como el nivel de confianza es del 97%, podemos calcular

R E S O L U C I Ó N. a) La distribución de las medias muestrales es: N, N 8'1, N 8'1, 0'3. Como el nivel de confianza es del 97%, podemos calcular El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media días y desviació típica 3 días. a) Determie u itervalo de cofiaza para estimar, a u ivel del 97%, co ua muestra aleatoria

Más detalles

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc.

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc. Sucesioes Sucesi o. Ua sucesió es u cojuto ifiito de úmeros ordeados de tal forma que se puede decir cuál es el primero, cuál el segudo, el tercero, etc. Los térmios de ua sucesió se desiga mediate a 1,

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios 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 detalles

Intervalo de confianza para µ

Intervalo 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 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

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico

Más detalles

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE) TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA

Más detalles

1. Distribución Normal.

1. Distribución Normal. DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei RESUMEN 1. Distribució Normal. 1.1. Cálculo de probabilidades a) Para ua distribució estádar N(0,1) usamos directamete la tabla: Ejemplos:

Más detalles

Tests de Hipótesis basados en una muestra. Dra. Diana Kelmansky 125 ESTADÍSTICA (Q)

Tests de Hipótesis basados en una muestra. Dra. Diana Kelmansky 125 ESTADÍSTICA (Q) Tests de Hipótesis basados e ua muestra. Dra. Diaa Kelmasky 15 19. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA CONOCIDA 19.1 Desarrollo de u ejemplo Iteresa saber si el método

Más detalles

12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE LA TABLA DE LA NORMAL N(0,1) E la distribució N(0,1), a la variable se le suele represetar

Más detalles

Luis González Abril y Luis M. Sánchez-Reyes {luisgon, - Dpto. Economía Aplicada I Universidad de Sevilla

Luis González Abril y Luis M. Sánchez-Reyes {luisgon, - Dpto. Economía Aplicada I Universidad de Sevilla ETUDIO OBRE EL EXCEO DE AMPLITUD EN LA CONTRUCCIÓN DE INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL CON VARIANZA DECONOCIDA EN UNA POBLACIÓN NORMAL Luis Gozález Abril y Luis M. áchez-reyes {luisgo,

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales

Curso de Estadística Aplicada a las Ciencias Sociales Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media

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

EL MODELO DE MERCADO (MODELO DE ÍNDICE ÚNICO, O MODELO DE UN SOLO FACTOR).

EL MODELO DE MERCADO (MODELO DE ÍNDICE ÚNICO, O MODELO DE UN SOLO FACTOR). 1 EL MODELO DE MERCADO (MODELO DE ÍNDCE ÚNCO, O MODELO DE UN SOLO FACTOR). Disoemos de las tasas de redimieto de u cojuto de activos co riesgo (i = 1,,, ) y disoemos tambié de la tasa de redimieto de u

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Inferencia estadística. Intervalo de confianza y contraste de hipótesis

Inferencia 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 detalles

Prueba A = , = [ 7.853, 8.147]

Prueba 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 detalles

INTERVALOS DE CONFIANZA

INTERVALOS 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 detalles

E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA TEMA 7 CONTRASTES DE IPÓTESIS Todos aredemos de la exeriecia y la lecció,

Más detalles

CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS

CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Págia 1 de 11 CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué

Más detalles

Tema 11. Soluciones a los ejercicios adicionales

Tema 11. Soluciones a los ejercicios adicionales Tema. Solucioes a los ejercicios adicioales. El peso e Tm) de la captura diaria realizada por u barco pesquero, se aproxima a ua distribució ormal. Etre qué valores oscilará el peso medio co ua cofiaza

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

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series. R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de

Más detalles

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto

Más detalles

Desigualdad entre las medias Aritmética y Geométrica

Desigualdad entre las medias Aritmética y Geométrica Desigualdad etre las medias Aritmética y Geométrica Jorge Tipe Villaueva Dados reales positivos a 1, a,..., a, defiimos la media aritmética de a 1, a,..., a como el úmero a 1 + a +... + a y la media geométrica

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