CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL
|
|
- Virginia Fidalgo Núñez
- hace 5 años
- Vistas:
Transcripción
1 CONCEPTO BÁCO DE ETADTCA NFERENCAL
2 Població N Muesra Parámeros Esadísico µ Esimador dividuo Cada parámero poblacioal le correspoderá u esadísico de la muesra que cosiuirá ua esimació del primero. Defiició U esimador es ua regla a meudo expresada como ua formula que idica como calcular el valor de ua esimació co base e las medicioes coeidas e ua muesra. TEOREMA DEL LÍMTE CENTRAL Cuado se seleccioa muesras aleaorias simples de amaño de ua població la disribució muesral de la media muesral puede aproximarse mediae ua disribució ormal a medida que el amaño de la muesra se hace grade.
3
4 Cosideremos ua caja co arjeas cada ua co u úmero. upoemos que la població iee μ 0 y 4. Exraemos muesras de amaño 9 (co reemplazamieo): Muesra i): Muesra ii): Tras ua serie de 0 muesras obeemos y Teorema del límie ceral se puede esablecer que ormal. seguirá ua disribució asióicamee
5 Esimació puual de parámeros La esimació de parámeros Cómo se puede realizar la esimació de las caracerísicas de ua població a parir del esudio de ua muesra aleaoria exraída de la misma. Queremos dispoer de u bue esimador e el seido de que proporcioe ua esimació lo más precisa posible del parámero poblacioal. Esimadores bueos y malos méodo de la máxima verosimiliud. Ua esimació puual es el valor cocreo que oma el esimador puual e ua muesra e paricular Propiedades que defie u bue esimador Diremos que u esimador A de u parámero poblacioal es isesgado o cerado si su media o esperaza maemáica coicide co el parámero poblacioal. Es decir E ( A) µ A La media ariméica es u esimador isesgado de la media de ua població. es u esimador isesgado de la variaza.
6 i se iee dos esimadores A A de u parámero poblacioal se dice que A es más eficiee que A si su variaza es meor. Es decir < A Eficiee A Para la esimació de la media poblacioal los esimadores media ariméica isesgados pero la media es más eficiee que la mediaa (su variaza es meor). y mediaa M e so e dice que u esimador es cosisee cuado al crecer el amaño muesral se aproxima asióicamee al valor del parámero poblacioal y su variaza se hace ula. Es decir lim A ; lim A 0 Cosisee La media ariméica (por ejemplo) es u esimador cosisee pues la variaza de su disribució muesral se puede expresar por. Bodad de u esimador puual Disacia ere u esimador y su parámero ε A ˆ A U esimador ideal ha de ser isesgado y co ua eficacia máxima
7 E ( ) es u esimador isesgado para El valor esperado de la variaza muesral es la variaza poblacioal Valores esperados y errores esádar de alguos esimadores puuales comues A Â Â
8 Esimació por iervalos de cofiaza Geeralmee ua esimació puual o proporcioa u valor exaco del parámero poblacioal a deermiar. E la mayoría de los casos o edremos iformació sobre la precisió de al esimació de forma que su valor úico o os iforma sobre la probabilidad de que se ecuere cerca o lejos del valor verdadero. E vez de calcular u úico esimador se deermia dos esimadores que será los límies iferior ( L ) y superior ( L ) (o límies de cofiaza) de u iervalo de cofiaza [ L L ]. A esa pareja de valores se le llama esimador por iervalo. L ( ) ; L f ( ). f Al valor cocreo que oma el iervalo aleaorio e ua muesra e paricular se le llama esimació por iervalo. El ivel de cofiaza es la probabilidad de que a priori el verdadero valor del parámero quede coeido e el iervalo.
9 Probabilidad de que el iervalo aleaorio cubra el verdadero valor del parámero poblacioal β P ( < β < ) L L se le llama ivel de cofiaza Es la probabilidad de seleccioar ua muesra cocrea que coduzca a u iervalo que coega al parámero poblacioal [ ] L L ( ) 00% ervalo de cofiaza del.
10 ervalos de cofiaza para la media upogamos e primer lugar que la població e esudio sigue ua disribució ormal esimador puual de la media poblacioal µ se usa la media muesral. N( µ ) y que como Variaza poblacioal coocida: i la població es ormal la media muesral sigue ua disribució ormal El iervalo de cofiaza del P El iervalo de cofiaza de ivel coocida es ( ) 00% para la media z < µ < z ( ) ± z µ µ y variaza para la media de ua disribució ormal de variaza. µ Z válido para u població ifiia o e u muesreo co reemplazamieo i el muesreo es si reemplazamieo e ua població fiia de amaño N ± z N. N
11 E cualquier libro de esadísica esas ablas se ecuera al fial de los mismos. Para uesros ejemplos he omado ua foografía de la regió de ierés.
12 Ejercicio: Cosideremos ua caja co arjeas cada ua co u umero. upoemos que la població iee µ0 y 4. Calcule el iervalo de cofiaza para la media de las dos primeras muesras (usar ivel de cofiaza de 0.95) Muesra i): z z ± z ±.96 ± 9 [ 9.9.6] 9.9 [ 6.4 ±.] Muesra ii): ±.96 ± 9 [ 9.3.6] [ 6.7.9] De cada 00 muesras e el 95% de ellas el iervalo de cofiaza así calculado icluiría al valor real.
13 Variaza poblacioal descoocida y 30 > Cuado la muesra es grade la desviació ípica muesral suele ser u esimador muy preciso de µ < < z z P. ± z Variaza poblacioal descoocida y 30 < Cuado las muesras so pequeñas la variaza muesral puede variar cosiderablemee de muesra a muesra por lo que la aproximació aerior o se cosidera válida. E esos casos el iervalo cofiaza se puede cosruir recordado que la variable sigue ua disribució de ude co grados de liberad. µ < < z P El iervalo de cofiaza de ivel para la media de ua disribució ormal de variaza coocida y muesra pequeña es ( ) ± es la abscisa de la disribució que deja a su derecha u área igual. ( ) N x x s s k i i
14 0 ( ) f β E cualquier libro de esadísica esas ablas se ecuera al fial de los mismos. Para uesros ejemplos he omado ua foografía de la regió de ierés.
15 Ejercicio : Calcular los iervalos de cofiaza para la media e el ejemplo aerior supoiedo que la variaza es descoocida. Muesra i): s s k ( x x) i i 9 ( ) N ±.306 i x i x ± [ 9.9 ±.9] 9 lo que os coduce a u iervalo mayor que e el ejemplo aerior (7.0.8) lo cual es lógico porque hemos iroducido ua ueva fuee de iceridumbre al haber eido que esimar la variaza (al o ser ahora coocida). Muesra ii): que ambié es u iervalo mayor (5.53.). [ 9.3 ± 3.8]
16 E virud del eorema del límie ceral la disribució muesral de la media iede asióicamee a la ormal cualquiera que sea la població de parida. Para muesras grades de cualquier població el iervalo de cofiaza para la media es aproximadamee ± z dode se ha supueso que es u bue esimador de si la muesra es grade
17 ervalos de cofiaza para la diferecia de medias upogamos que se iee dos poblacioes ormales N y N ( µ ) ( ) µ Vamos a esudiar cómo se puede deermiar u iervalo de cofiaza para la diferecia de medias µ µ a parir de muesras aleaorias idepediees de amaños y exraídas de cada població respecivamee. Variazas poblacioales y coocidas: Hemos viso que u bue esimador puual para la diferecia de medias es la diferecia de medias muesrales. P ( ) z < µ µ < ( ) z ( ) El iervalo de cofiaza de ivel ormales de variazas coocidas es para la para la diferecia de medias de dos disribucioes ( ) ± z.
18 Ejemplo: Deermiar el iervalo de cofiaza para la diferecia de medias de las dos primeras muesras del Ejemplo. upoer la variaza poblacioal coocida. Muesra i): Muesra ii): ( ) ± z. z ( ) ±.96. [ 0.6 ± 3.7]. 9 9 El iervalo de cofiaza es (3.4.3).
19 Variazas poblacioales y descoocidas y (co ) 30 > Geeralmee o se coocerá a priori los valores de las variazas poblacioales. i embargo cuado las muesras so grades ya se ha viso como las variazas muesrales so geeralmee ua buea aproximació a las variazas poblacioales. El iervalo de cofiaza ( ) ( ) µ µ < < z z P ( ). ± z P Variazas poblacioales y descoocidas y (muesras pequeñas ) ( ) ( ) µ µ < < P p p El iervalo de cofiaza de ivel para la diferecia de medias de dos poblacioes ormales de variazas descoocidas pero iguales es ( ) ( ). ± p represea ua esimació puual de la variaza comú calculádose como ua media poderada co el úmero de grados de liberad de las dos variazas observadas p ( ) ( ) p ( ). ± z
20 Variazas poblacioales y descoocidas y (muesras pequeñas ) ( ) ( ) µ µ < < P f f ( ) ( ) µ µ. f El iervalo de cofiaza de ivel para la diferecia de medias de dos poblacioes ormales de variazas descoocidas s es ( ) ( ). ± f Para calcular los iervalos de cofiaza aeriores se ha supueso que las poblacioes de parida so ormales. Como cosecuecia del eorema del límie ceral para cualesquiera disribucioes de parida la disribució muesral de la diferecia de medias puede aproximarse por ua ormal siempre que el amaño de las muesras sea suficieemee grade.
21 Calcular el iervalo de cofiaza para la diferecia de medias e dos méodos disios empleado por Michelso para deermiar la velocidad de la luz (expresamos la velocidad como c x km/s). Méodo i): ; 8 Méodo ii): ; Teemos < 30. upodremos ( ) ( ) p ( 8 ) 99. ( ) 33.5 p. 3 p 8 Por oro lado si usamos 0.05 eemos (ablas). El iervalo será eoces ( ) ±. ( ) p 908 ± 8 [ 5 ±6]. El iervalo de cofiaza soliciado es eoces (3668) km/s (99000).
22 Variazas poblacioales y descoocidas y (co ) 30 < e puede demosrar que la variable aerior sigue aproximadamee ua disribució de ude co f grados de liberad dode f es el eero más próximo a la aproximació de Welch ( ) ( ) µ µ f El iervalo de cofiaza de ivel para la diferecia de medias de dos poblacioes ormales de variazas descoocidas es ( ) ( ) ± f Muesras pequeñas
23 Ejemplo: Repeir el ejemplo aerior supoiedo ahora que f f ( ) ± f ( ) ± El iervalo de cofiaza es ahora (436) km/s (99000). Tabla
24 ervalos de cofiaza para daos apareados E los aparados aeriores siempre que se ha rabajado co dos poblacioes se ha supueso que ésas era idepediees. Vamos a supoer ahora que se iee dos poblacioes ormales N( µ ) y N( µ ) de las que se exrae dos muesras que o so idepediees. Cosideraremos la siuació e la cual las muesras o se exrae de forma idepediee de cada població sio que cada muesra cosise e la medida de ua caracerísica e los mismos elemeos de ua població. Por ejemplo supogamos que sobre los elemeos de ua muesra se mide ciera variable después se aplica u deermiado raamieo a la muesra y sobre los mismos elemeos se vuelve a medir la misma variable (ej. Temperaura aes y después de aplicar u raamieo) A ese ipo de experimeos se le llama de observacioes pareadas. El objeivo e ese caso es calcular u iervalo de cofiaza para la diferecia de medias µ µ e dichas muesras. Para ello se cosidera las diferecias d x ere los valores de las variables i xi ( i ) e cada uo de los elemeos de la muesra. Para plaear el problema se asume que esas diferecias so los valores de ua ueva variable aleaoria D. d ( xi x ) d i i i d i ( d i d ). P D z D < < D z µ µ D
25 iervalo de cofiaza de ivel puede expresarse como ( ) > 30 para la diferecia de medias de observacioes pareadas co D ± z D. < 30 D ± D.
26 e aplica u proceso para aumear el redimieo e 0 fabricas muy diferees (o dejar omarse el bocadillo a media mañaa). Los redimieos (e cieras uidades como oeladas/día) aes y después so: Calcular el iervalo de cofiaza para el aumeo del redimieo. Aes : Después: Calcular el iervalo de cofiaza para el aumeo del redimieo. i defiimos las diferecias como D D i ( i ) d xi xi D D i i ( D ) i i D D D 3.08 Como el umero de daos es meor que 30 usamos (ablas). D D ± ±.6 0 [ 0.8 ±.] es decir (.43.0).
27 Deermiació del amaño de la muesra Hasa ahora siempre se ha supueso coocido el amaño de la muesra. E el diseño de experimeos e ocasioes el problema pricipal es la deermiació del amaño muesral requerido para obeer la esimació de los parámeros poblacioales co ua deermiada precisió. El iervalo de cofiaza vedrá eoces dado por ± z Logiud l del iervalo es l z. Es iversamee proporcioal al amaño de la muesra z. Es decir si se uiliza como ua esimació de µ puede eerse ua cofiaza del ( ) 00% de que e ua muesra del amaño aerior el error o excederá a u valor. Para poder aplicar la expresió aerior es ecesario coocer previamee
28 Ejercicio: Cosideremos ua caja co arjeas cada ua co u umero. upoemos que la població iee µ0 y 4. Calcule el iervalo de cofiaza para la media de las dos primeras muesras (usar ivel de cofiaza de 0.95) Cuál ha de ser el amaño de la muesra para poder deermiar la media co u error de 0.5? E ese caso z z
Intervalos de confianza Muestras pequeñas. Estadística Cátedra Prof. Tamara Burdisso
Iervalos de cofiaza Muesras pequeñas Qué ocurre cuado
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso
UNIVERSIDAD NACIONAL AUÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULAD DE ECONOMÍA ECONOMERIA Proceso Esocásico Mro. Horacio Caalá Aloso Proceso esocásico Defiició.- U Proceso Esocásico (PE es ua secuecia
Más detallesCURSO CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como
Más detalles6. Intervalos de confianza
6. Iervalos de cofiaa Curso 0-0 Esadísica Coceo de iervalo de cofiaa Se ha realiado ua ecuesa a 400 ersoas elegidas al aar ara esimar la roorció de voaes de u arido olíico.? Resulado Ecuesa Sí 0 ooros
Más detallesRegresión Lineal Simple
REGRESIÓN LINEAL Regresió Lieal Simple Plaeamieo El comporamieo de ua magiud ecoómica puede ser explicada a ravés de ora F( Si se cosidera que la relació puede ser de ipo lieal, la formalizació vedría
Más detallesAPÉNDICE: ANÁLISIS DE REGRESIÓN
Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores APÉDICE: AÁLISIS DE REGRESIÓ ITRODUCCIÓ El aálisis de regresió es ua herramiea esadísica que permie hacer u ajuse de daos eperimeales
Más detallesMODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL
MODULO IV. ETIMACIÓN POR INTERVALO DE CONFIANA ANÁLII DE CAO DOCENTE: JUAN CARLO VERGARA CHMALBACH ETADÍTICA INFEREIAL CAO : ETIMACIÓN DE LA MEDIA CON DEVIACIÓN POBLACIONAL CONOCIDA La rimera esimació
Más detallesSolución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A
. Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de
Más detallesTema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012
Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c
Más detalles) 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 detallesPráctica 3 MUESTREO E INTERVALOS DE CONFIANZA
Deparameo de Méodos Cuaiaivos e Iformáicos. Objeivos: a) Calcular los parámeros de la disribució de medias o proporcioes muesrales de amaño, exraídas de ua població de media y variaza coocidas. b) Calcular
Más detallesPropuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3
Pruebas de Acceso a Eseñazas Uiverarias Oiciales de Grado Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá coesar a ua de las dos opcioes propuesas A ób. Se podrá uilizar cualquier
Más detallesTema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013
Tema 2: Aálisis gráfico esadísico de relacioes Uiversidad Compluese de Madrid 2013 Aálisis gráfico descripivo de ua variable (I) Daos de series emporales: Evolució aual de la rea el Cosumo per cápia e
Más detallesTema 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 detallesÍndice. 1. Introducción Antecedentes Marco teórico... 5
Ídice. Iroducció.... Objeivos.... Aecedees... 3. Pruebas para la hipóesis de movimieo Browiao...4 3. Marco eórico... 5 3. Alguos cocepos de procesos esocásicos...5 3.. Movimieo Browiao o Proceso de Wieer...7
Más detallesESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)
ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor
Más detallesPrecálculo Quinta edición Matemáticas para el cálculo
Precálculo Quia edició Maemáicas para el cálculo Límies JAMES STEWART, LOTHAR REDLIN, SALEEMWATSON Pag. 88-94 . Cocepo iuiivo de ie de ua fució. Limies Esquema del capiulo E ese capiulo se esudia la idea
Más detallesSISTEMAS, MATRICES Y DETERMINANTES
.- Discuir, e fució del parámero a, el siguiee sisema de ecuacioes lieales x y z x y z -4 x-y ( a ) z -a-5 4x y ( a 6) z -a 8 Solució: La mariz de los coeficiees es de orde 4x y la mariz ampliada a 4 a
Más detallesMATEMÁTICAS. Posgrado en Nanotecnología. Dr. Roberto Pedro Duarte Zamorano 2016 Departamento de Física
MAEMÁICAS Posgrado e Naoecología Dr. Robero Pedro Duare Zamorao 16 Deparameo de Física EMARIO. Series de Fourier 1. Iroducció.. Desarrollo de Fourier. 3. Expasioes de Fourier de medio rago. Iroducció.
Más detallesESTADÍSTICA. n i Se pide:
ESTDÍSTIC Tercera Prueba de Evaluació cotiua 1 de diciembre de 16 1.- l calcular cico veces la distacia etre dos putos, obteemos los siguietes valores: 17,13m; 17,1m; 17,m; 17,65m; 17,4 a) Itervalo de
Más detallesXXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013
El Marge de Riesgo México Por: Pedro Aguilar B. paguilar@csf.gob.mx paguilar@ifiium.com.mx Sepiembre 2013 Coeido 1. Aspecos Geerales sobre Marge de Riesgo 2. La Problemáica 3. Plaeamieo de ua Posible Solució
Más detallesPRUEBA 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 detallesDistribuciones 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 detallesSeminario de problemas. Curso Hoja 9
Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.
Más detallesIntervalos 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 detallesDETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución
DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0
Más detallesTALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS
hp://www.maemaicaaplicada.ifo 1 de 8 Maizales, 23 de Mao de 2014 Para los siguiees problemas aplicar el procedimieo para grado uo grado dos; deermiado cual reprearía el mejor ajuse a los daos aporados.
Más detallesINTRODUCCION 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 detallesCurvas MOISES VILLENA
6 6.1. 6.. 6.. 6.4. 6.1. FUNCIÓN VECTORIAL DE UNA VARIABLE REAL 6.1.1 DOMINIO 6.1. LIMITE 6.1. CONTINUIDAD 6.. TRAYECTORIA (CAMINO) 6.. GRAFICA. DEFINICIÓN 6.4. TRAZA 6.5. CURVA 6.6. DERIVADA 6.7. CONCEPTOS
Más detallesUNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto
UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero
Más detallesUniversidad 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 detallesMétodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8
Méodos Numéricos - cap. 7. Ecuacioes Difereciales PVI /8 Ecuacioes Difereciales Ordiarias (EDO Ua Ecuació Diferecial es aquella ecuació que coiee difereciales o derivadas de ua o más fucioes. Ua Ecuació
Más detallesINFERENCIA 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 detallesEn 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 detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesLECCIÓN N 14 ADQUISICIÓN Y CONVERSIÓN DE DATOS. Conversión Digital-Analógica. Conversión Analógico-Digital
Elecróica Digial LECCÓN N 4 ADQUSCÓN Y CONVESÓN DE DAOS roducció uesreo de señal Coversió DigialAalógica Coversió AalógicoDigial 4 Elecróica Digial roducció La iformació digial se puede procesar, almacear
Más detallesINFERENCIA 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 detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesUniversidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones
Uiversidad Tecológica Nacioal Faculad Regioal Rosario Cáedra de Ig. e las Reaccioes Trabajo pracico Nº 3: Flujo o ideal: isribució de iempos de residecia e u reacor flujo pisó AÑO 14 Ig. Roque Masciarelli
Más detalles4. VARIABLES ALEATORIAS Y SUS PROPIEDADES
4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus
Más detalles1 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 detallesEJERCICIO 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 detallesEstimación 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 detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva 1, Ejercicio 4, Opció A Reserva 1, Ejercicio 4,
Más detallesResumen 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 detalles1. 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 detallesEL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE
Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO DECRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació a u
Más detallesV.- CONDICIÓN DE CONTORNO ISOTÉRMICA EN SÓLIDOS INFINITOS
V.- CONDICIÓN DE CONTONO ISOTÉMICA EN SÓIDOS INFINITOS V.1.- CONDUCCIÓN TANSITOIA EN PACA INFINITA CON CONDICIÓN DE CONTO- NO ISOTÉMICA a coducció a ravés de ua placa plaa de espesor fiio e la direcció
Más detallesQué es la Cinética Química?
Tema 4. La velocidad de Cambio Químico I. Velocidad de reacció.. Ecuació de velocidad y orde de reacció. 3. álisis de los daos ciéicos: ecuacioes iegradas de ciéicas secillas. 4. Ciéicas complejas.. Velocidad
Más detallesTema 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 detallesTEMA 4: CONTRASTE DE HIPOTESIS
ESTADÍSTICA, CURSO 2008 2009 TEMA 4: CONTRASTE DE HIPOTESIS HIPOTESIS ESTADISTICAS ENSAYOS DE HIPOTESIS Cocepto de hipótesis estadística Esayos de hipótesis Hipótesis ula (H 0 ) y alterativa (H ) Diferecias
Más detallesEstimación 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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO
Más detallesCapitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica
Capiulo II II.2 Teoría de curvaura 1 Capiulo II Movimieo Plao II.1 Aspecos geerales del movimieo plao. II.2 Teoría de la curvaura. 1. Teorema de Harma. 2. Euler-Savary. 3. Circuferecia de iflexioes y circuferecia
Más detallesINFERENCIA 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 detallesPráctica 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 detallesMS-1 Modelos de supervivencia Página 1 de 20
CURSO: - TEMA : Pricipales modelos de moralidad. Modelizació esocásica. Ley de De Moivre. Leyes de Dormoy y de Sag. Leyes de Gomperz y de Makeham. Oros modelos de moralidad. Esudiaremos aquí disios modelos
Más detallesEstimación 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 detallesEjemplo 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 detallesEstimación 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 detallesEL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO CRECIENTE
Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO CRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació e la maemáica
Más detallesModelos discretos de probabilidad
UNIDAD 6 Modelos discreos de probabilidad Objeivos Al fializar la uidad, el alumo: disiguirá y resolverá ejercicios de cada uo de los modelos discreos: biomial, geomérico, biomial egaivo, hipergeomérico
Más detallesi 1,2,..., m (filas) j 1,2,..., n (columnas) t
MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)
Más detallesSistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:
Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices
Más detallesNucleación y crecimiento unidimensional
Nucleació y crecimieo uidimesioal Pare II. Aálisis de la ecuació de Avrami Virgilio A. Gozález G.* Carlos A. Guerrero S, Jua Aguilar G.* ABSTRACT The applicaio of he Avrami-Johso-Mehl model o he uidimesioal
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA
UNIDAD 4. INFERENCIA ESTADÍSTICA. Eimació por Iervalo Se puede eablecer u iervalo de eimació para la media, i la muera e eleccioa de ua població ormal o i e grade 30, coiderado la diribució mueral de X.
Más detallesProcesado digital de imagen y sonido
ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques
Más detalles1.1 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 detallesFUNCIONES EXPONENCIALES
1 FUNCIONES EXPONENCIALES Las fucioes epoeciales iee muchas aplicacioes, e especial ellas describe el crecimieo de muchas caidades de la vida real. Defiició.-La fució co domiio odos los reales y defiida
Más detallesRevisión periódica en tiendas con un elevado número de referencias de lento movimiento
VIII Cogreso de Igeiería de Orgaizació Legaés, 9 y 1 de sepiembre de 24 Revisió periódica e iedas co u elevado úmero de referecias de leo movimieo Mauel Cardós, Eduardo Vices, Crisóbal Miralles Deparameo
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesTEORÍA 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 detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detallesMaestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar
Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detallesAnálisis estadístico de datos simulados Estimadores
Aálisis estadístico de datos simulados Estimadores Patricia Kisbye FaMAF 11 de mayo, 2010 Aálisis estadístico Iferecia estadística: Elegir ua distribució e base a los datos observados. Estimar los parámetros
Más detallesUNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS
UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS Movimieo recilíeo Iroducció El esudio de los movimieos de los cuerpos es de vial imporacia para coocer el comporamieo
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA
. Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer
Más detallesINFERENCIA 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 detallesCAPITULO 2. La importancia básica de pronóstico es de ser un eslabón que se une a la etapa de Planificación y Control de un sistema.
CAPITULO PRONOSTICOS Hacer u proósico, es hacer u proceso de esimació de u acoecimieo fuuro, a parir de ua iformació de ipo hisórica, ormalmee de ipo maemáica, y/o de ipo referecial de apreciacioes, esimacioes
Más detallesEstimación 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 detallesACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN
FCULTS DE INGENIERÍ PÁGIN: 5-1 de 16 INTRODUCCIÓN El esudio de las aceleracioes e los mecaismos ariculados coplaares se puede abordar ya sea por méodos aalíicos o por méodos gráficos. Ese capíulo se deermiará
Más detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más detalles03) Rapidez de Cambio. 0301) Cambio
Págia 1 03) Rapidez de Cambio 0301) Cambio Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Iroducció Uo de los aspecos más desacables de la auraleza es su carácer variable. La Tierra y odos
Más detallesT5. 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 detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesDesigualdad 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 detallesOSCILACIONES AMORTIGUADAS. PENDULO DE POHL
OSCILACIONES AMORTIGUADAS. PENDULO DE POHL.- INTRODUCCION TEÓRICA El Pédulo de Pohl de la figura permie esudiar las oscilacioes libres, amoriguadas y forzadas de baja frecuecia producidas mediae u pédulo
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS
ONTIFICIA UNIVERSIDAD CATÓLICA DE UERTO RICO DEARTAMENTO DE FÍSICAMATEMÁTICAS Nombre: Fecha: Sec. Eame Fial MAT. 98 Núm. I. Seleccioe la repuea correca: (3 puo cada uo) Cao: Sea Z {0 0 3 3 4 4 5 6 7 7
Más detallesIntroducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino
Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras
Más detallesEJERCICIOS PROPUESTOS
7 Marices EJERCICIOS PROPUESTOS y. Ejercicios resuelos.. Dadas las marices A y B idica, si es posible. A 0 0 4 B 5 0 a) Los elemeos a 4 y b 4 b) La dimesió de cada ua de ellas c) La mariz raspuesa de cada
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más detallesDecimocuarta clase. Respuesta al impulso y convolución
Uiversidad Disrial Fracisco José de Caldas - Aálisis de Señales y Sisemas - Marco A. Alzae Decimocuara clase. Respuesa al impulso y covolució E esa clase repasamos y esedemos la clase 3, ya que se raó
Más detallesIntroducciónalaInferencia 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 detallesEJERCICIOS DE MATRICES
EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesEstadística 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