Folleto de Estadísticas. Teoría del 2do Parcial
|
|
- Felisa Iglesias Montero
- hace 5 años
- Vistas:
Transcripción
1 Folleto de Estadísticas Teoría del 2do Parcial 2012
2 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad conjunta entre X y Y la misma que cumple con: 1) 2) 3) 4) Distribuciones Marginales: Sean X y Y dos variables aleatorias conjuntas continuas con función de densidad conjunta. La densidad marginal se define como: Marginal de X Marginal de Y X y Y son independientes si y solo si Valor esperado: Sean X y Y dos variables aleatorias conjuntas continuas con función de densidad conjunta. El valor esperado de es: Teorema: Sean n variables aleatorias y m variables aleatorias, si decimos que entonces:
3 Método de acumulada: Si entonces la distribución acumulada de es: Derivando con respecto a se obtiene Método de la función generadora de momentos: Si X es una variable aleatoria y generadora de momentos, y decimos que entonces: su Si son n variables aleatorias independientes y entonces la generadora de momentos de Y es: Si son n variables aleatorias independientes e idénticamente distribuidas con media y varianza entonces:
4 Población infinita Población finita ; se debe multiplicar por el factor de corrección Estadístico muestral: Una función definida en términos de las varibales aleatorias que componen una muestra se denomina estadístico muestral si y solo si T no depende de algún parámetro poblacional. Estimador muestral: Se llama estimador muestral a un estadístico muestral si la razón para construir dicha función es estimar un parámetro muestral. Estimador incesgado: Sea un parámetro poblacional que deseamos estimar utilizando el estimador muestral, diremos que es un estimador incesgado de si y solo si Error cuadrático medio: Si es un estimador incesgado de ( ) entonces se puede concluir que: Eficiencia de un estimador: Sean y dos estimadores de un parámetro poblacional, es más eficiente que si y solo si ECM ( ) ECM ( ) Convergencia en distribución: (Vamos a considerar una sucesión de variables aleatorias tales como representadas sintéticamente como { } donde el subíndice n es un parámetro entero positivo y deseamos conocer el comportamiento de la sucesión cuando n es grande, formalmente ). Diremos que la sucesión de variables aleatorias { } cuya sucesión de distribuciones acumuladas es { } converge en distribución a la variable aleatoria X si y solo si: Para todo x donde es continua. Ó
5 Teorema de continuidad: Sea { } una sucesión de variables aleatorias cuya correspondiente sucesión de funciones generadoras de momentos es { } suponiendo que { } existe para un intervalo, entonces si existe una variable aleatoria X con función generadora de momentos la cual existe para y además entonces decimos que. Teorema del límite central: Sea { } una sucesión de variables aleatorias que son independientes e idénticamente distribuidas, cuyas funciones generadoras de momentos existen para todo i en un intervalo que incluye t=0, como consecuencia de lo anterior y existen y se exige que ambas sean finitas. Defínase también y bajo estas condiciones. Z es una normal estándar. Si se desea realizar una estimación con un error máximo admitido de a con b% de confianza se interpreta como siendo, de esto se obtiene que para poblaciones infinitas, para población finita se tiene que: y Sean Z y variables aleatorias independientes con distribución normal estándar y Ji- Cuadrado con grados de libertad respectivamente. Se define la distribución de Student con grados de libertad como: Cuando Sean, variables aleatorias independientes cada una con distribución Ji-Cuadrado con grados de libertad respectivamente, se define la distribución de Fisher con grados de libertad en el numerador y grados de libertad en el denominador como:
6 Teorema: Sea una muestra aleatoria de tamaño n tomada de una población normal con media y varianza y sean y la media y varianza de la muestra respectivamente, bajo estas condiciones: Distribución para diferencias de medias para muestras tomadas de poblaciones independientes CASO 1:, conocidos; CASO 2: Muestra tomada de población normal independiente con, desconocidos pero iguales CASO 3: Muestra tomada de población normal independiente con diferentes, desconocidos pero Distribución para razón de varianzas para muestras tomadas de poblaciones independientes Distribución para la proporción
7 Distribución para diferencia de medias para muestras tomadas de poblaciones dependientes (con observaciones pareadas) Estimación por intervalos de confianza Estimación por intervalos: Es una estimación de parámetros poblacionales en la que utilizando una muestra aleatoria se infiere acerca de pero en lugar de un solo punto se define un conjunto de puntos cuyas cotas superior e inferior vienen dadas en términos de la información contenida en la muestra. Intervalos de confianza: lo más común es denominar al intervalo de estimación para conjuntamente con el valor de su medida de confianza como un intervalo de confianza para. Intervalos con de confianza para la MEDIA CASO 1: bajo condiciones del límite central CASO 2: Muestra tomada de población normal y desconocido
8 Intervalo de confianza para la VARIANZA para muestras tomadas de poblaciones normales Intervalo de confianza para la PROPORCIÓN Intervalo de confianza para DIFERENCIAS DE MEDIAS para muestras tomadas de POBLACIONES INDEPENDIENTES CASO 1: conocidos y
9 CASO 2: Muestra tomada de población normal independiente con desconocidos e iguales. CASO 3: Muestra tomada de población normal independiente con desconocidos y diferentes Intervalo de confianza para DIFERENCIAS DE MEDIAS para muestras tomadas de POBLACIÓN DEPENDIENTE (CON OBSERVACIONES PAREADAS)
10 Fundamentos de pruebas de hipótesis Hipótesis: Es un supuesto o conjetura que se plantea tratando de explicar un proceso o fenómeno. Hipótesis científica: Es un supuesto respecto al resultado de un experimento y una hipótesis estadística es un supuesto que se plantea respecto a los parámetros o respecto a la distribución de probabilidades de una población. Prueba o ensayo de hipótesis: La idea central de la técnica de inferencia estadística que estamos denominando prueba o ensayo o hipótesis es decidir en base a la información obtenida de la muestra aleatoria, cual de 2 hipótesis estadísticas, que no pueden cumplirse simultáneamente debe ser rechazada a favor de la otra. Donde, siendo un espacio de parámetros y no es conjunto vacío además está constituido por al menos 2 elementos. Hipótesis nula: Se denomina hipótesis nula a una hipótesis estadística que postula que, siendo y además debe cumplirse que. La hipótesis nula se denota. Hipótesis alterna: Es el supuesto que proclama que se denota. Contraste de hipótesis: La contraposición de la hipótesis nula con la hipótesis alterna la llamaremos contraste de hipótesis. Bajo las condiciones que se han planteado solo es posible tomar dos decisiones. 1. es verdadera 2. es verdadera Región crítica de la prueba: Dado un contraste de hipótesis, para efectos de decidir si la hipótesis nula debe ser o no rechazada, es necesario particionar al subconjunto A no vacío de en dos regiones. Una C a la que llamaremos región critica de la prueba definida como: C( )={( ) debe ser rechazada} y otra que es el complemento de C en A que llamaremos región de aceptación de la prueba. Estadístico de prueba: Denotado por T es un estadístico cuya regla de correspondencia permite decidir si debe ser rechazada o no. Error tipo I: Dado un contraste de hipótesis se denomina error tipo I al evento en que se rechaza siendo verdadero. Error tipo II: Dado un contraste de hipótesis se denomina error tipo II al evento en que no se rechaza siendo falso.
11 Probabilidad de error tipo I: Se denota por Probabilidad de error tipo II: Se denota por y es igual a y es igual a Potencia de prueba: La función cuya definición es es definida como la función potencia de la prueba. Valor P: El valor P o de la prueba es un estadístico de prueba que es igual al más pequeño nivel de significancia a partir del cual un investigador que está utilizando el estadístico de prueba T rechaza basado en los datos de la muestra observada X. Valor p <Valor p<0.1 Valor p 0.1 Se elige la opción más cercana. Pero lo ideal sería tomar otra muestra. Pruebas de hipótesis para la MEDIA CASO 1: conocido; (bajo el teorema de limite central)
12 CASO 2: desconocido; Muestra tomada de población normal. Prueba de hipótesis para la VARIANZA Prueba de hipótesis para DIFERENCIAS DE MEDIAS para muestras tomadas de POBLACIÓN INDEPENDIENTE
13 CASO 1:, conocidos; CASO 2 :, desconocidos pero iguales. Muestra tomada de población normal CASO 3:, desconocidos y diferentes. Muestra tomada de población normal
14 Prueba de hipótesis para RAZÓN DE VARIANZAS Prueba de hipótesis para DIFERENCIA DE MEDIA tomada de población DEPENDIENTE CON OBSERVACIONES PAREADAS Prueba de hipótesis para la PROPORCIÓN
15 Bondad de ajuste 1. Método de Kolmogorov-Smirnov ; 2. Método de la Ji-Cuadrado Clases Oi Ei Oi: Número de observaciones en la clase i. Ei: Número de observaciones esperadas en la clase i si = es verdadero K: Número de clases. P: Número de parámetros que se estiman
16 Tablas de contingencia o pruebas de independencia X\Y Nivel 1 Nivel 2 Nivel c Nivel 1 = Nivel 2 = Nivel r = = = = n ; ; Por lo tanto se necesitan mínimo 20 observaciones : Número de observaciones en el i-esimo nivel de X y j-esimo nivel de Y : Número de observaciones esperadas en el el i-esimo nivel de X y j-esimo nivel de Y si es verdadero.
17 Desigualdad de Markov: Sea una función que toma valores no negativos y que esta definida en términos de la variable aleatoria X cuya densidad o dist. De probabilidades es. Si el existe entonces para cualquier constante positiva se cumple que: Teorema de Chebyshev: Sea X una variable aleatoria con media y varianza ambas finitas. Sea k > 1 entonces: ó Normal Bivariada Si entonces:
18 Regresión lineal Suma cuadrática del error Regresión lineal simple Datos para para la función es constante ; ; para minimizar el error ; Datos para el estimador de la funcion ; son estimadores propios de
19 Ecuaciones normales: son estimadores incesgados de (Demuestre). = + Suma cuadrática total Suma cuadrática de regresión Suma cuadrática del error Coeficiente de correlación del modelo: Poder de explicación del modelo: (100%) Solamente en regresión lineal simple
20 Regresión lineal múltiple
21 Tabla Anova Fuente de Grados de Medias Sumas cuadráticas Variación libertad Cuadráticas Regresión p-1 SCR MCR=SCR/p-1 Error n-p SCE MCE=SCE/n-p Total n-1 SCT F p: # de estimadores (en el caso matricial es el # de empleados para formar la regresion)
Estimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesFolleto de Estadísticas. Teoría del 1er Parcial
Folleto de Estadísticas Teoría del 1er Parcial 2012 Población objetivo: Es un conjunto bien definido de elementos sobre los que se desea hacer algún tipo de investigación o medida. Unidades de investigación:
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesTeórica básica. Incluimos. - Temas
Teórica básica Incluimos - Temas 1 - Tema 1: Fenómenos aleatorios. Conceptos de probabilidad. Propiedades. Independencia de sucesos. Teorema de Bayes. - Tema 2: Variables aleatorias. Variables discretas.
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesPROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT
PROGRAMA DE CURSO Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje
Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3
Más detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detallesInferencia estadística: Prueba de Hipótesis. Jhon Jairo Padilla A., PhD.
Inferencia estadística: Prueba de Hipótesis Jhon Jairo Padilla A., PhD. Justificación Es una etapa de análisis de datos de un experimento comparativo: Se compara un parámetro de una v.a. con un valor dado.
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 6109 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 8104 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesEstadística /Química 2004
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:
Más detallesEstadística para las Ciencias Agropecuarias
Estadística para las Ciencias Agropecuarias Séptima Edición Di Rienzo, Julio Alejandro Casanoves, Fernando Gonzalez, Laura Alicia Tablada, Elena Margot Díaz, María del Pilar Robledo, Carlos Walter Balzarini,
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detallesCUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesGUIA DOCENTE ESTADÍSTICA II
GUIA DOCENTE 2016-17 ESTADÍSTICA II Mayo 2016 DATOS GENERALES Nombre del curso: Código: ESTADÍSTICA II 801101, ADE 801916, MKCD Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesContraste de Hipótesis
Contraste de Hipótesis Introducción Ejemplo El peso de plantines de un arbusto forrajero, almacenado a temperatura y humedad relativa ambientes, obtenido a los 20 días desde la germinación es en promedio
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Una prueba de hipótesis es una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis estadística
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA PROGRAMA DE LA ASIGNATURA DE: PROBABILIDAD Y ESTADÍSTICA IDENTIFICACIÓN
Más detallesUniversidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Más detallesCurso Inferencia. Miguel Ángel Chong R. 3 de septiembre del 2013
Curso Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 3 de septiembre del 013 Definamos más formalmente que entenderémos por una muestra. Definción Sea X la v.a. correspondiente a una población
Más detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detalles2. ESTADÍSTICA DESCRIPTIVA 15 Estadística descriptiva.. Variables aleatorias Descripción de variables cuantitativas
" INDICE PRÓLOGO... XXIII PREFACIO GUÍA DE LECTURA XXV XXIX 1. INTRODUCCIÓN A LA ESTADÍSTICA 1 1.1. Estadística 1 1.2. Historia 3 1.3. Población y muestra 4 1.4. Estadística aplicada 7 1.5. Aplicaciones
Más detallesEscuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez.
Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Econometría Regresión Múltiple: Municipio Ocupados Población Analfabeta Mayor de 10 años Total de Viviendas Bejuma 18.874 1.835
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesPage 1 of 5 Departamento: Dpto Matematica Nombre del curso: PROBABILIDAD Y ESTADÍSTICA Clave: 003872 Academia a la que pertenece: Probabilidad y Estadística Requisitos: Requisito de Probabilidad y Estad
Más detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA ANOTACIONES SOBRE CONSTRASTE DE Prof. Simón Cabrera
Más detalles19 Código: EST 2 Duración del ciclo en semanas:
Nombre de la Asignatura: ESTADÍSTICA 2 a) Generalidades Número de orden Prerrequisito (s): 19 Código: EST 2 Duración del ciclo en semanas: EST 1 Ciclo Académico: IV Duración /Hora Clase en minutos: Área
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesCUESTIONES TEÓRICAS ESTADÍSTICA
Gestión Aeronáutica: Estadística Teórica Facultad Ciencias Económicas y Empresariales Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández CUESTIONES TEÓRICAS ESTADÍSTICA Gestión
Más detallesProbabilidad y Estadística
Programa de la Asignatura: Código: 23 Probabilidad y Estadística Carrera: Ingeniería en Computación Plan: 2013 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer año Primer cuatrimestre
Más detallesConocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesPontificia Universidad Católica Argentina Facultad de Ciencias Sociales y Económicas
MATERIA Estadística II CARRERA /S Licenciatura en Economía PROFESORES Lic. Carlos A. Barbosa Lic. Silvina D Angelo CURSO 1ero A Tarde SEMESTRE AÑO 1er Semestre - 2010 PAGINAS 5 1 UNIVERSIDAD CATOLICA ARGENTINA
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
Más detallesINDICE. Capitulo Uno.
INDICE Prefacio XIII Capitulo Uno. 1 Introducción 1.1. Estadística: La ciencia de los datos 2 1.2. Tipos de datos 5 1.3. El papel de la estadística 7 1.4. Resumen 8 Laboratorio de Computación. Introducción
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesInformación general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesProf. Jose Jacobo Zubcoff Universidad de Alicante 1
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Presentación Objetivos Metodología Evaluación Agenda Definiciones Inferencia Muestra y s Aleatoria Independiente Finitas, Infinitas Población
Más detallesJuan Carlos Colonia DISTRIBUCIONES MUESTRALES
Juan Carlos Colonia DISTRIBUCIONES MUESTRALES POBLACIÓN Es el conjunto de individuos u objetos que poseen alguna característica común observable y de la cual se desea obtener información. El número de
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesDistribuciones de muestreo importantes. Jhon Jairo Padilla Aguilar, PhD.
Distribuciones de muestreo importantes Jhon Jairo Padilla Aguilar, PhD. Distribución chi-cuadrado Si z1, z2,z3, zk son distribuciones normales estandarizadas, la variable aleatoria x 2 2 z1 z2... zk Sigue
Más detallesPlanificaciones Probabilidad y Estadística A. Docente responsable: MANCILLA AGUILAR JOSE LUIS. 1 de 5
Planificaciones 6106 - Probabilidad y Estadística A Docente responsable: MANCILLA AGUILAR JOSE LUIS 1 de 5 OBJETIVOS 1) Introducir al alumno en la comprensión de la necesidad y oportunidad de la aplicación
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesI. Comunidad Autónoma
Página 20515 I. Comunidad Autónoma 2. Autoridades y Personal Consejería de Economía y Hacienda 6892 Orden de 2 de mayo 2014, de la Consejería de Economía y Hacienda, por la que se aprueba el programa de
Más detalles1) Inferencia estadística
1) Inferencia estadística Programa sintético INFERENCIA ESTADÍSTICA Datos básicos Semestre Horas de teoría Horas de práctica Objetivos Horas trabajo adicional estudiante Créditos IV 1 2 1 4 El estudiante
Más detallesPlanificaciones Probabilidad y Estadística A. Docente responsable: MANCILLA AGUILAR JOSE LUIS. 1 de 6
Planificaciones 8103 - Probabilidad y Estadística A Docente responsable: MANCILLA AGUILAR JOSE LUIS 1 de 6 OBJETIVOS 1) Introducir al alumno en la comprensión de la necesidad y oportunidad de la aplicación
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detalles1. OBJETIVOS: Universidad de Belgrano Facultad de Ingeniería y Tecnología Informática. Página 1/6
1. OBJETIVOS: Introducir al alumno en la comprensión de la necesidad y oportunidad de los modelos estadísticos no sólo en la ciencia sino también en la tecnología y en las distintas ramas del saber. Adopte
Más detallesN T E N.. IDO. CAPíTULO 3 TABLAS Y GRÁFICAS: UNA IMAGEN DICE MÁS QUE MIL PALABRAS 78. CAPíTULO I LA IMAGINACiÓN ESTADíSTICA
N T E N.. IDO PREFACIO xiv CAPíTULO I LA IMAGINACiÓN ESTADíSTICA Introducción La imaginación estadística 3 Enlace de la imaginación estadística con la imaginación sociológica 4 Normas estadísticas y normas
Más detallesSede Andina, San Carlos de Bariloche. Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y. Licenciatura en Economía.
Sede y localidad Carreras Sede Andina, San Carlos de Bariloche Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y Licenciatura en Economía. Programa Analítico de la asignatura
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detalles5.5 Modelo de regresión. se especificó en los términos siguientes: (6.3.1) 1,2,3,..N. Donde:
5.5 Modelo de regresión El modelo de regresión lineal que se aplicó para explicar la relación entre producción antigüedad, edad, capital humano, apiarios y camioneta de los apicultores nayaritas se especificó
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Economía y Relaciones
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesNombre de la asignatura : Estadística Aplicada. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9308
. D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Estadística Aplicada Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-908 Horas teoría-horas práctica-créditos
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesPROGRAMA FACULTAD DE CIENCIAS DE LA SALUD CARRERA DE TECNOLOGÍA MÉDICA ASIGNATURA: BIOESTADÍSTICA
PROGRAMA FACULTAD DE CIENCIAS DE LA SALUD CARRERA DE TECNOLOGÍA MÉDICA ASIGNATURA: BIOESTADÍSTICA PROFESOR ENCARGADO DOCENTES : Dr. Victor Patricio Díaz Narváez : Dr. Victor Patricio Díaz Narváez IDENTIFICACION
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas Semanas 72.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 19 de noviembre de 2008 INFERENCIA
Más detallesPROGRAMA DE ASIGNATURA. CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado en Física Profesorado en Matemática
PROGRAMA DE ASIGNATURA ASIGNATURA: Probabilidad y Estadística Introducción a la Probabilidad y Estadísitica AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado
Más detalles