Auxiliar 12: Intervalos de Confianza
|
|
- Santiago Ayala Miranda
- hace 5 años
- Vistas:
Transcripción
1 Auxiliar 12: Itervalos de Cofiaza MA Probabilidades y Estadistia Profesor: Viete Auña Auxiliares: Marti Castillo - Felipe Campos 11 de Juio, 2014 Protoolo para la ostruió de u itervalo de ofiaza para u parámetro θ 1. Eotrar u estimador ˆθ de θ. Ojalá isesgado. 2. Eotrar la distribuió de ˆθ o de algua fuió del estimador. 3. Eotrar u estadístio, digamos Z, tal que depeda de ˆθ y de θ, pero uya distribuió o depeda de θ. 4. Eotrar a y b, relaioados bajo algú riterio, tal que Pa < Z < b) = 1 α, dode 1 α se deomia, ivel de ofiaza, que es fijado a priori.. E base a los álulos ateriores ostruir u itervalo para θ. P1. U grupo de partíulas tiee veloidad Nµ, σ 2 ). Se toma ua muestra de io de ellos y sus veloidades so 10, 12, 9, 8, 13. a) Costruya u I.C. para σ 2, o ofiaza 0.9, de tipo ota superior ie, σ 2 <). Soluió: Primero, vemos que X = X i = 10,4. El estimador que usamos es el que sigue: ˆσ 2 = X i X) 2. Por otro lado observemos lo siguiete: X i Nµ, σ 2 ) X i µ N0, σ 2 ) X i µ σ N0, 1), i = 1,...,. Para eotrar el itervalo impoemos: 0,9 = P0 < σ 2 < ) Dode = X 1,..., X ) depede de los valores observados. Por otro lado usaremos que si teemos Z i N0, 1), i.i.d. i = 1,...,. Etoes: Luego desarrollamos: 0 < σ 2 < 0 < Z Z 2 χ 2 Chi uadrado o grados de libertad.). σ 2 X i µ) 2 < X i µ) 2 X i µ) 2 ) Xi µ 2 < < σ }{{} χ 2 1
2 Así, P0 < σ 2 < ) = 0,9 P χ 2 < X i µ) 2 ) = 0,1. Aquí os gustaría simplemete oupar la tabla de la χ 2 para eotrar el valor de. Pero o podemos haerlo pues el parámetro µ es desooido. Por lo tato tambié teemos que estimarlo. Tomado µ = X podemos seguir trabajado pero ates hay que darse ueta que perdemos u grado de libertad de la χ 2. Esto pues al impoer µ = X os queda: X X 1 + X = µ R. Por lo que se pierde la idepedeia de ua de las variables, pues ooiedo el valor de las 1 primeras X i podemos alular el valor de X. Así la χ 2 pasa de teer grados de libertad a 1 grados de libertad al impoer µ = X. De esta maera teemos que eotrar el R tal que: ) P χ 2 4 < X i µ) 2 = 0,1. De la tabla de la χ 2 4 y la primera euaió obteemos que X i µ) 2 = 1,06. Por otro lado, X i µ) 2 = 17,2. Luego = 17,2 1,06 = 16,22, el itervalo busado orrespode a: I.C. : 0; 16,22) b) Si σ 2 = 3,, determie o qué ofiaza se ostruyó el itervalo de ofiaza para µ dado por 10; 11,). Soluió: Como e este aso estamos estimado el promedio, el estadístio es aprovehadoos del TCL) Z = µ µ σ/ = X i µn σ teemos que eotrar el valor de 1 α: 1 α = Pa Z b) = P b µ µ ) σ/ < a = P bσ/ + µ µ aσ/ + µ ) }{{}}{{} 10 11, Para eotrar los valores de a y b los obteemos mediate el siguiete sistema b 3, a + 10,4 = 10 3, + 10,4 = 11, Despejado, obteemos: a = 1,32, b = 0,48. Luego, la ofiaza del itervalo dado es: Pa Z b) = Φb) Φa) = 0,7. P2. Cosidere ua mara de ampolletas uya duraió úia araterístia relevate) es ua v.a. X Nµ, 2). Se toma ua m.a.s. de tamaño = 2, obteiédose X = 170. a) Costruya u itervalo de ofiaza de 9 % para µ. Soluió: El razoamieto es pareido pero o el mismo) a la parte b) de la preguta 1. Queremos que: Pb < Z < a) = 0,9. 2
3 Se sabe que para eotrar itervalos más ortos para la N0, 1) es oveiete asumir simetría o respeto al promedio) del itervalo de ofiaza. Etoes asumimos b = a. Luego desarrollamos: P a < Z < a) = PZ a) PZ a) = Φa) PZ > a) = P hia) 1 PZ a)) = 2Φa) 1 Etoes P a < Z < a) = 0,9 Φa) = 1,9 2 = 0,97 a = 1,96. b) Co qué ivel de ofiaza fue ostruido el siguiete itervalo para µ: 168.,172)? Soluió: Queremos saber, o que probabilidad el itevalo dado otiee a µ la aleatoriedad se euetra e el itevalo), es deir, P168, µ 172) = P 172 µ 168,) X 172 = P σ/ X µ σ/ X ) 168, σ/ = P 2 Z 1,) = Φ1,) P 2 Z) = Φ1,) 1 PZ 2)) = Φ1,) + Φ2) 1 = 0,93 + 0,97 1 = 0,9 De esta maera, el itervalo dado fue ostruido o 90 % de ofiaza. Mometos La idea de el método de los mometos es el siguiete: a) Teemos algua v.a. X uya distribuió depede de algú parámetro θ que o ooemos. Notar que θ puede teer mas de ua ompoete, ej: θ = θ 1, θ 2 ). Solo podemos medir valores. em pírios de esta variable. b) La esperaza y la variaza de esta variable debería depeder del parámetro. Así: EX) = fθ), VarX) = gθ). ) Luego impoemos algua de las o ambas) odiioes: V arx) = EX) = X = fθ), X i X) 2 = gθ). d) Itetamos despejar θ. Y obteemos así uestro estimador. P3. Se die que ua variable aleatoria X tiee distribuió Pareto, β) si { β β x β 1 si x fx) = 0 si x < Sea X 1,..., X muestra aleatoria simple: 3
4 a) Supoiedo ooido, euetre el estimador de β usado el método de los mometos. Soluió: Neesitamos alular EX). Luego, impoemos EX) = X pues EX) = xβ β x β 1 dx = β β x β dx = β β x β+1 β + 1 = β β + 1 = β β 1 X = ˆ EX) = X), y despejamos β, es deir, β β 1 ˆβ = X X b) Determie el estimador máximo verosímil de y β, deotados por ĉ, ˆβ. Soluió: La fuió de verosimilitud viee dada por: { β Lβ, ) = fx i β, ) = β X β+1) i, si X i, i = 1,...,. 0, si i = 1,..., tal que X i Observamos que el valor de que maximiza f se alaza uado ĉ = mí x i. Ahora, para β, otamos que f se maximiza e el itervalo e que mí x i puesto que e el omplemeto es 0) y por lo tato, e este itervalo busamos el máximo de la log-verosimilitud. Esto pues sabemos que los problemas máx L y máx logl) so equivaletes, e el setido de que los valores que maximiza L tambié maximiza logl) y viseversa. Al derivar loglβ)) e igualar a 0 se obtiee que el estimador máximo verosímil para β orrespode a: β = log x i ). ĉ x ) ) Determie la desidad de Y = l y a partir de ello determie la distribuió de ˆλ = 1/β) ˆ osiderado ooido y grade. Soluió: Sea Y = lx/). Primero otemos que Y queda bie defiida sobre X, y e este aso toma valores e [0, + ). Calulemos su distribuió: PY > y) = PlX/) > y) 4 = PX > e y ) = + e y = β β [ x β β = e βy. β β x β 1 dx ] + e y
5 Es deir, Y Expβ). Luego, EY ) = 1/β ˆλ = Y. Fialmete, para grade, por TCL, se tiee que Y β 1 N 0, 1), y por lo tato Y N ) 1 β, 1 β 2. β 1 / d) Si X represeta el igreso mesual e miles de $) de u grupo familiar, β = 3, = 100 y se toma ua muestra de 48 familias de maera idepediete. Calule la probabilidad que el igreso promedio de las familias supere los pesos. Soluió: Sea v la variaza de X y e la esperaza alulada e la parte a)). Luego, para alular la probabilidad se hae uso del TCL, alulado P N 0, 1) > 0000 e ) v/. 48 Propuesto El oiero del asio de la faultad preparó masa para haer 00 empaadas. Ese mismo día, e u grupo de 20 alumos que almorzaro jutos, alguie propuso otar la atidad de pasas que ada uo eotrase e su empaada, obteiedo la siguiete distribuió: N de empaadas N de pasas Supoiedo que la distribuió de la atidad de pasas X e ua empaada sigue ua ley de P oisso, estime el parámetro λ. Hit: Use el método de los mometos.
DISTRIBUCIÓN MUESTRAL DE MEDIAS.
DISTRIBUCIÓN MUSTRAL D MDIAS. Si tomamos ua muestra de tamaño de ua poblaió, obtedremos ua media para esa muestra y ua desviaió típia que o tiee por qué ser exatamete iguales a las de la poblaió ompleta
Más detallesProbabilidad 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 detallesConvergencia de variables aleatorias
Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...
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 detallesEstimadores 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 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 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 detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesTABLAS DE CONTINGENCIA. IGNACIO MÉNDEZ GÓMEZ-HUMARÁN
TABLAS DE CONTINGENCIA IGNACIO MÉNDEZ GÓMEZ-HUMARÁN imgh000@yahoo.om El uso de Tablas de Cotigeia permite estudiar la relaió etre dos variables ategórias o riterios de lasifiaió. E ua Tabla, los regloes
Más detallesSobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017
Sobre los itervalos de cofiaza y de predicció Javier Satibáñez 7 de abril de 2017 Itervalos de cofiaza Se costruye itervalos de cofiaza para los parámetros poblacioales. Supogamos que teemos ua muestra
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 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 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 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 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 detallesTEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Introducción a la Inferencia Estadística Método de los momentos
TEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Itroducció a la Iferecia Estadística. Método Estadístico. Defiicioes previas. 5.2. Estimació putual 5.3. Métodos de obteció de estimadores: 5.3.1. Método de los
Más detallesSobre los intervalos de confianza y de predicción
Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de
Más detallesIES Fco Ayala de Granada Sobrantes de 2003 (Modelo 6) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2003 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua piscifactoría vede gambas y lagostios a 10 y 15 euros el kg, respectivamete. La producció máxima
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 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 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 detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesSolución de Recurrencias. Dr. Ivan Olmos Pineda
Soluió de Reurreias Dr. Iva Olmos Pieda Coteido Itroduió a la Soluió de Reurreias Téias para la Soluió de Reurreias Por sustituió Reurreias homogéeas Reurreias o homogéeas Cambio de variable Trasformaió
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 3) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 200 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U establecimieto poe a la veta tres tipos de camisas A, B y C. Se sabe que la razó etre los
Más detallesReserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Reserva Primera de 017 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A 17_mod3_EJERCICIO 1 (A) 4-3 0 Sea las matrices A = y B = 1-1 0 1. (1 puto) Calcule A + B 3. (1 5 putos)
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
Más detallesNúmero 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 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 detallesNotas de clase 3 Estimación de parámetros.
Notas de clase 3 Estimació de parámetros. Willie Heradez 05-I E este capítulo se obtedrá relacioes etre la teoría y la realidad observable. Se buscará coclusioes que se puede obteer acerca de ua poblacióa
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 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 detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 6)
IES Fco Ayala de Graada Sobrates de 01 (Modelo 6 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 01 (MODELO 6) OPCIÓN A EJERCICIO 1_A Ua empresa vede tres artículos diferetes
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció
Más detallesClases 9-10: El proceso de Wiener y los paseos al azar: el teorema de Donsker *
Clases 9-10: El proceso de Wieer y los paseos al azar: el teorema de Dosker * 6 de oviembre de 2017 Ídice 1. Itroducció 1 2. Paseos al azar 1 3. Paseo al azar co variables gaussiaas 2 4. Paseo al azar
Más detallesIES Fco Ayala de Granada Sobrantes de 2002 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 1) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua fábrica de muebles dispoe de 600 kg de madera para fabricar librerías de 1 y de 3 estates.
Más detallesESTIMACIÓN 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 detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
Más detallesTEMA 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 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 detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A
EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació
Más detalles8. 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 detallesa) Aumento de la temperatura K c b) Adición de I 2 O 5 (s) Cantidad de I 2 c) Aumento de la presión Cantidad de CO
1.- Cosidere el siguiete sistema geeral e equilibrio: a A(g) + b B(g) C(g) + d D(g) H < a) Idique razoadamete e qué aso so iguales los valores de las ostates y. b) Justifique ómo afetará al sistema la
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 detalles1 Consistencia de M-estimadores
Cosistecia de M-estimadores Supogamos que se tiee ua familia de desidades p(x; ) discreta o cotiua dode 2 R. Tomemos ua fució (x; ) : R 2 R llamemos (; ) = E ( (x; )). Supodremos que para todo 2 se cumple
Más detallesα β la cual puede presentar
5.4 Covergecia de ua serie de Fourier 8 5.4 Covergecia de ua serie de Fourier Teorema de covergecia de las series de fourier Ua serie de Fourier es ua fució ( ) f x cotiua e [, ] α β la cual puede presetar
Más detallesOPCIÓN A EJERCICIO 1 (A)
IES Fco Ayala de Graada Septiembre de 013 (Modelo Reserva ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SEPTIEMBRE 013 MODELO RESERVA OPIÓN A EJERIIO 1 (A) 8 3 3-5 3 5 Sea las matrices
Más detallesEjemplo: Número de hijos de un grupo de matrimonios
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMAS 11, 1 y 13.- DISTRIBUCIÓN DE PROBABILIDAD. MUESTREO ESTADÍSTICO. INTERVALOS DE CONFIANZA 1.- TABLA DE FRECUENCIAS, GRÁFICOS Y PARÁMETROS
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 4 ) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 006 (Modelo 4 ) Solució Germá-Jesús Rubio Lua EJERCICIO _A OPCIÓN A - ( putos) Sea las matrices A=, B=. Calcule A - (B A t ). - 0 4 3 0 x ( putos) Resuelva y clasifique
Más detallesElementos de Teoria Asintotica
(wsosa@udesa.edu.ar) Uiversidad de Sa Adres El modelo lieal e otacio observacioal y i = x iβ + u i, i = 1, 2,..., x i = [ Mi Z i ] [, x i x Mi i = Z i ] [ Mi Z i ] = M 2 i Z i M i M i Z i Z 2 i M 2 x i
Más detallesTema 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 detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede
Más detalles13.1 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 detallesIES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A
IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),
Más detallesINTRODUCCIÓN 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 detallesFormulas. Población infinita. Población finita
Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza
Más detallesEjercicios 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 detallesAnálisis de respuesta en frecuencia
Aálisis de respuesta e freueia Co el térmio respuesta e freueia, os referimos a la respuesta de u sistema e estado estable a ua etrada seoidal. E los métodos de la respuesta e freueia, la freueia de la
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna. Modelo nº 2 Sept. Sobrantes de Soluciones
IES Fco Ayala de Graada Sobrates de 008 (Modelo Septiembre) Germá-Jesús Rubio Lua Istruccioes: Modelo º Sept. Sobrates de 007-008 Solucioes Duració: 1 hora y 30 miutos. Elija ua de las dos opcioes propuestas
Más detallesDesigualdad 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 detallesTipo A Tipo B Máximo Avellanas Nueces Almendras Beneficio x + 40y
IES Fco Ayala de Graada Juio de 010 (Específico Modelo 4) Solucioes Germá-Jesús Rubio Lua MATEMÁTICAS CCSS JUNIO 010 (ESPECÍFICO MODELO 4) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 ( 5 putos) U comerciate
Más detallesOPCIÓN A EJERCICIO 1_A 1 0 2
IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz
Más detalles3. Distribuciones de probabilidad
3. Distribucioes de probabilidad Estudiamos a cotiuació las pricipales distribucioes de probabilidad que se ecuetra e las aplicacioes del cálculo de probabilidades. Clasificaremos las distribucioes atediedo
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesPaso 2: Elegir un estadístico de contraste. Como queremos hacer un contraste de hipótesis para la media, el estadístico de contraste adecuado es:
Hoja 6: Cotraste de hipótesis 1. U laboratorio farmacéutico ha elaborado u fármaco e forma de comprimidos cuyo peso sigue ua distribució Normal co ua desviació típica de 0.12 mg. Se sabe que ua dosis de
Más detallesOPCIÓN A EJERCICIO 1_A 0-1 Sean las matrices A=,
IES Fco Ayala de Graada Sobrates de 007 (Modelo 1 ) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 1 x 0-1 Sea las matrices A, B y C, 1 1 x 0-1 (1 puto) Ecuetre el valor o valores de x de forma que B A.
Más detallesPregunta Nº1 (60%) Solemne Nº1
Curso: ICI3020 - Simulació. Profesores: Felipe Gozález, Pablo Rey Ayudates: Gustavo Heríquez, Ricardo Ramírez Semestre: II-200 Soleme Nº :30 miutos. Si cosultas Preguta Nº (60%) Se desea modelar la operació
Más detallesTema 4: Estimación por intervalo (Intervalos de Confianza)
Tema 4: Estimación por intervalo (Intervalos de Confianza (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/ y A. Alonso (http://www.est.uc3m.es/amalonso/ 1 Planteamiento del problema: IC
Más detallesESTADISTICA EMPRESARIAL - Segundo Curso Curso Convocatoria de Febrero INSTRUCCIONES
ESTADISTICA EMPRESARIAL - Segudo Curso Curso.006-07 Covocatoria de Febrero. 6-1-07 INSTRUCCIONES 1. El exame costa de cuestioes, que se respode sobre la hoja de codificació proporcioada, y problemas, que
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 detallesIES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)
IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos
Más detallesParte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.
EXAMEN EXTRAORDINARIO DE PROBABILIDADE Y ETADÍTICA I JULIO 014 Realizar las pregutas e hojas separadas, idicado explícitamete todas las fórmulas que se utilice. Tato el alumo que copie como el que se deje
Más detallesIntroducción al Análisis de la Varianza
Itroducció al Aálisis de la Variaza F. Javier Cara Uiversidad Politécica de Madrid Curso 013/14 Distribucioes import. e Aalisis de la Variaza Sea X 1, X,...,X, Y 1, Y,...,Y m, variables aleatorias idepedietes
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
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 detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesPROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
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 detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció B Reserva, Ejercicio 4,
Más detallesPrueba A. b) Obtener un intervalo de confianza de la proporción de partos de madres de más de 30 años al 90% de confianza
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, detro de ella, sólo debe respoder
Más detallesEficiencia de algoritmos. Javier Campos
Efiieia de algoritmos Javier Campos Efiieia de algoritmos Problema de álulo: espeifiaió de ua relaió existete etre uos valores de etrada datos del problema y otros de salida resultados Eemplo: problema
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 detalles1. 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 detallesIntervalos 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 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 detalles1. 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 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 detallesAnálisis estadístico de datos. Análisis estadístico de datos simulados. Elección de una distribución. Análisis estadístico de datos simulados
Aálisis estadístico de datos Aálisis estadístico de datos simulados Patricia Kisbye FaMAF 29 de abril, 2008 Cada fuete de aleatoriedad debe expresarse de acuerdo a ua distribució de probabilidad. Ua mala
Más detalles