INFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
|
|
- Óscar Esteban Piñeiro Poblete
- hace 5 años
- Vistas:
Transcripción
1 INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza
2 INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de la población. Por ejemplo: Media muestral Media poblacional Proporcion muestral Prop. Poblac. Varianza muestral Variacia Poblac.
3 DISTRIBUCIONES MUESTRALES Los estadísticos son variables aleatorias que tienen una distribución asociada y tienen media y varianza. Para el estadístico media muestral la esperanza de la distribución de las medias muestrales es igual a la esperanza de la variable original. E(x)= µ La varianza de la distribución de las medias es igual a la varianza de la distribución de la variable estudiada, dividida por el tamaño de la muestra: s 2 /n
4 DISTRIBUCIONES MUESTRALES La distribución muestral es la distribución de los resultados calculados sobre todas las muestras posibles. Distribución muestral de la Media: El estadístico media muestral es un estimador de la media poblacional que cumple con la propiedad de Imparcialidad: La media de todas las medias muestrales posibles es igual a la media poblacional.
5 DISTRIBUCIÓN MEDIA MUESTRAL Ejemplo: Un auditor toma una muestra de 36 de una población de 1000 deudores morosos. El valor promedio de saldos por cobrar de la población es de $ 2600 con una desviación estándar poblacional de $450 Cuál es la probabilidad de que la media muestral sea inferior a $ 2500? Y Cuál es la probabilidad de que la media muestral se encuentre $150 de la media la población en mas y menos?
6 TEORIA DE LA ESTIMACIÓN ESTIMACIÓN PUNTUAL Y POR INTERVALOS: La estimación puntual: es un proceso mediante el cual se estima un parámetro en un punto, dado un valor específico como estimación. Estimación por intervalos: Es un procedimiento mediante el cual se puede afirmar, con una determinada probabilidad, que el intervalor (a,b) contiene al verdadero valor del parámetro. P(a q b) = 1 - α
7 Propiedades deseables de los estimadores Veremos CUATRO propiedades: 1.Ausencia de sesgo 2.Consistencia 3.Eficiencia 4.Suficiencia
8 Propiedades deseables en los estimadores (1) 1. Ser insesgado. Diremos que q es un estimador insesgado de si la esperanza de es. Es decir, E( q) q q q q La media muestral es un estimador insesgado de la media poblacional. Pero la varianza muestral NO es un estimador insesgado de la varianza poblacional, pero sí lo es en cambio la cuasivarianza.
9 Propiedades deseables en los estimadores (2) 2. Consistencia. Se dice que un estimador es consistente si se cumple que lim P q q 0 n Esta expresión indica que a medida que se incrementa el tamaño muestral, la diferencia entre el estimador y el parámetro será menos que cualquier número (). A diferencia de la ausencia de sesgo que se define para valores finitos de n, la consistencia es una propiedad asintótica. Tanto la media muestral como la cuasivarianza son estimadores consistentes. Nota: la varianza muestral ES un estimador consistente de la varianza poblacional, dado que a medida que el tamaño muestral se incrementa, el sesgo disminuye y disminuye.
10 Propiedades deseables en los estimadores (3) 3. Eficiencia. Se emplea para COMPARAR estimadores. q 1 q 2 Si tenemos dos estimadores y de un mismo parámetro q, diremos que es más eficiente que si tenemos que var( )<var( ) q2 q1 2 q q 1 Se puede comprobar que la varianza muestral es más eficiente que la q 2 cuasivarianza muestral a la hora de estimar la varianza poblacional. (Aún así, se prefiere la cuasivarianza muestral como estimador de la varianza poblacional por ser un estimador insesgado.)
11 Propiedades deseables en los estimadores (4) 4. Suficiencia. Diremos que q es un estimador suficiente del parámetro si dicho estimador basta por sí solo para estimar q q
12 Intervalos de confianza para los principales parámetros El caso de la media (1) En este caso, en lugar de indicar simplemente un único valor como estimación del parámetro, lo que haremos es ofrecer un intervalo de valores que sea asumible con cierta probabilidad por el parámetro que queremos estimar. -Intervalo de confianza: Es el intervalo de las estimaciones (probables) sobre el parámetro. -Límites de los intervalos de confianza: Son los dos valores extremos del intervalo de confianza
13 Intervalos de confianza para los principales parámetros: El caso de la media (2) Ahora bien, cuán grande habrá de ser el intervalo de confianza? Evidentemente, si decimos que el intervalo de confianza va de menos infinito a más infinito, seguro que acertamos...pero eso no es muy útil. Por su parte, el extremo es la estimación puntual, en la que lo usual es que no demos con el valor del parámetro... La idea es crear unos intervalos de confianza de manera que sepamos en qué porcentaje de casos el parámetro estará dentro del intervalo crítico. Y cómo fijamos tal porcentaje de casos? Usualmente se asume un porcentaje del 95%. Al calcular un intervalo de confianza sobre la media al 95% ello quiere decir que el 95% de las veces que repitamos el proceso de muestreo (y calculemos la media muestral), la media poblacional estará dentro de tal intervalo.
14 Intervalos de confianza para los principales parámetros: El caso de la media (3) Pero, cómo calculamos estos dos límites? Sabemos que la distribución subyacente es normal, lo cual nos ayuda enormemente. En una distribución normal tipificada, es muy fácil saber qué puntuación típica (z) deja a la izquierda el 2.5% de los datos (yendo a las tablas es -1.96) y cuál deja a la izquierda el 97.5% de los datos (o a la derecha el 2.5% de los datos: 1.96). Ahora habrá que pasar esos datos a puntuaciones directas...
15 Intervalos de confianza para los principales parámetros: El caso de la media (3) Pero, cómo calculamos estos dos límites? Vamos a ver DOS casos. Primero, veremos el caso de que sepamos la varianza poblacional. Segundo, veremos el caso de que NO sepamos la varianza poblacional
16 Intervalos de confianza para los principales parámetros: El caso de la media (4) 2 Conocemoss Nuestra distribución es normal, pero con cierta media y cierta desviación típica, las cuales sabemos por el tema anterior: 1) La media de la distribución muestral de medias es la media poblacional m 2) La varianza de la distribución muestral de medias es s 2 /n O lo que es lo mismo, la desviación típica de la dist.muestral de medias es s n
17 Intervalos de confianza para los principales parámetros: El caso de la media (5) 2 Conocemoss Estimador de m es X Recordad que Y para pasar directas-típicas: Xi X zi s / n O lo que es análogo s X i zi X n
18 Intervalos de confianza para los principales parámetros: El caso de la media (6) 2 Conocemoss En Punt.típicas En Punt.directas z Aplicando la lógica de pasar de puntuaciones típicas a directas z s X z X z0.975 n s n En definitiva s s PX z X z n n m
19 Intervalos de confianza para la media: CASO DE DESCONOCER LA VARIANZA POBLACIONAL Para la media (cuando conocemos la varianza poblacional), tenemos la expresión s s PX z X z n n m Pero si no conocemos la varianza poblacional, no podemos emplear En su lugar hemos de emplear 2 s n s n 2 Ahora la distribución ya no es exactamente una distribución normal... Por el tema anterior sabemos que la distribución muestral de no es una distribución normal, sino una distribución t de Student con n-1 grados de libertad. X s / m Recordad, en el caso de X i m zi varianza conocida teníamos: s / n n
20 Intervalos de confianza para la media: CASO DE DESCONOCER LA VARIANZA POBLACIONAL En definitiva, para la media (cuando conocemos la varianza poblacional), tenemos la expresión s s PX z X z n n m Pero si no conocemos la varianza poblacional (el caso realista), tenemos la expresión: s s PX t X t n n n1 m n En todo caso, recordad que si "n" es grande, la distribución t de Student será virtualmente una distribución normal N(0,1). En otras palabras, si "n" es grande, ambas fórmulas dan unos intervalos virtualmente idéntico, y emplear la distribución normal es correcto.
21 Intervalos de confianza para los principales parámetros: El caso de la media (7) Qué quiere decir la expresión siguiente? s s PX z X z n n m Quiere decir que cada vez que extraigamos una muestra y hallemos la media, el parámetro desconocido m estará entre los límites de dicho intervalo el 95% de las veces. (O el 99% si hubiéramos elegido un intervalo al 99%, etc.)
22 Intervalos de confianza para los principales parámetros: Tamaño muestral y la amplitud del intervalo de confianza Para el caso de la media hemos visto que s s PX z X z n n m Es claro que a medida que el tamaño muestral aumente, la amplitud del intervalo disminuye. (Evidentemente, esto es general, no sólo para la media.) Veamos, en todo caso un ejemplo: Caso A1. Media muestral=10, varianza pobl=4, tamaño muestral= P10 ( 1.96) m P8.87 m Caso A2. Media muestral=10, varianza pobl=4, tamaño muestral= P10 ( 1.96) m P9.12 m
23 Intervalos de confianza para los principales parámetros: Amplitud del intervalo de confianza y el valor del índice de confianza El caso "usual" (por defecto) es emplear intervalos al 95%. s s PX z X z n n m Pero evidentemente es posible emplear intervalos a, digamos, el 99%. En tal caso, tendremos más seguridad de que el parámetro de interés se halle en los límites del intervalo. El problema es que incrementar tal índice aumenta así mismo la amplitud del intervalo. Caso A1. Media muestral=10, varianza pobl.=4, tamaño muestral=12. Intervalo al 95% 2 2 P10 ( 1.96) m P8.87 m Caso A2. Media muestral=10, varianza pobl=4, tamaño muestral=12. Intervalo al 99% 2 2 P10 ( 2.57) m P8.52 m
24 Intervalos de confianza para OTROS parámetros Intervalos de confianza para las proporciones Caso de muestras grandes P(1 P) P(1 P) P P z.025 P z.975 n n 0.95 Caso de muestras pequeñas
25 Intervalos de confianza para OTROS parámetros Intervalos de confianza para la varianza P 2 2 ns 2 n S s n n
Inferencia 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 detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesEstadística 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 detallesFundamentos para la inferencia. Estadística Prof. Tamara Burdisso
Fundamentos para la inferencia Estadística 018 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
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 detallesTEMA 3: MUESTREO Y ESTIMACIÓN. Estimación de la Media
TEMA 3: MUESTREO Y ESTIMACIÓN Estimación de la Media INTRODUCIÓN Supongamos que queremos estudiar una determinada característica de una población. Como vimos en el anterior power point, es muy complejo
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
Más detallesTema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.
Tema 3 - Introducción 1 Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores
Más detallesEstadística I para futuros ingenieros Unidad 4. Segunda parte
Estadística I para futuros ingenieros Unidad 4 Segunda parte ITSS L.A. Jorge VC 2 Estimación: puntual y por intervalos A partir de los estadísticos que hemos obtenido en la/s muestra/s queremos obtener
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 016 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 11 Estimadores puntuales y de intervalo Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de los estimadores puntuales y de intervalo.
Más detallesTEMA 7. Estimación. Alicia Nieto Reyes BIOESTADÍSTICA. Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13
TEMA 7. Estimación Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13 1 Estimación Puntual 1 Estimación por intervalos Estimación por intervalos de la Media
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesNombre: Distribuciones de probabilidad continua. Segunda parte.
Estadística 1 Sesión No. 12 Nombre: Distribuciones de probabilidad continua. Segunda parte. Contextualización En la presente sesión aprenderás una de las aplicaciones principales de la distribución t-student,
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesInferencia. Mauricio Olivares. 19 de junio de 2015 ITAM
Inferencia Mauricio Olivares ITAM 19 de junio de 2015 Recuerda de nuestra clase anterior que m(x) = α + βx. Recuerda de nuestra clase anterior que m(x) = α + βx. Esta es una relación poblacional, no hay
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Cuál es la finalidad de las distribuciones muéstrales y del método del muestreo como herramientas básicas de la estadística y qué aplicabilidad tienen en la vida cotidiana? Siendo
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 detallesIntroducción a la inferencia estadística
M. Wiper Estadística 1 / 15 Introducción a la inferencia estadística Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 15 Objetivo Introducir la distribución
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesComportamiento asintótico de estimadores
Comportamiento asintótico de estimadores Seguimos con variable X con función de densidad/masa f (x; θ). Queremos estimar θ. Dada una muestra aleatoria, definimos un estimador T = h(x 1,..., X n ) Esperamos/deseamos
Más detallesBioestadística: Inferencia Estadística. Análisis de Una Muestra
Bioestadística: Inferencia Estadística. Análisis de Una Muestra M. González Departamento de Matemáticas. Universidad de Extremadura Estimación Puntual e Intervalos de Confianza Planteamiento del Problema
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Septiembre 2005 SOLUCION
INGENIERÍA INFORMÁTICA DE GESTIÓN Septiembre 005 SOLUCION 1.- Sea ( X,..., X ) una muestra aleatoria simple de una variable aleatoria X con 1 n E(X) µ y Var (X) k µ. Considérense los siguientes estimadores
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 detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesEstadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos
Estadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos Contextualización. Se denomina estadístico a un estimador insesgado de un parámetro poblacional si la media o la esperanza del
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesJuan José Hernández Ocaña
Juan José Hernández Ocaña L A e s t a d í s t i c a i n fe r e n c i a l n o s permite estimar los p a r á me t r o s de l a p o b l a c ió n a partir d e l a n á l i s i s d e datos de u n a mu e s t
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. µ zα, µ+ zα
En una población una variable aleatoria sigue una ley Normal de media desconocida y desviación típica. a) Observada una muestra de tamaño 400, tomada al azar, se ha obtenido una media muestral igual a
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 2010 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Test de Hipótesis 2. Propiedades de los estimadores Problema: Nuevamente
Más detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2002 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 00 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesEXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 2006
EXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 6 Problema ( ptos) Considera un experimento aleatorio con espacio muestral Ω. a) Definir una σ-álgebra A sobre Ω. b) Dar
Más detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2006 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 006 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesESTADÍSTICA. Tema 4 Intervalos de confianza
ESTADÍSTICA Grado en Biología Tema 4 Intervalos de confianza Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo Estadística. Tema 4: Intervalos
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesTeoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
Más detallesESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio
ESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio Muestra aleatoria Conceptos probabiĺısticos básicos El problema de inferencia Estadísticos. Media y varianza
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 10 Estadísticos muestrales y sus aplicaciones Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las propiedades de los estadísticos muestrales.
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesDistribuciones Muestrales e Intervalos de Confianza
Distribuciones Muestrales e Intervalos de Confianza Sesión 5 Dr. Carlos J. Vilalta (DAP) Estadística - Curso propedéutico MAPP 2016 Centro de Investigación y Docencia económicas (CIDE) Contacto: carlos.vilalta@cide.edu
Más detallesUnidad V: Estadística aplicada
Unidad V: Estadística aplicada 5.1 Inferencia estadística: Concepto, Estimación, Prueba de hipótesis La Inferencia Estadística es la parte de la estadística matemática que se encarga del estudio de los
Más detallesLa Estadística inferencial. Estadística inferencial. La Estadística inferencial. La Estadística inferencial. La Estadística inferencial
Estadística inferencial DEFINICIÓN Estadística Inferencial (o Estadística Analítica): Es la que se ocupa de obtener conclusiones sobre las poblaciones a partir de la información recogida en las muestras.
Más detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
Más detallesEstadística I Curso 2011/2012 Guion de la Práctica 3: Simulación de muestras y bondad de ajuste; Teorema Central del Límite; Intervalos de confianza.
Estadística I Curso 2011/2012 Guion de la Práctica 3: Simulación de muestras y bondad de ajuste; Teorema Central del Límite; Intervalos de confianza. En esta práctica veremos una introducción al empleo
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesPreguntas más Frecuentes: Tema 8
Preguntas más Frecuentes: Tema 8 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 8.1, por qué se escoge n =?. En el ejemplo 8.1, si n fuera igual a 3 habría que obtener
Más detallesFundación H.A. Barceló Facultad de Medicina. Licenciatura en Nutrición Bioestadística Primer año Módulo 10 Lección 3
Fundación H.A. Barceló Facultad de Medicina Licenciatura en Nutrición Bioestadística Primer año Módulo 10 Lección 3 1 1 MODULO 10: INTRODUCCIÓN AL MUESTREO Lección 3: PARAMETROS Y ESTADISTICOS OBJETIVOS
Más detallesConceptos básicos de inferencia estadística (I): Inferencia estadística (repaso)
Conceptos básicos de inferencia estadística (I): Inferencia estadística (repaso) Tema 1 (I) Estadística 2 Curso 08/09 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 1 / 24 Inferencia estadística
Más 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 detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Un estimador es una regla que establece cómo calcular una estimación basada en las mediciones contenidas en una muestra
Más detallesSIGMA LA INFERENCIA ESTADÍSTICA Y LAS TIC (2ª PARTE). ESTIMACIÓN POR INTERVALOS DE CONFIANZA. Rosana Álvarez García (*) y Abel Martín (**)
LA INFERENCIA ESTADÍSTICA Y LAS TIC (2ª PARTE). ESTIMACIÓN POR INTERVALOS DE CONFIANZA SIGMA 31 Rosana Álvarez García (*) y Abel Martín (**) El objetivo en muchos estudios estadísticos es conocer parámetros
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
Más detallesEstadística Clase 3. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase 3 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri 1. Pasos en un proceso estadístico 1. Plantear una hipótesis sobre una población.. Diseñar
Más detallesTema 6. Estimación puntual
1 Tema 6. Estimación puntual En este tema: Planteamiento del problema. Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Métodos
Más detallesESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Más detallesTEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Pasos en un proceso estadístico. Inferencia Estadística 3. Estimación Puntual
Más 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 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 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 detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. μ zα
Se sabe que la estatura de los individuos de una población es una variable aleatoria que sigue una distribución normal con desviación típica 6 cm. Se toma una muestra aleatoria de 5 individuos que da una
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesEstadís2ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 5. Inferencia estadís2ca
Estadís2ca Tema 5. Inferencia estadís2ca María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesESTIMACION INFERENCIA ESTADISTICA
P M INFERENCIA ESTADISTICA Desde nuestro punto de vista, el objetivo es expresar, en términos probabilísticos, la incertidumbre de una información relativa a la población obtenida mediante la información
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Más detallesAnálisis Estadístico en Simulaciones. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Análisis Estadístico en Simulaciones UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En una simulación las variables aleatorias son la entrada para
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesTema 7: Ejercicios de Inferencia en una población Normal
Tema 7: s de Inferencia en una población Normal Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I3 En una explotación minera las rocas
Más detallesVariables aleatorias. Utilizando el resultado anterior, vemos que
Variables aleatorias Utilizando el resultado anterior, vemos que Variables aleatorias Otro tipo de función generadora (generatriz) es la función generadora de momentos Para una variable aleatoria X y un
Más detalles