Simulación Financiera
|
|
- Eugenio Gómez Miranda
- hace 7 años
- Vistas:
Transcripción
1 Simulació Fiaciera Pruebas Estadísticas No Paramétricas Para modelos estadísticos, pruebas estadísticas e iferecia o paramétrica. Estos so métodos libres de distribució, es decir, o se basa e supuestos de que los datos provega de ua distribució de probabilidad determiada. So importates e la ecoometría porque co frecuecia o se cooce los parámetros de las series de tiempo co las que se trabaja. El termio estadístico o paramétrico tambié puede hacer referecia a u estadístico (fució sobre ua muestra) cuya iterpretació o depede de que la població se ajuste a cualquier distribució parametrizada. Estos métodos se usa cuado los datos tiee u rakig pero o ua iterpretació umérica clara, Ej. Las preferecias. Como hace pocos supuestos, su aplicació es más amplia que los métodos paramétricos. Se aplica e situacioes dode se cooce poco sobre la aplicació e cuestió. Además, por basarse e meos supuestos, estos métodos so más robustos. Tambié so más simples de implemetar. Auque e alguas situacioes se justifique la caracterizació de parámetros, los métodos o paramétricos so más fáciles de usar. Todo esto deja poco espacio para el mal uso y mal iterpretació. (mayor objetividad) Los modelos o paramétricos difiere de los modelos paramétricos e que la estructura del modelo o es especificada a priori, si o que es determiada co los datos. Esto o sigifica que el modelo carezca de parámetros, si o que el úmero y aturaleza de los parámetros es flexible y o fijada e adelato. Muchas pruebas de bodad de ajuste o parametricas se basa e la estimació de míima distacia cotrastado la estimació de máxima verosimilitud e las paramétricas. U histograma es u estimado o paramétrico simple de ua distribució de probabilidad. La estimació de desidad kerel (Kerel desity estimatio - Parze widow) provee mejores estimados de la desidad que los histogramas. La regresió o paramétrica y semi-paramétrica se basa e kerels, splies, y wavelets. Métodos: Coeficiete de correlació de ragos Spearma Ma-Whitey U Kruskal-Wallis aálisis de variaza (ANOVA) de ua vía Friedma aálisis de variaza (ANOVA) de dos vías Prueba Durbi Prueba de corridas Wald-Wolfowitz Prueba Kolmogorov-Smirov Prueba Aderso-Darlig Métodos utilizados como complemetos: Estadístico Durbi-Watso (detecta la presecia de autocorrelació e los residuos de u aálisis de regresió solo valido para regresores estocásticos) Prueba LM de correlació serial Breusch-Godfrey (más geeral y complemeto de DW) Prueba Jarque-Bera (bodad de ajuste que mide discrepacia co ormalidad basada e la custosis y asimetría de la muestra) Prueba χ 2 (básica)
2 Simulació Fiaciera Estimació de míima distacia Es u método estadístico para ajustar u modelo matemático a datos, usualmete la distribució empírica. La prueba Kolmogorov-Smirov utiliza el supremo (máximo) de la diferecia absoluta etre la distribució empírica y el estimado. La prueba Aderso-Darlig es similar a la KS, pero e vez de utilizar el puto de diferecia máxima etre la distribució empirica y el estimado, utiliza pesos suaves basados e itegració de diferecias sobre el itervalo completo y luego pesado por el reciproco de la variaza. Fució de distribució empirica (f.d.e.) Es ua fució de distribució de probabilidad acumulada que cocetra probabilidad / e cada úmeros e la muestra. Sea X,,X ua variable aleatoria i.i.d. e R co f.d.c. F(x). La fució de distribució empirica F (x) basada e la muestra X,,X es ua fució step (escalera) defiida por úmero de elemetos e la muestra x F = = I ( Xi x) dode I(A) es el idicador del eveto A. Para x fija, I(X i x) es ua variable aleatoria Beroulli co parámetro p = F(x), por ede F (x) es ua variable aleatoria Biomial co media F(x) y variaza F(x)( - F(x)). Propiedades asitóticas Por la ley fuerte de los úmeros grades F (x) a.s. F(x) para x fija. D Por el teorema del límite cetral ( F x) ) N( 0, F( x)( x)) ). El teorema Berry-Essée provee la tasa de esta covergecia. Kolmogorov demostró que F x) coverge e distribució a la distribució Kolmogorov, provisto que F(x) es cotiua. La prueba Kolmogorov-Smirov de bodad de ajuste se basa e este hecho. Fució característica (idicadora) Es ua fució defiida sobre el cojuto X que idica la membresía de u elemeto del subcojuto A de X. A (x) = si x A, 0 si x A. Se relacioa al cocepto de las variables dummy (e aálisis de regresió, estadística o cofudir co el sigificado del térmio e matemáticas, variable libre).
3 Simulació Fiaciera Prueba Kolmogorov-Smirov La prueba KS es ua forma de estimació de míima distacia usada como prueba o paramétrica de igualdad de distribucioes de probabilidad uidimesioales, utilizada para comparar ua muestra co ua distribució de probabilidad de referecia (KS -muestra), o para comparar dos muestras (KS 2-muestra). El estadístico KS cuatifica ua distacia etre la fució de distribució empirica de la muestra y la fució de distribució acumulada de la distribució de referecia, o etre las fucioes de distribució empirica de dos muestras. La distribució ula (distribució de probabilidad del estadístico de prueba cuado la H 0 es verdadera) de este estadístico es calculada bajo la hipótesis ula que las muestras so extraídas de la misma distribució (e el caso de 2-muestra) o que la muestra es extraída de la distribució de referecia (e el caso -muestra). E cada caso, las distribucioes cosideradas bajo la H 0 so distribucioes cotiuas si restriccioes. La prueba KS se puede modificar para servir como prueba de bodad de ajuste. E el caso especial de probar la ormalidad de la distribució, muestras so estadarizadas y comparadas co la distribució ormal estádar. Esto es equivalete a cuadrar la media y variaza de la distribució de referecia igual a los estimados muestral, y es sabido que utilizar la muestra para modificar la H 0 reduce la potecia de la prueba. La prueba Lilliefors es ua adaptació que iteta corregir este sesgo, pero o es ta potete como la AD. La fució de distribució empirica F para i.i.d. observacioes X i es defiida como F = I( Xi x) dode I(X i x) es igual a si X i x ; y 0 e cualquier otro caso. El estadístico KS para ua f.d.c. F(x) dada es D = sup F x) dode sup S es el supremo del cojuto S. Por el teorema x Gliveko-Catelli, si la muestra proviee de la distribució F(x), etoces D a.s. 0. Kolmogorov fortaleció este resultado proveyedo efectivamete la tasa de esta covergecia. El teorema Dosker provee u resultado más fuerte (utilizado el limite del proceso G como u proceso Gaussiao). La distribució Kolmogorov es la distribució de la variable aleatoria K = sup B( t) dode B(t) es el Browia bridge (proceso estocástico tiempo cotiuo, t [0,] cuya distribució de probabilidad es la distribució de probabilidad codicioal de u proceso Wieer B(t) Browia motio dada la codició B(0) = B() = 0). La f.d.c. de K esta dada i 2i x 2π (2i ) π /(8x ) por P( K x) = 2 ( ) e = e x
4 Simulació Fiaciera Prueba KS Bajo la hipótesis ula que la muestra proviee de ua distribució hipotética F(x), D sup B( F( t)) coverge e distribució, dode B(t) es el Browia bridge. t Si F es cotiua, etoces bajo la hipótesis ula D coverge a la distribució Kolmogorov, la cual o depede de F. Este resultado se cooce como el teorema de Kolmogorov (existe otros teoremas de Kolmogorov e otras áreas de la matemática). La bodad de ajuste, o prueba KS, es costruida utilizado los valores críticos de la distribució de Kolmogorov. La H 0 se rechaza para el ivel α si D > K α ; dode K α se ecuetra de P(K K α ) = α. La potecia asitótica de esta prueba es. Si la forma o parámetros de F(x) so determiados de X i, la iigualdad puede o sosteerse. E este caso, métodos de Mote Carlo so requeridos para determiar el ivel de rechazo de α. Prueba KS 2-muestra La prueba KS se puede utilizar para probar si dos distribucioes de probabilidad uidimesioales subyacetes difiere. E este caso el estadístico KS es D, = sup F F y la H 0 se rechaza para el ivel α si D, > Kα x + Limites de cofiaza para la forma de la fució de distribució Mietras que la prueba KS es usualmete usada para probar si ua F(x) dada es la distribució de probabilidad subyacete de F (x), el procedimieto puede ser ivertido para dar limites de cofiaza e F(x) misma. Si se elige u valor critico del estadístico de prueba D α tal que P(D > D α ) = α ; etoces ua bada de acho ± D α alrededor de F (x) cotedrá e su totalidad a F(x) co probabilidad α. Casos dode se utiliza la prueba KS La prueba KS se utiliza e casos dode, por ejemplo, o se deba cofiar e la prueba t de Studet. A pesar del teorema del limite cetral, existe situacioes e dode es u error cofiar e la prueba t. Situacioes dode los grupos muestrales o difiere e media, pero si difiere e otra medida, Ej. Sustacialmete e variabilidad. Esos grupos de datos so diferetes pero la prueba t o vería la diferecia. Situacioes dode los grupos muestrales so muy pequeños (Ej. < 20) que difiere e media, pero distribucioes o-ormales cubre la diferecia. Ej. Dos sets proveietes extraídos de distribucioes logormales co medias sustacialmete distitas. Para cojutos de datos grades, el TLC sugiere que la prueba t produce resultados validos au cuado los datos o se distribuye ormalmete. Si embargo, sets de datos altamete o-ormales causa que la prueba t arroje resultados fallidos, au para N grade.
5 Simulació Fiaciera Ilustració gráfica de la prueba KS La prueba KS esta basada e la máxima distacia etre estas dos curvas. Limitacioes de la prueba KS Solo aplica a distribucioes cotiuas. Tiede a ser más sesible cerca del cetro de la distribució que e las colas. La distribució tiee que estar totalmete especificada. Es decir, si localizació, escala, y parámetros de forma so estimados de los datos, la regió crítica de la prueba KS ya deja de ser valida. Se debe determiar por simulació. Es por esto que la prueba de bodad de ajuste AD es preferible, auque solo se puede usar para pocas distribucioes especificas.
6 Simulació Fiaciera Prueba Aderso-Darlig La prueba AD es ua forma de estimació de míima distacia, y uo de los estadísticos más potetes para detectar discrepacia co respecto a ormalidad. Se puede utilizar co u tamaño muestral bajo ( 25). Tamaños muestrales muy grades puede rechazar el supuesto de ormalidad co ta solo pequeñas imperfeccioes. La prueba AD ve si la muestra proviee de ua distribució específica. La fórmula del estadístico A para ver si los datos proviee de ua distribució co f.d.c. F es A 2 = S. Para ello, los datos {Y < < Y } debe estar ordeados. S 2k = k= [ l F( Y ) + l( Y ))] k + k El estadístico de prueba puede etoces ser comparado cotra los valores críticos de la distribució teórica (depediedo de que F es utilizada) para determiar el p-valor. La prueba AD para ormalidad es ua prueba de distacia o prueba de fució de distribució empirica. Esta basada e el cocepto de que cuado se da ua distribució subyacete hipotética, los datos puede ser trasformados a ua distribució uiforme. Los datos muestrales trasformados puede etoces ser probados para uiformidad co ua prueba de distacia. Procedimieto Esta explicació esta basada e ua prueba para ua distribució ormal Los datos X i para i =,, de la variable X que se quiere probar se orgaiza ascedetemete (meor a mayor). La media X y desviació estádar s so calculadas para la muestra X. Los X X valores X i se estadariza como Y i i =. Co la f.d.c. ormal estádar Φ, A 2 se calcula s como A 2 = S = (2i ) Y i Y + i [ lφ( ) + l( Φ( ))] [(2i )l Φ( Y ) + (2( i) + ) l( Φ( ))] i Y i La prueba es uidireccioal (ua cola), etoces si el estadístico A es mayor al valor critico, se rechaza la hipótesis ula de que la distribució sigue ua forma especifica.
7 Simulació Fiaciera Si la desviació estádar s = 0 ó Φ(Y i ) = (0 ó ), etoces A 2 o puede ser calculado y es idefiido. (otar que lim LX = ). Cualquier otra distribució teórica se puede asumir x 0 utilizado la respectiva f.d.c. Cada distribució teórica tiee sus propios valores críticos. La H 0 sigue la verdadera distribució (e el ejemplo N(0,) ). La prueba AD es ua modificació de la prueba KS y da mayor peso a las colas que KS. La KS es libre de distribució e el setido que los valores críticos o depede e la distribució específica que se está probado. La AD hace uso de la distribució específica al calcular los valores críticos. Esto tiee la vetaja de permitir ua prueba más sesible y la desvetaja de teer que calcular los valores críticos para cada distribució.
Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo
Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
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 detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detalles14. Técnicas de simulación mediante el método de Montecarlo
4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios
Más detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
Más detallesTEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
Más detallesEL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos
EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesEstimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.
Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ESTIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRASTES DE HIPÓTESIS TEMA 8: Cotrastes
Más detallesTEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados
TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza
Más detallesTema 6: Distribuciones Muestrales
Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.
Más detallesTécnicas experimentales de Física General 1/11
La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales
Más detallesLicenciatura en Matemáticas Febrero 2011. x(1 x) θ 1 I [0,1] (x). (1)
Estadística I Exame Liceciatura e Matemáticas Febrero 2011 1. Sea X 1,..., X ua muestra aleatoria de ua variable X co distribució Beta de parámetros 2 y θ > 0. Esto último sigifica que la fució de desidad
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA
Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete
Más detallesDISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.
DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
Más 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 detallesEstadístico. Parámetro
La iferecia estadística comprede el establecer ciertos juicios co respecto a algo después de examiar solamete ua parte o muestra de ello. Así, se ofrece ua muestra gratis de u uevo producto alimeticio
Más detallesInIn Sistemas de Control de Calidad
Desity Desity II 78- Sistemas de Cotrol de Calidad Pla - Repaso de cotrol de calidad Gráficos de Cotrol - Herramieta que moitorea ua o más variables a lo largo del tiempo. (El sistema requiere itervecioes
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 detallesESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean
ESTADÍSTICA Estadística: Es ua rama de la matemática que comprede Métodos y Técicas que se emplea e la recolecció, ordeamieto, resume, aálisis, iterpretació y comuicació de cojutos de datos. Població:
Más detallesIngeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.
CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió
Más detalles2.2. Estadísticos de tendencia central
40 Bioestadística: Métodos y Aplicacioes La dispersió o variació co respecto a este cetro; Los datos que ocupa ciertas posicioes. La simetría de los datos. La forma e la que los datos se agrupa. Cetro,
Más detallesSucesiones. Se denomina sucesión a una función cuyo dominio es el conjunto de los números naturales.
Sucesioes Sucesió Se deomia sucesió a ua fució cuyo domiio es el cojuto de los úmeros aturales. Para deotar el -ésimo elemeto de la sucesió se escribe a e lugar de f(). Ejemplo: a = 1/ a 1 = 1, a 2 = 1/2,
Más detallesMétodo de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Método de máxima verosimilitud Curso de Estadística TAE,2005 J.J. Gómez Cadeas Muestras Cosiderar ua variable aleatoria x descrita por la pdf f(x). El espacio de muestras está costituido por todos los
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesPropiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:
Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,
Más detallesOPCIÓN A EJERCICIO 1 (A) -5 0
IES Fco Ayala de Graada Sobrates 014 (Modelo 1 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 1 OPCIÓN A EJERCICIO 1 (A) -5 0-1 -8-1 Sea las matrices B =
Más detallesSUMA DE VARIABLES ALEATORIAS
SUMA DE VARIABLES ALEATORIAS do C. 018 Clase Nº 9 Mg. Stella Figueroa Teorema Cetral del Límite El teorema afirma que la distribució de la suma de u gra úmero de variables aleatorias tiee aproximadamete
Más detallesTema 7: Estimación por intervalos de confianza.
Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores
Más detallesAnálisis de Una Variable
STATGRAPHICS Rev. 4/5/007 Aálisis de Ua Variable Resume El procedimieto Aálisis de Ua Variable es uo de los pricipales procedimietos para aalizar ua sola columa de datos uméricos. Calcula estadísticas
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 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 detalles11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)
I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más 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 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 detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detalles(finitas o infinitas)
Series ifiitas. SUCESIONES: Es u cojuto de úmeros: a,a a, dispuestos e u orde defiido y que guarda ua determiada ley de formació, que se expresa por ua formula Sucesió fiita: umero itado de térmios:, 5,8-5.
Más detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
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 detallesPROCESO DE POISSON Rosario Romera Febrero 2009
1 PROCESO DE POISSON Rosario Romera Febrero 2009 1. Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio
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 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 detallesResumen de fórmulas estadísticas y funciones en Excel
Resume de fórmulas estadísticas y fucioes e Excel Medidas de posició o tedecia cetral Media aritmética = PROMEDIO (rago de datos) muestral para datos o X = 1 = PROMEDIO (A1:A10) Media aritmética N = PROMEDIO
Más detallesEJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.
EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la
Más detallesEl método de Monte Carlo
El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más 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 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 detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
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 detallesConvergencia. 1.1 Introducción
Capítulo 1 Covergecia 1.1 Itroducció E este capítulo estudiaremos el comportamieto asitótico de sucesioes de variables aleatorias, daremos distitas defiicioes de covergecia y demostraremos dos de los Teoremas
Más detallesDepartamento de Matemáticas
MA5 Clase 5: Series de potecias. Operacioes co series de potecias. Series de potecias Elaborado por los profesores Edgar Cabello y Marcos Gozález Cuado estudiamos las series geométricas, demostramos la
Más detallesEstadística para la Evaluación de Riesgo Microbiano
Estadística para la Evaluació de Riesgo Microbiao Mii-Curso de Riesgo Microbiao 25 29 de agosto, 204 Uiversidad Mayor de Sa Simó Cochabamba, Bolivia Matthew E. Verbyla Estadística para la Evaluació de
Más detallesProbabilidades y Estadística (M) Práctica 8 1 cuatrimestre 2012 Convergencias - Ley de los Grandes Números
robabilidades y Estadística (M) ráctica 8 cuatrimestre 22 Covergecias - Ley de los Grades Números. Ua máquia produce artículos de 3 clases: A, B y C e proporcioes 25 %, 25 % y 5 % respectivamete. Las logitudes
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesOPCIÓN A EJERCICIO 1_A x 1 0 1
IES Fco Ayala de Graada Sobrates de 006 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x 1 0 1 Sea las matrices A = y B =. 1 x+1 (1 puto) Ecuetre el valor o valores de x de forma
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detalles1. Sucesiones y series numéricas
ITINFORMÁTICA CÁLCULO INFINITESIMAL BOLETÍN CON SOLUCIONES DE LOS EJERCICIOS CURSO 005-06 Sucesioes y series uméricas Escribir ua expresió para el -ésimo térmio de la sucesió: +, + 3 4, + 7 8, + 5 6, 3,
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecuacioes Difereciales de Primer Orde Defiició lasificació de las Ecuacioes Difereciales Ua ecuació diferecial es aquélla que cotiee las derivadas o difereciales de ua o más variables depedietes
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detallesMuestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.
1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
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 detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad
Más detallesTema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor
Tema 7 (IV) Aplicacioes de las derivadas () Represetació gráfica de curvas y fórmula de Taylor Aplicacioes de la derivada primera El sigo de la derivada primera de ua fució permite coocer los itervalos
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
Más detallesFórmulas Estadísticas. Recuerde: Hay k Categorías; n Datos en una muestra, N datos en una población.
Uiversidad Diego Portales Facultad de Ecoomía y Negocios Fórmulas Estadísticas Capítulo 2 Recuerde: Hay k Categorías; Datos e ua muestra, N datos e ua població. Frecuecia Relativa de Clase (f) Cuátas Clases
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 detallesLos datos para el estudio consisten de m muestras de una población detallando: = número de elementos no aceptables en la muestra j
Gráfico NP Resume El procedimieto Gráfico NP crea u gráfico de cotrol para datos que describe el úmero de veces que ocurre u eveto e m muestras tomadas de u producto o proceso. Los datos podría represetar
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesUNIVERSIDAD CATÓLICA DE TEMUCO FACULTAD DE INGENIERÍA DEPTO. DE CIENCIAS MATEMÁTICAS Y FÍSICAS SERIES DE POTENCIAS
UNIVERSIDAD CATÓLICA DE TEMUCO FACULTAD DE INGENIERÍA DEPTO. DE CIENCIAS MATEMÁTICAS Y FÍSICAS Asigatura : Cálculo Numérico, MAT-23. Profesor : Emilio Cariaga L. Periodo : er. Semestre 205. SERIES DE POTENCIAS
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 detallesESTIMACIÓN POR INTERVALOS DE CONFIANZA
Estimació por itervalos de cofiaza. I.E.. A uqueira I pag. Coceptos ETIMACIÓN POR INTERVALO DE CONFIANZA E este tema vamos a estudiar como estimar, es decir proosticar, u parámetro de la població, geeralmete
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 detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detallesLa ley de los grandes números
La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella
Más detallesMEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo.
MEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo. Admítelo ua salchicha o es ua zaahoria. Así decía la revista El Cosumidor e u cometario sobre la baja calidad utricioal de las salchichas. Hay tres tipos
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 detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
Más detallesPRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA
PRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA CAPACIDADES A LOGRAR 1. Cooce y aplica procedimietos para determiar tamaño de partícula de polvos. 2. Iterpreta, clasifica y orgaiza datos y calcula
Más detallesUT-4: Distribuciones fundamentales de muestreo y descripción de datos
UT-4: Distribucioes fudametales de muestreo y descripció de datos Sub tema: Muestreo aleatorio. Distribucioes muestrales. Distribucioes muestrales de medias. Teorema del límite cetral. Aplicacioes. DF
Más detallesTEST DE HIPÓTESIS. 5.1. Introducción. 5.2. Hipótesis estadísticas
Capítulo 5 TEST DE HIPÓTESIS 5.1. Itroducció E este tema trataremos el importate aspecto de la toma de decisioes, referida a decidir si u valor obteido a partir de la muestra es probable que perteezca
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
Más detallesIntroducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino
Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras
Más detallesSeries de potencias Introducción. Temas Series de potencias. Intervalo y radio de convergencia de una serie de potencias.
Sesió 27 Series de potecias Temas Series de potecias. Itervalo y radio de covergecia de ua serie de potecias. Capacidades Coocer y compreder el cocepto de serie de potecias. Determiar el itervalo y el
Más detallesMUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO
El muestreo estratificado cosiste e dividir la població e subcojutos o estratos, y de cada uo de ellos seleccioar ua muestra probabilística; de maera idepediete de u estrato a otro. Existe tres razoes
Más detallesCAPÍTULO V. SUCESIONES Y SERIES
(Aputes e revisió para orietar el apredizaje) CAPÍTULO V. UCEIONE Y ERIE DEFINICIÓN. Ua sucesió ifiita, o simplemete sucesió, es ua fució cuyo domiio está costituido por el cojuto de los úmeros aturales
Más detalles1. INTRODUCCIÓN AL CONCEPTO DE LÍMITE
1. INTRODUCCIÓN AL CONCEPTO DE LÍMITE 1. Cocepto de límite 1.1 Defiició de etoro o vecidad: Si a es u úmero real (supógase que a está e el eje X), etoces, u etoro o vecidad de a de radio es u itervalo
Más detalles