Muestreo y estimación
|
|
- Arturo Farías de la Cruz
- hace 7 años
- Vistas:
Transcripción
1 Muestreo y estimació BENITO J. GONZÁLEZ RODRÍGUEZ bjglez@ull.es DOMINGO HERNÁNDEZ ABREU dhabreu@ull.es MATEO M. JIMÉNEZ PAIZ mjimeez@ull.es M. ISABEL MARRERO RODRÍGUEZ imarrero@ull.es ALEJANDRO SANABRIA GARCÍA asgarcia@ull.es Departameto de Aálisis Matemático Uiversidad de La Lagua Ídice 1. Itroducció 1 2. Tipos de muestreo 2 3. Distribució de distitos estadísticos e el muestreo Media muestral Proporció muestral Suma muestral Diferecia de medias Itervalos de cofiaza Itervalo para la media µ de ua població ormal Nµ,σ, co desviació típica σ coocida Itervalo para la proporció p de ua població Determiació del tamaño muestral e la estimació del error Itervalo de cofiaza para la suma muestral Itervalo de cofiaza para la diferecia de medias Cotraste de hipótesis Errores de tipo I y tipo II Nivel de sigificació y p-valor Cotrastes para la media de ua població ormal co σ coocida Cotrastes para ua proporció p de ua població
2 5.5. Cotrastes para la diferecia de medias de dos poblacioes co σ 1 y σ 2 coocidas OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
3 MUESTREO Y ESTIMACIÓN 1/21 1. Itroducció E térmios geerales, todo estudio estadístico se basa e los siguietes aspectos: 1. Fijar la població: determiar el cojuto de idividuos a los que ivolucra el estudio. 2. Idicar la característica a estudiar que, e geeral, es ua variable aleatoria. 3. Recopilar iformació relativa a la característica e ciertos idividuos. 4. Extraer coclusioes a partir del estudio. Ejemplo 1.1. So estudios estadísticos: i Estudio sobre el precio medio de la receta médica por la Seguridad Social e Sata Cruz de Teerife. ii Estudio sobre la proporció de hogares de Teerife co coexió a Iteret de bada acha. El siguiete cocepto es fudametal e Estadística. Defiició 1.2. Població es el cojuto de todos los elemetos que posee ua determiada característica. Por razoes de urgecia temporal y ahorro ecoómico, etre otras, a la hora de recopilar iformació o suele estudiarse todos los idividuos de la població. Defiició 1.3. Se deomia muestra a u subcojuto de la població, y muestreo al proceso mediate el cual se escoge ua muestra de la població. E geeral, ua muestra de tamaño es u grupo de idividuos extraídos de la població. Defiició 1.4. Los estudios que ivolucra a toda la població se deomia cesos de població. E la práctica, los estudios estadísticos se realiza a partir de la iformació obteida de ciertas muestras. Las coclusioes que se ifiera a partir del estudio de muestras puede coteer errores e relació a las coclusioes que se derivaría al estudiar la població etera. La Iferecia Estadística trata de la obteció de coclusioes a partir de muestras, cotrolado el error e dichas coclusioes por medio de técicas probabilísticas. E geeral, se desea que las muestras sea lo más represetativas de la població posible. MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
4 2/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA 2. Tipos de muestreo Defiició 2.1. Los muestreos puede ser de diferetes tipos: i Muestreo aleatorio simple: es aquel e el cual se elige al azar idividuos de la muestra; todos los idividuos de la població tiee igual probabilidad de ser elegidos. ii Muestreo aleatorio estratificado: es el caso e el que la població se divide e grupos homogéeos que preseta características similares llamados estratos, y posteriormete se extrae ua muestra aleatoria simple de cada uo. iii Muestreo aleatorio sistemático: se ordea uméricamete todos los idividuos de la població; se divide el tamaño de la població etre el tamaño de la muestra, resultado u cociete k; fialmete, se elige al azar u elemeto de la població, y a partir de él se seleccioa de k e k todos los elemetos siguietes. iv Muestreo por coglomerados y áreas: se divide la població e distitas seccioes o coglomerados, es decir, subcojutos de la població dode la variabilidad de características es similar a la de la població etera; se elige al azar uas pocas de estas seccioes, y se forma la muestra co todos los elemetos de las seccioes elegidas. Ejemplo 2.2. Supogamos que teemos 100 hogares. Elegir ua muestra de 5 co muestreo sistemático. RESOLUCIÓN. Ordeamos uméricamete los hogares del 1 al 100. El cociete de dividir 100 etre 5 es 20; etoces 20 sería el período. Elegimos al azar u úmero etre 1 y 20, digamos 16. El hogar co el úmero 16 sería el primero seleccioado, y los restates los umerados co 36, 56, 76 y 96. Defiició 2.3. U parámetro es ua catidad umérica calculada sobre ua població que resume los valores que ésta toma e algú atributo o característica media, variaza, etc.. 3. Distribució de distitos estadísticos e el muestreo La selecció de ua muestra de ua població es u experimeto aleatorio. El espacio muestral de este experimeto está costituido por todas las posibles muestras del tamaño cosiderado obteidas de la població. OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
5 MUESTREO Y ESTIMACIÓN 3/21 Defiició 3.1. U estadístico es ua variable aleatoria que asiga u valor umérico a cada muestra. La distribució de esta variable aleatoria se deomia distribució muestral del estadístico Media muestral Defiició 3.2. Dada ua muestra aleatoria X 1,X 2,...,X de tamaño, la media muestral es el estadístico obteido tomado la media aritmética de los elemetos de la muestra. La deotaremos mediate X: X = 1 k X k. Si la variable aleatoria e estudio sigue ua distribució ormal Nµ, σ etoces la media muestral X sigue ua distribució ormal Nµ,σ/, dode es el tamaño de la muestra. Por otra parte: Teorema 3.3 Teorema del Límite Cetral. Si el tamaño de la muestra es suficietemete grade 30 etoces, para casi todas las poblacioes, la media muestral X sigue aproximadamete ua distribució ormal. Luego: Si la població de partida es ormal, la distribució de las medias muestrales tambié es ormal, cualquiera que sea. Si la població de partida o es ormal, la distribució de las medias muestrales es aproximadamete ormal cuado 30. Ejemplo 3.4. El tiempo que tarda u cajero automático e ateder a los clietes es de ua media de 3 miutos, co desviació típica de 1.2 miutos. Se observa ua muestra de 50 persoas. Cuál es la probabilidad de que el tiempo medio de espera supere los 2 miutos? RESOLUCIÓN. Sea X = tiempo de espera e el cajero. Se tiee que µ = 3, σ = 1.2 y = 50 clietes. Auque descoocemos la distribució de la variable aleatoria X, ya que 30 podemos cosiderar que la variable aleatoria X = tiempo medio de espera sigue ua distribució ormal N 3, 1.2 = N3, MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
6 4/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA Etoces: PX > 2 = P Z > 2 3 = PZ > 5.88 = PZ < 5.88 = Esto es, el tiempo medio de espera superará, co casi total seguridad, los 2 miutos Proporció muestral Defiició 3.5. Se cosidera ua població de la que se extrae muestras de tamaño 30 y de la que se cooce que la proporció de idividuos que preseta ua determiada característica es igual a p. La variable aleatoria p de las proporcioes muestrales es la proporció de idividuos de cada muestra que preseta la característica estudiada. Se defie como p = X/, dode X es el úmero de éxitos y el tamaño de la muestra. Se tiee que p sigue ua distribució ormal p1 p N p,. Ejemplo 3.6. Se sabe que el 40% de los estudiates de Bachillerato de la provicia de Sata Cruz de Teerife so aficioados al voley playa femeio. Se elige ua muestra de 200 estudiates. Hallar la probabilidad de que el porcetaje de aficioados de dicha muestra oscile etre el 35% y el 45%. RESOLUCIÓN. Se tiee que p = 0.4 proporció poblacioal y = 200 tamaño muestral. Se sigue que: p N 0.4, = N0.4, De aquí: P0.35 < p < 0.45 = P < Z < = = = P 1.45 < Z < OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
7 MUESTREO Y ESTIMACIÓN 5/21 Ejemplo 3.7. El 3% de las piezas producidas por ua máquia so defectuosas. Se toma muestras de 100 piezas. a Cuál es la distribució de la proporció de piezas defectuosas e la muestra? b Hallar la probabilidad de que e ua muestra de 100 piezas haya meos de 5 defectuosas. RESOLUCIÓN. a Coforme a lo idicado, p sigue ua distribució ormal N 0.03, N0.03, b Por tato: P p < 5 = P p < 0.05 = P Z < = PZ < 1.18 = Suma muestral La suma muestral es otro estadístico de iterés e determiados estudios. Se trata de estimar la suma de u cierto úmero de elemetos de la població mediate el estudio de la suma de ua muestra de ese úmero de idividuos. Defiició 3.8. Dada ua muestra aleatoria X 1,X 2,...,X, el estadístico suma muestral se defie como T = k X k. La variable T tiee media µ y desviació típica σ, dode µ es la media poblacioal, σ la desviació típica poblacioal y el tamaño de la muestra. Si la població es ormal, tambié lo es T. E geeral, a medida que crece, la distribució de T se aproxima a ua ormal Nµ,σ. Ejemplo 3.9. Se laza ua moeda al aire 100 veces; si sale cara le damos el valor 1, y si sale cruz, el valor 0. Cada lazamieto es ua variable aleatoria idepediete que se distribuye segú el modelo de Beroulli, co media 0.5 y variaza Calcular la probabilidad de que e estos 100 lazamietos salga más de 60 caras. MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
8 6/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA RESOLUCIÓN. Como = 100 es grade, podemos supoer que la variable aleatoria T = úmero de caras e 100 lazamietos, que es la suma muestral de las variables idepedietes X i = úmero de caras e el lazamieto i-ésimo 1 i 100, sigue ua distribució ormal N , = N50,2.5. Por cosiguiete: PT > 60 = P Z > = PZ > 2 = 1 PZ < 2 = = Es decir, la probabilidad de que al tirar 100 veces la moeda salga más de 60 caras es ta sólo del 2.28%. Ejemplo U cierto tipo de bombilla eléctrica tiee ua duració media de 1500 horas, co ua desviació típica de 150 horas. Se coecta 3 bombillas de forma que cuado ua se fude, otra sigue alumbrado. Supoiedo que las duracioes se distribuye ormalmete, cuál es la probabilidad de que se tega luz: a al meos 5000 horas; b como mucho 4200 horas? RESOLUCIÓN. E este ejemplo, la variable aleatoria de iterés, T = tiempo de ilumiació de las 3 bombillas, es suma muestral de las variables aleatorias idepedietes X i = tiempo de ilumiació de la bombilla i-ésima i = 1,2,3. Dado que éstas preseta ua distribució ormal, podemos afirmar que T sigue ua distribució ormal N4500,150 3, de lo cual deducimos que PT > 5000 = P Z > = PZ > 1.92 = 1 PZ < 1.92 = = Esto respode a a. E cuato a b: PT < 4200 = P Z < = PZ < 1.15 = PZ > 1.15 = 1 PZ < 1.15 = = OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
9 MUESTREO Y ESTIMACIÓN 7/ Diferecia de medias Defiició La diferecia de medias es el estadístico X 1 X 2, dode las variables X 1 y X 2 represeta las medias de sedas muestras aleatorias de tamaños 1 y 2, respectivamete, seleccioadas de dos poblacioes diferetes y de maera idepediete. El estadístico X 1 X 2 sigue ua distribució cuya media es µ 1 µ 2, co desviació típica σ σ A medida que 1 y 2 crece, la distribució de X 1 X 2 se aproxima a la ormal. Si las desviacioes típicas σ 1 y σ 2 so descoocidas se sustituye por las desviacioes típicas muestrales s 1 y s 2. Ejemplo E u estudio para comparar los pesos promedio de iños y iñas de sexto grado e ua escuela de primaria se usará ua muestra aleatoria de 20 iños y otra de 25 iñas. Se sabe que tato para iños como para iñas los pesos sigue ua distribució ormal. El promedio de los pesos de todos los iños de sexto grado de esa escuela es de 45 kilogramos y su desviació estádar es de 6.41 kilogramos, mietras que el promedio de los pesos de todas las iñas del sexto grado de esa escuela es de 38.5 kilogramos y su desviació estádar es de 5.55 kilogramos. Si X 1 represeta el promedio de los pesos de ua muestra de 20 iños y X 2 es el promedio de los pesos de ua muestra de 25 iñas, ecotrar la probabilidad de que el promedio de los pesos de los 20 iños sea, al meos, 9 kilogramos mayor que el de las 25 iñas. RESOLUCIÓN. Coforme a los datos del problema, teemos: µ 1 = 45 kg, µ 2 = 38.5 kg, σ 1 = 6.41 kg, 1 = 20 iños, σ 2 = 5.55 kg, 2 = 25 iñas. Sabemos que X 1 X 2 sigue ua distribució ormal N 25 20, = N5, Así: MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
10 8/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA PX 1 X 2 > 9 = P Z > = P Z > = PZ > 1.38 = 1 PZ < 1.38 = = Ejemplo U laboratorio farmacéutico fabrica uos comprimidos para la agia de pecho cuya fecha de caducidad ha estimado que tiee ua media de 18 meses co ua desviació típica de 3 meses. A fi de ampliar el plazo de caducidad ha cambiado el sistema de elaboració de estos comprimidos, estimado que co el uevo método se puede lograr ua media de 24 meses y ua desviació típica de 3 meses e la caducidad. Se toma ua muestra de 100 comprimidos fabricados por el sistema tradicioal y 150 comprimidos fabricados por el uevo. Determiar la probabilidad de que la diferecia de medias etre ambas muestras se ecuetre etre 5.5 y 6.5 meses. RESOLUCIÓN. E este caso teemos los siguietes datos: µ 1 = 18 meses, µ 2 = 24 meses, σ 1 = σ 2 = 3 meses, 1 = 100 comprimidos, 2 = 150 comprimidos. Sabemos que X 2 X 1 sigue ua distribució ormal N 24 18, = N6,0.39, 150 co lo que P5.5 < X 2 X 1 < 6.5 = P 0.39 < Z < = P 1.28 < Z < = 2PZ < = = OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
11 MUESTREO Y ESTIMACIÓN 9/21 4. Itervalos de cofiaza U parámetro descoocido se puede estimar mediate u valor específico de u estadístico que provega de algua muestra aleatoria. A dichos valor y estadístico se les cooce como estimació putual y estimador putual del parámetro, respectivamete. Por ejemplo, u estimador putual para la media poblacioal µ es la media muestral X, mietras que ua estimació putual para µ será el valor x que tome X e ua muestra aleatoria cocreta. E la práctica es preferible estimar u parámetro mediate u itervalo que co u valor particular del estimador putual. Así, e muchos procesos de producció sujetos a u cotrol de calidad se establece itervalos detro de los cuales los artículos, productos, objetos o medidas se cosidera aceptables para salir al mercado. Defiició 4.1. U itervalo de cofiaza para u parámetro θ es u cojuto de valores uméricos IC = a,b tal que θ a,b co ua determiada probabilidad, que se deota por 1 α y se deomia ivel de cofiaza. El úmero α se llama ivel de sigificació Itervalo para la media µ de ua població ormal Nµ,σ, co desviació típica σ coocida Supogamos ua població ormal Nµ,σ co µ descoocida y σ coocida. Se extrae ua muestra de tamaño y se calcula la media muestral X que, como sabemos, es u estimador putual para µ. El itervalo de cofiaza para µ co σ coocida es IC = X σ Z α/2,x + σ Z α/2, dode Z α/2 es el valor para el cual PZ < Z α/2 = 1 α/2. Coocidas α,, X y σ, se determia el itervalo de cofiaza. La media poblacioal µ perteecerá a dicho itervalo co probabilidad 1 α. El error máximo admisible es Z α/2 σ/, esto es, la semiamplitud del itervalo. Ejemplo 4.2. E u hospital se sabe que la estatura de los recié acidos se distribuye ormalmete, co desviació típica de 8.9 cetímetros. E ua muestra de 10 bebés recié acidos se obtuviero las siguietes medidas e cetímetros: 44, 68, 57, 48, 66, 47, 60, 53, 51, 68. MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
12 10/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA Figura 4.1. Itervalo de cofiaza para la media muestral. Ecotrar u itervalo de cofiaza del 90% para el peso medio de los recié acidos. RESOLUCIÓN. Teemos que 1 α = 0.9, esto es, α = 0.1, de dode Z α/2 = Z 0.05 = Ahora bie, como σ = 8.9, = 10 y X = 56.2, sigue que IC = 56.2 ± = 56.2 ± = , , y µ IC al 90% de cofiaza co probabilidad p Itervalo para la proporció p de ua població E ua població se estudia ua característica, y se quiere coocer la proporció p de idividuos que posee dicha característica. Se toma ua muestra de tamaño 30 y se halla la proporció muestral p. La proporció muestral p es ua estimació putual de la proporció poblacioal p. El itervalo de cofiaza para la proporció poblacioal p es IC = p1 p p1 p p Z α/2, p + Z α/2. De uevo, Z α/2 es el valor para el cual PZ < Z α/2 = 1 α/2. La proporció poblacioal p perteecerá a dicho itervalo co probabilidad 1 α. El error máximo admisible será p1 p Z α/2, OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
13 MUESTREO Y ESTIMACIÓN 11/21 esto es, la semiamplitud del itervalo. Ejemplo 4.3. U experimeto e u hospital cosiste e comprobar si ua madre puede distiguir el llato de su hijo del llato de los otros iños. Se toma ua muestra de 50 madres y se observa que 47 de ellas distigue el llato. Hallar u itervalo de cofiaza al 90% para la proporció de madres que distigue el llato. RESOLUCIÓN. Co estos datos podemos afirmar que 1 α = 0.9 ó, lo que es lo mismo, α = 0.1, de dode Z α/2 = Z 0.05 = Además, p = 47/50 = 0.94 y 1 p = Como = 50, teemos: IC = 0.94 ± = 0.94 ± = , Así, es posible asegurar al 90% que etre el 88.47% y el 99.53% de las madres recooce el llato de su hijo Determiació del tamaño muestral e la estimació del error E la costrucció de los itervalos de cofiaza que hemos estudiado se comete u error máximo al aproximar el parámetro igual a σ p1 p E máx = Z α/2 ó E máx = Z α/2. Si el tamaño de la muestra aumeta, etoces el error E máx tiede a cero. E ocasioes se pide hallar para que el error máximo sea meor que u cierto umbral E: Zα/2 σ 2 µ descoocida y σ coocida, E o bie 2 Zα/2 p1 p proporció p descoocida. E Ejemplo 4.4. El director de ua sucursal desea estimar el tiempo medio de ateció a los clietes co ua cofiaza del 99% y co u error máximo de medio miuto. Se sabe que el tiempo medio de ateció a los clietes se distribuye ormalmete, co desviació típica 2.6 miutos. Cuátas persoas se debe icluir e el estudio para obteer dicha estimació? MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
14 12/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA RESOLUCIÓN. Procediedo como hemos idicado, α = 0.01 y Zα/2 σ = = E 0.5 Por tato, tomamos = 180 como tamaño de la muestra. Ejemplo 4.5. Se sabe por estudios previos que la proporció de objetos defectuosos e ua líea de producció es del orde de De qué tamaño coviee tomar ua muestra para teer ua cofiaza del 95% de que la proporció estimada o difiera de la verdadera e más de u 3%? RESOLUCIÓN. Igual que e el caso aterior se tiee, co α = 0.05: 2 Zα/2 p1 p = = E 0.03 Así pues, tomamos el valor = 203. Observació 4.6. A veces, p es descoocida. E tal caso se sustituye p1 p por su valor máximo, que es 0.5. Ejemplo 4.7. Para estimar la proporció de hogares de ua població que tiee ordeador se utiliza ua muestra de tamaño. a Cuál debe ser el míimo valor de para garatizar co ua cofiaza del 95% que el error e la estimació o sea superior al 2%? b Y si se desea ua cofiaza del 98% y u error máximo del 1%? RESOLUCIÓN. a Como α = 0.05, teemos que Z α/2 = Si E máx = 0.02 y p es descoocido etoces, e lugar de tomar podríamos 2 Zα/2 p1 p, E máx = 2401, 0.02 y habría que elegir persoas. OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
15 MUESTREO Y ESTIMACIÓN 13/21 b Ahora α = 0.02, por lo que Z α/2 = Si el error máximo ha de ser de 0.01 co p descoocido, etoces = , 0.01 de dode = 13573, como míimo Itervalo de cofiaza para la suma muestral Supogamos ua població ormal que tiee media µ y desviació típica σ. Se estudia ua muestra de tamaño y se quiere determiar u itervalo de cofiaza para la suma de los elemetos de la muestra. E este caso tedremos: IC = X 1 + X X ± Z α/2 σ. Ejemplo 4.8. El voltaje medio de las baterías producidas por ua compañía es de 45.1 voltios y la desviació típica 0.04 voltios. Si se coecta cuatro baterías e serie, hallar los itervalos de cofiaza del 99% para el voltaje total. RESOLUCIÓN. Sea X 1, X 2, X 3 y X 4 los voltajes de las cuatro baterías. Como µ = 45.1, σ = 0.04, = 4, α = 0.01 y Z α/2 = 1.96, se tiee: IC = ± = 180 ± = , Itervalo de cofiaza para la diferecia de medias Supogamos dos poblacioes Nµ 1,σ 1 y Nµ 2,σ 2 ; de cada ua de ellas extraemos ua muestra de tamaños 1 y 2, respectivamete. Sea X 1 y X 2 las medias muestrales respectivas, y 1 α el ivel de cofiaza. Si σ 1 y σ 2 so coocidas, el itervalo de cofiaza viee dado por IC = X 1 X 2 ± Z α/2 σ σ MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
16 14/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA Si σ 1 y σ 2 so descoocidas y 1 y 2 so grades mayores o iguales que 30, el itervalo de cofiaza viee dado por IC = X 1 X 2 ± Z α/2 ŝ ŝ 2 2 2, dode ŝ 2 1 y ŝ 2 2 so las cuasivariazas de cada muestra. Defiició 4.9. La cuasivariaza muestral es ŝ 2 = 1 s2, dode es el tamaño de la muestra y s la variaza muestral. Ejemplo Hallar el itervalo de cofiaza al ivel del 90% para la diferecia de los salarios medios de los trabajadores y trabajadoras de ua gra empresa e la que se ha elegido dos muestras: ua de 40 hombres y otra de 35 mujeres, cuyos salarios medios so X 1 = 1051 euros y X 2 = 1009 euros, sabiedo además que las desviacioes típicas so σ 1 = 90 euros y σ 2 = 78 euros. RESOLUCIÓN. Los datos que coocemos so: X 1 = 1051, X 2 = 1009, σ 1 = 90, σ 2 = 78, 1 = 40, 2 = 35, α = 0.1, Z α/2 = 1.64, co lo cual: IC = ± = 10.19, Cotraste de hipótesis Se tiee ua població e la que se descooce u parámetro media poblacioal, proporció poblacioal, etc. y se quiere estudiar la falsedad de ua afirmació realizada acerca del verdadero valor del parámetro. E geeral, se sigue cuatro pasos: OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
17 MUESTREO Y ESTIMACIÓN 15/21 1. Euciar la hipótesis ula H 0 : afirmació que se quiere estudiar. La afirmació complemetaria se llama hipótesis alterativa H Costruir la regió de aceptació o de o rechazo: es u itervalo que permitirá decidir sobre la falsedad o o de H 0. Para costruirlo se ecesita u ivel de sigificació α. La regió complemetaria se llama regió crítica o de rechazo. 3. Extracció de ua muestra y cálculo del parámetro muestral. 4. Toma de la decisió: Si el parámetro muestral perteece a la regió de aceptació, etoces o podemos rechazar H 0 a ivel de sigificació α. Si el parámetro muestral o perteece a la regió de aceptació, etoces debemos rechazar H 0 a ivel de sigificació α. Figura 5.1. Regió de aceptació o de o rechazo y regió crítica o de rechazo de H Errores de tipo I y tipo II Defiició 5.1. Si se rechaza ua hipótesis cuado debería ser aceptada, se dice que se comete u error de tipo I. Si por el cotrario, se acepta ua hipótesis que debe ser rechazada, se dice que se comete u error de tipo II. E cualquiera de los dos casos se comete u error al tomar ua decisió equivocada. Realidad de H 0 Decisió Se rechaza H 0 No se rechaza H 0 H 0 es verdadera Error tipo I Decisió correcta H 0 es falsa Decisió correcta Error tipo II Cuadro 5.1. Aparició de los errores de tipos I y II e u test de de hipótesis. MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
18 16/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA Para que cualquier test de hipótesis o regla de decisió sea bueo, debe diseñarse de forma que miimice los errores de decisió. Esto o es ta secillo como puede parecer, puesto que para u tamaño de muestra dado, u iteto de dismiuir u tipo de error va geeralmete acompañado de u icremeto e el otro tipo de error. E la práctica, u tipo de error puede teer más importacia que el otro, y así se tiede a poer ua limitació al error de mayor importacia. La úica forma de dismiuir al tiempo ambos tipos de error es icremetar el tamaño de la muestra, lo cual o siempre es posible Nivel de sigificació y p-valor Defiició 5.2. La probabilidad máxima co la que se puede cometer u error del tipo I e u test de hipótesis se llama ivel de sigificació del test y se deota por medio de la letra α. El ivel de sigificació geeralmete se fija ates de la extracció de las muestras, de modo que los resultados obteidos o ifluya e la elecció. E la práctica se acostumbra a utilizar iveles de sigificació del 0.05 ó 0.01, auque igualmete se puede emplear otros valores. Si, por ejemplo, se elige u ivel de sigificació del 0.05, ó 5%, al diseñar u test de hipótesis, etoces hay aproximadamete 5 ocasioes de cada 100 e que se rechazaría la hipótesis cuado debería ser aceptada, es decir, se tiee u 95% de cofiaza e que se tome la decisió adecuada. E tal caso se dice que la hipótesis ha sido rechazada a ivel de sigificació del 0.05, lo que sigifica que se puede cometer error co ua probabilidad de La elecció del ivel de sigificació, tal y como se ha cometado ateriormete, es, e cierta forma, arbitraria. Si embargo, ua vez obteida la muestra, se puede calcular ua catidad que permite resumir el resultado del experimeto de maera objetiva. Esta catidad es el p-valor, que correspode al ivel de sigificació más pequeño que puede ser elegido, para el cual todavía se aceptaría la hipótesis alterativa co las observacioes actuales. E otras palabras: Defiició 5.3. El valor de α para el que se produce u cambio e la decisió se deomia p-valor del cotraste. El p-valor da ua medida de cuáto cotradice la muestra actual la hipótesis alterativa. Al proporcioar el p-valor, p ν, obteido co la muestra actual, la decisió se hará de acuerdo a la regla siguiete: si p ν α, aceptar H 1 ; si p ν > α, aceptar H 0. OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
19 MUESTREO Y ESTIMACIÓN 17/ Cotrastes para la media de ua població ormal co σ coocida 1. Cotraste bilateral: H 0 : µ = µ 0, H 1 : µ µ 0. σ σ Regió de aceptació: µ 0 Z α/2, µ 0 + Z α/2. 2. Cotraste uilateral: σ Regió de aceptació:, µ 0 + Z α. H 0 : µ µ 0, H 1 : µ > µ Cotraste uilateral: σ Regió de aceptació: µ 0 Z α,+. H 0 : µ µ 0, H 1 : µ < µ 0. Ejemplo 5.4. La logitud de los lápices de ua cierta marca se distribuye ormalmete co media descoocida y desviació típica de 0.5 cetímetros. Se toma ua muestra de 50 lápices y se obtiee ua logitud media de 17.5 cetímetros. Se puede afirmar co ua cofiaza del 95% que la logitud media de todos los lápices es de 18 cetímetros? RESOLUCIÓN. Se tiee: H 0 : µ = 18= µ 0, H 1 : µ 18. Como = 50, σ = 0.5, X = 17.5, α = 0.05 y Z α/2 = 1.96, la regió de aceptació es: µ 0 ± Z α/2 σ = 18 ± = , Y como 17.5 / , , podemos rechazar H 0 co ua sigificació del 5%: la logitud media o es 18 cm co ua cofiaza del 95%. MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
20 18/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA Ejemplo 5.5. Ua uiversidad afirma que la edad media de sus estudiates de doctorado es iferior a 30 años. Se toma ua muestra de 40 alumos y se obtiee ua edad media de 30.5 años. Se sabe que la edad de los estudiates tiee ua desviació típica de 2 años. Se puede aceptar la afirmació de la uiversidad co ua sigificació del 10%? RESOLUCIÓN. E este caso, H 0 : µ 30= µ 0, H 1 : µ > 30. Teiedo e cueta que los datos so = 40, α = 0.1, Z α = 1.28, X = 30.5 y σ = 2, sigue que la regió de aceptació es, µ 0 + Z α σ =, Como 30.5 /, , rechazamos H 0 al ivel 10% de sigificació: la edad de los estudiates de doctorado o es iferior a 30 años co ua cofiaza del 90%. Ejemplo 5.6. E ua fábrica de lámparas se garatiza ua duració media de 850 horas para lámparas de 60 watios. Se sabe que el tiempo de vida de las lámparas es ormal, co ua desviació típica de 120 horas. Se toma ua caja de 64 lámparas y se observa ua duració media de 750 horas. Será ecesario rechazar ese lote de lámparas por o cumplir la garatía co ua cofiaza del 95%? Cuál será la duració media míima que permite o rechazar el lote de lámparas co el mismo ivel de cofiaza? RESOLUCIÓN. Teemos: H 0 : µ 850= µ 0, H 1 : µ < 850. Segú los datos: = 64, X = 750, α = 0.05, Z α = y σ = 120. La regió de aceptació será: σ µ 0 Z α,+ = ,+. Como 750 / , +, rechazamos la caja de lámparas por o cumplir la garatía de duració co ua cofiaza del 95%. Para o rechazar el lote de lámparas co el mismo ivel de cofiaza, la duració media de las lámparas e las cajas debería ser de 826 horas, al meos. OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
21 MUESTREO Y ESTIMACIÓN 19/ Cotrastes para ua proporció p de ua població 1. Cotraste bilateral: Regió de aceptació: H 0 : p = p 0, H 1 : p p 0. p0 1 p 0 p0 1 p 0 p 0 Z α/2, p 0 + Z α/2. 2. Cotraste uilateral: Regió de aceptació:, p 0 + Z α p0 1 p 0 H 0 : p p 0, H 1 : p > p Cotraste uilateral: Regió de aceptació: H 0 : p p 0, H 1 : p < p 0. p0 1 p 0 p 0 Z α,+. Ejemplo 5.7. La policía local de ua ciudad afirma que más del 65% de accidetes e fi de semaa se debe al exceso de alcohol. Para cotrastar esta afirmació se observa 35 accidetes y se comprueba que 24 de ellos se debe al alcohol. Se puede aceptar la afirmació de la policía local co ua cofiaza del 99%? RESOLUCIÓN. Se tiee que H 0 : p 0.65= p 0, H 1 : p < Teiedo e cueta que e este caso = 35, α = 0.01 y Z α = 2.33, la regió de aceptació será: p0 1 p 0 p 0 Z α,+ = ,+. Como p = 24/35 = ,+, o podemos rechazar la afirmació co u 99% de cofiaza. MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
22 20/21 B. GONZÁLEZ, D. HERNÁNDEZ, M. JIMÉNEZ, I. MARRERO, A. SANABRIA Ejemplo 5.8. E las últimas eleccioes el partido goberate obtuvo u 54.5% de los votos. E ua ecuesta reciete a 500 persoas, 247 declararo su iteció de voto a dicho partido. Se puede afirmar, co ua cofiaza del 90%, que el partido ha perdido popularidad? RESOLUCIÓN. E estas codicioes, H 0 : p 0.545= p 0, H 1 : p > Los datos so: = 500, α = 0.1 y Z α = 1.28, así que la regió de aceptació es, p 0 + Z α p0 1 p 0 =, Como p = 247/500 = 0.494,0.5735, o podemos rechazar H 0 al 90% de cofiaza. Ejemplo 5.9. U profesor afirma que exactamete el 70% de sus alumos aprueba sus exámees. Se elige ua muestra de 80 alumos, de los que 50 ha aprobado. Se puede aceptar la afirmació al 10% de sigificació? RESOLUCIÓN. Teemos que: H 0 : p = 0.7= p 0, H 1 : p 0.7. Los datos proporcioados so: = 80, α = 0.1 y Z α/2 = La regió de aceptació es: p0 1 p 0 p0 1 p 0 p 0 Z α/2, p 0 + Z α/2 = , Como p = 50/80 = ,0.7843, o podemos rechazar la afirmació a ese ivel de sigificació Cotrastes para la diferecia de medias de dos poblacioes co σ 1 y σ 2 coocidas Sea X 1 y X 2 las medias muestrales. OCW-ULL 2013 MATEMÁTICA APLICADA Y ESTADÍSTICA
23 MUESTREO Y ESTIMACIÓN 21/21 Cotraste bilateral: Regió de aceptació: H 0 : µ 1 = µ 2, H 1 : µ 1 µ 2. σ1 X 2 1 X 2 Z α/2 + σ 2 2 σ1 2,X 1 X 2 + Z 1 α/2 + σ Ejemplo U fabricate de hilo desea comparar la tesió promedio de su hilo co la de su competidor. Las tesioes de 100 hilos de cada marca se observaro bajo codicioes cotroladas. Las medias y las desviacioes típicas de cada marca fuero las siguietes: X 1 = 110.8, X 2 = 108.2, s 1 = 10.2, s 2 = Si se supoe que el muestreo se llevó a cabo sobre dos poblacioes ormales e idepedietes, existe algua razó para creer que hay ua diferecia etre las tesioes promedio de ruptura de los hilos? Tómese α = RESOLUCIÓN. Estamos ate muestras diferetes dode podemos sustituir σ j por s j j = 1,2, al ser 30. El cotraste plateado será: Y la regió de aceptació será: H 0 : µ 1 = µ 2, H 1 : µ 1 µ 2. X 1 X 2 Z α/2 σ σ 2 2 = = 1.141, ,X 1 X 2 + Z α/2, σ1 2 + σ 2 2 = Observamos que el itervalo de cofiaza cotiee al cero, que es lo que postula la hipótesis ula. Por tato, o podemos rechazar al ivel de cofiaza del 98% que o existe diferecia etre ambas medias. MATEMÁTICA APLICADA Y ESTADÍSTICA OCW-ULL 2013
T 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 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 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 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 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 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 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 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 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 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 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 detalles( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )
I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad
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 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 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 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 detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más 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 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 detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
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 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 detallesSobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos
Más detallesMuestreo y estimación: problemas resueltos
Muestreo y estimación: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es)
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 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 detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 211 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció A Reserva 1, Ejercicio 4, Oció A Reserva 2, Ejercicio
Más detallesINFERENCIA ESTADÍSTICA
X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació
Más detallesMATEMÁTICAS 2ºBACHILLERATO CCSSII
La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida
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 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 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 detallesTest 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 detalles9.3. Contrastes de una proporción
9.3. CONTRASTES DE UNA PROPORCIÓN 219 y el criterio que sumiistra el cotraste es si a teo χ 2 exp b teo = o rechazamos H 0 ; si χ 2 exp < a teo ó χ 2 exp > b teo = rechazamos H 0 y aceptamos H 1. Cotrastes
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 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 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 detallesEstimación por intervalos
Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más 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 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 detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
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 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 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 detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más 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 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 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 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 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 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 detallesInferencia estadística. Estimación por intervalos
Iferecia estadística. Estimació por itervalos. La distribució ormal Nµ, Piesa y calcula E el dibujo de la gráfica, el área compredida etre el eje X y la curva es. Calcula metalmete cuáto vale el área ue
Más detallesTeoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS
Teoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS Cuado se lleva a cabo ua ivestigació estadística, se pretede realizar algua iferecia acerca de situacioes aparetemete ifluidas por el azar. Por ejemplo,
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 6 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (2 putos) Sea las matrices A= y B = (1 1). -5-4 Eplique qué dimesió debe teer la matriz X para
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 detallesMuestreo Aleatorio Simple
Capítulo 1 Muestreo Aleatorio Simple Este método de muestreo proporcioa u puto de partida para ua exposició de los métodos de muestreo probabilístico o porque sea uo de los métodos de muestreo más utilizados
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 2012 (COMÚN MODELO 3) OPCIÓN A
IES Fco Ayala de Graada Sobrates de 01 (Septiembre Modelo ) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 01 (COMÚN MODELO 3) OPCIÓN A EJERCICIO 1_A ( 5 putos) U empresario
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 detallesIES Fco Ayala de Granada Junio de 2011 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna
SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 011 (COMÚN MODELO) OPCIÓN A EJERCICIO 1_A -5 Sea las matrices A = 1-3, B = 3-1 0 1 1, C = 1 3-1 5 3. a) (1 puto) Calcule A B.C t. b) (1 5 putos) Resuelva 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 detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesContrastes de hipótesis
Cotrastes de hipótesis Ejercicio º 1.- E u determiado istituto asegura que las otas obteidas por sus alumos e las pruebas de acceso a la Uiversidad tiee ua media igual o superior a 7 putos. Pero la media
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 detallesR E S O L U C I Ó N. a) La distribución de las medias muestrales es: N, N 8'1, N 8'1, 0'3. Como el nivel de confianza es del 97%, podemos calcular
El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media días y desviació típica 3 días. a) Determie u itervalo de cofiaza para estimar, a u ivel del 97%, co ua muestra aleatoria
Más detallesCONTRASTE DE HIPÓTESIS
Estadística: Cotraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Cotraste de hipótesis sobre la media poblacioal Se parte de ua població supuestamete ormal de media y desviació típica N(, ); se tipifica
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 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 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 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 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 detallesMuestreo estratificado
Capítulo 1 Muestreo estratificado El objetivo del diseño de ecuestas por muestreo es maximizar la catidad de iformació para u coste dado. El muestreo aleatorio simple suele sumiistrar bueas estimacioes
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 detallesTEST DE HIPÓTESIS. a la hipótesis que se formula y que se quiere contrastar o rechazar. Llamamos hipótesis alternativa, H
TEST DE IPÓTESIS INTRODUCCIÓN E el tema aterior vimos cómo, a partir de los datos de ua muestra, podíamos estimar u parámetro de la població (media o proporció) mediate u itervalo E este tema platearemos
Más detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más 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 detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detallesT5. Contrastes para los parámetros de una población Normal
Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 006 (Modelo 1 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua impreta local edita periódicos y revistas. Para cada periódico ecesita u cartucho de
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 detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 2) Solución Germán-Jesús Rubio Luna OPCIÓN A 0 2-4 (A I 2 ) B = A A A = -
IES Fco Ayala de Graada Sobrates de 004 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A - 0 0 - - - Sea las matrices A=, B= y C= - 0 0 - ( puto) Calcule (A I ) B, siedo I la matriz idetidad
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
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 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 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 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 detallesObjetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia
Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesIES Fco Ayala de Granada Modelo 6 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 6 DEL 2015 OPCIÓN A
SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 6 DEL 015 OPCIÓN A EJERCICIO 1 (A) 1 (1 5 putos) Resuelva la ecuació matricial 1 X + 1-1 0 = I. 0 1 a b (1 puto) Dadas las matrices M = y A =, calcule los
Más detallesEJERCICIOS TEMA 8. INFERENCIA ESTADISTICA
º BACHILLERATO. CIENCIAS SOCIALES 1. Ua variable aleatoria tiee ua distribució ormal de media m y desviació típica s. Si se extrae muestras aleatorias de tamaño : a) Qué distribució tiee la variable aleatoria
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
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 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 detallesJunio 2002 (Opc. A) Junio 2002 (Opc. B)
SELECTIVIDAD Estaística. Juio 00 (Opc. A) Se quiere comprobar si ua máquia estiaa al lleao e evases e agua mieral ha sufrio u esajuste. Ua muestra aleatoria e iez evases e esta máquia ha proporcioao los
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
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 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 detallesUNIDAD 4.- INFERENCIA ESTADÍSTICA II
UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que
Más detalles