Herramientas estadísticas (HE)
|
|
- Esteban Redondo Rivas
- hace 7 años
- Vistas:
Transcripción
1 Herramieta etadítica (HE) Realizado por: Guillermo Sáchez. Actualizado: E ete documeto e decribe la herramieta etáditica (HE web) dipoible para realizar calculo etaditico dede la web de ENUSA o bie directamete utizado el programa Mathematica. A la verió web puede accedere dede Gecetro: Iicio > Operacioe Combutible Nuclear > Aplicacioe>WebMathematica>Cálculo/Etadítica/Gráfica o dede ecribiedo e u avegador web (icluo dede el exterior de la red de ENUSA): Ua vez accedamo a la direcció web idicada deplegamo el iguiete meu: De la optioe que e muetra e la gráfica aterior aqui e decribe hata tet de ormalidad, excluido ( La fucioe relacioada co Tet de ormalidad o objeto de otro documeto).
2 2 CotrolCalidad.b El paquete Itervalo La fucioe idicada ha ido dearrollada utilizado el programa Mathematica, co tal fi e ha cotruido u paquete deomiado CotrolCalidad. E lo que igue cotaremo la fucioalidade del paquete que puede ejecutare co Mathematica al que puede accedere detro de ENUSA, via termial erver o directamete via web egu e ha idicado al pricipio. Si e opta por acceder al paquete directamete co Mathematica e dipoe de ua gra veratilidad pero requiere coocimieto del programa, e el cao de acceder a la HE web lo cálculo co muy ecillo pero e tedra meo veratilidad. E ete documeto motramo como e utiza el paquete itervalo y e alguo cao e idica como e puede reproducir el mimo cao utilizado HE web. Lo primero que hemo de hace e cargar el paquete. Need["Etaditica`CotrolCalidad`"] CotrolCalidad, verio El paquete permite calcular calcular itervalo de cofiaza de la media y lo de toleracia de poblacioe, ai como el tamaño muetral. E el cao de lo itervalo de cofiaza de la variaza o eta icorporado al paquete, e explica como puede calculare utlizado la fucioe de Mathematica. E documeto e ua ayuda del paquete o obtate pude acceder a ua ayuda ma reumida de la ditita fucioe dipoible como igue (pule obre la que deee):? "Etaditica`CotrolCalidad`*" Etaditica`CotrolCalidad` g1 limitebilateral p1 izesample z1 g2 limiteuilateral ProbAlfa t1
3 CotrolCalidad.b 3 Itervalo de cofiaza de la media para variaza coocida Sea y _ la media de cierta medida realizada a ua muetra procedete de ua població de la que e cooce u variaza que e σ 2. Llamamo itervalo de cofiaza para y _ co ivel de cofiaza (1 - α) aquel que tiee ua probabilidad de (1 - α)0% de coteer la verdadera media μ. El cálculo de itervalo de cofiaza de la media o requiere que la població ea ormal. Límite uilateral iferior Y p = y - z(1 - α) σ Límite uilateral uperior Y p = y + z(1 - α) σ Límite bilateral iferior Y p = y - z(1 - α / 2) σ Límite bilateral uperior Y p = y + z(1 - α / 2) σ Calcular lo itervalo de cofiaza uilaterale y bilaterale para: y _ =.34, σ = 1.23, = 30, y α = 0.0, upueta variaza coocida z1[.34, 1.23, 30, 0.0] {uilateral:, {LS.7094, LI }, bilateral:, {LS.7801, LI }} Correpode a :
4 4 CotrolCalidad.b
5 CotrolCalidad.b Itervalo de cofiaza de la media para variaza decoocida Sea y _ la media de cierta medida realizada a ua muetra procedete de ua població de la que e o cooce u variaza, pero i la variaza muetral. El cálculo de itervalo de cofiaza de la media o requiere que la població ea ormal. Si decoocemo la variaza de la població utilizarmo la ditribució t que la que e verifica t = (y _ - μ)/(/ ), dode e la deviació etádar muetral, co la que e obtiee lo iguiete límite para lo itervalo Límite uilateral iferior Y p = y - t( - 1, 1 - α) Límite uilateral uperior Y p = y + t( - 1, 1 - α) Límite bilateral iferior Y p = y - t( - 1, 1 - α / 2) Límite bilateral uperior Y p = y + t( - 1, 1 - α / 2) Calcular lo itervalo de cofiaza uilaterale y bilaterale para: y _ =.34, σ = 1.23, = 30, y α = 0.0, upueta variaza coocida t1[.34, 1.23, 30, 0.0] {uilateral:, {LS.7216, LI }, bilateral:, {LS.7993, LI }} Correpode a :
6 6 CotrolCalidad.b
7 CotrolCalidad.b 7 Cálculo de itervalo de toleracia e poblacioe ormale Cocepto E cotrol de calidad a vece e eceario defiir el itervalo de toleracia (o cofudir co itervalo de cofiaza). Coideremo ua població de la que tomamo ua muetra de tamaño e la que medimo cierta caracterítica y (diámetro, deidad, peo, etc.). Calculamo u media y y u deviació etádar. El cliete puede requerir que dicha caracterítica eté detro de u itervalo de toleracia. Defiimo el 0p-éimo percetil al la valor Y p por debajo del cual etá el 0p % de la població, o, lo que e equivalete, aquel valor para el que la obervacioe de muetra aleatoria de la població cae co ua probabilidad p. E ocaioe o iterea etimar el valor de Y p aociadole u itervalo de cofiaza, (1 - α) 0%. Ejemplo: Deeamo calcular el valor por debajo del cual etá el 9% de la població co u ivel de cofiaza del 9%. Problema imilare coite e calcular límite cetrale detro de lo cuale etá el 0p% de la població, y límite iferiore por ecima del cual etá 0p% de la població. Aimimo u límite uperior de cofiaza (1 - α) 0% para el percetil 0p-éimo e equivalete al límite uperior de toleracia por debajo del cual etá al meo ua proporció p de la població co ua probabilidad 1 - α. Ua iterpretació imilar cabe del límite iferior de toleracia. La expreioe epecífica para obteer lo límite de toleracia Y p o la iguiete (requiere que la població ea ormal) Límite uilateral iferior Y p = y - t' - 1, - z(p) ; 1 - α Límite uilateral uperior Y p = y + t' - 1, z(p) ; 1 - α Límite bilateral iferior 1 Y p = y - t' - 1, - z 1 + p 2 Límite bilateral uperior ; 1 - α Y p = y + t' - 1, z 1-p 2 ; 1 - α
8 8 CotrolCalidad.b dode t' e la ditribució t - Studet o cetral Debajo e muetra ejemplo de la la fució de deidad (PDF) y la ditribució acumulada (CDF) para la NocetralStudetTDitributio [ν,δ]) co ν grado de libertad y u parámetro de o cetralidad δ. Plot[Evaluate@ Table[PDF[NocetralStudetTDitributio[2, δ], x], {δ, {-2, 0, 3}}], {x, -6, 8}, Fillig Axi] Plot[Evaluate@ Table[PDF[NocetralStudetTDitributio[ν, 2], x], {ν, {0., 3, }}], {x, -1, 6}, Fillig Axi] Plot[Evaluate@ Table[CDF[NocetralStudetTDitributio[2, δ], x], {δ, {-2, 0, 3}}], {x, -6, 8}, Fillig Axi]
9 CotrolCalidad.b 9 Calculo de k,α,p Calculo de k,α,p e el cao uilateral Para calcular la k de forma exacta e aplica: t' - 1, - z(p) ; 1 - α La fució aterior tiee el problema que requiere grade recuro de ordeador cuado aumeta. Podemo aplicar ua aproximació para el cao uilateral cuado el el valor empieza a er elevado (>) k,α,p t' - 1, z(p) = ; 1 - α dode a = 1 - [z (1 - α)] 2 [2 ( - 1)] b = [z (p)] 2 - [z (1 - α)] 2 z (p) + z 2 (p) - a b 1/2 a Ejemplo: Calcular la k uilateral para :, de a, icremetado de e. La aplicamo al cao de que alfa = 0.0 y 0.1 y F (fraccio de la població e el itervalo): 0 a 7 Comparamo lo reultado co lo tabulado (eta dipoible e vario itio de iteret) y apea hay diferecia Table[{{, p}, g1[, 0.0, p]}, {,,, }, {p, 0, 7, 0.02}] // TableForm γ = 1-0.0= Table[{{, p}, g1[, 0.1, p]}, {,,, }, {p, 0, 7, 0.02}] // TableForm γ = 1-0.1=
10 CotrolCalidad.b Calculo de k,α,p e el cao bilateral Al igual que e el cao uilateral el método de la t-tudet o cetral requiere u coumo eleva de recuro de ordeador, aplciamo la aproximació iguiete k,α,p z[(1 + p) / 2] ( - 1) χ 2 ( - 1; α) 1/ Ejemplo: Calcular la k bilateral para :, de a, icremetrado de e. La aplicamo al cao de que alfa = 0.0 y 0.1 y F (fraccio de la població e el itervalo): 0 a 7 Comparamo lo reultado co lo tabulado y apea hay diferecia Table[{{, p}, g2[, 0.0, p]}, {,,, }, {p, 0, 7, 0.02}] // TableForm γ = Table[{{, p}, g2[, 0.1, p]}, {,,, }, {p, 0, 7, 0.02}] // TableForm γ = Ejemplo: Calcular el valor de K uilateral y bilataral para ua muetra de tamaño =, co alfa = 0.1, y P =. { g1[, 0.1, ], g2[, 0.1, ]} {2.778, 2.648}
11 CotrolCalidad.b 11 Calular lo limite uilaterale y bilaterale para ua poblacio del que tomamo ua muetra de tamaño co media.34 y dev. tadar: 1.23 co alfa =.0 y P = 0.2 limitebilateral[.34, 1.23, 30, 0.0, ] {LS , LI 7.33} limiteuilateral[.34, 1.23, 30, 0.0, ] {LS 13.06} Ejemplo.- Tomemo 30 medida experimetale que repreeta ua muetra de la població. Medimo cierta caracterítica para la que e etablece como límite de aceptació (toleracia) que el 9% de la població etá por debajo de 1 probabilidad del 90%.) Lo reultado de la 30 medida o lo iguiete :
12 12 CotrolCalidad.b medida = {.98, 7., 8.08, 7.76, 1., 7.64, 9.92, 8.39, 9.67, 11.46,.7, 9.6, 8.98,.01, 7.74, 8.77, 8.09,.83, 12.31, 9.78, 8.0,.4, 8.93, 6.92,.26, 7.91, 12.2, 11.61, 13.77, 12.47}; Ahora procedemo a comprobar i e verifica y + k 30,0.1, < y, = {Mea[ medida], StadardDeviatio[medida]} {9.2733, } y + g1[30, 0., ] Tambie podemo calcular el limite directamete co : limiteuilateral y,, 30, 0., {LS } Luego aceptaríamo la població pue etá debajo de 1
13 CotrolCalidad.b 13 Criterio para determiar i ua muetra etá detro del itervalo de toleracia para u P y alfa dado Dado u itervalo de toleracia defiido por lo límite uperior e iferior (LS, LI) pretedemo aber i ua muetra de media x y deviació etadar etá compredida e el itervalo de toleracia para u P dado Coocido lo LS e LI de aceptacio, y lo parametro muetrale x, y, e trata de calcular p fijado α y ver i ete p e mayor o igual que u P dado. Para ello: a) Hacemo Y p = LS y Y p = LI e y obteemo g1[, alfa, ps] LS - x y de aquí ps g1[, alfa], LS - x = p LS g1[, alfa, 1 - pi] x - LI y de aquí pi g1[, alfa], x - LI = p LI dode p LS idica la proporcio de la població compredida etre LS y 0 y p LI idica la proporcio de la població compredida etre LI y 0 (etrictamete e vez de 0 e -, pero aumimo que la variable x ólo toma valore poitivo). b) La població erá aceptada i e verifica que p LS -p LI = p P, iedo P la proporció de la població que e coidera aceptable. Creamo ua etecia que o automatice el aterior proceo (para P = y alfa = 0.0), dode mea e la media de la muetra x, ize u tamaño, ul le LS, ul el LI y igma la de la muetra Ejemplo Sea x =.34, = 1.23, LS = 1.3, LI = 7.4, = 30, E rechazable la muetra para u alfa = 0.0 y u P =?. La olució aplicado la etecia aterior e que co dicha muetra podriamo aceptar la població p1[.34, 1.23, 30, 0.0,, 1.3, 7.4] // Quiet {{6283}, True}
14 14 CotrolCalidad.b
15 CotrolCalidad.b 1 Criterio para determiar i fijado alfa, el tamaño muetral y el valor de K que porcetaje de la poblacio etá detro del itervalo de toleracia Tomamo ua muetra de tamaño 30, y fijamo u ivel de cofiaza alga = 0.0. Aplicado u K uilateral cocreto queremo aber aplicado ee K que porcetaje de la població quedaria detro del itervalo: como ejemplo tomamo K = {2, 2.2, 2.12} Trapoe[{{2, 2.2, 2.12}, Flatte[P /. Map[Solve[g1[30, 0.0, P] #, P, Real] &, {2, 2.2, 2.12}]]}] // Quiet {{2, 29747}, {2.2, 49279}, {2.12, 474}} Dato el tamaño muetral, el ivel de cofiaza y la fraccio defectuoa calcular el tamaño muetral para u muetreo imple co cero rechazo El problema ma frecuete e muetreo e determiar el tamaño de la muetra y el úmero de ud. o coforme e la muetra. Vamo a decribir como realizarlo e el cao de muetreo imple. Sea ua població de tamaño N, del que decoocemo el úmero de ud defectuoa. La probabilidad P a de que haya r o meo defectuoa o viee dada por la ditribució hipergeométrica. r P a = x=0 dode D x N - D - x N D f Número de pieza defectuoa e el lote (decoocida). Fraccio de ud defectuoa: f = D/N, f e decoocida, e toma como valor la fracció
16 16 CotrolCalidad.b máxima, p A, de la població que admitiriamo que ete formada por ud fuera de lo límite de toleracia. α aumir). = ivel de igificació (Probabilidad de cometer u error de tipo I que etamo dipueto a = tamaño muetral E el cao particular de que el criterio de aceptació ea c = 0 P a = (1 - f ) N N Ejemplo : Calcular la probabilidad de que e ua muetra de tamaño 28 procedete de ua població de 00 ud co u 1% de defectuoa aparezca ua muetra defectuoa ProbAlfa[00, 28, 0.01] Fijado Pa podemo calcular el tamaño muetral. Ete calculo e realizado por la fució izesample Ejemplo : Queremo calcular el tamaño muetral para ua població que tiee 00 uidade e la que admitimo ua fracció máxima de uidade defectuoa del 1%, co u ivel de igificació de 0.0 izesample[0, 0.0, 0.01] 9 izesample[0, 0.0, 0.01] N debe er 0 o mayor Programa uado e webmathematica E el iguiete ejemplo e cácula el tamaño muetral para poblacioe de ditito tamaño:n: {0, 0,00, 00, 00} (N debe er 0 o mayor) fijado u ivel de cofiaza alfa = 0.0 y upoiedo que hay ua fracció f= 0.01 de defectuoa. El reultado da el tamaño de la muetra e cada uo de lo cao, para que ea aceptable tomada ee muetra igua de la uidade deberia er defectuoa. TableForm[{ {0, 0, 00, 00, 00}, Map[izeSample[#, 0.0, 0.01] &, {0, 0, 00, 00, 00}]}]
17 CotrolCalidad.b 17
18 18 CotrolCalidad.b Itervalo de cofiaza para la variaza El paquete
Intervalos de Confianza para la diferencia de medias
Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza
Más detallesMódulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza
Módulo de Etadítica Tema 7 : Etimació paramétrica e Itervalo de cofiaza Etimació U etimador e ua catidad umérica calculada obre ua muetra y que eperamo que ea ua buea aproximació de cierta catidad co el
Más detallest-student y F-Snedecor
t-studet y F-Sedecor Itroducció La prueba t-studet e utiliza para cotratar hipótei obre media e poblacioe co ditribució ormal. Tambié proporcioa reultado aproimado para lo cotrate de media e muetra uficietemete
Más detallesTests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA
ETADÍTICA (Q) 13 7. TET DE HIPÓTEI PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DECONOCIDA ea X1,..., X ua muetra aleatoria de ua població Normal co media = µ y variaza = σ, N(µ,σ ). upogamo ahora
Más detallesSalazar Rosales Leandro
Etadítica para la Admiitració Tarea: Itervalo de Cofiaza INTERVALO DE CONFIANZA Itervalo de Cofiaza: Rago de valore ituado alrededor del parámetro muetral etre lo cuale e ituará el parámetro poblacioal
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ
Más detallesPruebas de hipótesis para dos muestras.
Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto
Más detallesLECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN
Uiveridad Lo Ágele de Chimbote LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION Actualmete e debe etar bie cociete
Más detallesESTADISTICA II Guía de Estudio Corte #1 Prof. Mariugenia Rincón ESTIMACIÓN DE PARÁMETROS
ESTADISTICA II Guía de Etudio Corte # Prof. Mariugeia Ricó ESTIMACIÓN DE PARÁMETROS Etadítica.- Ua etadítica e cualquier fució de la variable aleatoria que e obervaro e la muetra de maera que eta fució
Más detallesLECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES.
ECTURA 4: INTERVAOS DE CONFIANZA PARA A MEDIA POBACIONA. INTERVAOS DE CONFIANZA ENTRE DOS MEDIAS POBACIONAES. TEMA 8: INTERVAOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION: Actualmete e debe
Más detallesLECTURA 05: INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. INTERVALOS DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES POBLACIONES.
Uiveridad Lo Ágele de Chimbote LECTURA 05: ITERVALOS DE COFIAZA PARA LA PROPORCIÓ POBLACIOAL. ITERVALOS DE COFIAZA PARA LA DIFERECIA ETRE DOS PROPORCIOES POBLACIOES. TEMA : ITERVALOS DE COFIAZA PARA LA
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 detallesLECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 20: PRUEBA DE CORRELACIÓN DE SPEARMAN
LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 0: PRUEBA DE CORRELACIÓN DE SPEARMAN. INTRODUCCIÒN: El coefciete de correlació de Spearma e ua
Más detallesP(t 1 θ t 2 ) = 7.1 Al finalizar el tema el alumno debe conocer Características de los métodos de construcción de intervalos de confianza.
TEMA 7. Etimació por itervalo de cofiaa Hata ahora hemo vito lo método de etimació por puto. E eto método iempre e da «u valor úico» como etimació del parámetro poblacioal decoocido. Cómo e upera ete icoveiete?
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 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 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 detallesDESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
JRCICIO D INFRNCIA OBR CON σ² DCONOCIDA INFRNCIA OBR CON σ DCONOCIDA Ditribució de la media muetral Mucha vece deeamo realizar iferecia acerca de la de ua població pero o cotamo co la variaza poblacioal
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
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 detallesESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS
Metodología de Ecueta I: 575-7803 Vol 6, úm, 00, 9- ETIMACIÓ DE LA VARIAZA POBLACIOAL E EL MUETREO E OCAIOE UCEIVA Amelia V. García Luego Eva M. Arté Rodríguez Imaculada Oña Caado Uiveridad de Almería
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 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 detallesInferencia Estadística
Decrició breve del tema Iferecia Etadítica Tema 7. Itroducció. Itervalo de Cofiaa Determiació del tamaño muetral 3. Cotrate de hiótei Geeralidade de lo cotrate Metodología del cotrate Regió de rechao y
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 detallesComparación de dos Muestras
STATGRAPHICS Rev. 4/5/007 Comparació de do Muetra Reume El procedimieto de Comparació de do Muetra etá dieñado para comparar do muetra idepediete de dato de variable. La prueba o corrida para determiar
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 detallesInferencia Estadística
Iferecia Etadítica 1 I Delia Motoro Cazorla. Dpto. de Etadítica e I.O. Uiveridad de Jaé. Capítulo 6. Itroducció a la Iferecia Etadítica 6.1 Itroducció El pricipal objetivo de la Etadítica e iferir o etimar
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 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 detallesGV GV Potencia Mecanica Neta (obtenida) Potencia Calorifica del Combustible (suministrada) cl
Relacioe etre Redimieto Térmico, M, Redimieto de Propulió, P, y Coumo Epecífico, C E Se puede obervar que do motore co el mimo redimieto térmico puede preetar diferete habilidade para propular u avió,
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 detallesINFERENCIA, ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS
4 INFERENCIA, ESTIMACIÓN Y CONTRASTE DE IÓTESIS - INTRODUCCIÓN La Etadítica decriptiva y la teoría de la robabilidad va a er lo pilare de u uevo procedimieto (Etadítica Iferecial) co lo que e va a etudiar
Más detallesTEMA 1 : NOCIONES GENERALES SOBRE MUESTREO ESTADÍSTICO
TEMA 1 : NOCIONES GENERALES SOBRE MUESTREO ESTADÍSTICO * Objetivo del Muetreo Etadítico: etudio de lo método para la obteció de ubcojuto repreetativo de la població. Neceidad e importacia. * Cocepto báico:
Más detalles348 -M/R Versión 1 Prueba Integral 1/6 SEMANA 8 LAPSO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348
348 -/R Verió Prueba Itegral /6 SEAA 8 LAPSO 27-2 UIVERSIDAD ACIOAL ABIERTA VICERRECTORADO ACADÉICO ÁREA: IGEIERÍA ODELO DE RESPUESTA ASIGATURA: IVESTIGACIÓ DE OPERACIOES II CÓDIGO: 348 OETO: Prueba Itegral
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesTEMA 4: CONTRASTE DE HIPOTESIS
ESTADÍSTICA, CURSO 2008 2009 TEMA 4: CONTRASTE DE HIPOTESIS HIPOTESIS ESTADISTICAS ENSAYOS DE HIPOTESIS Cocepto de hipótesis estadística Esayos de hipótesis Hipótesis ula (H 0 ) y alterativa (H ) Diferecias
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 detallesPROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)
TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA
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 detallesDistribuciones continuas de probabilidad. Aplicación al calculo de intervalos de confianza en poblaciones normales
Distribucioes cotiuas de probabilidad. Aplicació al calculo de itervalos de cofiaza e poblacioes ormales por Guillermo Sáchez Uiversidad de Salamaca http://www.usal.es Actualizado : Correspode a u tutorial
Más detalles. Antes debemos distinguir si los datos provienen de un diseño pareado (dependiente) o es un diseño independiente.
Capítulo 9: Comparació de media E capítulo ateriore etudiamo prueba de hipótei e itervalo de cofiaza para la proporció o la media de ua població. Eto método puede er etedido para otra ituacioe. Lo bueo
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 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 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 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 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 detallesDISEÑO Y ANÁLISIS DE DATOS I
DIEÑO Y ANÁLII DE DATO I EGUNDO PARCIAL. JUNIO 014 Problema 1.- E ua determiada empresa de psicología especializada e técicas de modificació de coducta, se asegura dispoer de u aparato para combatir la
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 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 detallesDISTRIBUCIÓN BIDIMENSIONAL
DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar
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 detallesParte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.
EXAMEN EXTRAORDINARIO DE PROBABILIDADE Y ETADÍTICA I JULIO 014 Realizar las pregutas e hojas separadas, idicado explícitamete todas las fórmulas que se utilice. Tato el alumo que copie como el que se deje
Más detallesEl ensayo de Bombeo y sus distintas formas de valoración: Recuperación de Pozos
SEIÓN : ANÁLISIS DE LOS DESENSOS DURANTE EL OMEO DE UN POZO. EFIIENIA DE POZOS INTRODUIÓN El deceo total producido e u pozo durate u bombeo, e coecuecia de la pérdida de carga de todo el cojuto que iterviee
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 detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
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 detallesPRUEBA OBJETIVA. Encierre con un círculo la letra o letras que correspondan a las alternativas válidas de entre las propuestas.
PRUEBA OBJETIVA Ecierre co u círculo la letra o letra que correpoda a la alterativa válida de etre la propueta. 1. El emprétito puede defiire como u cojuto de prétamo: a) De pretació ditita y cotrapretació
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 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 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 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 detallesContraste sobre la media de una distribución Normal de varianza conocida
Cotrate de hipótei etadítica E la primera parte de la iferecia etadítica e ha abordado el problema de la etimació de parámetro, e ella e ha vito cómo cotruir etimadore de parámetro poblacioale, e ha iitido
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 detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesCAPÍTULO VIII. CONVERGENCIA DE SUCESIONES. SECCIONES A. Criterios de convergencia. B. Ejercicios propuestos.
CAPÍTULO VIII CONVERGENCIA DE SUCESIONES SECCIONES A Criterios de covergecia B Ejercicios propuestos 347 A CRITERIOS DE CONVERGENCIA Ua fució cuyo domiio es el cojuto de los úmeros aturales se dice sucesió
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesMedidas de dispersión
MB000_MAA4L_Diperió Verió: Septiembre 0 Medida de diperió por Oliverio Ramírez La medida de tedecia cetral aalizada e la ituació aterior, dirige u iteré al comportamieto de lo dato e relació a u valor
Más detallesSistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema
Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio
Más detallesJuan Carlos Colonia INTERVALOS DE CONFIANZA
Jua Carlos Coloia INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA PARA LOS PARÁMETROS DE UNA POBLACIÓN POBLACIONAL ES CONOCIDA Sea X ua muestra aleatoria de tamaño 1, X,..., X extraída de ua població N,
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 detalles17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA
7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má
Más detallesEstimación de parámetros. Biometría
Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes
Más 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 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 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 detallesθˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ
Iferecia Estadística 95 Capitulo VIII INFERENCIA ETADITICA Es ua rama de de la Estadística que se ocupa de los procedimietos que os permite aalizar y etraer coclusioes de ua població a partir de los datos
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 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 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 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 detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua
Más detallesPruebas de hipótesis para dos muestras.
Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviaioe etádar de la oblaioe deiguale. La roiedade de la Ditribuió Normal o tambié umamete útile uado queremo eotrar i do ojuto de
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 detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más 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 detallesINFERENCIA ESTADÍSTICA
FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció
Más 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 detallesHerramientas para aplicar la estadística y el control de calidad en las empresas
Herramietas para aplicar la estadística y el cotrol de calidad e las empresas Herramietas estadísticas (EHE) Guillermo Sáchez (http://diarium.usal.es/guillermo) Presetació el 015-04-3 : Los datos y su
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 detallesANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando
AEXO Etudio de Apecto de eguridad Emprearial Muate,Maricel eei, Ferado Idice Cuetioario...3 Repueta...11 Arbol...135 Etaditica...137 Etaditica Greerale...138 Etadítica Biaria...153 Etadítica Combiada...157
Más detalles1. Serie de Potencias
. Serie de Potecias Recordemos que dada ua sucesió {b } N, podemos defiir ua serie: E el caso particular e que b = a (x c) b la serie tedría la forma b = a (x c) y es llamada serie de potecias cetrada
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 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 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 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 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 detallesTAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas
TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo
Más detalles