Departamento Administrativo Nacional de Estadística

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Departamento Administrativo Nacional de Estadística"

Transcripción

1 Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008

2 ESPECIFICACIOES DE COEFICIETE Y VARIAZA ECUESTA DE COSUMO CULTURAL CÓDIGO: MEECV-01 VERSIÓ: 0 PÁGIA: 1 ELABORÓ: METODOLOGÍA ESTADÍSTICA REVISÓ: COORDIADOR DE ESTUDIOS ESTADÍSTICOS APROBÓ: DIRECTOR DIRPE TABLA DE COTEIDO 1. ESPECIFICACIOES DE COEFICIETE Y VARIAZA Factores de epasió Factor de epasió fial Estimadores de Totales y Razoes Programa de Estimació... 7 RUTA DE ARCHIVO: DIRPE\ECC\DOCUMETACIÓ BÁSICA\METODOLOGÍAS\DISEÑO MUESTRAL\MEECV-01.doc

3 ESPECIFICACIOES DE COEFICIETE Y VARIAZA ECUESTA DE COSUMO CULTURAL CÓDIGO: MEECV-01 VERSIÓ: 0 PÁGIA: 1. ESPECIFICACIOES DE COEFICIETE Y VARIAZA 1.1 Factores de epasió De acuerdo a la teoría de muestreo el factor de epasió es la capacidad que tiee cada idividuo seleccioado e ua muestra probabilística para represetar el uiverso e el cual esta coteido. Es decir, es la magitud de represetació que cada selecció posee para describir ua parte del uiverso de estudio. Cuado el diseño es MAS se asume que idividuos detro de ua misma uidad de muestreo tiee la misma capacidad de represetar al uiverso e cosideració, e tato que diferetes uidades de muestreo debe reflejar lo mejor posible la desidad y distribució del uiverso estudiado. Todas las pautas ateriores se logra co la costrucció u obteció de marcos muéstrales que debe proveer iformació fiel sobre las características demográficas pricipales del uiverso que se pretede estudiar; además debe permitir de algua forma, ubicar a todos y cada uo de los idividuos perteecietes a dicho uiverso. U diseño muestral MAS se traduce como u diseño de muestreo aleatorio simple y se dice que dicho diseño es probabilístico porque asiga ua probabilidad de selecció a todas y cada ua de las uidades del uiverso o la uidad muestral (cuado el diseño es e etapas; es decir, todos los idividuos e cosideració de los que se pretede iferir tiee ua probabilidad de ser seleccioados; e particular esta probabilidad es la misma co el diseño MAS. El factor de epasió por teoría para u diseño MAS sobre k uidades de muestreo esta defiido por: k k k Dode k Deota el tamaño total de elemetos e la uidad de muestro. k Deota el úmero de elemetos a ser seleccioados detro de la uidad de muestreo. Es decir, para el diseño e cosideració de la ecuesta de cosumo cultural ESTMAS MAS MASC y de acuerdo a los diagramas presetados ateriormete, se tiee los factores de epasió por etapas de la siguiete maera: ETAPA 1: Selecció de muicipios detro de los estratos RUTA DE ARCHIVO: DIRPE\ECC\DOCUMETACIÓ BÁSICA\METODOLOGÍAS\DISEÑO MUESTRAL\MEECV-01.doc

4 ESPECIFICACIOES DE COEFICIETE Y VARIAZA ECUESTA DE COSUMO CULTURAL CÓDIGO: MEECV-01 VERSIÓ: 0 PÁGIA: 3 co f ep I ( i ( i para i 1,,3, 4 (i : Catidad de muicipios e el estrato i (i : umero de muicipios seleccioados e el estrato i ( i ETAPA : Selecció de coglomerados detro de muicipios co f ep para j 1,..., I ( i II ( j : Catidad de coglomerados e el muicipio j : Catidad de coglomerados seleccioados e el muicipio j ETAPA 3: Selecció de hogares detro de coglomerado f ep para k 1,..., III ( k co III (k : Catidad de hogares detro del coglomerado k III (k : Catidad de hogares seleccioados detro del coglomerado k ota: El factor de epasió correspodiete a cada idividuo detro de u hogar seleccioado es igual a la uidad ( f ep idividuo 1, puesto que se elige todas las persoas de cico años y más, es decir, esta parte del diseño es la que se cooce como muestreo por coglomerados. 1. Factor de epasió fial El factor de epasió fial se defie como el producto de los factores de epasió de las tres etapas de diseño: F ep f ep f ep f I ( i ep III ( k RUTA DE ARCHIVO: DIRPE\ECC\DOCUMETACIÓ BÁSICA\METODOLOGÍAS\DISEÑO MUESTRAL\MEECV-01.doc

5 ESPECIFICACIOES DE COEFICIETE Y VARIAZA ECUESTA DE COSUMO CULTURAL CÓDIGO: MEECV-01 VERSIÓ: 0 PÁGIA: 4 Este factor se aplica a cada uo de los idividuos perteecietes a los hogares seleccioados e la última etapa del diseño. La suma de los factores de epasió de todos los idividuos de la muestra provee ua estimació del tamaño del uiverso de estudio. 1.3 Estimadores de Totales y Razoes Co los factores de epasió calculados se defie el estimador del total de ua variable de estudio X ( t e el uiverso, e fució de los valores observados co la muestra, de la siguiete maera: t ˆ tˆ ( ( F ep * k ks Dode s es ua muestra del uiverso de estudio co valores particulares medidos k. Y el estimador de la variaza para la aterior epresió es: Var ˆ (1 f S k Co S ( k s s k ; ( 1 co y tamaños de uiverso y muestra respectivamete; siempre que el diseño de muestreo sea MAS. t y Si Y es otra variable de estudio, e geeral el estimador de la razó Z se t defie por ˆ ˆ t ( y Z tˆ ( El cual o es u estimador lieal, luego el cálculo de la estimació de su variaza difiere de los métodos covecioales. Aplicado el método de liearizacio de Taylor y costruyedo ua ueva variable que recoge dicho termio de variaza, se obtiee u estimador de la variaza del estimador. El estimador de la variaza para el estimador de razó es 1 Var( zˆ tˆ ˆ y y Vˆ(ˆ t zˆ Vˆ(ˆ t ˆ zcov(ˆ t ; tˆ f RUTA DE ARCHIVO: DIRPE\ECC\DOCUMETACIÓ BÁSICA\METODOLOGÍAS\DISEÑO MUESTRAL\MEECV-01.doc

6 ESPECIFICACIOES DE COEFICIETE Y VARIAZA ECUESTA DE COSUMO CULTURAL CÓDIGO: MEECV-01 VERSIÓ: 0 PÁGIA: 5 o calculádose directamete co la fórmula comú de variaza e el diseño MAS, a través de la costrucció de ua ueva variable U para cada uo de los elemetos de la muestra u 1 tˆ y k yk k tˆ tˆ Los promedios y las proporcioes se trabaja como casos particulares del estimador de razó cuado los umeradores y los deomiadores cambia e cocepto, y estos puede pasar de ser variables cotiuas a categóricas. Ua forma de geerar estimacioes para diferetes proporcioes o promedios (depediedo del requerimieto de ivestigació es mediate la formació de variables idicadoras de domiio que toma el valor de 1 si u idividuo de la muestra perteece a u domiio de iterés y 0 e caso cotrario. Etiédase al domiio de u uiverso como u cojuto de idividuos coteido e éste, que preseta ua característica discrimiatoria Z que los ubica detro de ua categoría particular observada. La variable idicadora se establece como z I k 1 0 si el idividuo k tiee la caracteristica Z e caso cotrario z Es así que el estimador del total para la variable I k se covierte e el estimador del total de idividuos del uiverso perteecietes a u domiio Z; y e particular, z si I k siempre es 1 para cualquier idividuo de la muestra, es simplemete el estimador del total de idividuos e el uiverso. Las proporcioes y los promedios solicitados e cuadros de salida, se costruye formado cocietes de diversos estimadores de domiios y de totales. Las formulas o varía. Para el diseño multietápico ESTMAS MAS MASC las formulas de estimació por etapas está defiidas como sigue I ( i Etapa 1: t ˆ I ( i II ( i( j co estimador de variaza jsi I ( i I i I i I i V ˆ ( ( ( I I i SsI tii i j Vˆ ( 1 (ˆ II II i j ( ( ( ( jsi I ( i I i ( I ( i RUTA DE ARCHIVO: DIRPE\ECC\DOCUMETACIÓ BÁSICA\METODOLOGÍAS\DISEÑO MUESTRAL\MEECV-01.doc

7 ESPECIFICACIOES DE COEFICIETE Y VARIAZA ECUESTA DE COSUMO CULTURAL CÓDIGO: MEECV-01 VERSIÓ: 0 PÁGIA: 6 dode S si II ( i( j si II ( i( j I ( i tˆ 1 II ( i Etapa : t ˆ II ( i( j III ( i( k co estimador de variaza Vˆ II II ( i( j ksii 1 S sii III ( i( k ksii Vˆ III III ( i( k dode S sii II ( i( k sii III ( i( k tˆ 1 I ( i( j Etapa 3: t ˆ III ( i( k IV ( i( k( l co estimador de variaza lsiii Vˆ III II ( i( k 1 S siii IV ( i( k ( l ksiii Vˆ IV IV ( i( k ( l dode S siii IV ( i( k ( l siii IV ( i( k ( l tˆ 1 I ( i( k Fialmete, para obteer la estimació geeral a la que se quiere llegar, se tiee: Co estimador de variaza V ˆ I 3 (ˆ t I ( i i1 t ˆ 3 ˆ I ( i VI I ( i I 1 Si el estimador resulta ser de razoes, las formulas para el calculo de la variaza o se altera si se emplea e lugar de l los valores de u l. RUTA DE ARCHIVO: DIRPE\ECC\DOCUMETACIÓ BÁSICA\METODOLOGÍAS\DISEÑO MUESTRAL\MEECV-01.doc

8 ESPECIFICACIOES DE COEFICIETE Y VARIAZA ECUESTA DE COSUMO CULTURAL CÓDIGO: MEECV-01 VERSIÓ: 0 PÁGIA: Programa de Estimació El programa de estimació es ua rutia e SAS que ayuda a realizar los cálculos ateriores, co base e las observacioes de la base de datos de la ecuesta. El programa está compuesto por ua macro pricipal que se ecarga de estimar ua sola etapa agrupado por llaves especiales a los idividuos sobre los cuales debe realizarse las sumas y las variazas de la respectiva etapa. Es decir, la base de datos debe llevar ua llave que le permita al programa discrimiar los idividuos que va e la etapa a trabajar; y estas llaves se costruye haciedo meció a la uidad muestral que se debe trabajar e cada etapa. Fialmete, la salida es otra base de datos que cotiee los estimativos de total y de variaza de la etapa trabajada, que a su vez retroalimeta la misma macro para trabajar la etapa siguiete co otra llave. La macro se itera tres veces co tres llaves diferetes (ua vez por cada etapa, hasta obteer los resultados de la primera etapa e dode mediate el empleo de cosultas y pasos data, se recalcula las fórmulas para obteer la estimació fial, teiedo e cueta la estratificació. E la geeració de cuadros de salida se emplea tres macro que a su vez utiliza la macro pricipal de estimació por etapas, para geerar cuadros de salida cruzados e dos variables y calcular la proporció por domiio respecto al total estimado. Los cuadros sale del programa co todos los domiios de ua variable efretados co todos los domiios de la otra. RUTA DE ARCHIVO: DIRPE\ECC\DOCUMETACIÓ BÁSICA\METODOLOGÍAS\DISEÑO MUESTRAL\MEECV-01.doc

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació DIRPE Metodología Diseño Estadístico Ecuesta de Cosumo Cultural Julio 008 ELABORÓ: METODOLOGÍA

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo Nacioal de Estadística Direcció de Regulació, Plaeació, Estadariació y Normaliació -DIRPEN- Diseño Muestral Ecuesta Ambietal Idustrial Diciembre 00 ELABORÓ: EQUIPO TEMÁTICO DISEÑO

Más detalles

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

TAMAÑO 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

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació DIRPE Metodología Diseño Estadístico Ecuesta Sobre Ambiete y Desempeño Istitucioal Departametal

Más detalles

DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA, GEOGRAFÍA E INFORMÁTICA (INEGI)

DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA, GEOGRAFÍA E INFORMÁTICA (INEGI) 403 DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA GEOGRAFÍA E INFORMÁTICA (INEGI 404 Diseño muestral de la ecuesta ÍNDICE Págia. Itroducció... 405 2.

Más detalles

I. Aspectos metodológicos y organización de la encuesta

I. Aspectos metodológicos y organización de la encuesta I. Aspectos metodológicos y orgaizació de la ecuesta I. Objetivos de la Ecuesta La ecuesta tuvo como objetivo fudametal describir, a partir de ua muestra probabilística e todo el país, la tuació de salud

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA 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 detalles

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Familias)

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Familias) Iforme sobre el Cálculo de Errores de Muestreo Ecuesta de la Sociedad de la Iformació (ESI- Familias) EUSKAL ESTATISTIKA ERAKUNDA INDICE. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo de

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia 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 detalles

Introducción. Ejemplos:

Introducción. Ejemplos: Itroducció Las técicas del muestreo se utiliza frecuetemete cuado se quiere coocer cuáles so las características geerales de ua població. Ejemplos: Aspectos demográficos y sociales: Prevalecia de la drogadicció

Más detalles

Estimación de Parámetros

Estimación 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 detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas 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 detalles

Informe sobre el Cálculo de Errores de Muestreo Encuesta de Medio Ambiente - Familias EMAF 2015

Informe sobre el Cálculo de Errores de Muestreo Encuesta de Medio Ambiente - Familias EMAF 2015 Iforme sobre el Cálculo de Errores de Muestreo Ecuesta de Medio Ambiete - Familias EMAF 2015 EUSKAL ESTATISTIKA ERAKUNDA INDICE 1. Itroducció... 3 2. Método de expasió de Taylor... 3 3. Cálculo de errores...

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD 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 detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos

Más detalles

Qué es el muestreo? SISTEMA DE EVALUACION. Practicas 30% Examen parcial 30% Examen final 30% Trabajos encargados 10% TECNICAS DE MUESTREO II

Qué es el muestreo? SISTEMA DE EVALUACION. Practicas 30% Examen parcial 30% Examen final 30% Trabajos encargados 10% TECNICAS DE MUESTREO II SISTEMA DE EVALUACION TECNICAS DE MUESTREO II Practicas 3% Exame parcial 3% Exame fial 3% Trabaos ecargados % Profesor: Ig. Celso Gozales Ch. Mg.Sc Email:cgozales@lamolia.edu.pe REFERENCIAS BIBLIOGRAFICAS

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas 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 detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

MUESTREO ESTRATIFICADO. TECNICAS DE MUESTREO II

MUESTREO ESTRATIFICADO. TECNICAS DE MUESTREO II MUESTREO ESTRATIFICADO TECNICAS DE MUESTREO II Email:cgozales@lamolia.edu.pe CONSTRUCCION DE OS ESTRATOS Cuál es la mejor característica para la costrucció de los estratos? Cómo se determia los límites

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

MATEMÁTICAS 2ºBACHILLERATO CCSSII

MATEMÁTICAS 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 detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL I.E.S. Virge de la Paz. Alcobedas DEPARTAMETO DE MATEMÁTICAS Itroducció ESTADÍSTICA UIDIMESIOAL El ombre de Estadística alude al eorme iterés de esta rama matemática para los asutos del Estado y su itroducció

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

) 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 detalles

TEORÍA DE LA ESTIMACIÓN

TEORÍA 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 detalles

METODOLOGÍA MUESTRAL EFECTIVA ENCUESTA DE GANADO CAPRINO AÑO 2015 INSTITUTO NACIONAL DE ESTADÍSTICAS

METODOLOGÍA MUESTRAL EFECTIVA ENCUESTA DE GANADO CAPRINO AÑO 2015 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA MUESTRAL ECTIVA ECUESTA DE GAADO CAPRIO AÑO 05 ISTITUTO ACIOAL DE ESTADÍSTICAS Diciembre / 05 Metodología Muestral Efectiva Ecuesta de Gaado Caprio Año 05 Secció de Estadísticas Ecoómicas.

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Familias)

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Familias) Iforme sobre el Cálculo de Errores de Muestreo Ecuesta de la Sociedad de la Iformació (ESI- Familias) EUSKAL ESTATISTIKA ERAKUNDA INDICE 1. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo

Más detalles

1. Propiedades de los estimadores

1. Propiedades de los estimadores . Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas

Más detalles

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar

Más detalles

SOLUCIONES DE LAS ACTIVIDADES Págs. 23 a 43

SOLUCIONES DE LAS ACTIVIDADES Págs. 23 a 43 TEMA. SUCESIONES DE NÚMEROS. LOGARITMOS SOLUCIONES DE LAS ACTIVIDADES Págs. a Págia. a) Es la sucesió de los úmeros impares:, 5, 7 b) Se suma al valor absoluto del úmero y se cambia de sigo: 7, 0, c) Se

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas 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 detalles

TEMA 6.- INTERVALOS DE CONFIANZA

TEMA 6.- INTERVALOS DE CONFIANZA TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. Examen del 18 de junio de 2010

Examen de la asignatura Estadística aplicada a las ciencias sociales Profesor Josu Mezo. Examen del 18 de junio de 2010 Eame de la asigatura "Estadística aplicada a las ciecias sociales" Profesor Josu Mezo. Eame del 18 de juio de 2010 Recordatorio de fórmulas (o todas so ecesarias) Σ N i c cifi s s sˆ ET 1 z estimador ET

Más detalles

Diseño muestral de la Encuesta de Métodos de Producción Agrícola 2009

Diseño muestral de la Encuesta de Métodos de Producción Agrícola 2009 Diseño muestral de la Ecuesta de Métodos de Producció Agrícola 009 El diseño muestral de la Ecuesta de Métodos de Producció Agrícola 009 correspode a u tipo de muestreo aleatorio estratificado. E cada

Más detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 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 detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

Muestreo en Poblaciones Finitas

Muestreo en Poblaciones Finitas Muestreo Aleatorio Simple 1/22 Muestreo e Poblacioes Fiitas Muestreo Aleatorio Simple José A. Mayor Gallego Departameto de Estadística e Ivestigació Operativa Uiversidad de Sevilla Septiembre de 2011 Coteidos

Más detalles

Introducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino

Introducción 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 detalles

SOLUCIONES DE LAS ACTIVIDADES Págs. 23 a 43

SOLUCIONES DE LAS ACTIVIDADES Págs. 23 a 43 TEMA. SUCESIONES DE NÚMEROS. LOGARITMOS SOLUCIONES DE LAS ACTIVIDADES Págs. a a 8 + ( ); Y fialmete: a 7 8 + (7 ) 86 0 7 + 0. S 0 Págia 7 [ ( 7 + 9 5) ] 95. a) 6 : pero 0 : 6,6 o es PG b) 6 : ( ) : 6 :

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 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 detalles

1. Muestreo Aleatorio Simple

1. Muestreo Aleatorio Simple UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisió y Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN 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 detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS 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 detalles

Métodos de Análisis Cuantitativo

Métodos de Análisis Cuantitativo Métodos de Aálisis Cuatitativo Fórmulas E este documeto se lista las fórmulas trabajadas e las clases del curso de Métodos de Ivestigació Cuatitativa (GES204) de la Facultad de Gestió y Alta Direcció de

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO 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 detalles

Distribuciones en el muestreo, EMV

Distribuciones 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 detalles

Tema 4. Estimación de parámetros

Tema 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 detalles

Convergencia de variables aleatorias

Convergencia de variables aleatorias Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...

Más detalles

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011. NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11. INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 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 detalles

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 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 detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad. Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació

Más detalles

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.

Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces. Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del

Más detalles

INTRODUCCION Teoría de la Estimación

INTRODUCCION Teoría de la Estimación INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede

Más detalles

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica. 5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto

Más detalles

UNIDAD 4 MODELOS PROBABILÍSTICOS

UNIDAD 4 MODELOS PROBABILÍSTICOS Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad 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 detalles

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.

ESTIMACIÓN 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 detalles

Estimación por intervalos

Estimación 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 detalles

Dirección General de Calidad y Atención al Usuario

Dirección General de Calidad y Atención al Usuario FICHA TÉCNICA PROYECTO ORGANISMO RESPONSABLE DURACIÓN DESCRIPCIÓN Ecuesta de Satisfacció de Usuarios del Sistema de Salud de Aragó. Ateció Especializada y Urgecias. 2014 Direcció Geeral de Calidad y Ateció

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

GUIA DE ESTUDIO Nro 1

GUIA DE ESTUDIO Nro 1 MATERIA: MATEMÁTICA I CURSO: I AÑO EJE ESTRUCTURAL I: CONCEPTOS FUNDAMENTALES DEL ALGEBRA GRUPOS CONCEPTUALES: - Epresioes algebraicas. Poliomios. - Ecuacioes. Iecuacioes. TEMARIO: GUIA DE ESTUDIO Nro

Más detalles

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana

Estadística 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 detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

Más detalles

Muestreo Estratificado.

Muestreo Estratificado. Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato

Más detalles

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC. APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de

Más detalles

Intervalos de confianza Muestras grandes

Intervalos de confianza Muestras grandes Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

CUADRATURA GAUSSIANA

CUADRATURA GAUSSIANA CUADRATURA GAUSSIANA Este método de basa e muestrear el itegrado de la fució cuya itegral se desea ecotrar, a valores que represeta raíces de poliomios ortogoales Los más populares de éstos so los poliomios

Más detalles

Estimadores Puntuales: Propiedades de estimadores Sebastián Court

Estimadores Puntuales: Propiedades de estimadores Sebastián Court Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos 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 detalles

Curso de Estadística Aplicada a las Ciencias Sociales

Curso 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 detalles

SELECCIÓN DE LOS CASOS (II): Muestra estadística

SELECCIÓN DE LOS CASOS (II): Muestra estadística ELECCIÓ DE L CA (II): El objetivo de esta ficha de actividad es itroducir el problema de la selecció de los casos ua vez que se ha defiido (auque sea) provisoriamete el tipo de diseño que orgaizará la

Más detalles

Mg. Ing. Susana Vanlesberg Profesor Titular

Mg. Ing. Susana Vanlesberg Profesor Titular Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES

Más detalles

y i 0 1 x i 2 2 y i media 2 Varianza 2 i 1 Para calcular el los valores que maximizan L derivamos e igualamos a cero 2 y i 0 1 x i 0 # i 1

y i 0 1 x i 2 2 y i media 2 Varianza 2 i 1 Para calcular el los valores que maximizan L derivamos e igualamos a cero 2 y i 0 1 x i 0 # i 1 Demostracioes de Regresió Simple. Estimació La distribució de y es y i N 0 x i, Estimació Máximo Verosímil La fució de verosimilitud, sabiedo que y i es ua variable ormal será L exp y i 0 x i ya que la

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN 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 detalles

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes

Más detalles

Tema 14: Inferencia estadística

Tema 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 detalles

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n. 1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra

Más detalles

SUCESIÓN. La colección de números que definen a una sucesión permite clasificar a éstas en:

SUCESIÓN. La colección de números que definen a una sucesión permite clasificar a éstas en: UCEIÓN CPR. JORGE JUAN Xuvia-Naró Ua sucesió, (a ), de úmeros reales es ua fució que hace correspoder a cada úmero atural, excluido el cero, u úmero real, la cual viee defiida segú: f: N* R a a i a Número

Más detalles

5.6 Serie de Fourier de funciones pares e impares (desarrollo cosenoidal o senoidal)

5.6 Serie de Fourier de funciones pares e impares (desarrollo cosenoidal o senoidal) 5.6 Serie de Fourier de fucioes pares e impares (desarrollo coseoidal o seoidal) 46 5.6 Serie de Fourier de fucioes pares e impares (desarrollo coseoidal o seoidal) Fucioes Pares e Impares E el maejo de

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Curso 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 detalles

Cálculo II (0252) TEMA 6 SERIES DE POTENCIAS. Semestre

Cálculo II (0252) TEMA 6 SERIES DE POTENCIAS. Semestre Cálculo II (5) Semestre - TEMA 6 SERIES DE POTENCIAS Semestre - José Luis Quitero Julio Departameto de Matemática Aplicada UCV FIUCV CÁLCULO II (5) José Luis Quitero Las otas presetadas a cotiuació tiee

Más detalles

MINITAB y MODELOS DE REGRESIÓN

MINITAB y MODELOS DE REGRESIÓN Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias

Más detalles

DISTRIBUCIONES MUESTRALES

DISTRIBUCIONES MUESTRALES UNIDAD II DISTRIBUCIONES MUESTRALES Competecia: -El estudiate debe saber utilizar las diferetes distribucioes muestrales,es decir las diferetes distribucioes de cualquier estadístico estimado a partir

Más detalles

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.

EJERCICIO 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 detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS 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 detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata 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 detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 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 detalles