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

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

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

Transcripción

1 Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides

2 Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos métodos por los que se realiza iferecias o geeralizacioes acerca de ua població. La iferecia estadística se puede dividir e dos áreas pricipales: estimació y prueba de hipótesis. E este capítulo se tratará sobre el área de estimació. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

3 Estimació de la Media Ua Muestra Si la muestra se seleccioa de ua població ormal o, a falta de esta, si es suficietemete grade, se puede establecer u itervalo de cofiaza para μ al cosiderar la distribució muestral de X. La estimació de la media de la població (μ), se hace por medio del teorema del límite cetral. De acuerdo a este teorema se puede establecer la distribució muestral de X, que está distribuida de forma aproximadamete ormal co µ = µ y desviació estádar =. X X UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 3

4 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 4 Estimació de la Media Ua Muestra (cot.) Al escribir z / para el valor z el cual se tiee u área de / a la derecha, se puede ver que ( ) µ µ = = = z X z P X Z z Z z P

5 Estimació de la Media Ua Muestra (cot.) UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 5

6 Estimació de la Media Ua Muestra (cot.) Al multiplicar cada térmio e la desigualdad por, después restar X y multiplicar por -, se obtiee: P X z µ X + z = Se seleccioa ua muestra aleatoria de tamaño de ua població cuya variaza se cooce y se calcula la media de la muestra para obteer u itervalo de cofiaza de ( )00%. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 6

7 Estimació de la Media Ua Muestra (cot.) Itervalo de Cofiaza de μ co coocida. Si x es la media de ua muestra aleatoria de tamaño de ua població co variaza, coocida, u itervalo de cofiaza de ( ) 00% para μ está dado por x z µ Dode z / es el valor z que deja u área de / a la derecha. x + z UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 7

8 Estimació de la Media Ua Muestra (cot.) Para muestras pequeñas que se seleccioa de poblacioes o ormales, o se puede esperar que el grado de cofiaza sea preciso. Para muestras de tamaño 30, si importar la forma de la mayor parte de las poblacioes, la teoría de muestreo garatiza bueos resultados. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 8

9 Estimació de la Media Ua Muestra (cot.) Si μ es realmete el valor cetral del itervalo, etoces x estima μ si error. La mayor parte de las veces, x o será exactamete igual a μ y la estimació putual es erróea. La magitud de este error será el valor absoluto de la diferecia etre μ y x, y se puede teer ( )00% de cofiaza de que esta diferecia o excederá z. ERROR x z x μ x + z UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 9

10 Estimació de la Media Ua Muestra (cot.) UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 0

11 Estimació de la Media Ua Muestra (cot.) Teorema. Si se utiliza x como ua estimació de μ, se puede teer ua cofiaza de ( )00% de que el error o excederá de z. Teorema. Si se utiliza x como ua estimació de μ, se puede teer ua cofiaza de ( )00% de que el error o excederá ua catidad específica e cuado el tamaño de la muestra es = z e = z e UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

12 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras Estimació de la Media Ua Muestra (cot.) Co frecuecia o se cooce la variaza de la població, por lo que para estimar la media de la població se recurre a la distribució t. Al escribir t / para el valor t el cual se tiee u área de / co v grados de libertad, se puede ver que ( ) µ µ = = = t S X t P S X T t T t P

13 Estimació de la Media Ua Muestra (cot.) UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 3

14 Estimació de la Media Ua Muestra (cot.) Al multiplicar cada térmio e la desigualdad por S, después restar X y multiplicar por -, se obtiee: P X S S t µ X + t = Se seleccioa ua muestra aleatoria de tamaño de ua població cuya variaza o se cooce y se calcula la media y la desviació estádar de la muestra para obteer u itervalo de cofiaza de ( )00%. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 4

15 Estimació de la Media Ua Muestra (cot.) Itervalo de Cofiaza de μ co descoocida. Si x y s so la media y la desviació estádar de ua muestra aleatoria de tamaño de ua població ormal co variaza, descoocida, u itervalo de cofiaza de ( )00% para μ está dado por s s x t µ x + t Dode t / es el valor t co v = grados de libertad, que deja u área de / a la derecha. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 5

16 Estimació de la Media Ua Muestra (cot.) Teorema. Si se utiliza x como ua estimació de μ, se puede teer ua cofiaza de ( )00% de que el error o excederá de t s. Teorema. Si se utiliza x como ua estimació de μ, se puede teer ua cofiaza de ( )00% de que el error o excederá ua catidad específica e cuado el tamaño de la muestra es s s = t e = t e UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 6

17 Estimació de la Media Ua Muestra (cot.) Los estadísticos recomieda que au cuado o se puede supoer la ormalidad, co descoocida y 30, s puede remplazar a y utilizar el itervalo de cofiaza s x ± z Por lo geeral, este se deomia como u itervalo de cofiaza de muestra grade. La calidad de este efoque mejora coforme el tamaño de la muestra crece más. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

18 Límites de Cofiaza Uilaterales Los itervalos de cofiaza y los límites de cofiaza vistos hasta ahora so e realidad bilaterales (se da tato el límite iferior como superior). Si embargo, hay muchas aplicacioes e que sólo se requiere u límite. Si la medida de iterés es la resistecia a la tesió, el igeiero recibe más iformació del límite iferior, esceario del peor caso. Si para la medida de ua variable u valor relativamete grade de µ o es provechoso o deseable, etoces resultará de iterés el límite superior. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

19 Límites de Cofiaza Uilaterales (cot.) Los límites de cofiaza uilaterales se desarrolla de la misma forma que los itervalos bilaterales. Si X es la media de ua muestra aleatoria de tamaño a partir de ua població co variaza, los límites de cofiaza uilaterales de ( )00% para µ está dados por límite iferior límite superior x x + z z UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

20 Límites de Cofiaza Uilaterales (cot.) Si X es la media de ua muestra aleatoria de tamaño a partir de ua població co variaza descoocida, los límites de cofiaza uilaterales de ( )00% para µ está dados por límite iferior límite superior x t x + t s s UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

21 Error Estádar de ua Estimació Putual La desviació estádar de X se cooce e la estimació como error estádar de X. De maera simple, el error estádar de u estimador es su desviació estádar. E el caso dode se descooce y el muestreo es sobre ua distribució ormal, s reemplaza a y se icluye el error estádar estimado. El puto importate a cosiderar es que el acho del itervalo de cofiaza de μ depede de la calidad del estimador putual a través de su error estádar. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

22 Error Estádar de ua Estimació Putual (cot.) De esta forma los límites de cofiaza de μ so x ± z x ± t = s = x ± x ± t z s. e. sˆ.ˆ. e ( x) coocida ( x), descoocida Dode s.e. (e.e.) es el error estádar y s.e. (e.e.) es el error estádar estimado., UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

23 Límites de Predicció Alguas veces, aparte de estimar la media de la població, iterese predecir los posibles valores de ua observació futura. Este tipo de requerimieto se satisface muy bie mediate la costrucció de u itervalo de predicció. Al predecir ua observació futura se ecesita la variació de la media y la variació de ua observació futura. Por suposició se sabe que la variaza del error aleatorio e ua ueva observació es. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras

24 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 4 Límites de Predicció (cot.) El desarrollo de u itervalo de predicció se represeta mejor empezado co ua variable aleatoria ormal, dode X 0 es la variable aleatoria de los valores de la ueva observació. Como X 0 y so idepedietes, etoces ( ) = + + = + = = z X X z P X X X X Z z Z z P X X 0 X

25 Límites de Predicció (cot.) Para u distribució ormal de medicioes co media descoocida µ y variaza coocida, u itervalo de predicció de ( )00% de ua observació futura x 0 es x z + x x + z 0 + Dode z / es el valor z que deja u área de / a la derecha. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 5

26 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 6 Límites de Predicció (cot.) Resulta importate tratar co el itervalo de predicció de ua observació futura e la situació e que se descooce la variaza de la població; para lo cual se utiliza la distribució t de Studet e vez de la distribució ormal. ( ) = + + = + = = t s X X t P s X X s s X X T t t t P

27 Límites de Predicció (cot.) Para u distribució ormal de medicioes co media descoocida µ y variaza descoocida, u itervalo de predicció de ( )00% de ua observació futura x 0 es x t s + x x + t s 0 + Dode t / es el valor t co v = grados de libertad, que deja u área de / a la derecha. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 7

28 Límites de Predicció (cot.) Los itervalos de predicció uilaterales tambié so importates de cosiderar. Casos dode se debe efocarse e observacioes futuras grades se aplica los límites de predicció superiores. Casos dode se debe cocetrarse e observacioes futuras pequeñas se sugiere los límites de predicció iferiores. coocida descoocida límite iferior límite superior límite iferior límite superior x z x + z x t x + t UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 8 s s

29 Límites de Toleracia E otros casos, el iterés se cetra e saber dode cae la mayoría de los valores de la població. Esto es útil para coocer el desempeño a largo plazo, o e la siguiete observació. U método para establecer el límite deseado cosiste e determiar u itervalo de cofiaza sobre ua proporció fija de las medicioes. Al visualizar u muestreo aleatorio de ua distribució ormal co media coocida µ y variaza ; u límite que cubre el 95% de la població de observacioes es µ ±.96. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 9

30 Límites de Toleracia (cot.) Lo aterior deota u itervalo de toleracia y, e realidad, es exacta la cobertura de 95% de las observacioes medidas. Si embargo, e la práctica µ y rara vez se cooce; por ello, se debe aplicar x ± ks, el itervalo es ua variable aleatoria y la cobertura de ua proporció de la població disfrutada por el itervalo o es exacta. Como resultado se aplica u itervalo de cofiaza de ( γ) 00% al plateamieto, ya que o se puede esperar que todo el tiempo el itervalo cubra cualquier proporció específica. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 30

31 Límites de Toleracia (cot.) Para ua distribució ormal de medicioes co media μ y desviació estádar, descoocidas, los límites de toleracia bilaterales está dados por x ± ks, dode k se determia de modo que se pueda asegurar co ua cofiaza de ( γ) 00% que los límites dados cotiee al meos la proporció de las medicioes. La tabla A.7 da valores de k para = 0.9, 0.95, 0.99; γ = 0.05, 0.0; y para valores seleccioados de de a 000. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 3

32 Límites de Toleracia (cot.) Los límites de toleracia uilaterales está dados por límite iferior x ks límite superior x + ks dode k se determia de modo que se pueda asegurar co ua cofiaza de ( γ)00% que los límites dados cotiee al meos la proporció de las medicioes. La tabla A.7 da valores de k para = 0.9, 0.95, 0.99; γ = 0.05, 0.0; y para valores seleccioados de de a 000. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 3

33 Diferecia etre Límites de Cofiaza, Límites de Predicció y Límites de Toleracia El itervalo de cofiaza sobre la media es útil cuado el aalista de datos esté iteresado e la media de la població. La media de la població se ecesita estimar y el itervalo de cofiaza produce los límites apropiados. El itervalo de toleracia está mucho más ateto a dóde cae la mayoría de las observacioes idividuales. Dóde estará la mayor parte de los valores de la població? El itervalo de predicció se aplica cuado es importate determiar u límite para u solo valor. Ni la media i la ubicació de la mayoría de la població so la cuestió clave, sólo se requiere la ubicació de ua sola ueva observació. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 33

34 Estimació de la Diferecia etre Medias Dos Muestras Si se tiee dos poblacioes ormales o, a falta de esta, si y so suficietemete grades, se puede establecer u itervalo de cofiaza para μ μ al cosiderar la distribució muestral de X X. La estimació de la diferecia de dos medias de dos poblacioes μ μ, se hace por medio del teorema del límite cetral. De acuerdo a este teorema se puede establecer las distribucioes muestrales de X X, que está distribuida de forma aproximadamete ormal co µ = µ µ X X desviació estádar = +. X X UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 34 y

35 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 35 Estimació de la Diferecia etre Medias Dos Muestras (cot.) Al escribir z / para el valor z el cual se tiee u área de / a la derecha, se puede ver que ( ) ( ) ( ) ( ) ( ) µ µ µ µ = + + = = z X X z P X X Z z Z z P

36 P Estimació de la Diferecia etre Medias Dos Muestras (cot.) Al multiplicar cada térmio e la desigualdad por +, después restar X X y multiplicar por -, se obtiee: ( ) ( ) X + µ µ + + X z X X z = Se seleccioa dos muestras aleatorias de tamaño y de dos poblacioes cuyas variazas y se cooce y se calcula la diferecia de las medias de las muestras para obteer u itervalo de cofiaza de ( )00%. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 36

37 Estimació de la Diferecia etre Medias Dos Muestras (cot.) Itervalo de Cofiaza de μ μ co y coocidas. Si x y x so las medias de muestras aleatorias idepedietes de tamaño y de poblacioes co variazas coocidas y, respectivamete, u itervalo de cofiaza de ( ) 00% para μ μ está dado por + z + ( ) ( ) x x z + µ µ x x Dode z / es el valor z que deja u área de / a la derecha. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 37

38 Estimació de la Diferecia etre Medias Dos Muestras (cot.) Para muestras pequeñas que se seleccioa de poblacioes o ormales, o se puede esperar que el grado de cofiaza sea preciso. Para muestras de tamaño 30, si importar la forma de la mayor parte de las poblacioes, la teoría de muestreo garatiza bueos resultados. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 38

39 Estimació de la Diferecia etre Medias Dos Muestras (cot.) Itervalo de Cofiaza de μ μ co y iguales pero descoocidas. Si x y x so las medias de muestras aleatorias idepedietes de tamaño y, de poblacioes aproximadamete ormales co variazas iguales pero descoocidas, u itervalo de cofiaza de ( )00% para μ μ está dado por ( x ) ( ) x t s + µ x x S p = ( ) S + ( ) p µ + S Dode s p es la estimació de uió de la desviació estádar poblacioal y t / es el valor t co v = + grados de libertad, que deja u área de / a la derecha. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 39 + t s p +

40 Estimació de la Diferecia etre Medias Dos Muestras (cot.) Itervalo de Cofiaza de μ μ co y diferetes pero descoocidas. Si x y x so las medias de muestras aleatorias idepedietes de tamaño y, de poblacioes aproximadamete ormales co variazas diferetes y descoocidas, u itervalo de cofiaza de ( )00% para μ μ está dado por ( ) ( ) x x t + µ x x v = ( s + s ) ( s ) ( ) + s [ ] [( ) ( )] µ s s Dode t / es el valor t co v grados de libertad, que deja u área de / a la derecha. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 40 + t s + s

41 Estimació de la Diferecia etre Medias Dos Muestras (cot.) E el caso de ua diferecia etre dos medias, la iterpretació se puede exteder a ua comparació de dos medias: Si el itervalo de cofiaza de la diferecia μ μ es positivo, se ifiere que la μ > μ co poco grado de error. Si el itervalo de cofiaza de la diferecia μ μ es positivo, se ifiere que la μ μ co poco grado de error. Si el itervalo de cofiaza de la diferecia μ μ puede permitir que μ μ sea igual a 0, se ifiere que las medias de las poblacioes puede ser μ = μ co poco grado de error. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 4

42 Error Estádar de ua Estimació Putual La desviació estádar de X X se cooce e la estimació como error estádar de X X. De maera simple, el error estádar de u estimador es su desviació estádar. E el caso dode y se descooce y el muestreo es sobre ua distribució ormal, s y s reemplaza a y y se icluye el error estádar estimado. El puto importate a cosiderar es que el acho del itervalo de cofiaza de μ y μ depede de la calidad del estimador putual a través de su error estádar. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 4

43 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 43 Error Estádar de ua Estimació Putual (cot.) De esta forma los límites de cofiaza de μ μ so Dode s.e. (e.e.) es el error estádar y s.e. (e.e.) es el error estádar estimado. ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) as y descoocid so iguales y, ˆ.ˆ. y descoocidas so diferetes y, ˆ.ˆ. so coocidas y,.. x x s e t x x s t x x x x s e t x x s s t x x x x s e z x x z x x p ± = + ± ± = + ± ± = + ±

44 Estimació de la Variaza Ua Muestra Si se extrae ua muestra de tamaño de ua població ormal co variaza, y se calcula la variaza muestral s se obtiee u valor de la estadística S. Esta variaza muestral calculada se usará como estimació putual de, por ello la estadística S se llama estimador de. Se puede establecer ua estimació por itervalos de mediate el uso de la estadística ( ) S X = La estadística X tiee ua distribució chi-cuadrada co v = grados de libertad cuado las muestras se elige de ua població ormal. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 44

45 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 45 Estimació de la Variaza Ua Muestra (cot.) Se puede escribir: Dode χ / y χ / so valores de la distribució chicuadrada co v = grados de libertad, que deja áreas de / y /, respectivamete, a la derecha. ( ) ( ) χ χ χ χ = = S P X P

46 Estimació de la Variaza Ua Muestra (cot.) UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 46

47 Estimació de la Variaza Ua Muestra (cot.) Al dividir cada térmio de la desigualdad etre ( )S, e ivertir cada térmio (lo que cambia el setido de las desigualdades), se obtiee: P ( ) S ( ) χ Para la muestra aleatoria particular de tamaño, se calcula la variaza muestral s, y se obtiee el itervalo de cofiaza de ( )00% para. χ S = UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 47

48 Estimació de la Variaza Ua Muestra (cot.) Itervalo de cofiaza para. Si s es la variaza de ua muestra aleatoria de tamaño de ua població ormal, u itervalo de cofiaza ( )00% para es: ( ) s ( ) χ Dode χ / y χ / so valores χ co v = grados de libertad, que deja áreas de / y /, respectivamete, a la derecha. χ s UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 48

49 Estimació de la Variaza Ua Muestra (cot.) Itervalo de cofiaza para. U itervalo de cofiaza ( )00% para se obtiee al tomar la raíz cuadrada de cada extremo del itervalo de cofiaza para. ( ) s ( ) χ Dode χ / y χ / so valores χ co v = grados de libertad, que deja áreas de / y /, respectivamete, a la derecha. χ s UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 49

50 Estimació de la Razó de Dos Variazas Dos Muestras Ua estimació putual de la razó de dos variazas poblacioales / está dada por la razó s /s de las variazas muestrales. Esta variaza muestral calculada se usará como estimació putual de /, por ello la estadística S /S se llama estimador de /. Si y so las variazas de poblacioes ormales, se puede establecer ua estimació por itervalos de / mediate el uso de la estadística: S F = S La variable aleatoria F tiee ua distribució f co v = y v = grados de libertad. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 50

51 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 5 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) Se puede escribir: Dode f / (v,v ) y f / (v,v ) so valores de la distribució f co v y v grados de libertad, que deja áreas de / y /, respectivamete, a la derecha. ( ) ( ) ( ) ( ) ( ) = =,,,, v v f S S v v f P v v f F v v f P

52 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 5

53 UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 53 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) Al multiplicar cada térmio e la desigualdad por S /S, y después ivertir cada térmio (para cambiar el setido de las desigualdades), se obtiee: ( ) ( ) =,, v v f S S v v f S S P

54 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) Además, se puede reemplazar la catidad f / (v,v ) y por /f / (v,v ). Por lo tato: S P S S f S f ( v, v ) v ( v, ) = Para cualesquiera dos muestras aleatorias idepedietes de tamaño y que se seleccioa de dos poblacioes ormales, la razó de las variazas muestrales s /s, se calcula y se obtiee el itervalo de cofiaza de ( )00% para /. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 54

55 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) Itervalo de cofiaza para /. Si s y s so las variazas de muestras idepedietes de tamaño y, respectivamete, de dos poblacioes ormales, etoces u itervalo de cofiaza ( )00% para / es: S S f, f ( v, v ) S ( v v ) Dode f / (v,v ) es u valor de la distribució f co v = y v = grados de libertad, que deja área de / a la derecha. S UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 55

56 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) Itervalo de cofiaza para /. U itervalo de cofiaza ( )00% para / es se obtiee al tomar la raíz cuadrada de cada extremo del itervalo de cofiaza para / : S S f, f ( v, v ) S ( v v ) Dode f / (v,v ) es u valor de la distribució f co v = y v = grados de libertad, que deja área de / a la derecha. S UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 56

57 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) E el caso de la razó de dos variazas, la iterpretació se puede exteder a ua comparació de dos variazas: Si el itervalo de cofiaza de la razó / permite la posibilidad de que / sea igual a, se ifiere que = co poco grado de error. Si el itervalo de cofiaza de la razó / o permite la posibilidad de que / sea igual a, se ifiere que co poco grado de error. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 57

58 Estimació de la Razó de Dos Variazas Dos Muestras (cot.) E el caso de la razó de dos desviacioes estádar, la iterpretació se puede exteder a ua comparació de dos desviacioes estádar: Si el itervalo de cofiaza de la razó / permite la posibilidad de que / sea igual a, se ifiere que = co poco grado de error. Si el itervalo de cofiaza de la razó / o permite la posibilidad de que / sea igual a, se ifiere que co poco grado de error. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 58

59 Referecias Bibliográficas Walpole, R.E.; Myers, R.H.; Myers, S.L. & Ye, K. Probabilidad y estadística para igeiería y ciecias. Octava Edició. Pearso Pretice-Hall. México, 007. UCR-ECCI CI-35 Probabilidad y Estadística Problemas de Estimació de Ua y Dos Muestras 59

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

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

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

) 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

Sobre los intervalos de confianza y de predicción

Sobre los intervalos de confianza y de predicción Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de

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

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

Análisis estadístico de datos simulados Estimadores

Análisis estadístico de datos simulados Estimadores Aálisis estadístico de datos simulados Estimadores Patricia Kisbye FaMAF 11 de mayo, 2010 Aálisis estadístico Iferecia estadística: Elegir ua distribució e base a los datos observados. Estimar los parámetros

Más detalles

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA 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 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

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

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más 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

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

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

Distribuciones Muestrales

Distribuciones 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 detalles

Estimación por Intervalos

Estimación por Intervalos Estimació por Itervalos Propósito Ya se discutiero los estimadores putuales: x y p Ahora se dará, e ambos casos, ua estimació de itervalo, la cual iforma sobre la precisió de la estimació. Esta estimació

Más detalles

Estimación por intervalos

Estimación por intervalos Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /

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

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

θˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ

θˆ = 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 detalles

1. Intervalos de Conanza

1. 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 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

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

Sobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017

Sobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017 Sobre los itervalos de cofiaza y de predicció Javier Satibáñez 7 de abril de 2017 Itervalos de cofiaza Se costruye itervalos de cofiaza para los parámetros poblacioales. Supogamos que teemos ua muestra

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

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación 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 detalles

TEMA 3: INFERENCIA ESTADISTICA

TEMA 3: INFERENCIA ESTADISTICA ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.

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

T5. Contrastes para los parámetros de una población Normal

T5. 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 detalles

Solución: de una distribución con media µ y varianza conocida. = X. Aquí 100. Así σ = a) Se pide determinar "n", de modo que:

Solución: de una distribución con media µ y varianza conocida. = X. Aquí 100. Así σ = a) Se pide determinar n, de modo que: Ejercicios Itervalos de Cofiaza. Se toma ua muestra aleatoria de observacioes y se costruye u itervalo de cofiaza del 95% para la media poblacioal, co variaza coocida. El itervalo de cofiaza resultó co

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

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber

Más detalles

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media

Más detalles

6. DISTRIBUCIONES MUESTRALES

6. DISTRIBUCIONES MUESTRALES 6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció

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

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

PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.

PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:

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

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

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo. Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de

Más detalles

Bloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS

Bloque 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 detalles

PRUEBAS DE HIPOTESIS

PRUEBAS DE HIPOTESIS PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto

Más detalles

UT-4: Distribuciones fundamentales de muestreo y descripción de datos

UT-4: Distribuciones fundamentales de muestreo y descripción de datos UT-4: Distribucioes fudametales de muestreo y descripció de datos Sub tema: Muestreo aleatorio. Distribucioes muestrales. Distribucioes muestrales de medias. Teorema del límite cetral. Aplicacioes. DF

Más 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

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

Curso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)

Curso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos) Curso de Estadística Aplicada a las Ciecias Sociales Tema 10. Estimació de ua proporció Cap. 0 del maual Tema 10. Estimació de ua proporció Itroducció 1. Distribució e el muestreo de ua proporció. Estimadores

Más detalles

Test de Hipótesis. Material Preparado por Hugo Delfino

Test 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 detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad 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 detalles

Universidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para

Universidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 7: HERRAMIENTAS INFERENCIALES. DISTRIBUCIONES ASOCIADAS AL Uiversidad MUESTREO de Oviedo. Facultad de Ecoomía y Empresa. Grado e ADE. 7.1.- Distribucioes Métodos

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS

CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Págia 1 de 11 CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué

Más detalles

Estimación de parámetros. Biometría

Estimación 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 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

Formulas. Población infinita. Población finita

Formulas. Población infinita. Población finita Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

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

Estadística 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 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 detalles

8. INTERVALOS DE CONFIANZA

8. 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 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

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

ESTADÍSTICA. n i Se pide:

ESTADÍSTICA. n i Se pide: ESTDÍSTIC Tercera Prueba de Evaluació cotiua 1 de diciembre de 16 1.- l calcular cico veces la distacia etre dos putos, obteemos los siguietes valores: 17,13m; 17,1m; 17,m; 17,65m; 17,4 a) Itervalo de

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

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

Pasos básicos para docimar una hipótesis:

Pasos básicos para docimar una hipótesis: Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los

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

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para

Más detalles

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.

1 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 detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

Más detalles

PRUEBAS DE HIPÓTESIS.

PRUEBAS 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 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

1. Distribución Normal.

1. Distribución Normal. DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei RESUMEN 1. Distribució Normal. 1.1. Cálculo de probabilidades a) Para ua distribució estádar N(0,1) usamos directamete la tabla: Ejemplos:

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

Desigualdad de Tchebyshev

Desigualdad de Tchebyshev Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que

Más detalles

Introducción a la Inferencia Estadística. Muestreo en poblaciones normales

Introducción a la Inferencia Estadística. Muestreo en poblaciones normales Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades

Más detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen 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 detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA

PRUEBA 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 detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA CONVOCATORIA DE MAYO (011) EJERCICIO 1 El director de publicacioes de ua editorial trata de decidir si debe publicar u uevo texto de estadística. Los ateriores libros

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

MATERIAL DE LA 3era VISITA

MATERIAL DE LA 3era VISITA Material de clase 2 Domigo 27 Juio TEMAS: MATERIAL DE LA 3era VISITA 1. DISTRIBUCION DE LAS PROPORCIONES MUESTRALES 2. INTERVALOS DE CONFIANZA Desarrollo Tema 1: La Distribució de las Proporcioes Muéstrales

Más detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA 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 detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

Ejemplo Solución. μ 1 =121 μ 2 =112 σ 1 =σ 2 =8.0 α=0.05 n 1 =n 2 =10. 2) Datos. 3) Ensayo de hipótesis

Ejemplo Solución. μ 1 =121 μ 2 =112 σ 1 =σ 2 =8.0 α=0.05 n 1 =n 2 =10. 2) Datos. 3) Ensayo de hipótesis Ejemplo Solució ) Datos μ = μ = σ =σ =8.0 = =0 3) Esayo de hipótesis ; μ -μ = 0.0 H ; μ -μ >0.0 Se está iteresado e reducir el tiempo de secado de ua pitura. Probamos dos fórmulas; la fórmula tiee el coteido

Más detalles

Inferencia estadística

Inferencia estadística UNIDAD 0 Iferecia estadística Objetivos Al fializar la uidad, el alumo: determiará si u estimador es sesgado o isesgado resolverá problemas de itervalos de cofiaza para la media, diferecia de medias, variaza

Más detalles

E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

E.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA TEMA 6: ESTIMACIÓN DE PARÁMETROS DE UNA DISTRIBUCION Datos, datos,

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Capítulo 8: Inferencia e Intervalos de confianza para proporciones y medias

Capítulo 8: Inferencia e Intervalos de confianza para proporciones y medias Capítulo 8: Iferecia e Itervalos de cofiaza para proporcioes y medias 8 Tomado decisioes acerca de la proporció de ua població 8 Tomado decisioes acerca de la media de ua població 83 Itervalos de cofiaza

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

- estimación de parámetros, - intervalos de confianza y

- estimación de parámetros, - intervalos de confianza y Iferecia estadística: es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. Objetivos de la iferecia: - estimació de parámetros, - itervalos de cofiaza

Más detalles

Intervalo de confianza para µ

Intervalo 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 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

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