V II Muestreo por Conglomerados

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

Download "V II Muestreo por Conglomerados"

Transcripción

1 V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos de ua caja de ua líea de produccó, los clubes de persoas, las áreas arboladas de u terreo, etc. Como el objetvo del muestreo es levatar la mayor catdad de formacó al meor costo, e este tpo de casos lo más ecoómco el ecuestar a u elemeto muestral y a todos sus vecos, así se ahorra los costos de u traslado del ecuestador. A este modelo de muestreo se llama Por coglomerados, ya que ua vez seleccoado u elemeto para la muestra, se cluye també a todos los elemetos que esté alrededor de él. A dfereca del muestreo estratfcado, este muestreo o requere que los elemetos tega característcas homogéeas. Característcas Poblacó coglomerados Coglomerado Coglomerado 1 Coglomerado 4 Coglomerado 3 Se tee coglomerados De los coglomerados se obtee ua muestra de coglomerados Muestra coglomerados Coglomerado 1 Tamaño m 1 Coglomerado Tamaño m Coglomerado 1 Coglomerado Coglomerado 3 Tamaño m 3 Coglomerado 4 Tamaño m 4 El promedo del tamaño de los coglomerados de la muestra se calcula de la sguete maera: 1 m m 1 Departameto de Estadístca y Cálculo

2 El tamaño de toda la poblacó se calcula de la sguete maera: M m 1 ótese que los parámetros marcados co M mayúscula se refere a toda la poblacó. El tamaño promedo de los coglomerados de toda la poblacó se calcula de la sguete maera: M M 3 Seleccó de la muestra. S los coglomerados so evdetes, se sgue u proceso aleatoro para su seleccó, de lo cotraro se seleccoa aleatoramete los elemetos y muestrear y después se detfca su coglomerado. E cada coglomerado se obtee ua suma de la varable que se va a medr (e este método se trabaja co la suma más que co la meda) A la suma de la varable de cada coglomerado se llamará y Estmacó de la meda Coglomerado m y Ua vez seleccoados los coglomerados a muestrear, se obtee de cada uo su tamaño (m ) y la suma de la varaable que se desea aalzar (y ). ótece que es la suma de las varables, o la meda. Después se suma cada ua de las columas y se aplca la sguete ecuacó: y 1 1 y m Como los valores de las sumatoras ya está calculado e la tabla, solamete se susttuye los valores: 803 y Estmacó de la varaza de la meda Para el cálculo de la varaza de la meda es coveete agregar dos columas a la tabla, e la prmera se multplca la meda geeral por el tamaño de cada coglomerado; e la sguete columa se resta el total de cada coglomerado meos el la columa ateror y se eleva al cuadrado. La columa se suma. Coglomerado m y ỹm (y - ỹm )

3 La varaza se calcula co la sguete ecuacó: y ym 1 V ( y) 1 M 33 S =81 coglomerados y M=68 elemetos e la poblacó. ótece que se la sumatora ya está calculada e la tabla ateror V ( y) (6) 81 Itervalo de cofaza de la meda El tervalo de cofaza para la meda es la sguete: y V( y) y V( y) Tamaño de la muestra para estmar la meda Para realzar los cálculos es ecesaro ecotrar la varaza del total e la muestra co la sguete ecuacó: s c 1 y ym s c Se determa el error máxmo que se permte e los resultados. A este valor se le llamará B. Las ecuacoes para ecotrar el tamaño de la muestra so las sguetes: D B 4 M sc D s c S B=0.4 El resultado es el úmero de coglomerados que se debe muestrear. El resultado se redodea al etero superor (0.4) (68/81) D (81)(36.61) (81) = 11 Ejemplo Co el f de determar s es coveete stalar ua productora de yogurt e certo poblado, se desea coocer el cosumo mesual por persoa al mes. De u total de 10 coglomerados detectados se establecero 8 coglomerados co los resultados que se muestra. Estmar la meda, su tervalo de cofaza y el tamaño adecuado de la muestra s el error máxmo es 0.. El total de de persoas estmado es de 10,000. CoglomeradoPersoas Suma ltros

4 Coglomerado m y ỹm (y - ỹm ) La meda y y y 1 m 601 La varaza y ym 1 V ( y) M ,71.4 V ( y) (8) 10 La varaza es alta porque es u estmador sesgado para muestras meores a 0 coglomerados El tervalo de cofaza y V( y) y V( y) Tamaño de la muestra s c 1 B D 4 y ym M 1 (0.) (10000 /10) D ,34 s c sc D s c (10)(138,34) = 114 (10) ,34 Ig. Jesús Mellado Bosque Departameto de Estadístca y Cálculo

5 Estmacó del total 14 Para estmar el total de ua varable de toda la poblacó se puede llear la tabla que se muestra, dode cada regló correspode a cada estrato, e la prmera columa se ubca el tamaño de ese estrato ( ), e la seguda columa el tamaño de la muestra para ese estrato ( ), e la tercera columa la meda calculada para cada estrato (y) y e la cuarta columa se realza la multplcacó y. Se calcula el valor de, que es la suma del tamaño de cada estrato. Se calcula la suma de la últma columa, el valor resultate es el total. La ecuacó es como se muestra: Estrato y y = 491 suma L y y 1 Estmacó de la varaza del total La varaza del total permtrá establecer el tervalo de cofaza. Para calcular la varaza del total se debe calcular la varaza de cada estrato co las sguetes fórmulas. s j1 ( y, j y ) 1 O be s j1 x, j x j1 1, j Dode es el úmero de estrato y j es cada uo de las observacoes de cada estrato La varaza poblacoal (S ) se puede agregar a la tabla de la meda, para faltar los cálculos sguetes: Estrato y y s = 491 suma Ua vez que se obtee la varaza muestral de cada estrato se calcula la varaza del total de cada estrato co la sguete fórmula. Utlzado las columas de la tabla ateror se puede facltar los cálculos. s V (ˆ )

6 Estrato y y s V(t ) = 491 suma Para segur co los cálculos es ecesaro multplcar cada varaza del total por y ubcar el resultado e ua ueva columa, sumar la columa. El resultado es la varaza del total de toda la muestra. Estrato y y s V(t ) V(y ) = 491 suma V(t) Itervalo de cofaza del total El tervalo de cofaza para el total es la sguete: ˆ V( ˆ) ˆ V( ˆ) S t = y V(y) = 5,80,500; etoces el tervalo de cofaza será el sguete: 119,130 5,80, , , ,534 13,75 Tamaño de la muestra para estmar el total Para ecotrar el tamaño de la muestra es ecesaro asgar a cada estrato u valor w, que será la proporcó de datos que correspode al estrato. La sumatora de los valores w debe ser 1. Alguas veces cada valor w se calcula co la ecuacó w = / Los cálculos se faclta s se crea la tabla que se muestra a la derecha, dode se muestra el tamaño de cada estrato, su varaza muestral y el valor w asgado. Estrato s w = 491

7 16 Para realzar los cálculos es ecesaro agregar ua columa para calcular s /w (columa 1 al cuadrado por la columa etre la columa 3) y sumar cada uo de los regloes. També es ecesaro agregar ua columa para agregar s (columa 1 por columa ) y sumar los valores de la columa. Estrato s w s /w = Estrato s w s /w s = El paso sguete es defr el error máxmo que se desea para la meda, a ese valor se le llamará B, así por ejemplo, s el total es 119,130 y se desea u error máxmo de 5,000, B=5,000 Se defe el valor D co la ecuacó que se muestra a la derecha. Por últmo, se calcula el valor de (tamaño de la muestra) utlzado la ecuacó que se muestra. El valor del umerador ya se tee calculado e la cuarta columa de la tabla prevamete creada, y la seguda parte del deomador de gual maera ya se tee calculado e la quta columa de la tabla. Dado que las observavoes o puede ser parcales, el valor de se aumeta al etero sguete superor. =39 B D 4 (5,000) D 4(4,91) L 1 D s / w (491 ) s 38.3 Ejemplo E ua zoa se desea estmar el peso total de la produccó de papa de tres parcelas. Las parcelas está repartdas e tres rachos co dferetes codcoes clmátcas, así que se plaea u muestreo estratfcado. E el prmer racho se muestrearo 10 platas de 900, e el segudo racho 1 platas de 1100 y e el tercero 1 de Co los datos que se muestra a cotuacó ecotrar el total co su tervalo de cofaza al 95% de segurdad y co el tamaño de muestra para teer u error máxmo de 50 klos (datos fctcos). Dr. Jesús Mellado Bosque Departameto de Estadístca y Cálculo

8 17 Racho Racho Racho Estrato y y = 3050 suma 910 Después de llear la tabla se sabe que el total es 910 klos. Estrato y y s V(y ) V(y ) = 3050 suma 910 suma També se puede coclur que la varaza del total es Al aplcar la ecuacó para el tervalo de cofaza Para el tamaño de la muestra: Estrato s w s /w s B=50 D=0.0017,10,557 (3050 ) El tamaño de la muestra debe ser 135, lo que sgfca que se requere 101 mas observacoes para llegar a la exacttud requerda. Dr. Jesús Mellado Bosque Estmacó de ua proporcó Para estmar ua proporcó de ua varable de toda la poblacó se puede llear la tabla que se muestra, dode cada regló correspode a cada estrato, e la prmera columa se ubca el tamaño de ese estrato ( ), e la seguda columa el tamaño de la muestra para ese estrato ( ), e la tercera columa la proporcó calculada para cada estrato (p ) y e la cuarta columa se realza la multplcacó p.

9 Se calcula el valor de, que es la suma de los tamaño sde cada estrato. Se calcula la suma de la últma columa y se dvde etre, el resultado es la proporcó de toda la poblacó. La fórmula es como se muestra: 18 Estrato p p = 491 suma p 0.4 pˆ 1 L 1 pˆ Estmacó de la varaza de la proporcó La varaza de la proporcó permtrá establecer el tervalo de cofaza para la proporcó. Para calcular la varaza de la proporcó se debe calcular la varaza de cada estrato multplcado p q, dode q es 1-p La varaza se puede agregar a la tabla de la meda, para faltar los cálculos sguetes : Estrato p p p q = 491 suma p 0.4 Ua vez que se obtee la varaza muestral de cada estrato se calcula la varaza de la proporcó de cada estrato co la sguete ecuacó. Utlzado la columa de la tabla ateror se puede facltar los cálculos. V ( y ) pq Estrato p p p q V(y ) = 491 suma p 0.4 Para segur co los cálculos es ecesaro multplcar cada varaza de la meda por y ubcar el resultado e ua ueva columa, sumar la columa y luego dvdr la suma etre 1/. El resultado es la varaza de la meda de toda la muestra. Ig. Jesús Mellado Bosque

10 Estrato p p p q V(y ) V(y ) = 491 suma suma p 0.4 V(p) Itervalo de cofaza de la proporcó El tervalo de cofaza para la proporcó es la sguete: pˆ V( pˆ) p pˆ V( p ) S p = 0.4 y V(p) = 0.004; etoces el tervalo de cofaza será el sguete: p Tamaño de la muestra para estmar la proporcó Para ecotrar el tamaño de la muestra es ecesaro asgar a cada estrato u valor w, que será la proporcó de datos que correspode al estrato. La sumatora de los valores w debe ser 1. Alguas veces cada valor w se calcula co la ecuacó w = / Los cálculos se faclta s se crea la tabla que se muestra a la derecha, dode se muestra el tamaño de cada estrato, su varaza muestral y el valor w asgado. Para realzar los cálculos es ecesaro agregar ua columa para calcular p q /w (columa 1 al cuadrado por la columa etre la columa 3) y sumar cada uo de los regloes. Estrato s w = 491 Estrato p q w s /w = També es ecesaro agregar ua columa para agregar s (columa 1 por columa ) y sumar los valores de la columa. Estrato p q w s /w s = Departameto de Estadístca y Cálculo

11 0 El paso sguete es defr el error máxmo que se desea para la proporcó, a ese valor se le llamará B, así por ejemplo, s la meda es 0.4 y se desea u error máxmo de 0.1, B=0.1; Se defe el valor D co la ecuacó que se muestra a la derecha. Por últmo, se calcula el valor de (tamaño de la muestra) utlzado la ecuacó que se muestra. El valor del umerador ya se tee calculado e la cuarta columa de la tabla prevamete creada, y la seguda parte del deomador de gual maera ya se tee calculado e la quta columa de la tabla. Dado que las observavoes o puede ser parcales, el valor de se aumeta al etero sguete superor. =71 D B D 4 (0.1) 4 L 1 D p q / w p q 3,316,971 (491 ) Ejemplo E ua ua plata productora de botes de yogurt se desea saber qué proporcó de los botes o tee el PH recomedado. La produccó se lleva a cabo a través de tres máquas, así que se decdó realzar la prueba por estratos. E la prmera máqua, de ua produccpo de 100 botes se muestrearo 14; e la seguda máqua, de 1300 botes se muestrearo 15 y e la tercera máqua, de 100 botes se muestrearo 14. Cada vez que e bote tee u PH dferete se marca co u 1. Ecotrar el estmador de la proporcó co su tervaloo de cofaza al 95% y el tamaño de la muestra ecesaro para teer u error máxmo de 0.1 (datos fctcos). Máqua Máqua Máqua Estrato p o = 3700 suma p 0.16 Después de llear la tabla se sabe que la proporcó geeral es 0.16 Estrato p o p q V(p ) V(p ) = 3700 suma suma p 0.16 V(p) També se puede coclur que la varaza de la proporcó es Ig. Jesús Mellado Bosque

12 1 Al aplcar la ecuacó para el tervalo de cofaza p 0.74 Para el tamaño de la muestra: Estrato p q w p q /w p q B=0.1 D= ,847,047 (3700 ) El tamaño de la muestra debe ser 54, pero como e la muestra orgal fuero 43 observacoes es ecesaro muestrear 11 mas. Dr. Jesús Mellado Bosque Departameto de Estadístca y Cálculo

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Parte 3. Técnicas de muestreo

Parte 3. Técnicas de muestreo PROFESOR: UIS E. IETO BARAJAS Parte 3. Téccas de muestreo 3. Itroduccó al muestreo Es posble determar co certa precsó (error) las característcas de ua poblacó (fta) a partr de los resultados obtedos e

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

( ) ( ) ( )( ) ( )( ) ( )

( ) ( ) ( )( ) ( )( ) ( ) Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA. M.Sc. Fabio A. Blanco Rojas Berufweiss S.A.

BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA. M.Sc. Fabio A. Blanco Rojas Berufweiss S.A. BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA M.Sc. Fabo A. Blaco Rojas Berufwess S.A. Porque la terra será llea del coocmeto de Jehová, como las aguas cubre el mar Isaías 11:9 Temas a

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

Distribuciones Muestrales

Distribuciones Muestrales Estadístca II / Fucoes Varables Aleatoras. Ig. Dey Gozález Dstrbucoes Muestrales Muestreo Aleatoro Poblacó Muestra Herrametas Estadístcas Medaa Muestral ) ) / (( ) / ( ) / ( ; es mpar ; es par = = Meda

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Uversdad de oora Departameto de Matemátcas Área Ecoómco Admstratva Matera: Estadístca I Maestro: Dr. Fracsco Javer Tapa Moreo emestre: 05- Hermosllo, oora, a 5 de septembre de 05. Itroduccó E la clase

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple . Muestreo Aleatoro mple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza proporcó muestrales: Propedades. Error de estmacó. Poblacó Y (, ). E V Muestra aleatora smple Y,..., Y (..d.) E V ( )

Más detalles

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09 Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Trbual de la Oposcó al Cuerpo Superor de Estadístcos del Estado Pruebas selectvas para el greso e el Cuerpo Superor de Estadístcos del Estado. Orde ECC/1693/2015, de 5 de septembre 2016 (BOE8/09/2016).

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Tema 2. Muestreo Aleatorio Simple Contenido

Tema 2. Muestreo Aleatorio Simple Contenido Tema. Muestreo Aleatoro Smple Cotedo 1) Defcó, seleccó otacó ) Estmadores de la meda el total. Propedades. Varazas error de estmacó. Límtes de cofaza. 3) Muestreo smple co resttucó 4) Estmadores de la

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FCULTD DE INGENIERÍ U N M ROILIDD Y ESTDÍSTIC Iree atrca Valdez y lfaro reev@servdor.uam.mx T E M S DEL CURSO. álss Estadístco de datos muestrales. 2. Fudametos de la Teoría de la probabldad. 3. Varables

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

(Véase el Ejercicio 13 Beneficio de los bancos )

(Véase el Ejercicio 13 Beneficio de los bancos ) étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles