PRÁCTICA 2: Ejercicios del capítulo 4

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

Download "PRÁCTICA 2: Ejercicios del capítulo 4"

Transcripción

1 PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para ello selecciona aleaoriamene una muesra de 0 ejecuivos que padecen ansiedad en esas siuaciones. En primer lugar les aplica una escala que mide la ansiedad ane la oma de decisiones. A coninuación les aplica la erapia y vuelve a medir su nivel de ansiedad. El psicólogo desea que le ayudes a decidir si su erapia es eficaz. a) Indica las variables en el esudio y el ipo de conrase de hipóesis que llevarías a cabo para ayudar al psicólogo Variable cuaniaiva: Ansiedad de los ejecuivos medida anes y después de la erapia Conrase de hipóesis sobre medias (µ A - µ D ) relacionadas b) Planea esadísicamene las hipóesis del conrase: H 0 : µ A µ D H : µ A > µ D... Después de la erapia (D) los sujeos ienen menos ansiedad c) Si obuvieras un esadísico 4,78 y sabiendo que P(T 4,78) = 0,03. Cuál sería u decisión sobre H 0 con un nivel de confianza de 0,99? Conrase unilaeral derecho luego: Nivel críico: p = P(T 4,78) = 0,03 > α = 0,0 0,03 α Como p > α, se maniene H 0 con un nc del 99% 4,78. Si en un conrase unilaeral derecho obenemos un esadísico de conrase X = 6,3. Sabemos que P(X < 6,3) = 0,05. Según eso, Cuál de las siguienes afirmaciones es verdadera?: a) Decidiremos manener H 0. b) La probabilidad de rechazar H 0 siendo verdadera vale 0,05 c) Decidiremos rechazar H 0 d) Podemos rechazar H 0 con una probabilidad de equivocarnos de 0,05 e) Al manener H 0 siendo verdadera, la probabilidad de equivocarnos es de al menos 0,05 0,05 6,3 α Aunque se desconozca α, por muy grande que sea, no puede alcanzar el valor 0,95. Por ano, se maniene H 0, al esar X muy alejado de la zona críica.

2 3. Una psicóloga infanil preende averiguar la eficacia de dos erapias (una cogniiva y ora conducual) para el raamieno de la afasia o rasornos en el habla infanil. Maniene la hipóesis de que la erapia cogniiva es más eficaz que la conducual. Para comprobarlo, selecciona aleaoriamene una muesra de 3 pacienes con problemas de afasia. A la miad les aplica una erapia y a la ora miad les aplica la ora. Transcurrido mes oma regisros acerca del número de errores comeidos por minuo en el habla por los niños. Los resulados indican que los niños que han sido someidos a la erapia cogniiva obienen una media de 5 y una varianza de 3 errores; mienras que los que han sido someidos a la erapia conducual obienen una media de 9 y una varianza de errores. Según eso y con un nivel de confianza de 0,95. a) A qué conclusión llegará la psicóloga? Daos: Poblaciones: µ (promedio de errores para erapia cogniiva) µ (promedio de errores para erapia conducual) Muesras: n =6; X = 5; S = 3 n =6; X = 9; S = α = 0,05 Hipóesis: La erapia cogniiva () es más eficaz que la conducual (): es decir se producen menos errores en el habla infanil: µ < µ Conrase sobre µ - µ con muesras independienes:. PLANTEAMIENTO DE LA HIPÓTESIS Conrase unilaeral izquierdo: H 0 : µ µ 0; o bien: H 0 : µ µ H : µ µ < 0; o bien: H 0 : µ < µ. SUPUESTOS. Dos poblaciones normales con σ y σ desconocidas y supuesas iguales (ya que n = n. En realidad eso depende del resulado del conrase sobre H 0 : σ = σ ; H : σ σ ; que veremos con SPSS).. Dos muesras aleaorias y exraídas independienemene de amaño n = 6 y n = 6 (X X ) - ( µ µ ) n + n S + n + n n n ( n ) S + ( n )... 7, = 30 Zona críica: Rechazar H 0 si el esadísico T cae en la zona críica: T α +n Nivel críico: Rechazar H 0 si el p < α * Como -7,4 < -,697, se rechaza H 0 * Como p = P (T -7,4) < 0,005 se rechaza H 0 n Conclusión: Efecivamene la media de errores comeidos en el habla por los niños bajo la erapia cogniiva es significaivamene menor que bajo la conducual. Por ano, el ipo de erapia sí afeca en la evolución de los pacienes con afasia.

3 b) Esimar enre qué valores se encuenra el número verdadero de errores comeidos por los niños con afasia que han sido someidos a la erapia conducual. Para conesar a esa preguna hay que esimar el inervalo confidencial para µ (erapia conducual): Inervalo de confianza (desconocida σ ): X ± α / n ± 0, ±,3 (0,36) n S L i = 9 0,77 = 8,3 L s = 9 + 0,77 = 9,77 El número verdadero de errores comeidos por los niños con afasia que han sido someidos a la erapia conducual se encuenra enre 8,3 y 9,77 a un nivel de confianza del 95%. 4. Según los daos del ETS (Educaional Tesing Service) los esudianes españoles obienen en el examen TOEFL de evaluación del inglés como segunda lengua una media de 50 punos. Un profesor de filología inglesa quiere comprobar si sus alumnos obienen un promedio más alo. Para ello, selecciona una muesra aleaoria de 0 sujeos y les envía a examinarse del TOEFL. Los resulados indican que la media obenida vale 54 y la desviación ípica insesgada 7 punos. A qué conclusión llegará el psicólogo con un nivel de confianza de 0,95? Daos: Poblacion: µ = 50 Muesra: X = 54; S n- = 7 α = 0,05. PLANTEAMIENTO DE HIPÓTESIS Conrase unilaeral derecho: H 0 : µ 50 H : µ > Los alumnos obienen un promedio más alo. SUPUESTOS La población de parida es normal: N (µ, σ) La muesra es aleaoria simple y de amaño n = 0 X µ 0 Desconocida σ : n-...,56 9 S n / n Zona críica: Rechazar H 0 si el esadísico T cae en la zona críica: T -α n- Nivel críico: Rechazar H 0 si el p < α * Como,56 > 0,95 9 =,79 se rechaza H 0. * Como p = P (T Τ k ) = P (T,56) = 0,0 < α = 0,05 se rechaza H 0. 3

4 Conclusión: los daos muesrales dan apoyo a la hipóesis del profesor de filología inglesa y sus alumnos superan a los esudianes españoles en la media obenida en el examen de inglés TOEFL. 5. Una escuela de secundaria ha conraado a un psicólogo clínico para ingeniar una erapia que sirva para reducir el nivel de ansiedad de sus alumnos ane los exámenes. Para ello selecciona aleaoriamene a 8 alumnos y les mide su nivel de ansiedad en los exámenes de febrero con una escala de a 0 punos. A coninuación les aplica la erapia y vuelve a medir su nivel de ansiedad en los exámenes de Junio. Los resulados aparecen en la abla inferior. Según eso, Qué concluirá el psicólogo sobre la eficacia de su erapia con α = 0,0? Sujeo: Anes: Después: Daos: Tenemos una muesra de 8 sujeos evaluada veces: Conrase sobre µ µ con muesras relacionadas. PLANTEAMIENTO DE LA HIPÓTESIS Conrase unilaeral derecho: H 0 : µ D = µ µ 0 H : µ D = µ µ > 0... Los sujeos ienen más ansiedad anes: la erapia es eficaz. SUPUESTOS. La población de diferencia es normal: N(µ D, σ D ). Muesra aleaoria de n pares o diferencias D ( µ µ ) n- SD / n donde: D= X X ; S = (D D) / ) D i i ( n - Sujeo: Σ: Media: X (anes): ,87 X (después): ,37 D i = X X ,5 D i - D,5 0,5-0,5 -,5,5 -,5,5 -,5 (D i - D ),5 0,5 0,5,5,5 6,5 6,5,5 T =,5 / 7,5 = = 8,77,83,5 0,6 = 4,03 Zona críica: Rechazar H 0 si el esadísico T cae en la zona críica: T -α n- Nivel críico: Rechazar H 0 si el p < α Como 4,03 > 0,99 7 =,998 se rechaza H 0. Como p = P (T,998) < 0,0 se rechaza H 0. Conclusión: La erapia ha sido eficaz pueso que la ansiedad en los exámenes de junio ha descendido significaivamene. 7 4

5 6. En un gran almacén se esá esudiando el efeco de la música ambienal sobre las venas de CDs. Durane semana han pueso música de jazz y han enconrado unas venas medias diarias de 5 CDs y una varianza insesgada de. Durane las dos semanas siguienes ponen música clásica. El promedio resula ser 58 y la varianza 4. Comprobar la hipóesis con α = 0,0 Daos: Poblaciones: µ (promedio de venas con la música de jazz en ª semana) µ (promedio de venas con la música clásica en ª semana) Muesras: n = 7; X = 5; S = n =4; X = 58; S = 4 α = 0,0 Hipóesis: La música de jazz () y la música clásica () producen disino nº venas: es decir el ipo de música afeca a las venas: µ µ Conrase bilaeral sobre µ - µ con muesras independienes:. PLANTEAMIENTO DE HIPÓTESIS H 0 : µ µ = 0; H : µ µ 0... Las medias son disinas: El ipo de música afeca a las venas. SUPUESTOS Dos poblaciones de parida normales con σ y σ desconocidas y supuesas disinas (pues n n. En realidad eso depende del resulado del conrase sobre H 0 : σ = σ ; H : σ σ ; que veremos con SPSS) Dos muesras aleaorias y exraídas independienemene de amaño n = 7 y n = 4 X X de suden con S / n + S / n = = -4,4 / /4,99 g. l. = 7,98 8 g. l. = S n ( S / n ) ( S / n ) n S + n + n 4. ZONA CRÍTICA Rechazar H 0 si T cae en la zona críica: T 0,005 8 T 0,995 8 Rechazar H 0 si p < α α / = 0,005-3, ,355 Rechazar H 0 pues T cae en la zona críica: -4,4 > 3,355 p = [P (T -4,4)] < 0,005 por ano p < 0,0: Rechazar H 0. Conclusión: EL TIPO DE MÚSICA INFLUYE SOBRE LAS VENTAS DE CDS 5

Estimación puntual ± Margen de error

Estimación puntual ± Margen de error Esimación Punual Para esimar el valor de un parámero poblacional se calcula la caracerísica correspondiene de la muesra, a lo que se le conoce como esadísico muesral. A la media muesral x se le idenifica

Más detalles

Facultad de Ciencias del Mar. Curso 2007/08 11/07/08

Facultad de Ciencias del Mar. Curso 2007/08 11/07/08 Esadísica Convocaoria de Junio Faculad de Ciencias del ar. Curso 007/08 /07/08 El galludo (Squalus egalops) es una especie de iburón de aguas empladas a ropicales, que habia la plaaforma coninenal exerior

Más detalles

LECTURA 07: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES

LECTURA 07: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES LECTURA 7: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES 1 INTRODUCCION El propósio de análisis esadísico es reducir el nivel de inceridumbre en el proceso de decisiones

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A Sean las marices 1 A =, 0 3 OPCIÓN A 1 1 1 4 0 B = 0 y = 1 1 3 1 C a) (17 punos) Resuelva la ecuación maricial C B X A X = A b) (08 punos) Analice cuáles de las siguienes operaciones, sin efecuarlas, se

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C

Más detalles

PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce

PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce ([email protected]) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros

Más detalles

Los Procesos de Poisson y su principal distribución asociada: la distribución exponencial

Los Procesos de Poisson y su principal distribución asociada: la distribución exponencial Los Procesos de Poisson y su principal disribución asociada: la disribución exponencial Lucio Fernandez Arjona Noviembre 2004. Revisado Mayo 2005 Inroducción El objeivo de esas noas es inroducir al esudio

Más detalles

TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)

TEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004) EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas

Más detalles

Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 3

Departamento de Fundamentos del Análisis Económico. Universidad de Alicante. Curso 2011/12. ECONOMETRÍA I Hoja de problemas del Tema 3 Deparameno de Fundamenos del Análisis Económico. Universidad de Alicane. Curso 011/1 ECONOMETRÍA I Hoja de problemas del Tema 3 Noa: En odos los conrases ome como nivel de signi cación el 5%. 1.- Para

Más detalles

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste 1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y

Más detalles

UDA 2. Factor de seguridad y confiabilidad

UDA 2. Factor de seguridad y confiabilidad Wilde Analysis Ld. (2015) Aloha Airlines Fligh 243 / 28 April 1988: Inceridumbre En el diseño de maquinaria abundan las inceridumbres: La composición del maerial y el efeco de las variaciones en las propiedades.

Más detalles

Inferencia con una variable Tema 2

Inferencia con una variable Tema 2 Inferencia con una variable Tema 2 1. Contraste sobre una proporción 2. Bondad de ajuste 3. Contraste de hipótesis sobre una media 3.1. Con σ 2 conocida, prueba Z 3.2. Con σ 2 desconocida, prueba T 4.

Más detalles

GUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo

GUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo GUÍA DE EJERCICIOS 3 ECONOMETRÍA II 1) Para una deerminada serie, y, se quiere decidir sobre el número de raíces uniarias mediane un es Dickey-Fuller del ipo y y 1 p i 2 y i i 1 Responda a las siguienes

Más detalles

TODO ECONOMETRÍA. Autocorrelación

TODO ECONOMETRÍA. Autocorrelación TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera

Más detalles

Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos

Test. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar

Más detalles

Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES)

Nombre y Apellidos:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES) Nombre y Apellidos:... NIU:... Grupo Reducido:... EXAMEN de TÉCNICAS ECONOMÉTRICAS (Enero 2015) (SOLUCIONES) Lea cuidadosamene cada preguna. Marque muy claramene la respuesa de cada preguna en la hoja

Más detalles

h + para cualquier m 1, 5.2. Modelo E-GARCH Introducción

h + para cualquier m 1, 5.2. Modelo E-GARCH Introducción 5.2. Modelo E-GARCH Inroducción Los modelos GARCH exponenciales nacen a parir de la publicación de Daniel Nelson (99) sobre heerocedasicidad condicional en los modelos de renabilidad de acivos. Dicho auor

Más detalles

Luis H. Villalpando Venegas,

Luis H. Villalpando Venegas, 2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con

Más detalles

PRÁCTICA 3: Ejercicios del capítulo 5

PRÁCTICA 3: Ejercicios del capítulo 5 PRÁCICA 3: Eercicios del capítulo 5 1. Una empresa bancaria a contratado a un equipo de expertos en investigación de mercados para que les asesoren sobre el tipo de campaña publicitaria más recomendable

Más detalles

CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN

CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN CORRELACIÓN LINEAL Y ANÁLISIS DE REGRESIÓN Auores: Alicia Vila ([email protected]), Máximo Sedano ([email protected]), Ana López ([email protected]), Ángel A. Juan ([email protected]), MAPA CONCEPTUAL Definición

Más detalles

MATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS

MATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS 1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,

Más detalles

ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN

ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN ESTUDIO DE MERCADO. MÉTODOS DE PROECCIÓN Qué es una proyección? Es una esimación del comporamieno de una variable en el fuuro. Específicamene, se raa de esimar el valor de una variable en el fuuro a parir

Más detalles

CAPÍTULO II. MARCO TEÓRICO Y CONCEPTUAL. Las investigaciones que retoman FWL para desarrollar sus propios modelos son: la

CAPÍTULO II. MARCO TEÓRICO Y CONCEPTUAL. Las investigaciones que retoman FWL para desarrollar sus propios modelos son: la Capíulo II CAPÍTULO II. MARCO TEÓRICO Y CONCEPTUAL. 2.. Anecedenes. Las invesigaciones que reoman FWL para desarrollar sus propios modelos son: la invesigación de Sloan (996) y la invesigación de Felham

Más detalles

Capítulo 3 Valoración de inversiones en condiciones de certeza

Capítulo 3 Valoración de inversiones en condiciones de certeza PARTE I: La decisión de inversión Capíulo 3 Valoración de inversiones en condiciones de cereza 3.1. Crierios clásicos de evaluación y selección de proyecos de inversión 3.1.1 Modelos esáicos: el plazo

Más detalles

RELACIÓN ENTRE LA RAZÓN DE CAMBIO INSTANTÁNEA Y LA DERIVADA DE UNA FUNCIÓN. Razón de cambio instantánea y la derivada de una función

RELACIÓN ENTRE LA RAZÓN DE CAMBIO INSTANTÁNEA Y LA DERIVADA DE UNA FUNCIÓN. Razón de cambio instantánea y la derivada de una función RELACIÓN ENTRE LA RAZÓN DE CAMBIO INSTANTÁNEA Y LA DERIVADA DE UNA FUNCIÓN Razón de cambio insanánea y la derivada de una función anerior Reomemos nuevamene el problema del proyecil esudiado en la secuencia

Más detalles

Ejercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez

Ejercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez Ejercicios de Economería para el ema 4 Curso 2005-06 Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez 1 1. Considérese el modelo siguiene: Y X + u * = α + β 0 Donde: Y* = gasos deseados

Más detalles

Sesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media

Sesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión 2 Análisis univariado de series de iempo 5. Series de iempo no esacionarias en media La maoría

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares

Más detalles

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A

Econometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios 1 Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.1. Se ha modelizado la variable v de dos modos diferenes: (1)

Más detalles

Tema 3. Especificación, estimación y validación de modelos ARIMA

Tema 3. Especificación, estimación y validación de modelos ARIMA Tema 3. Especificación, esimación y validación de modelos ARIMA. La Meodología Box-Jenkins. Especificación inicial.. Conrases de raíces uniarias.. Análisis de correlogramas y correlogramas parciales 3.

Más detalles

Modelo de regresión lineal simple

Modelo de regresión lineal simple Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos

Más detalles

Verificación de una hipótesis sobre una media

Verificación de una hipótesis sobre una media Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.

Más detalles

1 Física General I Paralelos 05 y 22. Profesor RodrigoVergara R 0102) Movimiento Rectilíneo Horizontal

1 Física General I Paralelos 05 y 22. Profesor RodrigoVergara R 0102) Movimiento Rectilíneo Horizontal Física General I Paralelos 5 y. Profesor Rodrigoergara R ) Movimieno Recilíneo Horizonal ) Concepos basicos Definir disancia recorrida, posición y cambio de posición. Definir vecores posicion, velocidad

Más detalles

( ) Análisis de la fórmula para la calificación de pruebas tipo test multi-respuesta. J. L. González-Santander y G. Martín

( ) Análisis de la fórmula para la calificación de pruebas tipo test multi-respuesta. J. L. González-Santander y G. Martín ereis Revisa Iberoamericana Inerdisciplinar de Méodos, Modelización y Simulación 3 53-59 Análisis de la fórmula para la calificación de pruebas ipo es muli-respuesa Fecha de recepción y acepación: 9 de

Más detalles

Experimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría

Experimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo

Más detalles

Tema 6: Contraste de hipótesis

Tema 6: Contraste de hipótesis Tema 6: Contraste de hipótesis Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 6: Contraste de hipótesis Curso 2008-2009 1 / 14 Índice

Más detalles

MATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división.

MATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división. Albero Enero Conde Maie González Juarrero Inegral indefinida. Cálculo de primiivas Ejercicio Calcula la siguienes inegrales a) d b) d c) 6 d d) 3 d e) d 9 e a) Haciendo el cambio de variable d d. d d d

Más detalles

aceptar o rechazar evidencia hipótesis nula y la hipótesis alternativa enunciado que se probará "no hay efecto" o "no hay diferencia"

aceptar o rechazar evidencia hipótesis nula y la hipótesis alternativa enunciado que se probará no hay efecto o no hay diferencia PRUEBA DE HIPOTESIS Técnica estadística que se sigue para decidir si rechazamos o no una hipótesis estadística en base a la información de la muestra. Es una afirmación de lo que creemos sobre una población.

Más detalles

CINEMÁTICA Y DINÁMICA DE UNA PARTÍCULA

CINEMÁTICA Y DINÁMICA DE UNA PARTÍCULA Inroducción a la Física Experimenal Universidad de La Laguna CINEMÁTIC Y DINÁMIC DE UN PRTÍCUL Para la realización de esa prácica el alumno deberá venir al laboraorio proviso con hojas de papel milimerado

Más detalles

Estadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.

Estadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min. Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del

Más detalles

TEMA 1: SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS.

TEMA 1: SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS. TEMA : SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS. RELACIÓN DE PROBLEMAS. Pon un ejemplo, cuando sea posible, de un sisema de dos ecuaciones con res incógnias que sea: a) Compaible deerminado b)

Más detalles

Ejemplos Resueltos Tema 4

Ejemplos Resueltos Tema 4 Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis

Más detalles

1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...

1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos... Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones

Más detalles

UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA

UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral

Más detalles

Análisis de una. Serie de Tiempo. Dr. Víctor Aguirre Torres, ITAM. Guión 14.

Análisis de una. Serie de Tiempo. Dr. Víctor Aguirre Torres, ITAM. Guión 14. Análisis de una Serie de Tiempo Propósio Descomponer una serie de iempo en algunos de sus componenes. Aislar algunos componenes de la serie de iempo. Cuanificar y ver más claramene el comporamieno de la

Más detalles

2 El movimiento y su descripción

2 El movimiento y su descripción El movimieno y su descripción EJERCICIOS PROPUESTOS. Una malea descansa sobre la cina ransporadora de un aeropuero. Describe cómo ve su movimieno un pasajero que esá: parado en la misma cina; en una cina

Más detalles

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES

ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES ECONOMETRÍA APLICADA A LA TOMA DE DECISIONES EMPRESARIALES Lección 3: Heeroscedasicidad. S jm1 Diaposiiva 1 jm1 Se agradece la conribución de los profesores Arranz, Suárez y Zamora, cuyos maeriales de

Más detalles

11. PREVISIÓN DE LA DEMANDA

11. PREVISIÓN DE LA DEMANDA . PREVIIÓN E LA EMANA. INROUCCIÓN Anes de comenzar a desarrollar las cuenas previsionales de exploación, la empresa iene que realizar una esimación del volumen de venas que generará la acividad diaria

Más detalles

GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME

GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME INSTITUTO NACIONAL Deparameno de Física Coordinación Segundo Medio 06. GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME NOMBRE: CURSO: Caracerísica general de M.R.U: Si una parícula se mueve en la dirección del

Más detalles

TEMA VI: EL MODELO DE REGRESIÓN LIENAL SIMPLE

TEMA VI: EL MODELO DE REGRESIÓN LIENAL SIMPLE El modelo de regresión lineal simple EMA VI: EL MODELO DE REGREIÓN LIENAL IMPLE VI..- Inroducción. VI..- El modelo de regresión lineal simple. Propiedades. VI.3.- Obención de los esimadores por mínimos

Más detalles

SOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS.

SOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS. SOLUCION NUMERICA DE ECUACIONES DIFERENCIALES ORDINARIAS. El objeivo de esas noas complemenarias al ema de solución numérica de ecuaciones diferenciales ordinarias es dar una inroducción simple al ema,

Más detalles

E C O N O M E T R I A

E C O N O M E T R I A UNIVERSIDAD NACIONAL DE PIURA FACULAD DE ECONOMIA DPO. DE ECONOMERIA Y MEODOS CUANIAIVOS E C O N O M E R I A I M. Sc. Eco. LUIS A. ROSALES GARCÍA CASILLA, AGOSO DEL 001 CAPIULO I PERURBACIONES AUOCORRELACIONADAS

Más detalles

EJERCICIOS PROPUESTOS

EJERCICIOS PROPUESTOS 8 Deerminanes. Ejercicio resuelo. EJERCICIOS PROPUESTOS. Calcula el valor de los siguienes deerminanes. 8 4 5 0 0 6 c) 4 5 4 8 6 4 8 4 5 0 6+ 0 0+ 5 00 5 6 0+ 000 0 48 0 6 ( ) ( ) ( ) ( ) ( ) 4 5 5 + 4

Más detalles

Aplicaciones de la Probabilidad en la Industria

Aplicaciones de la Probabilidad en la Industria Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de

Más detalles

ECUACIONES DIFERENCIALES

ECUACIONES DIFERENCIALES Tema 1 ECUACIONES DIFERENCIALES EJERCICIO 1 Comprobar que la función y() = c 2 ++3 es una solución del problema de valor inicial 2 y 2y + 2y = 6, y(0) = 3, y (0) = 1, (1.1) en <

Más detalles

1. INTRODUCCIÓN. XVI Jornadas ASEPUMA IV Encuentro Internacional Vol Actas_16 Issue 1: 901

1. INTRODUCCIÓN. XVI Jornadas ASEPUMA IV Encuentro Internacional Vol Actas_16 Issue 1: 901 Esimación de un nuevo modelo de volailidad esocásica asimérico por umbrales (modelo TA-ARSV). Aplicación a series de rendimieno del precio medio de maerias primas Esimación de un nuevo modelo de volailidad

Más detalles

COBERTURA DE CARTERAS ÍNDICE DE RENTA VARIABLE CON FUTUROS SOBRE EL IBEX 35

COBERTURA DE CARTERAS ÍNDICE DE RENTA VARIABLE CON FUTUROS SOBRE EL IBEX 35 UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES Deparameno de Economía Financiera y Conabilidad III (Economía y Adminisración Financiera de la Empresa) COBERTURA DE CARTERAS

Más detalles

La Curva de Phillips CAPÍTULO 17. Profesor: Carlos R. Pitta. Macroeconomía Avanzada. Universidad Austral de Chile Escuela de Ingeniería Comercial

La Curva de Phillips CAPÍTULO 17. Profesor: Carlos R. Pitta. Macroeconomía Avanzada. Universidad Austral de Chile Escuela de Ingeniería Comercial Universidad Ausral de Chile Escuela de Ingeniería Comercial Macroeconomía Avanzada CAPÍTULO 17 La Curva de Phillips Profesor: Carlos R. Pia Macroeconomía Avanzada, Prof. Carlos R. Pia, Universidad Ausral

Más detalles

Sistemas lineales con ruido blanco

Sistemas lineales con ruido blanco Capíulo 3 Sisemas lineales con ruido blanco 3.1. Ruido Blanco En la prácica se encuenra procesos esocásicos escalares u con media cero y la propiedad de que w( 1 ) y w( 2 ) no esán correlacionados aún

Más detalles

Examen de Econometría II 12 de Enero de 2010

Examen de Econometría II 12 de Enero de 2010 Examen de Economería II 12 de Enero de 2010 ---------------------------------------------------------------------------------------- Apellidos y Nombres: Grupo: ----------------------------------------------------------------------------------------

Más detalles

Tema 7: Ejercicios de Inferencia en una población Normal

Tema 7: Ejercicios de Inferencia en una población Normal Tema 7: s de Inferencia en una población Normal Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I3 En una explotación minera las rocas

Más detalles