TEORÍA ELEMENTAL DE MUESTREO
|
|
- Patricia Córdoba Fuentes
- hace 7 años
- Vistas:
Transcripción
1 TEORÍA ELEMENTAL DE MUETREO La teoría de muestreo se refiere al estudio de las relacioes que existe etre u colectivo o oblació y las muestras que se extrae de las mismas. El estudio de las muestras ermite hacer estimacioes de características descoocidas de la oblació (tales como media, desviació tíica, roorcioes, etc). Estas estimacioes se hace a artir del coocimieto de las características de las muestras (media, desviació tíica, roorció, etc). Las características o medidas obteidas de ua muestra se llama estadísticos; y las medidas corresodietes a la oblació arámetros. Cuado ua medida muestral o estadístico es utilizada como reresetate de ua característica oblacioal o arámetro se deomia estimador. Vetajas de la utilizació de las muestras ) El costo es meor y se uede obteer u mejor redimieto del diero ivertido. ) e obtiee ua dismiució otable del tiemo ecesario ara alcazar la iformació Cuado ua muestra osee 30 o más datos se deomia grades muestras y si la muestra tiee meos de 30 observacioes se deomia equeñas muestras. Al rocedimieto utilizado ara elegir ua muestra se deomia Muestreo. Necesidad del Muestreo.. Població Ifiita. Població uiforme 3. Proceso de ivestigació destructiva 4. Ecoomía de costos 5. Calidad Muestreo co o si reemlazamieto: Co reemlazamieto cuado u elemeto de la oblació uede ser escogido varias veces ara formar arte de la muestra
2 i reemlazamieto cuado u elemeto de la oblació solo uede ser seleccioado ua sola vez ara formar arte de la muestra. Població: es ua colecció de todos los elemetos que estamos estudiado y acerca de los cuales se iteta extraer coclusioes. Puede ser ifiita o fiita. Muestra: Ua arte de la oblació o u subcojuto del cojuto de uidades obteidas co el objeto de ivestigar las roiedades de la oblació. Muestreo estadístico: Es u efoque sistemático ara seleccioar uos cuatos elemetos (ua muestra) de u gruo de datos (oblació) a fi de hacer alguas iferecias sobre el gruo total. Desde el uto de vista matemático, odemos describir las muestras y las oblacioes mediate medidas como la media, la moda, la desviació estádar, etc. No es mas que el rocedimieto a través del cual se obtiee las muestras. Tios de muestreo Muestreo de juicio o o robabilístico. (oiático). e basa e el coocimieto de la oblació or arte de alguie, quie hace a la muestra reresetativa, deediedo de su iteció, or lo tato es subjetiva. Probabilístico(Errático): Todos los elemetos de la oblació tiee la osibilidad de erteecer a la muestra. Muestreo Aleatorio:. Muestreo aleatorio simle. Muestreo istemático. 3. Muestreo Estratificado 4. Muestreo or Coglomerado Muestreo de juicio: A través del coocimieto y la oiió ersoal, basada e la exeriecia del ivestigador, se idetifica los elemetos de la oblació que va a formar arte de la muestra. Ua muestra seleccioada or muestreo de juicio se basa e el coocimieto de la oblació or arte de alguie. Por ejemlo, u guardabosques tomará ua muestra de juicio si decide co atelació que arte de ua gra zoa reforestada deberá recorrer ara estimar el total de metros de madera que uede cortarse. E ocasioes el muestreo de juicio sirve de muestra iloto ara decidir cómo seleccioar desués ua muestra aleatoria.
3 Muestreo aleatorio: Cuado se cooce la robabilidad de que u elemeto de la oblació figure o o e la muestra, uede ser: Muestreo Aleatorio imle (Irrestrictamete Aleatorio): U muestreo es aleatorio cuado cada elemeto de la oblació tiee la misma robabilidad de ser escogido ara formar arte de la muestra. Este tio de muestreo evita que la muestra sea sesgada evitado or lo tato que se realice ua mala iferecia estadística. Por ejemlo, suógase que u ivestigador quiera estimar el módulo de rutura romedio de u material determiado formado or ua oblació de tamaño N 500; or ser esayos destructivos este quiere seleccioar ua muestra de tamaño 0 que le ermita realizar la iferecia, ahora bie el criterio que usó el ivestigador ara seleccioar dicha muestra fue el de tomar 0 materiales que estaba más róximos a él; evidetemete esta muestra o es reresetativa de la oblació, se dice que esta sesgada, or lo que la iferecia estadística que se realice será erróea. Por lo tato, ua muestra se dice que esta sesgada cuado los elemetos seleccioados teía mayor robabilidad de erteecer a la misma. Cómo hacer el muestreo aleatorio La forma más fácil de realizarlo es usado úmeros aleatorios, ara esto se uede recurrir a ua tabla o a u geerador de úmeros aleatorios. Actualmete, se recurre a comutadora. Muestreo istemático o ecuecial. Los elemetos se seleccioa de la oblació co u itervalo uiforme e el tiemo, e el orde o e el esacio. Por ejemlo, suogamos que se quiere estudiar ua determiada característica de u roducto fabricado e serie y se decide seleccioar a cada veite roducto hasta formar la muestra, ara esto se escoge u uto aleatorio de arraque e los rimeros veite roductos y luego se escoge cada vigésimo roducto hasta comletar la muestra. Ua de las vetajas de este muestreo es cuado los elemetos reseta u atró secuecial, tal vez requiera meos tiemo y alguas veces cuesta meos que el método de muestreo aleatorio.
4 Muestreo Estratificado. Para alicar el muestreo estratificado, se divide la oblació e gruos homogéeos, llamados estratos, los cuales so heterógeeos etre si. Desués se recurre a uo de dos métodos osibles: a) e seleccioa al azar e cada estrato u úmero esecificado de elemetos corresodietes a la roorció del estrato de la oblació total b) e extrae al azar u úmero igual de elemetos de cada estrato y damos u eso a los resultados de acuerdo a la roorció del estrato e la oblació total El muestreo estratificado es adecuado cuado la oblació ya está dividida e gruos de diferetes tamaños y queremos recoocer este hecho. La vetaja de las muestras estratificadas, es que cuado se diseña bie, refleja más exactamete las características de la oblació de dode se extrajero que otras clases de muestreo. Muestreo or Coglomerado. E el muestreo or coglomerados, se divide la oblació e gruos o coglomerados de elemetos heterogéeos, ero homogéeos co resecto a los gruos etre si. U rocedimieto bie diseñado, de muestreo or coglomerados, uede roducir ua muestra más recisa a u costo mucho meor que el de u simle muestreo aleatorio. e usa el muestreo estratificado cuado cada gruo reseta ua equeña variació e su iterior, ero existe ua amlia variació etre ellos. e usa el muestreo or coglomerado e el caso cotrario, cuado hay cosiderable variació detro de cada gruo ero los gruos so esecialmete semejates etre sí.
5 DITRIBUCIONE MUETRALE DITRIBUCIÓN MUETRAL DE MEDIA DITRIBUCIÓN MUETRAL PARA DIFERENCIA DE MEDIA 3 DITRIBUCIÓN MUETRAL DE PROPORCIONE Y DIFERENCIA 4 DITRIBUCIÓN MUETRAL DE VARIANZA e defie la distribució muestral de u estadístico (distribució de muestreo) e ua oblació, como la distribució de robabilidad de todos los osibles valores que u estadístico uede asumir ara cierto tamaño de la muestra. Esecíficamete, se trabajará co las distribucioes muestrales ara: medias, roorcioes y variazas. Ua distribució muestral es ua distribució de robabilidad de u estadístico muestral calculado a artir de todas las muestras osibles de tamaño, elegidas al azar e ua oblació determiada. i la oblació es ifiita, teemos que cocebir la distribució muestral como ua distribució muestral teórica, ya que es imosible sacar todas las muestras aleatorias osibles de tamaño de ua oblació ifiita. i la oblació es fiita y moderada se uede costruir ua distribució muestral exerimetal, sacado todas las muestras osibles de u tamaño dado, calculado ara cada muestra el valor del estadístico que os iteresa. Ejemlo, suogamos que se tiee ua oblació de tamaño N 0 y queremos extraer co reemlazamieto todas las muestras osibles de tamaño 5, ara esto se utiliza la relació N, es decir, muestras de tamaño 5. E cambio, si el muestreo es si reemlazamieto, el úmero de muestras de tamaño N 5 viee dado or la combiatoria: N N! 0! ! 5muestras.!( N )! 5!(0 5) 5!
6 Por lo que cosiderado este caso, la distribució muestral ara u estadístico determiado, or ejemlo, la media v viee dado or: muestra muestra M muestra 5 5 Esto es,,, 3, K, 5 o sea, la distibució muestral de medias. e uede hacer ua aroximació exerimetal de distribucioes muestrales basadas e oblacioes ifiitas o fiitas grades, sacado u úmero de muestras aleatorias y siguiedo el mismo rocedimieto aterior. ) DITRIBUCIÓN MUETRAL DE MEDIA: Es la distribució de robabilidad de todas las medias osibles de las muestras, ara u tamaño determiado. Ver ejemlo, aterior. Esta robabilidad tiee asociados (arámetros) tales como la media estádar distribució de µ y desviació. Para calcular, estos arámetros de la distribució muestral de medias se utiliza las siguietes relacioes: µ µ N N ara oblacioe s fiitas ara oblacioe s ifiitas La exresió es la desviació estádar de la distribució muestral de medias, se le llama error tíico o estádar de la media y os idica la diferecia romedio etre los diversos valores de y µ. Como se observa, a medida que el tamaño de la muestra aumeta este error dismuuye, las diversas medias muestrales se hace más uiforme e su valor, y e cosecuecia, cualquier media muestral es ua buea estimació de la media oblacioal µ.
7 Distribucioes Muestrales Costrucció De ua oblació discreta, fiita, de tamaño N, extraer todas las muestras osibles de tamaño Calcular el valor del estadístico de iterés de cada muestra Hacer ua tabla co dos columas: e la rimera los osibles valores diferetes del estadístico y e la seguda, la frecuecia de ocurrecia. Distribució Muestral de la Media Ua oblació cosiste de 0 vededores de ua comañía. La variable de iterés,, es la atigüedad. {,, 3, 4, 5, 6, 7, 8, 9,0} Podemos calcular los siguietes Distribució Muestral de la Media xi 55 µ 5,5 N 0 ( ) xi µ 8,5 N. Extraemos todas las osibles muestras. uogamos (00 muestras).. Calculamos la media ara cada ua de esas muestra x 3. Listar los valores diferetes del estadístico y sus frecuecias.
8 Calculamos la media de la distribució muestral co reemlazamieto 550 xi µ x 5,5 N 00 Calcular la media muestral si reemlazamieto? Calculado la variaza de la distribució muestral: ( xi µ x ) 4,5 x 4,5 N 00 8,5 x 4,5 Error estádar de la media: ε
9 Distribucioes Muestrales Cuado el muestreo se extrae de ua oblació distribuida ormalmete, la distribució muestral de la media muestral tiee las siguietes roiedades:. La distribució de la media es ormal, ideedietemete del tamaño de la muestra.. La Media de la distribució de las medias es igual a la media de la oblació. 3. La variaza de la distribució de las medias es igual a la variaza de la oblació, dividida etre. Teorema del Límite Cetral Dada ua oblació co media µ y variaza fiita, co cualquier distribució, la distribució muestral de la media, calculada de muestras aleatorias de tamaño, está distribuida ormalmete co media µ y variaza fiita /, cuado es grade. La regla de oro dice que 30. Ejemlo La vida romedia de cierta herramieta es de 4.5 horas, co ua desviació estádar de.5 horas. Cuál es la robabilidad de que ua muestra aleatoria de tamaño 50 extraída de esta oblació tega ua media etre 40.5 y 4 horas? P ( 40,5 x 4) P(,86 z,43) P(0 z,86) P(0 z,43) 0,95 DITRIBUCIÓN MUETRAL PARA LA DIFERENCIA DE MEDIA ( ).- A veces iteresa hacer iferecias sobre la diferecia oblacioal de medias µ - µ, o saber si es razoable cocluir que dos medias oblacioales o so iguales, cosiderado que se tiee sedas muestras ara las oblacioes y, resectivamete, dode: tamaño media variaza tamaño media variaza Etoces, la diferecia de las medias muestrales, estima a µ - µ. La forma fucioal de la distribució muestral de deede de la forma fucioal de las oblacioes dode se extrae las muestras tomado e cueta: - i ambas oblacioes so ormales la distribució muestral de la diferecia de medias es ormal. de la muestra de la muestra de la oblació de le muestra de la muestra de la oblació de la oblació - i ua o ambas de las oblacioes o es ormal, la distribució muestral de las diferecias de medias es ormal si >30 (grades muestras), este resultado se deduce del teorema del límite cetral de la oblació
10 E estos casos, los arámetros que defie esta distribució muestral de las diferecias de medias viee dados or: µ µ µ El cual se alica ara dos casos esecíficos deediedo de la muestra: a) Para grades muestras, cuado v - > 30, se trabaja co la distribució ormal. E estos casos, estadarizado la diferecia de medias muestrales, se tiee: ) ( ) ( Z µ µ b) Para equeñas muestras, Cuado v < 30, se trabaja co la Distribució t de tudet. Por lo tato, el valor viee dado or: ) ( ) ( t µ µ dode: ) ( ) (
11 Ejemlo Dos comañías fabrica lubricates de alta temeratura, ara el mismo mercado. La comañía A aucia que e romedio, su lubricate deja de ser efectivo a 505 F, co ua desv. est. de 0 F. La comañía B aucia que su roducto tiee ua media de 475 F, co ua desv. est. de 7 F. uoga que ua muestra de tamaño 0 ara la rimera comañía y otra ideediete de tamaño 5 ara la seguda so extraídas aleatoriamete. Cuál es la robabilidad de que la diferecia e temeratura romedio de falla ara las dos muestras esté etre 5 y 35 F? DITRIBUCIÓN DE UNA PROPORCION MUETRAL ( P ) ).- e defie ua roorció muestral como el cociete: úmero de casos favorables total de casos Por ejemlo: si de ua oblació de N 50, emleados de ua emresa, 5 de ellos o cumle co su horario de trabajo, la roorció de emleados que o cumle horario co relació al total, viee dado: P 5/50 0,3; es decir, el 30 % de los emleados o cumle su horario. La roorció muestral ( ˆ ), se defie como: úmero de casos favorables ˆ tamaño de la muestra Ejemlo: i se toma ua muestra aleatoria de tamaño 000 y 45 ersoas satisface u eveto, etoces 45 / 000 0,45. Esto sigifica que el 4,5 % de las ersoas satisface dicho eveto.
12 La distribució de ua roorció muestral, se defie de ua maera aáloga a a la distribució de media, o sea: Muestra ---- ˆ Muestra ---- ˆ Muestra ˆ 3 Muestra ˆ 5 De esta forma: ˆ, ˆ, ˆ 3,..., ˆ 5 corresode a la distribució de ua roorció muestral. De acuerdo a lo exuesto, la distribució muestral de roorcioes corresode a ua distribució de robabilidad de todas las roorcioes osibles de las muestras, ara u tamaño determiado. Los arámetros que defie esta distribució viee dados or: µ µ P ˆ. q N N ara oblacioe s fiitas. q ara oblacioe s ifiitas Para el cálculo de robabilidades relativa a roorcioes, se trabaja de maera aáloga al caso de la distribució muestral de medias. Ejemlo: U ecuestador sabe que e cierta área el 0 % está a favor de las emisioes e boos. Cosiderado ua muestra de 64 ersoas, hallar la robabilidad de que la roorció muestral difiera de la roorció real a lo sumo e u 0,06. olució: 0.0 roorció de ersoas de la oblació que está a favor de la emisió ˆ roorció de ersoas de la muestra que está a favor de la emisió etoces os está idiedo la siguiete robabilidad: 0,06 ˆ 0,06 ( ˆ 0,06) P P P( 0,7 Z 0,7) 0,04 0,.0,8. q 0,.0,
13 ETIMACION DE PARAMETRO a) ETIMACIÓN PUNTUAL Para estimar u arámetro θ de ua oblació se toma ua muestra reresetativa de la misma y se calcula el estadístico θˆ, el valor del estadístico se cooce como la estimació utual del arámetro θ. Por ejemlo, Parámetro θ µ θ θ Estimació utual ˆ θ (media muestral) ˆ θ (variaza muestral) ˆ θ ˆ (roorció muestral) θ µ µ (diferecia muestral de medias) b) ETIMACIÓN POR INTERVALO DE CONFIANZA E la secció aterior se habló sobre la estimació utual, ua de sus desvetajas es el hecho de o saber que ta róxima está del arámetro, es decir, cuado se obtiee ua estimació ˆ θ, a artir de ua muestra aleatoria de tamaño, se descooce que ta cerca (or defecto o exceso) está del arámetro a estimar θ. Por eso se utiliza frecuetemete otro tio de estimació, la estimació or itervalos, la cual os ermite de acuerdo a u ivel de cofiaza esecificado obteer ua iformació más recisa sobre el arámetro a estimar.. Itervalo de cofiaza ara medias co 30 (grades muestras): x, x z µ z α / α/ es ua estimació or itervalo de la media de la oblació ara u ivel de cofiaza del (-α)%; or ejemlo, si se defie u ivel de cofiaza del 95 %, esto sigifica que or cada 00 muestras de tamaño 30 e 95 de ellas la media de la oblació cae detro de este itervalo.
14 Itervalo de cofiaza ara medias co < 30 (equeñas muestras): e utiliza la t de tudet ara estos casos y cuado se descooce la desviació de la oblació, utilizado la siguiete exresió: t x, / / t x α α µ Es ua estimació or itervalo de la media de la oblació ara u ivel de cofiaza del (-α)%. Itervalo de cofiaza ara diferecias de medias (µ - µ ): a) si >30 (grades muestras) se usa la distribució ormal: (µ - µ ). ) (,. ) ( Z Z α α b) si < 30 (equeñas muestras) se usa la t de tudet: (µ - µ ) g.l. y v )% (- de cofiaza del ara u ivel. ) (,. ) ( t t α α α dode ) ( ) ( Itervalo de cofiaza ara roorcioes ( ˆ ): a) grades muestras:.q. ˆ,.q. ˆ α Z α Z
15 b) equeñas muestras: ˆ t..q, ˆ α t α..q Itervalo de cofiaza ara variazas: Ejemlos: ( ) ( -), χ α χ α -. U fabricate de moitores rueba dos diseños de microcircuitos ara determiar si roduce u flujo de corriete equivalete: Diseño Diseño Hallar u itervalo de cofiaza co u ivel de cofiaza del 98 % ara: a) el flujo medio del diseño y diseño. b) La diferecia media del flujo etre los dos diseños. c) La variabilidad del diseño y diseño. olució: a) ara u ivel de cofiaza del 98 % se tiee que α 0,98 0,0 y α/ 0,0. - diseño, como 8 < 30, etoces ara v 7 grados de libertad se tiee que t α t. 567 y se emlea la fórmula µ x t α ,6 /, x tα/ , ( 0.38, 6.) Esto sigifica, que or cada 00 muestras de tamaño 8 e 98 de ellas la media oblacioal µ cae detro de este itervalo.
16 - diseño, como 0 < 30, ara v 9 g.l. se tiee que t α t. 539 or lo tato µ x t α ,47 /, x tα/ , (.66, 6.739) b) ara la diferecia de flujo medio (µ - µ ), como > 30, se tiee que Z α.33 y se utiliza la fórmula (µ - µ ) ( )., ( ). Z α Z α ( ).33., ( ) ( , ) (.6, 3.) e cocluye que or cada 00 muestras de tamaño 8 y 0 e 98 de ellas la diferecia de medias oblacioales (µ - µ ) está detro de este itervalo. c) diseño, co v 7 g.l. se tiee χ χ 33,4 y χ χ 6, 4 α 0.0 α usado la relació: ( ) ( -) ,, χ α χ α 33,4 6,4 - ( 5.09, 6.5) Por cada 00 itervalos de tamaño 8 e 98 de ellos la variaza oblacioal cae detro de este itervalo.
17 PRUEBA DE HIPÓTEI Para robar ua hiótesis relativa a u arámetro θ se debe roceder de la siguiete maera: Defiir la hiótesis ula H 0 : (se cosidera la aseveració del fabricate) H 0 : θ θ 0. Establecer la hiótesis alterativa: H a : θ θ 0 (rueba de dos colas o bilaterales) H a : θ > θ 0 (rueba de cola derecha o uilateral) H a : θ < θ 0 (rueba de cola izquierda o uilateral) Nota: La hiótesis alterativa se escoge de acuerdo a cada roblema e articular. Por ejemlo: suogamos que u fabricate de bombillos asegura que su roducto tiee ua duració romedio de 000 horas. Por lo que el dueño de ua ferretería quiere cotrastar esta aseveració. Para esto se debe defiir la hiótesis ula y alterativa: H 0 : θ µ h H a : θ < µ (rueba de cola izquierda) e seleccioa esta hiótesis alterativa ya que si la duració romedio es mayor que 000 h, etoces esta hiótesis o es atagóica co H 0, es decir, es mejor ara el dueño de la ferretería. 3. Defiir el ivel de sigificació: Para realizar ua rueba de hiótesis relativa a u arámetro, se debe fijar el ivel de cofiaza (-α) %, de aquí defiimos el ivel de sigificació como el valor de α. i el ivel de cofiaza es del 95 %, -α 0,95 de dode α 0,05.
18 Calcular el Estadístico de Prueba: HIPOTEI NULA H 0 : µ µ 0 (ara medias) ETADITICO DE PRUEBA Grades muestras Pequeñas muestras z x µ t x µ H 0 : µ - µ 0 (diferecia de medias) Grades muestras z ( x x) ( µ µ ) Pequeñas muestras ( x t x ) ( µ µ ) H 0 : 0 H 0 : (ara variazas) (igualdad de variazas) M m χ ( ) ( M F ( m ) ) M m : variaza mayor : variaza meor H 0 : P P 0 (ara roorcioes) z ˆ µ ˆ ˆ µ ˆ Pˆ. q H 0 : P P 0 (diferecia de roorcioes)
19
20 ya que el área de las colas está muy cercaa a cero (0, ) etoces los valores de α < 0, ermite acetar la hiótesis ula; or lo que el valor α > 0, ermite rechazar H 0. Por lo tato, es evidete que ara iveles de sigificació del % (α 0,0), 5% (α0,05),0% (α0,) se rechaza H 0. E coclusió se rechaza la hiótesis ula de que la coductividad térmica del ladrillo es igual a 0,36; es decir, se aceta la alterativa de que es diferete.
21 . e aaliza dos catalizadores ara determiar la forma e que se afecta el redimieto medio de u roceso químico. De maera esecífica el catalizador es el que se está emleado e este mometo, ero el catalizador es más ecoómico. Los datos de redimieto de u catalizador se muestra a cotiuació: Catalizador Catalizador Existe algua diferecia etre los redimietos medios. Hallar el valor. Exlique sus coclusioes. olució: - formulació de hiótesis H 0 : µ - µ 0 H a : µ - µ 0 - cálculo del estadístico de rueba rimero se calcula los estadísticos ara la oblació y xˆ resectivamete: xˆ 9,55 9,735,39,98 7.,39 7.,98 luego,69, etoces se tiee que: 4 ( x t x ) ( µ µ ) - 0,775,69 8,69 8 0,675
22 El valor os defie los α ara el cual se rechaza H 0. Cosiderado v 4 g.l. y el estadístico -0,67 como valor crítico, se tiee que el área a la izquierda de 0,67 y a la derecha de 0,67 es igual a 0,55. Por lo que, el valor α > 0,55, e cosecuecia, la hiótesis ula se rechaza ara α > 0,55. De maera articular, se tiee que ara los valores usuales de α 0,0, α0,05 y α 0,. La hiótesis ula H 0 o se rechaza (se aceta). Por tato, se cocluye que ara estos iveles de sigificació la diferecia del redimieto medio o es estadísticamete sigificativa. Tamaño de la Muestra. La clave del roblema estriba e escoger ua muestra cuyo selecció garatice la reresetatividad de la oblació objeto de estudio. E los estudios socio-ecoómicos, ua muestra de u 30% de la oblació, tiee u elevado ivel de reresetatividad (Ramírez 995); si embargo, esta reresetatividad deede mayormete, del tio de muestreo. Obviamete, que el trabajar co muestras, or muy cofiables que sea, o se obtiee el 00% de exactitud, si embargo, ese equeño error que acomaña siemre a los estudios or muestreo, es comesado co el tiemo y costo ahorrado al trabajar co gruos equeños e vez de toda la oblació. Determiació del Tamaño de la Muestra e ua oblació, cuado se utiliza roorcioes: Dode: : Tamaño de la muestra Zα.. q
23 Z α/ : Valor teórico e fució del ivel de cofiaza, ara 99 %, Z α/,56 y ara el 95%, Z α/,96 ε: error de muestreo P: Número de veces que se roduce u eveto e % Q: Es el orcetaje comlemetario de P Ejemlo: Oiió de los electores sobre gestió de gobiero. e realizó u estudio iloto de 50 electores dode 60 oia favorablemete. A cuatas ersoas es ecesario ecuestar si se desea u ivel de cofiabilidad de 99 % y u error de muestreo /-.5%. Etoces se tiee: Zα.. q El valor de P viee dado or: P 60 / %, or lo tato Q %.,56 De esta forma se tiee:.0,4.0, Es ecesario 0,05 ecuestar a 6.99 ersoas ara alcazar cierta cofiabilidad e los resultados. E el caso de ua Població Ifiita co 95 % de Cofiabilidad. Utilizado el ejemlo aterior, se tiee:,96.0,4.0, ,05 Al bajar el coeficiete o el ivel de cofiabilidad, tambié baja el tamaño de la muestra.
24 E el caso de que o exista u Estudio Piloto. A los valores de P y Q se les asiga el valor de 50% a cada uo y es lo que se deomia Codicioes desfavorables de muestreo. E el caso del ejemlo citado el tamaño de la muestra viee determiado de la siguiete maera:,96. 0,5. 0, ,05 Esto quiere decir que habrá que ecuestar a 4.68 ersoas. E el caso de oblacioes fiitas, el modelo matemático difiere co el de las oblacioes ifiitas: Zα /.. q. N ( ) Z.. q α / Dode: N es el tamaño de la oblació y el tamaño de la muestra. e uede alicar e el siguiete caso: Coocer la oiió de los miembros de u sidicato, ate u uevo cotrato colectivo. Comuesto or 3.57 obreros. Cuátas obreros se debe etrevistar ara obteer u ivel de cofiaza de 99 % y u error de muestreo de /- 3%, e codicioes desfavorables?,56. 0,5. 0, ,03 (357 ),56.0,5.0,5 e requiere ecuestar a.68 obreros, ara lograr cierto grado de Cofiaza.
25 Determiació del Tamaño de la Muestra e ua oblació ara medias. E este caso se utiliza la relació: Z α. Ejemlo: e quiere estudiar la vida útil media de ua marca de eumáticos. i sabe or estudios ateriores que la desviació estádar es de 800 Km. Determiar el tamaño de la muestra requerido ara u ivel de cofiaza del 95 %, fijado u error de 40. ustituyedo los valores se tiee, , eumáticos E coclusió, la validez e la ivestigacioes de egocios, está muy relacioada co la cofiabilidad del muestreo y ua muestra cofiable está e fució del tio de oblació a estudiar ( fiitas o ifiitas); asi mismo, e cuato al ivel de cofiabilidad, ésta será mayor si la muestra es mayor y e relació al error de muestreo, éste será meor cuado la muestra es mayor. Para determiar el tamaño de la muestra de ua forma mas ráida y ráctica, se ha diseñado las Tablas de Harvard, las cuales ermite calcular, raidamate el tamaño de la muestra a tomar, e fució del error de muestreo, iveles de cofiabilidad y osibles valores de P y Q. Para rofudizar e este asecto de muestreo, se recomieda cosultar los textos esecializados e estas áreas. Pues ua vez determiado el tamaño de la muestra el aso siguiete que se latea es lo relacioado al tio de muestreo que se va a utilizar ara escoger los elemetos que itegra a la muestra y ésto es u amlio e iteresate tema a tratar.
26 AJUTE DE CURVA. Cuado se quiere estudiar la relació etre variables se uede recurrir a dos tios de modelos: a) modelo determiístico, la relació viee defiida a través de ua fórmula. Por ejemlo, sea y x, etoces se dice que y está e fució de x, dode y se cooce como variable deediete y x variable ideediete. La característica fudametal de este modelo es que ara u valor articular de x siemre obteemos el mismo resultado e y, esto sigifica que la relació etre las variables es erfecta. Ver gráfica. b) modelo robabilistico, la relació etre las variables o es erfecta, ya que debido a ua erturbació aleatoría (ruido) a veces ara u mismo valor de la variable ideediete x se obtiee valores diferetes ara y. E este caso, o se obtiee ua curva sio u diagrama de disersió. Cosiderado el ejemlo aterior, y x ε dode ε es u ruido. Ver gráfica. Por tato, los modelos robabilísticos so útiles cuado se realiza ivestigacioes del tio exerimetal dode a esar de mateer fijo los valores de la variable ideediete ocurre fluctuacioes debido fudametalmete a errores de medició, de los equios, etc. E el resete trabajo estamos iteresados e este tio de modelos. A cotiuació mecioamos los modelos de ajustes más usados:
27 Regresió simle: e defie como la curva que otimiza (miimiza), mediate el método de los míimos cuadrados, los saltos o fluctuacioes de los datos. Es decir, es la curva que mejor ajusta los valores del diagrama de disersió covirtiedo el modelo robabilístico e u modelo determiístico co la fialidad de realizar rediccioes. De igual forma, la curva de regresió ermite modelar la tedecia de los valores. Los modelos de regresió simle viee defiidos or y f(x)ε. A cotiuació veamos los distitos modelos co su resectivo ajuste o curva de regresió: Modelos Probabilísticos Curva de Regresió
28
29
PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II UNIDAD III: TECNICAS DE ESTIMACIÓN ESTIMACIÓN POR INTERVALOS
PROYECTO DE CARRERA: INGENIERÍA INDUTRIAL AIGNATURA: ETADÍTICA II UNIDAD III: TECNICA DE ETIMACIÓN ETIMACIÓN POR INTERVALO INTRODUCCIÓN E temas ateriores se estableciero las bases que ermite a los estadísticos
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA
Tema Iferecia estadística. Estimació de la media Mate CCSSII 2º Bach. 1 TEMA INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA DISTRIBUCIÓN NORMAL EJERCICIO 1 : Los esos, e kilogramos, de u gruo de ersoas
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detallesUnidad 7. Estimación de medias, proporciones y varianzas
Uidad 7 Estimació de medias, roorcioes y variazas Itroducció E las uidades ateriores se ha veido desarrollado el sigificado y la utilidad de las medidas de tedecia cetral; éstas so medidas descritivas
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesEn 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 detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesBloque 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 detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesINFERENCIA 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 detallesIntervalos 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 detallesConsideremos los siguientes experimentos aleatorios
69 Veremos e lo que sigue uevas variables aleatorias discretas. Estas variables y sus distribucioes se utiliza como modelos e muchas alicacioes estadísticas. Distribució Biomial Cosideremos los siguietes
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis
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 detallesDistribuciones 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 detallesEstimación 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 detalles1. 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 detallesPROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)
TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA
Más detallesCONTRASTE DE HIPÓTESIS
Estadística: Cotraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Cotraste de hipótesis sobre la media poblacioal Se parte de ua població supuestamete ormal de media y desviació típica N(, ); se tipifica
Más detallesPruebas de hipótesis para dos muestras.
Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesEstadística 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 detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesDISTRIBUCIÓN 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 detallesVALUACIÓN DE BONOS. 2. Valuación de bonos con cupón de intereses
1 VALUACIÓN DE BONOS 2. Valuació de boos co cuó de itereses El tíico boo del cual os ocuamos ahora osee las siguietes características básicas: 1. Tiee u valor omial o facial que es la suma que el emisor
Más detalles9- Test o prueba de hipótesis
arte Estadística rof. María B. itarelli 9- Test o rueba de hiótes 9. Itroducció asta ahora hemos estudiado el roblema de estimar u arámetro descoocido a artir de ua muestra aleatoria. E muchos roblemas
Más detallesR-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesIntervalos 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 detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesINTRODUCCIÓN 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 detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesIntroducciónalaInferencia 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 detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesUNIDAD 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 detallesINTERVALOS 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 detallesCAPÍTULO 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 detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detallesObjetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia
Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la
Más detallesPaso 2: Elegir un estadístico de contraste. Como queremos hacer un contraste de hipótesis para la media, el estadístico de contraste adecuado es:
Hoja 6: Cotraste de hipótesis 1. U laboratorio farmacéutico ha elaborado u fármaco e forma de comprimidos cuyo peso sigue ua distribució Normal co ua desviació típica de 0.12 mg. Se sabe que ua dosis de
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesTema IV. Estimación con intervalos de confianza
Notas de Estadística Alicada a la Admiistració, Cotaduría, Iformática Admiistrativa I y Negocios y Comercio Iteracioales. Dr. Fracisco Javier Taia Moreo. Abril de 0. Tema IV Estimació co itervalos de cofiaza
Más detallesEstimación 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 detallesQué 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 detallesEstimación de parámetros. Biometría
Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes
Más detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
Más detallesAnálisis 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 detallesTEMA 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 detallesCAPÍTULO 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 detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció
Más detalles1.1 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 detallesRelación de Ejercicios de Contrastes de Hipótesis. Ponencia Andaluza de Matemáticas Aplicadas a las CCSS II del año 2009.
IES Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua Relació de Ejercicios de Cotrastes de Hiótesis. Poecia Adaluza de Matemáticas Alicadas a las CCSS II del año 29. Ejercicio 1. La altura e cm. de
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua
Más detallesMEDIDAS 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 detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesInferencia estadística. Intervalo de confianza y contraste de hipótesis
UNIDAD 0 Iferecia estadística. Itervalo de cofiaa y cotraste de hiótesis e royecta crear u cetro comercial e ua S ciudad, como el de la foto, y se quiere saber el oder adquisitivo de los habitates de la
Más detallesCapítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco
Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto
Más detalles6. 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 detalles6. 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 detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesPoblación Joven Adulta Total A favor En contra Total
Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos
Más detallesPasos 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 detallesUNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detallesMetodología de la Investigación 1/7. Asociación de variables cualitativas: El test exacto de Fisher y el test de Mcnemar
Metodología de la Ivestigació /7 Asociació de variables cualitativas: El test exacto de Fisher y el test de Mcemar Autores: Soia Pértega Díaza (), Salvador Pita Ferádez () () Uidad de Eidemiología Clíica
Más detallesEn esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.
Capítulo 6 Muestreo Estadístico E esta tema setaremos las bases del muestreo estadístico y estudiaremos las distribucioes de alguos estadísticos a partir de ua muestra. 6.1. Coceptos básicos Auque e el
Más detalles13.1 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 detallesEL MODELO DE MERCADO (MODELO DE ÍNDICE ÚNICO, O MODELO DE UN SOLO FACTOR).
1 EL MODELO DE MERCADO (MODELO DE ÍNDCE ÚNCO, O MODELO DE UN SOLO FACTOR). Disoemos de las tasas de redimieto de u cojuto de activos co riesgo (i = 1,,, ) y disoemos tambié de la tasa de redimieto de u
Más detallesFormulas. 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 detalles8.1 Al finalizar el tema el alumno debe conocer Características de la estimación utilizando los contrastes o test de hipótesis.
TEMA 8. Cotrastes de hipótesis. E este capítulo se epodrá el cotraste o test de hipótesis estadísticas, que está muy relacioado co la «estimació por itervalos» del capítulo aterior. Va a defiirse importates
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 01 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva 1, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesE.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 PARTE : ESTADÍSTICA INFERENCIAL 0. RECORDATORIO Estadística iferecial.
Más detallesUNIDAD 4.- INFERENCIA ESTADÍSTICA II
UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que
Más detallesEXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 3-Julio-2014.
EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 3-Julio-04. APELLIDOS: DNI: NOMBRE:. La producció de piezas de ua factoría se realiza e dos máquias. El 40% de las piezas las produce la máquia M y el 60%
Más detallesCAPÍTULO 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 detallesEJERCICIOS TEMA 8. INFERENCIA ESTADISTICA
º BACHILLERATO. CIENCIAS SOCIALES 1. Ua variable aleatoria tiee ua distribució ormal de media m y desviació típica s. Si se extrae muestras aleatorias de tamaño : a) Qué distribució tiee la variable aleatoria
Más detallesEjercicios resueltos de Muestreo
Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo
Más detallesDISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA, GEOGRAFÍA E INFORMÁTICA (INEGI)
403 DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA GEOGRAFÍA E INFORMÁTICA (INEGI 404 Diseño muestral de la ecuesta ÍNDICE Págia. Itroducció... 405 2.
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesMétodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA
Métodos estadísticos y uméricos Estimació por Itervalos de cofiaa PROBLEMA REUELTO DE ETIMACIÓN POR INTERVALO DE CONFIANZA U adador obtiee los siguietes tiempos, e miutos, e 0 pruebas croometradas por
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detalles