La Estadística y el Mejoramiento Genético
|
|
- María Victoria Alarcón Quintana
- hace 7 años
- Vistas:
Transcripción
1 La Estadística y el Mejoramieto Geético. Itroducció 2. Valores idividuales y parámetros poblacioales 3. La distribució ormal 4. La media 5. Variació Importacia Medidas: - Variaza - Desvío estádar 6. Covariació Importacia Medidas - Covariaza - Correlació - Regresió 7. Predicció
2 . Itroducció Estadística: setido comú orgaizado Fucioes pricipales: ) resumir iformació ( reducció de datos, R.A. Fischer) 2) Ayudar a tomar decisioes (pruebas de hipótesis) 3) Diseño e iterpretació de experimetos E geética cuatitativa: Defiir ua població base (especie, raza, etc.) sobre la cual queremos saber algo Ejemplo: la raza Aberdee Agus del Uruguay Població: caracterizada por parámetros o Valores verdaderos ( μ, σ ) y distribucioes de probabilidad Por ejemplo: la media de peso al destete es de 80 kg, tiee u desvío estádar de 4.4 kg y se distribuye ormalmete, o PD N(80,207.36) Població: usualmete muy grade. Por lo tato: muestra (aleatoria, represetativa) para estimar parámetros Por ejemplo: de ua muestra de 4 establecimietos obtuve ua media de 75 kg, u desvío estádar de 2 kg y ua distribució ormal
3 MEJORAMIENTO GENETICO Objetivo: modificar frecuecias géicas e gees (muchos) ivolucrados e características de importacia agroómica, e algú setido previamete predetermiado. Base: registro feotípico (por ejemplo: kg de leche producidos e ua lactacia) para estimar mérito geético (o visible) de reproductores e esa característica Problemas:. Estimar parámetros poblacioales (medias, variazas) y distribucioes 2. Hacer prediccioes del valor geético de los aimales 3. Establecer medidas de asociació etre aimales o variables productivas Características:. Uso de grades volúmees de datos 2. Tipificació de la muestra para realizar iferecias sobre la població muestra població 3. Predicció de valores idividuales de los aimales a partir del coocimieto poblacioal.
4 2. Valores idividuales y parámetros poblacioales Valor: cualquier medida aplicada a u aimal, a diferecia de las aplicadas a ua població. E térmios matemáticos, es ua variable ( cualquier catidad que puede asumir diferetes valores uméricos ). Por ejemplo: valor feotípico (P), valor de cría (A), etc. Peso del velló del carero 234, kg de leche de la vaca A34, peso al destete del lechó 9902, valor de cría para leche del toro SB2222 Medidas poblacioales: da iformació sobre distribucioes y relacioes etre diferetes valores e ua població. Dos tipos: Verdaderos: parámetros poblacioales ( μ, σ, ρ ) Estimacioes: estadísticos ( x, s, r, o ˆ μ, ˆ, σ ˆ ρ ), derivados de ua muestra (aleatoria, represetativa, etc) Muchas veces, e la jerga comú, o difereciamos los parámetros de sus estimacioes. Las estimacioes tiee u error de muestreo. Ejemplo : la estimació del valor de cría e peso al destete del aimal 234 es: +6 ±.2 Ejemplo 2: la heredabilidad estimada para la misma característica, por medio del método de medio hermaos, es 0.25 ± 0.03 A meudo se cofude valores idividuales co medidas poblacioales. Por ejemplo: la heredabilidad del carero para diámetro de fibra es de 0.40 (es icorrecto, pues la heredabilidad se refiere a ua població, o a u aimal)
5 3. La distribució ormal Distribució: Los valores de los idividuos e ua població tiede a seguir u cierto patró de ordeamieto. Por ejemplo: pesos al destete de tereros Aberdee Agus Distribució ormal: Simétrica, forma de campaa Caracterizada por su media ( μ ) y su desvío estádar (σ ) Muy comú e características cuatitativas de valor agroómico (afectadas por muchos gees y por el ambiete) Aproximadamete el 68% de las observacioes se ecuetra etre los putos obteidos a la distacia ±σ de la media
6 4. La media Es el promedio aritmético de todos los valores perteecietes a determiada muestra o població Por ejemplo: la media de peso al acimieto de la raza Hereford del Uruguay es de 34 kg. La media de los aimales Hereford cotrolados por la Sociedad de Criadores de Hereford y el I.N.I.A. es de 36 kg. Muy usado e mejoramieto aimal: por ejemplo, la media de producció de leche e el tambo AB2345, dode las vacas ha sido tratadas de maera similar y por eso so (relativamete) comparables Las medias varía segú la raza, el maejo, la utrició, la selecció Cálculo: P = P i i= P = la medida feotípica del aimal i i
7 5. Variació La media o es iformativa sobre cómo u idividuo particular se desvía e relació al promedio (variació) E Mejoramieto Geético, las diferecias etre aimales es la base de cualquier cambio poblacioal. Si todos los aimales fuera iguales, la selecció o tedría setido La variabilidad puede teer diferetes causas (ambietales, geéticas) Es importate teer medidas de variabilidad 2 - Variaza ( σ ): propiedades matemáticas atractivas, pero difícil de coceptualizar - Desvío estádar (σ ): más fácil de compreder (ituitivamete, es ua especie de desvío promedio de la media, auque matemáticamete o lo es). Gráficamete, es la distacia etre la media y el puto de iflexió de la curva de distribució ormal. A meudo se cofude el desvío del registro e ua característica de u aimal idividual co respecto a la media (por ejemplo, P i P ), co el desvío estádar (σ ) de la característica. Ejemplo: u terero que pesó 50 kg e u lote cuyo promedio de peso fue de 55 kg maifiesta u desvío de 5 kg. El desvío estádar de esta característica es de 8 kg Cálculo: σ μ ) ; ˆ σ = ( i ˆ μ ) ; 2 = ( i i= i= 2 σ = σ
8 6. Covariació Idea: Cómo dos características o valores varía cojutamete e ua població Por ejemplo: queremos saber si la gaacia diaria e lechoes está relacioada co la eficiecia de coversió Iteresa tres aspectos básicos: ) la direcció (e térmios matemáticos, el sigo de la variació cojuta). Por ejemplo: ua relació positiva etre peso al acimieto y peso al destete e tereros os permite esperar que aimales más pesados al acer tambié lo será, por regla geeral, al destete 2) la fortaleza de la relació etre dos variables. Por ejemplo: kg de leche y porcetaje de proteía tiee ua covariació egativa y leve, por lo que a meudo ecotraremos altos valores de leche asociados a altos porcetajes de proteía 3) El cambio logrado e ua variable que puede ser esperado al cambiar otra variable e ua catidad predetermiada (por ejemplo, ua uidad de la escala respectiva)
9 Medidas de covariació (I): la Covariaza Es la medida básica de covariació. Es el promedio del producto de los desvíos de cada ua de las dos variables co respecto a su media. Notació: Cov(,Y) Bueas propiedades matemáticas, pero difícil de iterpretar (valores muy grades o muy pequeños, o siempre la misma uidad de medida) Por ejemplo: la covariaza etre Peso a los 50 días y Peso a los 300 días es de kg 2. La covariaza etre circuferecia escrotal y edad a la pubertad es de 7 cm x días (?). Cálculo: Cov(, Y ) = ( i μ )( Yi μ Y ) i= E ua estimació de covariaza, debemos sustituir por - y las medias poblacioales por sus estimacioes respectivas. Cov ˆ (, Y ) = ( i ˆ μ )( ˆ Yi μ Y ) i= La covariaza es a la covariació lo que la variaza a la variació. Variació y covariació so feómeos; variaza y covariaza so medidas de esos feómeos
10 Medidas de covariació (II): la Correlació Es ua medida de la fortaleza de la relació etre dos variables. Notació: r Y Es ua medida poblacioal, o idividual Por ejemplo: hablamos de la correlació etre peso al destete y peso a los 8 meses e gaado de care ( ), o la correlació etre los Valores de Cría de producció de leche y producció de proteía e r A L A P gaado lechero ( ). r PD,P8 Toma valores etre y +: r Muy fácil de iterpretar: ua correlació cercaa a idica ua muy fuerte y positiva covariació. Ua correlació cercaa a 0 idica falta de covariació etre las variables medidas. Por ejemplo: la correlació etre producció de leche y producció de grasa es de +0.8 (muy fuerte y positiva); la correlació geética etre peso al destete e corderos y peso de velló sucio es de 0.05 (prácticamete iexistete) Cálculo: r, Y = Cov(, Y ) σ σ Y La correlació o es otra cosa que la covariaza estadardizada, es decir, dividida por los desvío estádar de las respectivas variables. Alguas correlacioes comues e mejoramieto geético: correlacioes etre características (correlació feotípica, geética, ambietal); correlacioes etre u valor y su predicció (la correlació etre valores de cría y su predicció, la precisió o exactitud, la estudiaremos muy deteidamete e el curso)
11 Medidas de covariació (III): Regresió El cambio esperado e ua variable, debido a el cambio e ua uidad de otra variable es medido por la regresió. Notació del coeficiete de regresió: b Y. Por ejemplo: ua estimació de la regresió del Peso de velló e el Peso al Destete de los borregos es de 0.08 kg por kg. Esto sigifica que por cada aumeto e u kg del peso al destete es dable esperar u aumeto e el peso de velló de 0.08 kg. Igual que covariazas y correlacioes, es ua medida poblacioal. Las regresioes so usadas para predecir u valor basado e algú tipo de iformació. Por ejemplo: podemos predecir el Valor de Cría e Peso de Velló de u borrego a partir de la medició de su feotipo propio e Peso de Velló Gráficamete, la regresió es la pediete de la líea imagiaria alrededor de la cual se cogrega las observacioes de dos variables A diferecia de covariazas y correlacioes, el orde de las variazas es importate e las regresioes: b b Y.. Y Por ejemplo: o es esperable que el peso al destete de borregos aumete e 0.08 kg cuado el peso de velló aumeta e kg. A diferecia de covariazas y correlacioes, que o relacioa causaefecto, muchas veces (o siempre) la regresió implica ua causa. Por ejemplo: borregos más pesados puede teer mayor área de superficie de piel y por esa razó teer velloes más pesados. Si embargo, el valor observado (feotipo) de Peso de Velló o es la causa del valor de cría e Peso de Velló. Cálculo: b Y. Cov(, Y ) = σ 2
12 Correlacioes y regresioes está matemáticamete relacioadas, pero ua alta correlació o ecesariamete implica ua alta regresió b Y = r., Y σ Y ( σ ) Demostració?
13 7. Predicció Valores verdaderos: o directamete mesurables Por ejemplo: uca sabemos el Valor de Cría Verdadero de u aimal e ua característica determiada. E ausecia de valores verdaderos, debemos trabajar co prediccioes de ellos, los valores predichos. Valores predichos so calculados a partir de datos feotípicos de los aimales, usado técicas estadísticas. Por ejemplo: obteemos el valor de cría estimado para leche de la vaca A3234 a partir de su registro de producció lechera. Es importate distiguir etre valor verdadero y valor predicho. El Valor de Cría Verdadero y el Valor de Cría Esperado puede ser bie distitos, depediedo de la catidad y calidad de la iformació usada para la predicció E su forma más simple, ua ecuació de predicció tiee la siguiete forma: Valor predicho = coeficiete de regresió x evidecia E el cotexto del Mejoramieto Geético, la evidecia es usualmete algú tipo de medida feotípica (datos del propio aimal, datos de u grupo de parietes, etc. ). La ecuació de predicció e su forma matemática es: Yˆ i = ˆ μ Y + b ( ˆ μ ) Y. i Ua típica situació de predicció e Mejoramieto Geético es la obteció de Valores de Cría Predichos a partir de registros feotípicos: VCˆ = ˆ μ i VC + b ( P ˆ μ ) VC. P i P
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemáticas 1º CCSS 1 RESUMEN DISTRIBUCIONES BIDIMENSIONALES Distribucioes bidimesioales Se estudia a la vez dos variables aleatorias (geéricamete X e Y; sus valores será ( i, y i )). Correlació Al estudiar
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 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 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 detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
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 detallesEstimación por intervalos
Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo
Más 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 detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más 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 detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA
Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete
Más 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 detallesANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)
Curso de Estadística Aplicada a las Ciecias Sociales Tema 10. Estimació de ua proporció Cap. 0 del maual Tema 10. Estimació de ua proporció Itroducció 1. Distribució e el muestreo de ua proporció. Estimadores
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
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 detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad
Más detallesIntroducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino
Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras
Más 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 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 detallesMINITAB y MODELOS DE REGRESIÓN
Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias
Más 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 detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
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 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 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 detallesExplicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.
Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de
Más 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 detallesINTRODUCCION Teoría de la Estimación
INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede
Más 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 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 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 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 detallesTEMA 5: REGRESION LINEAL
ESTADÍSTICA, CURSO 008 009 TEMA 5: REGRESION LINEAL REGRESION LINEAL SIMPLE. CORRELACION. REGRESION.. Regresió lieal simple Recta de regresió: y a + b.. Ajuste de ua recta de regresió Método de míimos
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
Más detallesUT-4: Distribuciones fundamentales de muestreo y descripción de datos
UT-4: Distribucioes fudametales de muestreo y descripció de datos Sub tema: Muestreo aleatorio. Distribucioes muestrales. Distribucioes muestrales de medias. Teorema del límite cetral. Aplicacioes. DF
Más 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 detallesTAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas
TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo
Más detallesANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A
EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació
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 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 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 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 detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
Más detallesLey de Grandes Números y Teorema Central del
Ley de Grades Números y Teorema Cetral del Límite 25 de mayo de 2017 2 Capítulo 1 Ley de grades úmeros y Teorema cetral del límite 1.1. Sucesioes i.i.d. E el capítulo aterior cosideramos variables X 1,...,X
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 detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados. Sexo
EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Código asigatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier modelo) Calificació
Más detallesSobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017
Sobre los itervalos de cofiaza y de predicció Javier Satibáñez 7 de abril de 2017 Itervalos de cofiaza Se costruye itervalos de cofiaza para los parámetros poblacioales. Supogamos que teemos ua muestra
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos
Más detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
Más detallesIntroducción a las medidas de dispersión.
UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesEstimación por intervalos
Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /
Más detallesPropiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:
Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,
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 detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
Más detallesSobre los intervalos de confianza y de predicción
Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas
Más detallesTEMA 6.- INTERVALOS DE CONFIANZA
TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA CONVOCATORIA DE MAYO (011) EJERCICIO 1 El director de publicacioes de ua editorial trata de decidir si debe publicar u uevo texto de estadística. Los ateriores libros
Más detallesEXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 y 13
1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 y 13 1. a) (0,5 putos) Explica brevemete el cocepto de correlació. Po dos ejemplos: uo co correlació directa y otro co correlació iversa. b) (0,5 putos) Explica
Más detalles2. Estimación de errores de medidas directas
Estimació de errores y forma de expresar los resultados de las prácticas. Error: Defiició E el laboratorio igua medida tiee ifiita precisió. Por ello, ua parte importate del proceso de medida es la estimació
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesNúmero de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
Más detallesT5. Contrastes para los parámetros de una población Normal
Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística
Más 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 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 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 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 detalles1. Distribución Normal.
DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei RESUMEN 1. Distribució Normal. 1.1. Cálculo de probabilidades a) Para ua distribució estádar N(0,1) usamos directamete la tabla: Ejemplos:
Más detalles3. Las medidas de centralización
FUOC XP00/71004/00017 21 Las medidas de cetralizació 3. Las medidas de cetralizació La mediaa y la media aritmética Los diagramas de tallos y hojas y los histogramas proporcioa ua descripció geeral de
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 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 detallesTema 1 Estadística descriptiva - II: Medidas de centralización y dispersión
Tema 1 Estadística descriptiva - II: Medidas de cetralizació y dispersió Curso 2018/19 Grado e biología saitaria Departameto de Física y Matemáticas Marcos Marvá Ruiz A partir de los valores de ua variable
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 detallesMEDIDAS DE DISTRIBUCION
MEDIDAS DE DISTRIBUCION ASIMETRIA Y CURTOSIS Dr. EDGAR APAZA ZUÑIGA UNIVERSIDAD NACIONAL DEL ALTIPLANO MEDIDAS DE DISTRIBUCIÓN Las Medidas de Distribució permite idetificar y caracterizar la forma e que
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 detallesTema 1 Estadística descriptiva: Medidas de centralización y dispersión
Tema 1 Estadística descriptiva: Medidas de cetralizació y dispersió Curso 2017/18 Grados e biología saitaria Departameto de Física y Matemáticas Marcos Marvá Ruiz A partir de los valores de ua variable
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 detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media
Más detalles( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )
I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad
Más detallesBurgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana
Las Matemáticas para la Gestió de Carteras co Riesgo. Carteras compuestas por activos co correlacioes estadísticas arbitrarias. El caso e que se fija el redimieto esperado de la cartera Apellidos, ombre
Más detallesMétodos de Análisis Cuantitativo
Métodos de Aálisis Cuatitativo Fórmulas E este documeto se lista las fórmulas trabajadas e las clases del curso de Métodos de Ivestigació Cuatitativa (GES204) de la Facultad de Gestió y Alta Direcció de
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribucioes de probabilidad discretas Departameto de Ciecias del Mar y Biología Aplicada Itroducció Iferecia estadística: Parte de la estadística que estudia grades colectivos a partir
Más detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
Más detallesNo debe entregar los enunciados. Después del Tratamiento (Y)
Después del Tratamieto (Y) Febrero 016 EAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 016 Código asigatura: 6011037 EAMEN TIPO TEST MODELO B DURACION: HORAS Material: Addeda (Formulario
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesRepaso para el segundo parcial
Repaso para el segudo parcial Dr. Pastore, Jua Igacio Profesor Adjuto. Alguas Distribucioes Estadísticas Teóricas Distribució Cotiuas: a) Distribució Uiforme b) Distribució de Expoecial c) Relació etre
Más detallesEjercicios Matemáticas I Pendientes 1 BCT
Ejercicios Matemáticas I Pedietes BCT ª Parte Uidad 7 Álgebra. Dado el poliomio P( ) = + k 5, calcula el valor de k para que el valor umérico del poliomio e = sea.. Halla u poliomio de tercer grado cuyo
Más detalles