Técnicas Cuantitativas para el Management y los Negocios I
|
|
- Alejandro Valenzuela Maestre
- hace 7 años
- Vistas:
Transcripción
1 Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad: experimento aleatorio, espacio muestral y evento. Probabilidad. Definición. Enfoques de la probabilidad: clásico, de la frecuencia relativa y subjetivo. Probabilidad simple. Cálculo de probabilidades: regla de la adición y de la multiplicación. Conceptos de exclusión e independencia. Probabilidad condicional. Teorema de Bayes. Unidad 5. Variables Aleatorias Variables aleatorias discretas y continuas. Función de probabilidades. Indicadores de posición y dispersión. Esperanza matemática. Varianza y desviación estándar. Interpretación y aplicaciones de la esperanza y la desviación estándar. Unidad 6. Algunas distribuciones de probabilidad especiales Distribuciones discretas. Ensayos Bernoulli. Distribución Binomial, hipergeométrica y Poisson Distribuciones continuas. Distribución Normal. Distribución estandarizada. Aproximación Normal de las distribuciones Binomial y Poisson. Distribución t de Student, Chi-cuadrado y F de Fisher. Aplicaciones. Unidad 7. y Estimación Nociones básicas de muestreo. Distribuciones muestrales en poblaciones infinitas y finitas. Teorema central del límite. Estimación y estimador. Estimación puntual. Propiedades deseables de los estimadores. Principales estimadores puntuales.. Intervalos de confianza para la media, proporción y varianza. Cálculo del tamaño muestral. Aplicaciones. Unidad 8. Prueba de hipótesis Conceptos básicos. Hipótesis estadística. Hipótesis nula y alternativa. Estadígrafo de contraste. Región crítica y región de aceptación. Error de Tipo I y de Tipo II. Nivel de significación y potencia. Tipo de contraste. p-valor. Contrastes de hipótesis referentes a media, proporción y varianza poblacional. Aplicaciones. Mag. María del Carmen Romero 1
2 y Estimación Contenidos Nociones básicas de muestreo. Distribuciones muestrales en poblaciones infinitas y finitas. Teorema central del límite. Estimación y estimador. Estimación puntual. Propiedades deseables de los estimadores. Principales estimadores puntuales.. Intervalos de confianza para la media, proporción y varianza. Cálculo del tamaño muestral. Aplicaciones. y Estimación Etapas de una investigación Formulación o definición del problema Diseño de la investigación Recolección de los datos Organización y descripción de los datos Decisión o inferencia final Mag. María del Carmen Romero 2
3 y Estimación Decisión o inferencia final Consiste en responder la pregunta original planteada en la formulación del problema (que siempre se refiere a la población). Si se trabajó con toda la población, pueden tomarse decisiones acerca del problema. Si se trabajó con una muestra, es necesario realizar inferencias acerca de la población basándose en la información contenida en una muestra extraída de ella. ESTADÍSTICA INDUCTIVA o INFERENCIAL y Estimación Decisión o inferencia final Se emplean los estadísticos (muestra) para estimar los parámetros (población). ESTIMACIÓN Los datos de la muestra se usan para corroborar o rechazar alguna hipótesis planteada. COMPROBACIÓN DE HIPÓTESIS Mag. María del Carmen Romero 3
4 La inferencia estadística se define como la colección de técnicas que permiten formular inferencias inductivas y que proporcionan una medida del riesgo de éstas. Si se obtiene una muestra técnicamente buena, puede contener información útil con respecto al estado de la naturaleza y a partir de ello se podrán formular inferencias. (se está sujeto a riesgo dado que representan un razonamiento que va de lo particular a lo general) Mag. María del Carmen Romero 4
5 Selección de una muestra Para poder generalizar los valores muestrales a la población, es necesario tener en cuenta: Tamaño de la muestra (n) Método de selección de la muestra Selección de una muestra Buena muestra El proceso proporciona, a cada objeto de la población, una oportunidad igual e independiente de ser incluido en la muestra. Debe asegurar que cada muestra de tamaño n tenga la misma probabilidad de ser seleccionada. Muestra aleatoria simple Mag. María del Carmen Romero 5
6 Situación 1 Población: Constituida por un número infinito de posibles resultados (objetos no tangibles) Variables: nivel de concentración de un contaminante, demanda de un producto, tiempo de espera de un servicio. aleatorio con reemplazo Cada una de las observaciones X 1, X 2,, X n es una variable aleatoria cuya distribución de probabilidad es igual a la de la población Situación 2 Población: Constituida por un número finito de objetos tangibles (seres humanos, animales, componentes mecánicos o eléctricos, etc.). Variables: opinión de una persona, tiempo de duración de un componente, etc. aleatorio con reemplazo. X 1, X 2,, X n conjunto de variables aleatorias independientes e idénticamente distribuidas (IID). (la distribución de probabilidad es igual a la de la población) Mag. María del Carmen Romero 6
7 Situación 3 aleatorio sin reemplazo Cada una de las observaciones X 1, X 2,, X n es una variable aleatoria cuya distribución de probabilidad es igual a la de la población pero no son independientes La Situación 2 es un caso particular de la Situación 1. Si el tamaño de la población es pequeño, puede preferirse el muestreo aleatorio sin reemplazo. Si la población es muy grande, es irrelevante si el muestreo se hace con o sin reemplazo. Mag. María del Carmen Romero 7
8 Muestra aleatoria (base teórica necesaria para la inferencia) Todo muestreo probabilístico (sistemático, estratificado, conglomerados) se basa en el concepto de muestra aleatoria. Parámetro Caracterización numérica de la distribución de la población de manera que describe, parcial o completamente, la función de densidad de la característica de interés (µ, σ 2, σ, p). Estadístico Variable aleatoria. Cualquier función de las variables aleatorias que observaron en la muestra de manera que esta función no contiene cantidades desconocidas (x, s 2, s, proporción estimada). Mag. María del Carmen Romero 8
9 Los parámetros o sus funciones se estiman con base en estadísticos que, a su vez, se obtienen a partir de la información contenida en una muestra aleatoria Muestra de n variables aleatorias IID Función de densidad que depende de un parámetro desconocido θ Estadísticos Si se emplea un estadístico T para estimar un parámetro desconocido θ, T es el estimador de θ y el valor específico de t como un resultado de los datos muestrales es la estimación de θ Mag. María del Carmen Romero 9
10 Ejemplo Duración promedio de cierta clase de batería Idénticos procesos de manufactura y materiales Se seleccionan aleatoriamente cinco pilas diarias durante 20 días Prueba de duración (se registra el tiempo de operación) 20 muestras aleatorias distintas donde cada una contiene 5 variables aleatorias IID (independientes idénticamente distribuidas) Cada muestra diaria proporciona una estimación de la duración promedio de las baterías Estadístico: variable aleatoria Variabilidad Mag. María del Carmen Romero 10
11 La distribución en el muestreo de un estadístico es la distribución de probabilidad del estadístico que puede obtenerse como resultado de un número infinito de muestras aleatorias independientes, cada una de tamaño n, provenientes de la población de interés. Hace posible realizar un análisis de probabilidad para valorar el riesgo inherente cuando se formulan inferencias. Distribución en el muestreo de la media con reemplazo sin reemplazo Mag. María del Carmen Romero 11
12 Distribución en el muestreo de la media Si la distribución de la variable poblacional es normal Distribución normal de las medias muestrales Si no se conoce la distribución de la variable Si n 30 Distribución normal de las medias muestrales Si 15 n < 30 y la distribución es aproximadamente simétrica Si n < 15 Distribución normal de las medias muestrales Teorema central del límite Mag. María del Carmen Romero 12
13 Distribución en el muestreo de la varianza Distribución en el muestreo de la proporción Distribución en el muestreo de la diferencia entre dos medias muestrales Distribución en el muestreo de poblaciones finitas Distribución en el muestreo de la varianza Mag. María del Carmen Romero 13
14 Estimación Estimación Los estadísticos se emplean para estimar los valores de parámetros desconocidos o funciones de éstos. La estimación de un parámetro involucra el uso de los datos muestrales en conjunción con algún estadístico. Estimación puntual Mag. María del Carmen Romero 14
15 Estimación Estimación puntual Cómo seleccionar un buen estimador de θ? Con qué criterios puede decirse si un estimador es bueno o malo? El problema es encontrar una función que proporcione la mejor estimación del parámetro θ El estimador de un parámetro debe tener una distribución de muestreo concentrada alrededor del parámetro y la varianza debe ser la menor posible Estimación puntual Propiedades deseables de los estimadores Insesgado Consistente Es deseable que un estimador tenga una media igual a la del parámetro que se está estimando Es razonable esperar que un buen estimador de un parámetro sea cada vez mejor conforme crece el tamaño de la muestra Insesgado de mínima varianza Eficiente Debe buscarse aquél estimador insesgado con mínima varianza Una estadística suficiente para un parámetro es aquélla que utiliza toda la información contenida en la muestra aleatoria con respecto al parámetro Mag. María del Carmen Romero 15
16 Estimación puntual Algunos métodos de estimación puntual Máxima verosimilitud En general, proporciona estimadores que son funciones de estadísticas suficientes, estimadores eficientes y sesgados. Momentos Mínimos cuadrados Ejemplo Estimación puntual Interesa conocer el ingreso promedio de nuestros potenciales compradores y se toma una muestra de n individuos aletoriamente seleccionados: {X 1,... X n } Dos estimadores de la media podrían ser: ˆ µ 1= x1 ˆ µ 2 n = i= 1 1 Xi n Ambos son insesgados Pero 2 var( ˆ1 µ ) = σ 2 var( ˆ2 µ ) = σ /n El segundo es más eficiente que el primero Mag. María del Carmen Romero 16
17 Estimador de la media poblacional Estimación puntual Sea X una v.a. con E(X)=µ (media poblacional) desconocida µ = i=1 x i p Un estimador de µ es la media muestral (n tamaño muestral, muestra aleatoria IID) i ˆ µ = X = n i= 1 X i 1 n Parámetro? Estadístico? Estimador? Estimación? Estimación puntual Estimador de la varianza poblacional Sea X una v.a. con var(x)=σ 2 (varianza poblacional) desconocida Un estimador de σ 2 es la varianza muestral S= ( Xi X) N 2 i= 1 n 1 2 σ = i= 1 2 ( X i µ ) pi Parámetro? Estadístico? Estimador? Estimación? Por qué el denominador de S es (n-1)? Mag. María del Carmen Romero 17
18 Estimador de la proporción poblacional Estimación puntual Si se tiene una población con Distribución Binomial (1: éxito, 0: fracaso) la probabilidad de éxito puede ser estimada como: # exitos pˆ = n n: tamaño muestral Parámetro? Estadístico? Estimador? Estimación? Problemas de la estimación puntual Estimación puntual El valor obtenido sólo da una idea aproximada del verdadero valor del parámetro a estimar No se conoce el grado de bondad de la aproximación, esto es, en qué medida el valor obtenido se aproxima al verdadero valor del parámetro estimado. Mag. María del Carmen Romero 18
19 Una tienda mantiene muy buenos registros con respecto al número de unidades de cierto producto que vende mensualmente. Para la tienda es muy importante conocer la demanda promedio ya que con base a ésta se lleva a cabo el mantenimiento del inventario. Suponer que la demanda del producto no se ve afectada por fluctuaciones en la temporada. Media muestral de la demanda (calculada en base a los últimos 36 meses) = 200 unidades Implica que la demanda media desconocida no es mayor de 250 ni menor de 150? No se tiene indicación del posible error en el estimador puntual. Para la estimación del intervalo se consideran, tanto el estimador puntual del parámetro como su distribución de muestreo, con el objetivo de determinar un intervalo que con cierta seguridad/confianza (1-α) contiene al parámetro (θ). El intervalo de confianza se construye teniendo en cuenta: Estimador Desviación estándar del estimador Confianza Mag. María del Carmen Romero 19
20 Notación: P (x inf < θ < x sup ) = (1-α) IC (x inf ; x sup ) con una confianza (1-α) El parámetro u es fijo, x inf y x sup son variables aleatorias ICpara µcuando se muestrea de una distribución normal con varianza conocida (distribución normal) Mag. María del Carmen Romero 20
21 P (x inf < θ < x sup ) = (1-α) IC (x inf ; x sup ) con una confianza (1-α) Interpretación La probabilidad de que el intervalo planteado contenga al parámetro θ es (1-α) Si se obtienen muestras aleatorias del mismo tamaño en forma repetida de una población, y cada vez que se seleccionan se calculan los valores específicos, debe esperarse que el (1-α)% contengan el valor del parámetro desconocido. La probabilidad que el parámetro desconocido tome valores entre x inf y x sup es (1-α) Si se repitiera muchas veces el experimento con muestras extraídas al azar, se verificaría que: el 100 (1-α)% de las ocasiones, se obtendrían x inf y x sup de los intervalos de confianza correspondientes que contendrían al verdadero valor del parámetro µ, mientras que el 100α% restante, no lo contendrían Mag. María del Carmen Romero 21
22 Intervalo de confianza para la media µ de una distribución normal de varianza conocida Mag. María del Carmen Romero 22
23 Intervalo de confianza para la media µ de una distribución normal de varianza conocida Intervalo de confianza para la media µ de una distribución desconocida de varianza conocida n es lo suficientemente grande (n 30) Mag. María del Carmen Romero 23
24 Intervalo de confianza para la media µ de una distribución normal de varianza desconocida Si n es lo suficientemente grande (n 30), se aproxima a una distribución normal Intervalo de confianza para la varianza y el desvío estándar de una distribución normal Mag. María del Carmen Romero 24
25 Intervalo de confianza para la proporción Con reemplazo Sin reemplazo IC para la proporción considerando que las proporciones se distribuyen normalmente? ICpara la diferencia de mediascuando se muestrean dos distribuciones normales independientes: con varianzas conocidas (distribución normal) con varianzas desconocidas e iguales (distribución t-student) ICpara el cociente de dos varianzascuando se muestrean dos distribuciones normales independientes (distribución F) Mag. María del Carmen Romero 25
26 Tamaño muestral Cálculo del tamaño muestral Depende de qué parámetro se quiere estimar. Tiene en cuenta el error máximo que se está dispuesto a tolerar, el nivel de confianza y la variabilidad. Estimación de la media (con varianza conocida y distribución normal) Si se quiere estimar la proporción? Ejemplo Mag. María del Carmen Romero 26
27 Problema: El dueño de una librería que está localizada cerca del campus de una universidad quiere iniciar una campaña de marketing. Para ello, necesita conocer el promedio del dinero que gastan anualmente sus clientes en la librería. Se supone, a partir de estudios anteriores, que el desvío estándar de los gastos de los clientes es $11.5 (en cientos). a) Calcular los intervalos de confianza para la media poblacional considerando los siguientes niveles de confianza para un tamaño de muestra de 64 con una media muestral de $28 (en cientos): i ii iii Qué sucede con la amplitud de los intervalos a medida que se incrementa el nivel de confianza? Qué justificación encuentra a esto? Mag. María del Carmen Romero 27
28 Datos: Variable: Gasto mensual de los clientes en la librería Forma de la distribución: desconocida σ = $ 11.5 n = 64 x = $ 28 Estimación de un intervalo de confianza para la media poblacional: Varianza conocida n 30 Por T. Central del Límite: LI = x z σ / n y LS = x + z σ / n c c (1-α) z c LI $ $ $ LS $ $ $ Medias Muestrales Medias Muestrales Medias Muestrales Mag. María del Carmen Romero 28
29 b) Calcular los intervalos de confianza para la media poblacional considerando los siguientes tamaños de muestra para un nivel de confianza del 95% y una media muestral de $28: i. 64 ii. 100 iii Qué sucede con la amplitud de los intervalos a medida que se incrementa el tamaño de muestra?. Qué justificación encuentra a esto?. n z c LI $ $ $ LS $ $ $ Amplitud del interv. $ 5.64 $ 4.5 $ 0.72 Mag. María del Carmen Romero 29
30 c) Presentar un informe al dueño de la librería con la estimación de un intervalo de confianza para la media poblacional considerando un riesgo del 5%. En dicho se informe se debe incluir información acerca: Límites del intervalo Tamaño de muestra Nivel de confianza y riesgo Explicación sencilla de los términos anteriores y del método empleado Debido a la cercanía que tiene la librería al campus estatal y a que la mayoría de sus clientes son estudiantes de la universidad, el dueño está pensando en vender CDs educativos relacionados con cursos como estadística, cálculo y contabilidad. Para ello, a los mismos 64 clientes seleccionados, se les preguntó - además del gasto promedio mensual en la librería - si considerarían la compra de dichos CDs (48 de ellos respondieron que sí la considerarían). Estimar un intervalo de confianza del 90% de confianza para la proporción de la población de clientes que considerarían la compra de los CDs. Mag. María del Carmen Romero 30
31 Datos: Variable: Proporción de clientes que tendrían en cuenta la compra de CDs n = 64 ˆp = 48/64 = 0.75 Forma de la distribución: desconocida Estimación de un intervalo de confianza para la proporción poblacional: n 30 Por T. Central del Límite: LI = pˆ z pq ˆ ˆ/ n y LS = pˆ + z pq ˆ ˆ/ n c c Mag. María del Carmen Romero 31
Técnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesTeórica básica. Incluimos. - Temas
Teórica básica Incluimos - Temas 1 - Tema 1: Fenómenos aleatorios. Conceptos de probabilidad. Propiedades. Independencia de sucesos. Teorema de Bayes. - Tema 2: Variables aleatorias. Variables discretas.
Más detallesEspecialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA
Especialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA Enrique Rosales Ronzón, Patricia Díaz Gaspar, mayo 2015 Estadística??? Ciencia, Técnica, Arte Reunir, Organizar, presentar,
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesEstimación de Parámetros
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesTEL / / FAX Correo electrónico: Página Web:
UNIVERSIDAD DE COSTA RICA FACULTAD DE CIENCIAS ECONÓMICAS ESCUELA DE ESTADÍSTICA CURSO: XS-1130 Estadística Introductoria II Créditos: 4 II Ciclo 2017 GRUPO Y DOCENTE: HORARIO : AULA: CORREO ELECTRÓNICO:
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesFundamentos para la inferencia. Estadística Prof. Tamara Burdisso
Fundamentos para la inferencia Estadística 018 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Pasos en un proceso estadístico. Inferencia Estadística 3. Estimación Puntual
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 016 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesUNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA Facultad de Ingeniería Mecánica y Eléctrica Escuela Académico Profesional de Ingeniería Mecánica y Eléctrica Departamento de Ciencias de Investigación de la
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesESTADÍSTICA. Facultad Nacional de Ingeniería Oruro - Bolivia
ESTADÍSTICA Facultad Nacional de Ingeniería Oruro - Bolivia José Luis Zamorano Escalante Universidad Técnica de Oruro Presentación El termino estadística proviene del latín statisticum collegium ( consejo
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesEstadística Clase 3. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase 3 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri 1. Pasos en un proceso estadístico 1. Plantear una hipótesis sobre una población.. Diseñar
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesESTIMACION INFERENCIA ESTADISTICA
P M INFERENCIA ESTADISTICA Desde nuestro punto de vista, el objetivo es expresar, en términos probabilísticos, la incertidumbre de una información relativa a la población obtenida mediante la información
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER
UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER CARTA DESCRIPTIVA Carrera: INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia:. Titular: Correo electrónico: NUMERO DE UNIDAD:
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detallesLA ESTADÍSTICA APLICADA AL ANÁLISIS ECONÓMICO. Introducción 1
LA ESTADÍSTICA APLICADA AL ANÁLISIS ECONÓMICO ÍNDICE CONCEPTO Página Introducción 1 I Generalidades... 3 I.1 Definiciones de Estadística... 4 I.2 Diferentes clases de Estadística... 8 II La Estadística
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
Más detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detalles1. UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS EMPRESARIALES LICENCIATURA EN MARKETING LICENCIATURA EN DIRECCION DE NEGOCIOS
1. UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS EMPRESARIALES Carreras: LICENCIATURA EN MARKETING LICENCIATURA EN DIRECCION DE NEGOCIOS Materia: ESTADISTICA APLICADA A LOS NEGOCIOS
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 5 Distribución de la Media Muestral Pedro Elosegui 1 2 Métodos y Distribuciones de Muestreo En estadística nos gustaría contar con los parámetros
Más detallesDistribuciones Muestrales e Intervalos de Confianza
Distribuciones Muestrales e Intervalos de Confianza Sesión 5 Dr. Carlos J. Vilalta (DAP) Estadística - Curso propedéutico MAPP 2016 Centro de Investigación y Docencia económicas (CIDE) Contacto: carlos.vilalta@cide.edu
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesTema 6. Estimación puntual
1 Tema 6. Estimación puntual En este tema: Planteamiento del problema. Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Métodos
Más detallesBioestadística: Inferencia Estadística. Análisis de Una Muestra
Bioestadística: Inferencia Estadística. Análisis de Una Muestra M. González Departamento de Matemáticas. Universidad de Extremadura Estimación Puntual e Intervalos de Confianza Planteamiento del Problema
Más detalles1 Descripción de datos con gráficas 7. 2 Descripción de datos con medidas numéricas 47. Contenido. 2.1 Descripción de un conjunto de datos mediante
Introducción:Una invitación a la estadística 1 La población y la muestra 3 Estadística descriptiva y estadística inferencial 3. Cómolograrel objetivode la estadísticainferencial: los pasos necesarios 4
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar problemas
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detallesANEXO I RESOLUCION Nº 291/03
ANEXO I RESOLUCION Nº 291/03 CARRERA: Contador Público Nacional DEPARTAMENTO: Matemático ASIGNATURA: Estadística CODIGO: 14 RÉGIMEN: Teórico-Práctico CRÉDITO HORARIO: 135 horas AÑO: 3er Año. CUATRIMESTRE:
Más detallesANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS
ANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Porqué muestrear? Para qué muestrear? Estimar parámetros de población Prueba de hipótesis Exploratorio
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesPlan de Estudios 1994
LINEA DE ESTUDIO: MÉTODOS CUANTITATIVOS Programa de la asignatura: ESTADISTICA Objetivo Que el educando aplique la inferencia estadística en los problemas económicos, y pueda tomar decisiones en estimaciones,
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesPROGRAMA DE ASIGNATURA. CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado en Física Profesorado en Matemática
PROGRAMA DE ASIGNATURA ASIGNATURA: Probabilidad y Estadística Introducción a la Probabilidad y Estadísitica AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS. Sec. Repaso EX III MAT. 298 Núm.
PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso EX III MAT. 298 Núm. I. Verdadero (V) o Falso (F).. La Curva de Probabilidad Normal Estándar
Más detallesEstadística /Química 2004
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:
Más detallesESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio
ESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio Muestra aleatoria Conceptos probabiĺısticos básicos El problema de inferencia Estadísticos. Media y varianza
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesEstadística para las Ciencias Agropecuarias
Estadística para las Ciencias Agropecuarias Séptima Edición Di Rienzo, Julio Alejandro Casanoves, Fernando Gonzalez, Laura Alicia Tablada, Elena Margot Díaz, María del Pilar Robledo, Carlos Walter Balzarini,
Más detallesINGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES
INGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA PROPÓSITO DE APRENDIZAJE DE LA ASIGNATURA CUATRIMESTRE El alumno resolverá problemas estadísticos mediante
Más detallesDistribuciones de muestreo importantes. Jhon Jairo Padilla Aguilar, PhD.
Distribuciones de muestreo importantes Jhon Jairo Padilla Aguilar, PhD. Distribución chi-cuadrado Si z1, z2,z3, zk son distribuciones normales estandarizadas, la variable aleatoria x 2 2 z1 z2... zk Sigue
Más detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Más detallesFACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017
FACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017 Titular: Ing Inés González de Rubiano (gonrubi@arnet.com.ar) JTP: Lic. Gladis Mazza (gladismazza@gmail.com)
Más detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesCap 7 Intervalos de Confianza
Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesAsignatura: ESTADISTICA I (1024) Programa aprobado por Resolución UNM-R Nº 285/11
Asignatura: ESTADISTICA I (1024) Programa aprobado por Resolución UNM-R Nº 285/11 Carrera: LICENCIATURA EN RELACIONES DEL TRABAJO (Plan de estudios aprobado por Resolución UNM-R Nº 21/10) 1 Carrera: LICENCIATURA
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detalles