Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
|
|
- Manuel Sánchez Naranjo
- hace 7 años
- Vistas:
Transcripción
1 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 y elemetos bie defiido. Se trata del muestreo más básico y simple que se puede realizar. o se presupoe iformació a priori y sirve para comparar co otro tipos de muestreo. Si otro muestreo o es mejor teóricamete co igual costes, suele rechazarse el otro por su mayor complejidad. Es el método más importate e poblacioes fiitas. Cosiste e: Se seleccioa uidades distitas de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). S d : El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U. P d : La distribució de probabilidad que se toma es la distribució uiforme. M.A.S.(, ) P d : S d [0, 1] P d (s) = ( 1 ) Para realizar u M.A.S. se debe ordear todos las posibles muestras de uidades distitas de la població (poco práctico si es grade), y seleccioar ua de ellas. Debido a que dicho proceso puede ser excesivamete laborioso se hace u esquema alterativo para realizar el muestreo que respeta las probabilidades de cada muestra de ser elegida: Proceso para realizar u M.A.S. 1- Partimos de U població co uidades. 2- Extraemos sucesivamete e idepedietemete las uidades co probabilidades iguales, 1 e cada extracció, a para t = 0, 1,, 1. t 3- Ua vez seleccioada ua uidad de la població esta se excluye para que todas las sea distitas. Co este método se verifica que p(s) co s S d es ( ) 1 ya que hay ( ) elemetos e Sd. Probabilidades de iclusió π i : p(u i muestra elegida) = j=1 p(u i sea elegida e la extracció j-ésima) = = = = 1
2 ( ) 2 Casos favorables π ij : Casos posibles = úmero de muestras que cotiee a u i, u j = úmero total de muestras 2 ( ) = ( 1) ( 1) Parámetros Estimadores Variazas Estimadores isesgados isesgados variaza Total X = X = x V ( X) 2 (1 f) = S 2 V ( X) 2 (1 f) = s 2 Media X = 1 Proporció P = 1 x = 1 p = 1 V (x) = 1 V (p) = 1 σ 2 PQ V (x) = (1 f) V (p) = 1 s 2 pq 1 Dode = { 1 si ui U 0 e caso cotrario π i =, π ij = ( 1) ( 1), f(1 f) ij = π ij π i π j = < 0, 1 s 2 = 1 ( x) 2, que es la cuasivariaza muestral. Si S 2, es decir la cuasivariaza 1 poblacioal, es grade debemos tomar ua muestra de tamaˆo grade para que V sea pequeˆa y el error muestral sea pequeˆo. Si S 2 es pequeˆa, os basta co tomar ua (1 f) muestra de tamaˆo pequeˆa para que V sea adecuada ya que V (x) = S 2 f = [0, 1] que es la fracció de muestreo. f vale 0 cuado o hay represetació de la població e la muestra y vale 1 cuado toda la població está e la muestra. 1 f = Estimació de los Itervalos de Cofiaza es el coeficiete de correcció por fiitud. Desigualdad de Chebichef: IC para θ co ivel de cofiaza 1 1/k 2 ( ) θ k V ( θ), θ + k V ( θ) 2
3 Teorema Cetral de Límite ( grade > 35): IC para θ co ivel de cofiaza 1 α. ) ( θ z α/2 V ( θ), θ + z α/2 V ( θ) Determiació del tamaˆo muestral para u error máximo admisible e = θ θ co ivel de cofiaza p k : = o dode Media poblacioal X: 0 = k2 S 2 e 2, Total poblacioal X: 0 = 2 k 2 S 2 e 2, Media poblacioal P : 0 = k2 P Q e 2. Debe tomarse como tamaˆo muestral el valor etero más próximo por exceso al obteido e la fórmula. Para el M.A.S. co reemplazamieto se verifica = 0. A saber: - 0, luego el M.A.S. si reposició tedrá meor tamaˆo que el M.A.S. co reposició para u mismo e. - aumeta se e dismiuye. - Si el ivel de cofiaza aumeta, es decir 1 α aumeta, etoces aumeta. - Si S 2 aumeta, etoces aumeta para u mismo e. Luego si la població es homogéea, basta u tamaˆo muestral pequeˆo para estimar co ua precisió aceptable. Como el tamaˆo muestral depede de S 2 poblacioal o del P poblacioal, si dichos valores so descoocidos se puede aproximar: - Si se tiee u valor de S 2 de ecuestas ateriores se puede usar. - Si se cooce u itervalo de variació para S 2, se toma el valor máximo del mismo dado u tamaˆo muestral mayor. - Si se cooce el rago de variació de la variable, se puede aproximar S por el cociete rago. 4 - Si o se sabe ada y queremos u valor de segú u valor de P, se toma P = 0.5 que dará el tamaˆo máximo. - Si o se está e iguo de los casos ateriores, se toma ua muestra piloto para estimar S 2 y luego se calcula el tamaˆo adecuado para la muestra. 3
4 - Procedimieto alterativo (Stei): Se toma ua muestra prelimiar de tamaˆo i. Se calcula s 2 1 para estimar S 2. Por último se toma ua muestra adicioal de tamaˆ o 1 dode es el calculado co la fórmula ates idicada usado la estimació obteida co la primera muestra. M.A.S.: Muestreo aleatorio simple co probabilidades iguales co reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados y elemetos bie defiido. Este método cosiste e: Se seleccioa uidades de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). S d : El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U, pudiédose repetir los elemetos e cada muestra. P d : La distribució de probabilidad que se toma es la distribució uiforme. M.A.S.(, ) P d : S d [0, 1] P d (s) = 1 Para realizar u M.A.S. co reemplazo se debe ordear todos las posibles muestras de uidades de la població (poco práctico si es grade), y seleccioar ua de ellas. Debido a que dicho proceso puede ser excesivamete laborioso se hace u esquema alterativo para realizar el muestreo que respeta las probabilidades de cada muestra de ser elegida: Proceso para realizar u M.A.S. 1- Partimos de U població co uidades. 2- Extraemos sucesivamete e idepedietemete las uidades co probabilidades iguales, e cada extracció, a Ua vez seleccioada ua uidad de la població esta se repoe a la població. Co este método se verifica que p(s) co s S d es ya que hay elemetos e S d. Probabilidades de iclusió π i = π ij = 4
5 Parámetros Estimadores Variazas Estimadores isesgados isesgados variaza Total X = X = x V ( X) = 2 σ2 V ( = 2 s 2 Media X = 1 x = 1 V (x) = σ2 V (x) = s2 Proporció P = 1 p = 1 V (p) = PQ V (p) = pq 1 Estimació de los Itervalos de Cofiaza Desigualdad de Chebichef: IC para θ co ivel de cofiaza 1 1/k 2 ( θ kêm( θ), θ + kêm( θ) ) Teorema Cetral de Límite ( grade > 35): IC para θ co ivel de cofiaza 1 α. ( θ zα/2 êm( θ), θ + z α/2 êm( θ)) Determiació del tamaˆo muestral para u error máximo admisible e = θ θ co ivel de cofiaza p k : = o dode Media poblacioal X: = z2 α/2 S2 e 2, Total poblacioal X: 0 = 2 z 2 α/2 S2 e 2, Media poblacioal P : 0 = z2 α/2 P Q e 2. Debe tomarse como tamaˆo muestral el valor etero más próximo por exceso al obteido e la fórmula. Si el valor de σ 2 es descoocido se debe actuar como e el M.A.S., tomado el valor de estimacioes ateriores, o el valor máximo co que se pueda acotar, y para P se debe usar el valor 0.5 si se descooce. 5
6 Muestreo co probabilidades desiguales co reemplazo. Estimador de Hase Hurwitz. Hipótesis: Marco perfecto, si omisioes i duplicados y elemetos bie defiido. Este método cosiste e: Se seleccioa uidades de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U, pudiédose repetir los elemetos e cada muestra, dode la probabilidad de cada u i es p i distita para cada uidad poblacioal. Probabilidad de iclusió: π i =p(u i s) = 1 (1 p i ) Estimadores Variazas Estimadores isesgados isesgados variaza ( ) 2 xi V ( p X HH ) = 1 ( ) 2 xi p X HH 2 X p i V ( i XHH) = i p i ( 1) X HH = 1 x HH = 1 P HH = 1 V ( x HH ) = 1 1 p i 2 V ( p P HH ) = 1 1 i 2 ( ) 2 xi X p i V ( x HH) = 1 p i 2 ( ) 2 Ai P p i V ( PHH) = 1 p i 2 ( xi ( Ai p i ) 2 X 2 HH ( 1) ) P HH p i ( 1) Si los p i so proporcioales a los, etoces el estimador de Hase-Hurwitz coicide co el verdadero valor del parámetro y la variaza se aularía, sería parámetros perfectos. Por ello se suele usar probabilidades proporcioales a ua variable coocida y i relacioada co los. Si y i = M i, es decir, tomamos como valor de la variable coocida el tamaˆo de la uidad i, etoces M = M i y p i = M i M. Proceso para seleccioar ua muestra: 1- Método de las probabilidades acumuladas. E primer lugar se calcula ua columa de i valores B i acumulado los valores p i, es decir B i = = p 1 + p p i. A cotiuació se seleccioa u valor aleatorio e etre (0, 1) y se comprueba etre que dos valores de B i se ecuetra dicho valor, B i 1 < e B i. Se debe elegir para la muestra la uidad u i y repetir el proceso hasta alcazar el tamaˆo muestral deseado. j=1 p j 6
7 2- Método de Lahiri. Para comezar se debe calcular el máximo de los p i e la població, q = máx p i. A cotiuació se geera dos úmero aleatorios i U[1, ] y r U[0, q]. Si i U r p i se debe seleccioar la uidad u i de la població y si r > p i o se seleccioa igua uidad. El proceso se repite hasta obteer algua uidad, y luego hasta completar el tamaˆo muestral. Muestreo co probabilidades desiguales si reemplazo. Estimador de Horvitz Thompso. Hipótesis: Marco perfecto, si omisioes i duplicados y elemetos bie defiido. Este método cosiste e: Se seleccioa uidades de etre uidades poblacioales de la població U, co el diseˆo muestral d = (S d, P d ). El espacio muestral esta formado por todos las muestras de tamaˆo que se puede obteer de U, o pudiédose repetir los elemetos e cada muestra, dode la probabilidad de cada u i es p i distita para cada uidad poblacioal. Probabilidad de iclusió: π i =p(u i s) o puede calcularse. Si es coocido podemos usarlo e las fórmulas, o e caso cotrario puede tomarse π i = y i siedo Y ua variable auxiliar coocida relacioada co la variable X. y i Estimadores Variazas Estimadores isesgados isesgados variaza X HT = V ( π X ( ) 2 xi HT ) = π i (1 π i )+ V ( XHT ) = (π ij π i π j ) x j = 1 i π i π ij π i π j 1 x HT = 1 P HT = 1 i j=1 V ( x HT ) = 1 π i 2 V ( π P HT ) = 1 i 2 π i x j π j (π ij π i π j ) i,j=1 i,j=1 i<j=1 [ i,j s 1 (π i + π j ) + π 2 i ] (xi x j (π ij π i π j ) V ( x HT ) = 1 (π ij π i π j ) π i π j 2 A j π i π j (π ij π i π j ) V ( PHT ) = 1 π ij 2 (π ij π i π j ) π ij π i x j π j x j π i π j π i A j π j ) 2 Proceso para seleccioar ua muestra: 1- Aproximació por ua extracció co reemplazo. 2- Método de Lahiri. Para comezar se debe buscar ua costate C tal que Max s y i < C, siedo y i los valores de la variable auxiliar. A cotiuació se geera u úmero 7
8 aleatorios e U[0, C] y ua muestra de uidades co probabilidades iguales y si reemplazo (M.A.S.). Si y i e la muestra elegida es válida. E caso cotrario hay que repetir el proceso hasta coseguir ua muestra adecuada. Es u método costoso y o se sabe de atemao cuatas operacioes hay que hacer. 3- Método de las extraccioes sistemáticas. E primer lugar se calcula ua columa de i valores C i acumulado los valores π i, es decir C i = = π 1 + π π i. A cotiuació se seleccioa u valor aleatorio e etre (0, 1) y se comprueba etre que dos valores de C i se ecuetra dicho valor, C i 1 < e C i. Se debe elegir como primera uidad para la muestra la uidad u i y repetir el proceso veces sumado 1 cada vez a e. Es u método complicado de implemetar. j=1 π j 8
) 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
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 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 detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
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 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 detallesMUESTREO ESTRATIFICADO. TECNICAS DE MUESTREO II
MUESTREO ESTRATIFICADO TECNICAS DE MUESTREO II Email:cgozales@lamolia.edu.pe CONSTRUCCION DE OS ESTRATOS Cuál es la mejor característica para la costrucció de los estratos? Cómo se determia los límites
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 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 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 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 detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
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 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 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 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 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 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 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 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 detallesMATERIAL DE LA 3era VISITA
Material de clase 2 Domigo 27 Juio TEMAS: MATERIAL DE LA 3era VISITA 1. DISTRIBUCION DE LAS PROPORCIONES MUESTRALES 2. INTERVALOS DE CONFIANZA Desarrollo Tema 1: La Distribució de las Proporcioes Muéstrales
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 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 detallesSOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)
Curso 2012-13 PEC2 Pág. 1 SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Gráfico 1: E ua ivestigació se compara la eficacia de tres tipos de tratamieto de las fobias, atediedo a si ha habido
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO
Más detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
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 detallesMuestreo Estratificado.
Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato
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 detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
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 detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detalles- estimación de parámetros, - intervalos de confianza y
Iferecia estadística: es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. Objetivos de la iferecia: - estimació de parámetros, - itervalos de cofiaza
Más detallesTEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados
TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detalles8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS
8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [
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 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 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 detallesConceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.
FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase
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 Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
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 detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesParte 2. Estadística inferencial
Parte. Estadística iferecial. Distribucioes muestrales Recordemos que el objetivo de la Estadística es hacer iferecias acerca de los parámetros de ua població co base e la iformació coteida e ua muestra.
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 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 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 detallesEjercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:
Parcial de Probabilidad y Estadística : parte A Ejercicio 1: U embalaje cotiee 9 cajas de CDs. Las 9 cajas tiee la siguiete composició: 6 cajas cotiee 5 discos de música rock y 15 discos de música clásica
Más detallesCAPÍTULO 7 DISTRIBUCIONES EN EL MUESTREO Introducción
CAPÍTULO 7 DISTRIBUCIONES EN EL MUESTREO 7.. Itroducció Geeralmete, las poblacioes tiee tamaños que hace que estudiarla e su totalidad sea poco práctico desde diversos putos de vista; costo, tiempo, tipo
Más detallesTEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
Más detallesTEMA 4: CONTRASTE DE HIPOTESIS
ESTADÍSTICA, CURSO 2008 2009 TEMA 4: CONTRASTE DE HIPOTESIS HIPOTESIS ESTADISTICAS ENSAYOS DE HIPOTESIS Cocepto de hipótesis estadística Esayos de hipótesis Hipótesis ula (H 0 ) y alterativa (H ) Diferecias
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 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 detalles3. Igualdad de proporciones
1 La prueba de Pearso Tema 10 1. Bodad de ajuste. Idepedecia 3. Igualdad de proporcioes 4. Medidas de asociació 5. Errores tipificados 1. Bodad de ajuste Objetivo: Comprobar si ua distribució teórica de
Más detallesInforme sobre el Cálculo de Errores de Muestreo. Encuesta sobre Condiciones de Vida ECV
Iforme sobre el Cálculo de Errores de Muestreo Ecuesta sobre Codicioes de Vida ECV - 2004 EUSKAL ESTATISTIKA ERAKUNDA INDICE. Itroducció...3 2. Método de expasió de Taylor...3 3. Métodos de Replicació...4
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
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 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 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 detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA
. Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer
Más detalles5.Distribución de la variable aleatoria media muestral. 6.Distribución de la variable aleatoria varianza muestral
TEMA INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.Itroducció al muestreo.elemetos del muestreo 3.Tipos de muestreo 4.Distribucioes que iterviee e el muestreo 5.Distribució de la variable aleatoria media muestral
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació DIRPE Metodología Diseño Estadístico Ecuesta Sobre Ambiete y Desempeño Istitucioal Departametal
Más detallesInforme sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Familias)
Iforme sobre el Cálculo de Errores de Muestreo Ecuesta de la Sociedad de la Iformació (ESI- Familias) EUSKAL ESTATISTIKA ERAKUNDA INDICE 1. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo
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 detallesQué es el muestreo? SISTEMA DE EVALUACION. Practicas 30% Examen parcial 30% Examen final 30% Trabajos encargados 10% TECNICAS DE MUESTREO II
SISTEMA DE EVALUACION TECNICAS DE MUESTREO II Practicas 3% Exame parcial 3% Exame fial 3% Trabaos ecargados % Profesor: Ig. Celso Gozales Ch. Mg.Sc Email:cgozales@lamolia.edu.pe REFERENCIAS BIBLIOGRAFICAS
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 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 detallesSELECCIÓN DE LOS CASOS (II): Muestra estadística
ELECCIÓ DE L CA (II): El objetivo de esta ficha de actividad es itroducir el problema de la selecció de los casos ua vez que se ha defiido (auque sea) provisoriamete el tipo de diseño que orgaizará la
Más detalles