UNIVERSIDAD DE ATACAMA

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

Download "UNIVERSIDAD DE ATACAMA"

Transcripción

1 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 1. U sistema cueta co u gra úmero de compoetes de u mismo tipo. Supogamos que el tiempo de falla T medido e horas) de cualquiera de estas compoetes sigue aproximadamete ua distribució ormal, co media 100 horas y desviació estádar 20 horas. a) Calcular la probabilidad de que ua compoete dada dure más de 110 horas. Sea T N100, 20) y Z N0, 1), etoces: PT > 110) = 1 PT 110) ) = 1 P Z 20 = 1 PZ 0.5) = = ptos.) b) Se desea dar ua garatía de reemplazo para cualquier compoete que dure meos de M horas. Ecotrar el valor de M para que la probabilidad de que se haga efectiva la garatía sea sólo u 1 %. PT M) = 0.01 P Z M 100 ) = M = 2.32 M = ptos.) c) Cosiderar 20 compoetes co tiempos de falla idepedietes esto es, si T 1,..., T 20 so los tiempos de falla, los evetos {T i > t i } so mutuamete idepedietes para todo t i ), cada ua co la distribució ates mecioada. Calcular la probabilidad de que a lo más dos compoetes dure más de 100 horas. PAUTA PRUEBA RECUPERATIVA N 2: EYP 1

2 Sea X : úmero de compoetes que dura más de 100 horas, e ua muestra de 20 compoetes. Por lo tato, X Bi20, p) co p = PT > 100) p = PT > 100) = 1 PT 100) = 1 PZ 0) = = 0.5 Lo que se pide es: PX 2) = 2 x=0 ) ) 20 = x = 211 = ptos.) 2. Resolver: a) U supervisor del proceso de empacado de café e sobres, seleccioa ua muestra aleatoria de 12 sobres y mide el peso eto de los sobres, obteiedo la siguiete iformació: 15.7, 15.8, 15.8, 15.9, 15.9, 16.0, 16.0, 16.0, 16.1, 16.1, 16.1 y Si el peso eto de los sobres sigue ua distribució ormal, determiar u itervalo al 90 % de cofiaza para la media. 1/2. Primero calculamos la desviació estádar de los datos, es decir S = 1 X2 X )) 2 E efecto: Luego X = Xi = = , X 2 = X 2 i = = S 2 = 12 [ ] ) 2 = S = 0.02 = El itervalo de cofiaza IC) para la media, co u 90 % de cofiaza está dado por: µ ± ) 12 Pues al 90 % de cofiaza, el ivel de sigificacia es α = 0.1, etoces t 11;0.1 = , luego: µ 15.90; 16.04) b) E u país orietal se desea estudiar la variable altura de los idividuos. Para esto se realizó u estudio piloto co ua muestra de persoas la cual arrojó ua media de 170 cm. Calcular el tamaño que debería teer la muestra para obteer u itervalo de cofiaza al 99 % co ua precisió error) de u cetímetro. Usar σ = 10. Además asumir que la altura de los idividuos distribuye ormal. PAUTA PRUEBA RECUPERATIVA N 2: EYP 2

3 Se sabe que µ = X ± ε dode ε = z α σ. Se debe resolver la ecuació: 1 = Pues al 99 % de cofiaza, el ivel de sigificacia es α = 0.01, etoces z 0.01 = 2.57, luego = 661. c) Supogamos que a partir de ua muestra aleatoria de tamaño 25, se ha podido establecer u itervalo de cofiaza para la media poblacioal que va desde 68 a 72 uidades de medida para u α = Ecotrar u itervalo al 95 % de cofiaza para la media poblacioal. Asumir que la variaza poblacioal es coocida. Del item b) vimos que z 0.01 = Luego, del euciado se desprede que X 2.57 σ = 68, X σ = Resolviedo para X, se tiee que X = 70 y el error 2.57 σ = 2. Por lo tato σ = Fialmete, el IC para la media, co u 95 % de cofiaza está dado por: µ 70 ± ) 5 Pues al 95 % de cofiaza, el ivel de sigificacia es α = 0.05, etoces z 0.05 = 1.96, luego: µ 68.48; 71.52) d) Se toma ua muestra de 50 cascos de suspesió utilizados por los corredores de motos y los coductores de automóviles del Dakar 2010 y se sujeta a ua prueba de impacto. E 18 de los cascos se observa cierto daño. i. Ecotrar u itervalo al 95 % de cofiaza para la verdadera proporció de cascos de este tipo que demostrara daño como resultado de la prueba. E primer lugar, el estimador de la verdadera proporció está dado por p = 18 = Por lo tato, el IC para la proporció, co u 95 % de cofiaza está dado por: ) 0.36)0.64) p 0.36 ± Pues al 95 % de cofiaza, el ivel de sigificacia es α = 0.05, etoces z 0.05 = 1.96, luego: p 0.23; 0.49) PAUTA PRUEBA RECUPERATIVA N 2: EYP 3

4 ii. Al utilizar la estimació putual de p obteida a partir de la muestra prelimiar de 50 cascos. Cuátos cascos debe probarse para teer ua cofiaza del 95 % que el error al estimar el verdadero valor de p sea meor que 0.02? De acuerdo a lo aterior, se debe resolver la desigualdad: 1.96 Por lo tato > )0.64) < < ) El gimasio Pik Gym ha comprobado que el 20 % de sus alumos se da de baja durate el primer mes y el 80 % restate permaece todo el año. Supogamos que este año se iscribiero 20 alumos. a) Idetificar la variable aleatoria del problema e idicar el ombre de su distribució. Segú lo señalado e el euciado, defiimos coveietemete la variable aleatoria v.a.) Y : úmero de alumos que se da de baja el primer mes. Los posibles valores de esta v.a. so 0, 1,..., 20. De este modo Y Bi20, 0.2). 3 ptos.) b) Cuál es la probabilidad de que 2 o meos se de de baja? : Nos pide 2 ) 20 PY 2) = 0.2) y 0.8) 20 y = y 5 ptos.) y=0 c) Cuál es la probabilidad de que exactamete se de de baja 4 alumos? Nos pide calcular ) 20 PY = 4) = 0.2) 4 0.8) 16 = ptos.) d) Cuál es la probabilidad de que se de de baja más de 3 alumos? Pide calcular 5 ptos.) PY > 3) = 1 PY 3) = = e) Al hacer la iscripció se realiza u úico pago aual de 600 dólares. Cada alumo que permaece todo el año geera u gasto aual de 150 dólares. i. Cuál es el beeficio aual esperado? PAUTA PRUEBA RECUPERATIVA N 2: EYP 4

5 Por cada alumo teemos u igreso de 600 dólares. Como se ha iscrito 20 alumos teemos u igreso total de I = = dólares. Cada alumo que permaece todo el año geera u gasto aual de 150 dólares. Si Y es el úmero de alumos que se da de baja el primer mes, etoces el úmero de alumos que permaece todo el año es 20 Y. Por tato, el gasto aual es G = Y ). De esta maera, el beeficio aual es B = I G = Y ). Es decir: B = Y El beeficio aual esperado es EB). Aplicado que Ea+bY ) = a+bey ), teemos que: EB) = EY ) Como la variable Y Bi20, 0.2), etoces EY ) = p = = 4. Por lo tato, EB) = = ptos.) ii. Cuátos alumos se ha dado de baja el primer mes si al fial del año el gimasio ha obteido el beeficio esperado? Si el beeficio obteido es el esperado, esto es B = 9600 dólares, despejado Y e la expresió B = Y se sigue que Y = 4. Luego se ha dado de baja 4 alumos. 2 ptos.) 4. Los retrasos de vuelos e los aeropuertos es u feómeo comú para los pasajeros. La posibilidad de retraso depede de las codicioes climáticas y de la hora del día. La siguiete iformació está dispoible para uestro aeropuerto: E la mañaa AM), o hay retrasos si el bue tiempo prevalece. Si embargo, si hay mal tiempo la mitad de los vuelos se retrasa. Para el resto del día PM), las probabilidades de retraso durate el bue tiempo es 0.3 y co mal tiempo 0.9. El 30 % de los vuelos se realiza durate la mañaa AM), mietras que los restates se realiza durate la tarde PM). Teer mal tiempo es más probable e la mañaa, de hecho, el 20 % de las mañaas está asociadas co el mal tiempo. Mietras que sólo el 10 % de las horas PM ha presetado mal tiempo. Supoer que sólo existe dos estados del tiempo: bueo y malo. Co la iformació presetada: a) Traducir los datos del euciado, itroduciedo los sucesos coveietes. Sea los siguietes evetos BT : bue tiempo, MT : mal tiempo, R : hay retraso y NR : o hay retrasos. Del euciado es coveiete el siguiete esquema de árbol: PAUTA PRUEBA RECUPERATIVA N 2: EYP 5

6 b) Qué porcetaje de los vuelos de este aeropuerto se retrasa? Notar que: R = R AM BT ) R AM MT ) R P M BT ) R P M MT ) Etoces: PR) = PAM)PBT AM)PR AM BT ) + PAM)PMT AM)PR AM MT ) + PP M)PBT P M)PR P M BT ) + PP M)PMT P M)PR P M MT ) De lo aterior se tiee lo siguiete: PR) = 0.3)0.8)0) + 0.3)0.2)0.5) + 0.7)0.9)0.3) + 0.7)0.1)0.9) = c) Si el vuelo es retrasado, cuál es la probabilidad que sea causa del mal tiempo? Se pide lo siguiete: PMT R) = PR MT ) PR) = 0.3)0.2)0.5) + 0.7)0.1)0.9) = dode PR MT ) = PR MT AM) + PR MT P M) = PAM)PMT AM)PR AM MT ) + PP M)PMT P M)PR P M MT ) PAUTA PRUEBA RECUPERATIVA N 2: EYP 6

7 d) Qué porcetaje de vuelos matiales e este aeropuerto so retrasados? Se pide: PR AM) = PR AM) PAM) = 0.3)0.8)0) + 0.3)0.2)0.5) 0.3 = 0.1 dode PR AM) = PR AM BT ) + PR AM MT ) = PAM)PBT AM)PR AM BT ) + PAM)PMT AM)PR AM MT ) PAUTA PRUEBA RECUPERATIVA N 2: EYP 7

Tema 14: Inferencia estadística

Tema 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 detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios 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 detalles

Estadística 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 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2010 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2010 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 010 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,

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos 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 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

) 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 detalles

Formulas. Población infinita. Población finita

Formulas. 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 detalles

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)

PROBLEMAS 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: [email protected] 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 detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA 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 detalles

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA Métodos estadísticos y uméricos Estimació por Itervalos de cofiaa PROBLEMA REUELTO DE ETIMACIÓN POR INTERVALO DE CONFIANZA U adador obtiee los siguietes tiempos, e miutos, e 0 pruebas croometradas por

Más detalles

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)

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) 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 detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO 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 detalles

Intervalos de confianza Muestras grandes

Intervalos de confianza Muestras grandes Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete

Más detalles

Tema 4. Estimación de parámetros

Tema 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 detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2017 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2017 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 017 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 detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 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 detalles

Reserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A

Reserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Reserva Primera de 017 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A 17_mod3_EJERCICIO 1 (A) 4-3 0 Sea las matrices A = y B = 1-1 0 1. (1 puto) Calcule A + B 3. (1 5 putos)

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas 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 detalles

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.

Explicación 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS 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 detalles

R E S O L U C I Ó N. a) La distribución de las medias muestrales es: N, N 8'1, N 8'1, 0'3. Como el nivel de confianza es del 97%, podemos calcular

R E S O L U C I Ó N. a) La distribución de las medias muestrales es: N, N 8'1, N 8'1, 0'3. Como el nivel de confianza es del 97%, podemos calcular El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media días y desviació típica 3 días. a) Determie u itervalo de cofiaza para estimar, a u ivel del 97%, co ua muestra aleatoria

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad 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 detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS 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 detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES 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

12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE LA TABLA DE LA NORMAL N(0,1) E la distribució N(0,1), a la variable se le suele represetar

Más detalles

1. Propiedades de los estimadores

1. 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 detalles

Ejercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:

Ejercicio 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 detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales. Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados

Más detalles

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco

Capítulo 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 detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 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 detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 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 detalles

Distribuciones en el muestreo, EMV

Distribuciones 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 detalles

INTRODUCCION Teoría de la Estimación

INTRODUCCION 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 detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS 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 detalles

Estimación de una proporción

Estimación de una proporción Uidad 13. Iferecia estadística. Estimació de ua proporció Matemáticas aplicadas a las Ciecias Sociales II Resuelve Págia 309 Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas

Más detalles

Desigualdad de Tchebyshev

Desigualdad 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 detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN 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 detalles

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual

ESTIMACIÓN. 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 detalles

Ejercicios resueltos de Muestreo

Ejercicios 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 detalles