Intervalos de confianza Muestras grandes. Estadística Cátedra Prof. Tamara Burdisso
|
|
- Carlos Moya Gil
- hace 6 años
- Vistas:
Transcripción
1 Intervalos de confianza Muestras grandes
2 Por qué un intervalo de confianza? En la Unidad 3 revisamos los conceptos de población y muestra. Los parámetros poblacionales son la media μy la varianza σ 2. Son constantesy generalmente no se conocen. Contrariamente, el estadístico X ( la media muestral) y el 2 estadístico S (la varianza muestral) son variables aleatorias, ya que varían de muestra en muestra. Es por eso que cuantificamos la incertidumbre asociada al estimador puntual. Ya vimos que, en el caso de la media, esta incertidumbre se llama error estándar. En definitiva, utilizamos una muestra de la población, para conjeturar sobre la población. Pero quétan buena es nuestra estimación puntual? La respuesta a esta pregunta nos la provee el intervalode confianza. Unidad 4 Intervalos de confianza 2
3 Por qué un intervalo de confianza? La ventaja del estimador puntual es que es muy fácil de calcular y fácil de interpretar. La desventaja es que no tenemos la menor idea de cuan certero y preciso es el estimador. Para lidiar con esta incertidumbre, es que se construye un intervalo de confianza, el cual provee un posible rango de valores para el parámetro poblacional. Si uno provee un estimador puntual va a ser difícil de acertar con el parámetro poblacional. Por el contrario, si uno provee un intervalo de confianza, i.e. un rango de valores, hay más posibilidades que dicho intervalo contenga al verdadero parámetro poblacional. Unidad 4 Intervalos de confianza 3
4 Intervalos de confianza para la media Muestras grandes Acános focalizamos en el caso donde el estimador puntual es la media muestral y el parámetro es la media poblacional. Pensemos que disponemos de una muestra, la cual nos provee X, nuestra mejor estimación de la media poblacional. Que nos dice el TCL para la media muestral: X X ~ N( µ X, σ 2 X n) Unidad 4 Intervalos de confianza 4
5 Cómo se lee un intervalo de confianza al 95%? El 95% de las muestras o más precisamente el 95% de los intervalos construidos en base a las muestras, contendrán la verdadera media poblacional, dentro del intervalo correspondiente a la media muestral +/-2 errores estándar(se). σ X ± 2 SE= X ± 2 Estimador puntual para la media poblacional n Margen de error Por lo tanto el nivel de confianzaes la probabilidad de que el intervalo estimado contenga al verdadero parámetro poblacional, en nuestro caso la media poblacional. Unidad 4 Intervalos de confianza 5
6 Cómo se construye un intervalo de confianza? En general construimos un intervalo de confianza alrededor de la media muestral utilizando la siguiente expresión donde X ± Z c * σ = X ± Z X c * σ n Margen de error X = la media muestral Z c σ X = es el valor Z asociado a una confianza C%. = el error estándar de la media. Lo usual para el nivel de confianza es C%= 90%, 95%, 99%. Unidad 4 Intervalos de confianza 6
7 Condiciones para el intervalo de confianza La construcción del intervalo de confianza se basa en el TCL. Por lo tanto se debe cumplir al menos con los mismos requerimientos del TCL i.i.d. : las observaciones muestralesdeben ser independientes Muestreo aleatorio/ asignación aleatoria Si la muestra es sin reemplazo, entonces n 10%de la población. Asimetría/tamaño de la muestra: n>30, o aún más grande si la distribución es asimétrica. Unidad 4 Intervalos de confianza 7
8 Intervalo de confianza exacto al 95% Un intervalo de confianza aprox. para la media al 95% estádado por X ± 2* σ = X ± 2* X Cómo se construye el intervalo exacto al 95%? σ n P Z > zα =α 2 P Z zα = 1 α 2 P Z ( Z z ) 0.05 z0.05 = P = 2 Unidad 4 Intervalos de confianza 8
9 Interpretación del intervalo de confianza Supongamos que tomamos muchas muestras y construimos intervalos de confianza al 95% para cada una de las muestras. estimación puntual± 1.96* SE Luego, alrededor del 95% de los intervalos de confianza contendrán al verdadero parámetro poblacional. Unidad 4 Intervalos de confianza 9
10 Intervalo de confianza: certero vs. preciso Decimos que el intervalo es certero si el mismo contiene o no al verdadero parámetro poblacional. Decimos que el intervalo es preciso dependiendo del ancho del intervalo. Nivel o Región de confianza usuales Región de confianza α α/2 z α/2 90% % % Unidad 4 Intervalos de confianza 10
11 Certeza vs. precisión Si uno quisiera tener certeza de que captura al verdadero valor del parámetro, i.e. la media poblacional μ,entonces que querríamos un intervalo más amplio o un intervalo más restringido? Unidad 4 Intervalos de confianza 11
12 Certeza vs. precisión Por lo tanto si lo que se persigue es certeza, entonces se debe aumentar el nivel de confianza, pero también aumenta el ancho del intervalo. Mayor certeza incrementar el nivel de confianzapero veremos que hay una pérdida Unidad 4 Intervalos de confianza 12
13 Certeza vs. precisión Hay alguna desventaja en aumentar el nivel de confianza para tener mayor certidumbre? nivel de confianza ancho certeza pero precision Entonces como se resuelve esto. Existe alguna manera de aumentar la certeza y aumentar la precisión simultáneamente? incrementando el tamaño de la muestra. Al incrementar el tamaño de la muestra disminuye el error estándar del estimador, y por ende se reduce el margen de error sin alterar el nivel de confianza, i.e. sin incrementar el ancho del intervalo. Unidad 4 Intervalos de confianza 13
14 Ejemplo Volviendo al ejemplo de los tiempos en minutos de la maratón de la 2012 CherryBlossom Run. Tomamos una muestra de tamaño 100 y la media muestral resulta X = La desviación estándar de la población es de Calcule el intervalo de confianza al 90%, 95% y 99% para la media poblacional? Otra muestra de 100 corredores arroja un valor de X = Compruebe que los que varían son los intervalos y no la media poblacional. Ojo con la interpretación del intervalo! Hay un 95% de probabilidad de que la verdadera media poblacional este dentro del intervalo [, ] INCORRECTO Hay un 95% de probabilidad de que cualquier intervalo de confianza generado a partir de una muestra aleatoria contenga a la verdadera media poblacional. CORRECTO Unidad 4 Intervalos de confianza 14
15 Ejemplo Como tenemos un 95% de probabilidad de que cualquier intervalo de confianza contenga a la media poblacional, entonces tenemos un 5% de probabilidad de que no lo contenga, en cuyo caso estaríamos cometiendo un error. Este 5% de probabilidad es conocido como nivel de significación α, o probabilidad de cometer Error de Tipo I Región de confianza 1-α Nivel de significación α Unidad 4 Intervalos de confianza 15
16 Ejercicio La General Social Surveyde los EE.UU. es una institución que se ocupa de recopilar datos sobre las características demográficas y actitudes de los residentes de USA. Durante el año 2010, la encuestadora entrevistóa 1154 residentes. En base a los resultados de esta encuesta, se construyóun intervalo de confianza del 95% para el número de horas diarias promedio que los residentes americanos dedican al ocio después de un día de trabajo promedio fue de 3.53 a 3.83 horas. Cuál de las siguientes afirmaciones es correcta? Unidad 4 Intervalos de confianza 16
17 Ejercicio - continuación a. 95% de los americanos dedican entre 3.53 y 3.83 horas diarias al ocio después de un día de trabajo b. 95% de las muestras de 1154 residentes americanos van a arrojar intervalos de confianza que contengan al verdadero número de horas promedio que los americanos dedican al ocio después de un día de trabajo. c. 95% de las veces el verdadero número de horas promedio que los residentes americanos dedican al ocio después de un día de trabajo es 3.53 y 3.83 d. Se tiene una confianza del 95% que los residentes americanos de esta muestra dedican en promedio entre 3.53 y 3.83 horas al ocio después de un día de trabajo. Unidad 4 Intervalos de confianza 17
18 Tamaño de la muestra vs. certeza Dado un margen de error deseado, un nivel de confianza, información sobre la variabilidad de la muestra (o de la población), se puede determinar el tamaño de muestra requerido para alcanzar el margen de error deseado. ME = Z c * σ = X Z c * σ n n = Z c * σ ME 2 Unidad 4 Intervalos de confianza 18
19 Ejemplo Un grupo de investigadores desean evaluar el posible efecto que cierta medicación para epilepsia, recetada a mujeres embarazadas, tiene sobre el desarrollo cognitivo de sus hijos. Como evidencia quieren estimar el coeficiente intelectual de niños de 3 años de edad nacidos de madres que hayan ingerido esta medicación durante el embarazo. Estudios previos sugieren que la SD (desviación estándar) del coef. intelectual de los niños de 3 años es de 18 puntos. Quétamaño debería tener la muestra si se desea un intervalo de confianza del 90% y un margen de error menor o igual a 4 puntos? Quéocurriría con el tamaño de la muestra si se quisiera disminuir el margen de error a 2 puntos? Unidad 4 Intervalos de confianza 19
20 Ejemplo La General Social Surveyde los EE.UU. preguntó: Cuantos días durante los últimos 30 estuvo su salud mental (stress, depresión, problemas emocionales) en problemas. En base a las respuestas de 1151 residentes de USA, la encuesta reportó un intervalo del 95% de 3.40 a 4.24 días durante Interpretar este intervalo en el contexto de los datos. En el contexto del problema, que significa un intervalo de confianza del 95%? Recordemos que un intervalo de confianza al 95% significa que, el 95% de los intervalos construidos en base a muestras aleatorias, del mismo tamaño y de la misma población van a contener al verdadero parámetro poblacional. Unidad 4 Intervalos de confianza 20
21 Quéocurre si no conocemos σ? Recordemos que estamos suponiendo que n es grande (n>30) Si no se conoce σ, la desviación estándar poblacional, podemos obtener una estimación a partir de la muestra, i.e. reemplazar a σ por la desviación estándar muestral, S. X ± σ Zc * X ± Zc * n S n Siempre y cuando n>30 Unidad 4 Intervalos de confianza 21
22 Intervalo de confianza para una proporción en muestras grandes También se puede estimar la proporción de una población mediante la construcción de un intervalo de confianza a partir de una muestra. Requisitos para aproximar la Binomial a la Normal: observaciones i.i.d. y np 10 y n(1-p) 10 El intervalo de confianza para la proporción es pˆ ± Z * σ c pˆ pˆ ± Z c * p(1 n p) Unidad 4 Intervalos de confianza 22
23 Intervalo de confianza para una proporción en muestras grandes Nuestro desafío es estimar p, la proporción poblacional, pero necesitamos un valor de p para calcular el error estándar. Solución: estimar el error estándar (SE) utilizando, la proporción basada en la muestra aletoria. pˆ ˆp ˆ σ = pˆ(1 n pˆ) pˆ ± Z * ˆ σ c pˆ pˆ ± Z c * pˆ(1 n pˆ) Unidad 4 Intervalos de confianza 23
24 Ejemplo Cierta industria decide capacitar a sus empleados en un nuevo programa de adiestramiento en reparación de máquinas. De acuerdo con la experiencia de la empresa, la empresa sabe que una persona que apruebe el examen tiene una alta probabilidad de desempeñarse bien es su puesto. Después de alguna discusiones la empresa acordóbasar la evaluación del nuevo método de adiestramiento considerando la proporción de empleados que aprobaron el examen. De los 64 empleados que asistieron al curso de capacitación, solo aprobaron el examen 40. Determinar el intervalo de confianza para la media poblacional con una confianza del 90%. Interpretar el resultado. Unidad 4 - Intervalos de confianza 24
25 Tamaño de la muestra para una proporción Al igual que para la media muestral, se puede determinar el tamaño de muestra requerido para un margen de error deseado. Cual es el tamaño de muestra requerido para estimar la proporción de fumadores en Argentina si se desea una confianza del 99% con un margen de error del 5%? ME = Z σ c * p ˆ n= = Z c p(1 * n Zc p( 1 p) ME 2 p) Unidad 4 - Intervalos de confianza 25
Estadística 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 detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
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 detallesTécnicas Cuantitativas para el Management y los Negocios I
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
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
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 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 detallesMUESTREO APUNTE. Índice: MUESTREO. Media Varianza Desvío Ejemplo CURVA DE GAUSS ( TEÓRICO) Interpretación de los resultados TAMAÑO DE MUESTRA
APUNTE MUESTREO Índice: MUESTREO Media Varianza Desvío Ejemplo CURVA DE GAUSS ( TEÓRICO) Interpretación de los resultados TAMAÑO DE MUESTRA Método de Cálculo Ejemplo Ing. Rogelio Hernán Bello Página 1
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesEstadística I Tema 7: Estimación por intervalos
Estadística I Tema 7: Estimación por intervalos Tema 7: Estimación por intervalos Ideas a transmitir Definición e interpretación frecuentista. Intervalos de confianza para medias y varianzas en poblaciones
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
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 detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesproporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro
Sesión 12 Intervalo de confianza para proporciones y para la razón de varianzas. IC para a una proporción poblacional o a Qué proporción de adolescentes presenta problemas de delincuencia en una comunidad
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesTEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-)
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD INGENIERIA DE TELECOMUNICACIONES TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-) 1. Un proceso industrial fabrica
Más detallesINFERENCIA DE LA PROPORCIÓN
ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales Objetivos Entender los conceptos de estimación puntual y estimación por intervalos. Calcular e interpretar intervalos de confianza
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 detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesBloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos
Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos 5.3-1 El % de los DVDs de una determinada marca son defectuosos. Si se venden en lotes de 5 unidades, calcular
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 detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesEstadística. Sesión 4: Medidas de dispersión.
Estadística Sesión 4: Medidas de dispersión. Contextualización En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal es el caso del rango, la varianza y la desviación estándar,
Más detallesTeoría de la decisión Estadística
Pruebas de hìpótesis Unidad 8. Pruebas de hipótesis. Formulación general. Distribución de varianza conocida. Prueba para la bondad del ajuste. Validación de modelos 1 Formulación Una Hipótesis es una proposición
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesDistribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio
Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),
Más detallesAl reemplazar la varianza muestral en la fórmula obtenemos otra expresión de la distribución chi-cuadrada:
ESTIMACIÓN POR INTERVALO PARA LA VARIANZA Ya estudiamos la estimación por intervalo para la media poblacional. Ahora extenderemos lo aprendido a la varianza. Cuándo creen que es importante estimar los
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detalles= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =
El peso en kg de los estudiantes universitarios de una gran ciudad se supone aproximado por una distribución normal con media 60kg y desviación típica 8kg. Se toman 100 muestras aleatorias simples de 64
Más detallesAGRO Examen Parcial 2. Nombre:
Densidad Densidad Densidad Densidad Examen Parcial 2 AGRO 5005 Nombre: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro, las tablas con fórmulas y la
Más detallesTEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesIntroducción a pruebas de hipótesis
Introducción a pruebas de hipótesis ESTA 3042 enero 2013 (ESTA 3042) Tests of Significance enero 2013 1 / 18 Testing de Hipótesis Hemos visto como estimar un parámetro de una población. Ahora pasamos a
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesMétodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos...............................................................
Más detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
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 detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
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 detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesALGUNAS CUESTIONES DESTACABLES EN INFERENCIA ESTADÍSTICA
ALGUNAS CUESTIONES DESTACABLES EN INFERENCIA ESTADÍSTICA Las encuestas sociológicas suelen trabajar con muestras. Sería demasiado costoso entrevistar al total de la población española adulta, que suele
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No.2 Nombre: Distribuciones muestrales Contetualización Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico
Más detallesEstadística II / PRUEBAS DE HIPOTESIS. Una hipótesis estadística es una afirmación o conjetura acerca de una o mas poblaciones.
PRUEBAS DE HIPOTESIS La prueba de hipótesis es un procedimiento estadístico que comienza con una suposición que se hace con respecto a un parámetro de población, luego se recolectan datos de muestra, se
Más detallesA qué nos referimos con medidas de dispersión?
Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesTeorema del límite central
TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesEl primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis:
El primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis Definición 1.- Una hipótesis es una afirmación que está sujeta a verificación
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesDepartamento de Métodos Cuantitativos para la Economía y la Empresa
Departamento de Métodos Cuantitativos para la Economía y la Empresa Técnicas para el Análisis de Mercado NOMBRE: DNI: GRUPO: 1 (3 puntos) La empresa de productos de informática Watermellon quiere analizar
Más detallesAYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesFINAL DE PROBABILIDAD Y ESTADÍSTICA 27 de MAY Nombre y apellido: Nota
FINAL DE PROBABILIDAD Y ESTADÍSTICA 27 de MAY0 2015 Nombre y apellido: Legajo: 1 2 3 4 5 Nota / / / / / 1.- El gobierno de la ciudad ha construido senderos especiales para bicicletas en un barrio de la
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
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 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 detallesDistribución Muestral.
Distribución Muestral jujo386@hotmail.com Uno de los objetivos de la Estadística es tratar de inferir el valor real de los parámetros de la población Por ejemplo Cómo podríamos asegurar que una empresa
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE I POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detalles