Distribuciones de Probabilidad Continuas
|
|
- Juan José de la Cruz Quintana
- hace 6 años
- Vistas:
Transcripción
1 Distribuciones de Probabilidad Continuas En el caso de variables aleatorias continuas, las funciones densidad de probabilidad más comunes y de uso más frecuente en inferencia estadística son: 1. Función de densidad de probabilidad Uniforme. 2. Función de densidad de probabilidad Normal. 3. Función de densidad de probabilidad Chi-cuadrado. 4. Función de densidad de probabilidad T de Student. 5. Función de densidad de probabilidad F de Snedecor. En el caso de variables aleatorias continuas, determinar un tipo de experimento que se pueda explicar con alguna de estas distribuciones ya no es tan sencillo. Cuando se tiene un conjunto de datos, producto de unas mediciones, existen formas aproximadas de determinar si ellos provienen de alguna distribución específica. Las cuatro distribuciones que se estudiaran a continuación se pueden considerar como las piedras angulares de lo que se denomina la teoría de la inferencia estadística. Para variables aleatorias continuas, la probabilidad de que esta se encuentre entre dos valores a y b cualesquiera corresponde al área debajo de la curva comprendida entre estos dos valores
2
3 Recordemos que para variables aleatorias continuas la probabilidad en un punto siempre es igual a cero. Por esta razón la siguiente secuencia de igualdades se satisface siempre que X sea una v.a. continua, Función de distribución acumulada para variables aleatorias continúas Retomando lo estudiando en el capítulo de variables aleatorias continuas, la f.d.a es útil para determinar funciones de distribución de probabilidad de variables aleatorias continuas, así como para determinar el valor probabilístico que se tiene cuando una variable aleatoria alcanza un valor fijo. Definición. La función de distribución acumulada, la cual se denota por de una variable aleatoria continua X, cuya función densidad de probabilidad es, se define como, Esta función resulta ser continua en Si existe una función tal que para todo x donde dicha derivada exista, entonces Función de Densidad de Probabilidad o f.d.p (en inglés p.d.f). Por el teorema fundamental del cálculo se tiene que: es llamada Esta expresión quiere decir que para hallar la probabilidad de que la variable aleatoria X sea menor o igual a x se debe hallar la integral de la función densidad de probabilidad en los límites apropiados. Esta función tiene la propiedad de que cuando y cuando.
4 1. Función de densidad de probabilidad Uniforme Este es el modelo de distribución de probabilidad más simple. Sea X una v.a continua definida en el intervalo, es proporcional a la longitud de, en particular: ( ). Diremos que X tiene una f.d.p uniforme en y escribimos La f.d.p de X esté dada por: Además, { La f.d.a para X está dada por: [ ] [ ] {
5 Distribución Uniforme (a, b). Ejemplo: La longitud de una bisagra para puertas es un v.a X, distribuida uniformemente en el intervalo (74.6, 75.4). La f.d.p para la variable aleatoria X está dada por: { a. Calcule b. Qué proporción de bisagras miden más de 75.0 mm?
6 c. Cuál es la probabilidad de que la bisagra mida menos de 74.9 mm? 2. Función de densidad de probabilidad Normal Esta distribución juega un papel clave en el desarrollo de la inferencia estadística, pues muchas de las herramientas usadas en la toma de decisiones o en las pruebas de hipótesis, tienen su fundamento en esta distribución. Un gran número de estudios pueden ser aproximados usando una distribución normal. Algunas variables físicas, datos meteorológicos (temperatura, precipitaciones, presión atmosférica, etc.), mediciones en organismos vivos, notas o puntajes en pruebas de admisión o de aptitud, errores en instrumentación, proporciones de errores en diversos procesos, etc. Esta distribución es absolutamente simétrica alrededor de su media
7 Densidad de probabilidad normal. Sea X una variable aleatoria continua. Se dice que X se distribuye como una normal con parámetros y (estos parámetros determinan el centro y la dispersión de la distribución y la caracterizan completamente), lo cual se escribe, si X tiene función densidad de probabilidad dada por, Por medio del cálculo se puede probar que realmente esta función es función de densidad de probabilidad. Además, es simétrica alrededor de. Tiene forma acampanada, el área bajo la curva (considerando todo el dominio de la v.a) siempre es igual a 1. La distribución normal cumple la siguiente regla: El intervalo contiene aproximadamente el 68% de las mediciones. El intervalo 2 contiene aproximadamente el 95% de las mediciones. El intervalo 3 contiene algo más del 99% de las mediciones. Esta regla se conoce como la regla empírica de la normal. Gráficamente,
8 Si X es una v.a. normal con parámetros y, la probabilidad de que calcula así: se Para calcular probabilidades relacionadas con la normal se hace necesario utilizar tablas estándar de normalidad. Esto es porque las integrales que surgen en este tipo de problemas son extremadamente difíciles de resolver. Afortunadamente,
9 cualquier variable aleatoria normal se puede transformar en una normal con media = 0 y varianza = 1; esto se logra por medio de la siguiente transformación. Suponga que X es una variable aleatoria normal con parámetros y. La variable aleatoria Z, se define como: Pero Es equivalente la probabilidad original a la obtenida con esta transformación? La respuesta es afirmativa, ya que, Una variable aleatoria X que se transforme de esta manera se dice que es una variable aleatoria estandarizada. Una vez una variable este estandarizada ya no es necesario resolver la integral ya que sus valores están tabulados.
10 Propiedades de la distribución de probabilidad Normal Estándar Usando el hecho de que la distribución normal estándar es simétrica con respecto al cero, es posible hacer algunas afirmaciones que en un momento dado pueden facilitar el uso de la tabla. Suponga que la variable ; las siguientes afirmaciones se cumplen, a. b. c. d. Ejemplo: La resistencia a la comprensión de una serie de muestras de cemento puede modelarse por medio de una distribución normal con una resistencia media de 6000 kg y una desviación estándar de 100 kg por centímetro cuadrado Cuál es la probabilidad de que la resistencia de una muestra sea inferior a 6200 kg por centímetro cuadrado? Solución Sea X: Resistencia a la compresión de una muestra de cemento. Por la información del problema se sabe que. La probabilidad pedida es, Entonces, De esta forma se estandariza. ( )
11 Ejemplo: Una encuesta realizada entre 1000 estaciones de gasolina en los estados unidos reveló que el precio por galón tiene aproximadamente una distribución normal con media $1.90 y desviación estándar $0.20. Cuántas de estas estaciones cobran entre $1.50 y $2.30 por un galón de gasolina corriente? Solución Observe que el precio de $1.50 por galón está a dos desviaciones estándar abajo de la media y el precio de $2.30 está a dos desviaciones estándar arriba de la media. Por la regla empírica, 95.4% de los datos se encuentra entre dos desviaciones estándar de la media. Por lo tanto 0.954*1000=954 de las estaciones cobran entre $1.50 y $2.30 por galón de gasolina corriente en los estados unidos Ejemplo: Se observó durante un largo tiempo que la cantidad semanal gastada en el mantenimiento y en las reparaciones de cierto taller tiene aproximadamente una distribución normal con media de $ y desviación estándar de $ Si el presupuesto para la próxima semana es de $450000, Cuál es la probabilidad de que los costos sean mayores que la cantidad presupuestada? Solución: Sea X=cantidad gastada en mantenimiento y reparación ( ) Por lo tanto, es muy improbable que los costos reales superen la cantidad presupuestada.
12 Ejemplo: Se puede ajustar una máquina de café de tal manera que llene los vasos con un promedio de onzas por vaso. Si la cantidad de onzas por vaso X se puede asumir que es una. Halle el valor de de tal manera que los vasos de ocho onzas se derramen con una probabilidad de Solución: Sea X = cantidad de onzas por vasos. Se sabe que. Es claro que un vaso de ocho onzas se derramará si. Se debe hallar el valor de que garantice la siguiente condición: Normalizando se tiene que, ( ) ( ) Si se observa l atabla de la normal estándar, hay un valor abajo del cual el área es igual a 0.99 y tal valor es 2.33; por lo tanto el área arriba de 2.33 será 0.01; entonces, Despejando se obtiene que, es decir, la máquina de café debe ajustarse a un promedio de llenado de para garantizar que los vasos de ocho onzas se derramen con una probabilidad de 0.01
13 Tabla de la Normal Estándar Entendido el concepto de transformar cualquier normal a una normal estándar, el problema se simplifica debido a que esta última se encuentra tabulada. Tarea Calcule las siguientes probabilidades utilizando las talas de la normal estandarizada. a. b. c. d. e. 2. Identifique como se puede evaluar el supuesto de normalidad para cada uno de los siguientes casos: a. Modo gráfico (no aplica la generación de histograma) b. Método analítico (Pruebas no paramétricas) c. Por medio de R 3. Seleccione mínimo 50 datos de una variable de interés y utilice los tres caminos propuestos en el punto anterior para revisar el supuesto de normalidad y concluya si dicha variable cumple o no el supuesto.
14 Ejemplo: Usando una tabla de la normal estándar calcule las siguientes probabilidades: a. b. c. d. e. Solución: a. b. = c. d. e.
15 Evaluación del supuesto de normalidad. Cuando se está en presencia de una muestra aleatoria, es ciertamente importante determinar si proviene o no de una población la cual se distribuye normalmente. Existen pruebas gráficas y estadísticas para determinar si un conjunto de n datos sobre una variable proviene o no de una distribución normal. Método gráfico: Q-Q Plot o gráfico de normalidad. Este método compara los valores empíricos (o muestrales) de los cuartiles con los valores reales (o teóricos) de los cuartiles de una normal. Si los datos provienen de una distribución normal, el gráfico de los cuartiles empíricos contra los reales lucirá como una línea recta. Si los datos se distribuyen normalmente los puntos en el gráfico caen de manera muy aproximada sobre una línea recta con intercepto µ y pendiente σ.
16 Retomemos los datos de estudiantes de Quinto grado estudiando en los capítulos de estadística descriptiva. Quinto Grado Peso en Kg Quinto Grado Edad en años En R es posible realizar el gráfico Q-Q plot para cualquier variable cuantitativa. La siguiente figura ilustra este gráfico para la variable Peso.
17 El siguiente es el código en R PESO <- c(33.1,35.4,36.6,45.3,37,38.7,23.5,34.6,44.5,41,35, 36.2,27.3,28.6,39.9,36.9,38.7,21.4,42,30.4,25.3,20.6,29.6, 42,26,24.5,35.1,40.6,28,34.6) qqnorm(peso); qqline(peso, col = 2) Esta gráfica nos podría dar entender que la variable Peso podría poseer un comportamiento normal debido a que muchos puntos se traslapan con la línea a lo largo de esta. Las siguientes figuras fueron generadas en el paquete estadístico IBM SPSS Statistic.
18 Esta gráfica nos podría dar entender que la variable Edad posiblemente no tenga un comportamiento normal debido a que muchos puntos son repetitivos sin permitir que se traslapen con la línea a lo largo de esta. Prueba de Normalidad Shapiro-Wilk (No Paramétrica) Para probar normalidad univariada este test es el que más se recomienda. Es de resaltar que este test no pertenece a la familia de tests de Kolmogorov. Si solo se dispone de tablas para comparar este estadístico, se recomienda su uso cuando el tamaño maestral es menor o igual a 50 aunque los paquetes estadísticos actuales están en capacidad de calcularlo para muestras más grandes. El alcance de este curso no abordará el cálculo analítico de esta prueba de normalidad, sin embargo, en el texto de Conover de estadística No Paramétrica se encuentra en detalle el desarrollo analítico.
19 Las hipótesis de esta prueba son: (Hipótesis nula): es una función de distribución normal, con media y varianza no especificadas. (Hipótesis alternativa): no es normal. Para la variable EDAD rechazo y para PESO no se puede rechazar Desde R es posible calcular el estadístico y valor p dela prueba Shapiro Wilk. > EDAD=c(9,10,9,10,9,9,10,10,9,9,10,9,8,10,9,10,11, + 9,10,11,9,10,9,9,9,8,10,10,8,10) > shapiro.test(edad) Shapiro-Wilk normality test data: EDAD W = 0.86, p-value = > PESO=c(33.1,35.4,36.6,45.3,37.0,38.7,23.5,34.6,44.5, ,35.0,36.2,27.3,28.6,39.9,36.9,38.7,21.4,42.0,30.4,25.3) > shapiro.test(peso) Shapiro-Wilk normality test data: PESO W = , p-value =
20 Índice de Asimetría La asimetría de una distribución hace referencia al grado en que los datos se reparten por encima (derecha) y por debajo (izquierda) de la tendencia central. Índice de Curtosis La Curtosis hace referencia al grado de apuntamiento de la distribución. Podríamos mencionar que si el valor del índice de Asimetría es 0±0.5, se habla de una posible distribución normal aunque es indispensable apoyarse en otras verificaciones. Si el valor del índice de Curtosis es 0±0.5, se dice que los datos están muy bien distribuidos. Se pudiera pensar que si la media, mediana y moda de una variable presentaran valores muy similares, se dice que los datos se distribuyen normalmente.
21 Descriptivos Estadístico Error típ. EDAD Media 9,43,141 Intervalo de confianza para la media al 95% Límite inferior 9,14 Límite superior 9,72 Media recortada al 5% 9,43 Mediana 9,00 Varianza,599 Desv. típ.,774 Mínimo 8 Máximo 11 Rango 3 Amplitud intercuartil 1 Asimetría -,001,427 Curtosis -,214,833 PESO Media 33,747 1,2645 Intervalo de confianza para la media al 95% Límite inferior 31,160 Límite superior 36,333 Media recortada al 5% 33,835 Mediana 35,050 Varianza 47,971 Desv. típ. 6,9261 Mínimo 20,6 Máximo 45,3 Rango 24,7 Amplitud intercuartil 11,2 Asimetría -,288,427 Curtosis -,895,833
22
23
24 3. Función de densidad de probabilidad Chi-cuadrado Este tipo de distribución se utiliza para modelar procesos que tienen que ver con tiempos de llegada, por ejemplo el tiempo que tarda una persona en una sala de espera de un hospital; observe que intuitivamente es razonable pensar que es más probable que transcurra un intervalo de tiempo entre minutos que un intervalo de tiempo pequeño comprendido entre minutos; también tiempos de espera grandes comprendidos entre son poco probables; gráficamente se puede visualizar lo anterior. Fuente: Juan C. Salazar., Elementos de probabilidad y estadística. Notas de clase. Universidad Nacional de Colombia. Sede Medellín Esta distribución es sesgada a derecha (y por lo tanto no es simétrica) y puede considerarse como uno de los pilares sobre los que reposa la teoría de la inferencia estadística clásica ya que otras importantes distribuciones se pueden derivar a partir de ella y ella misma sirve para probar hipótesis.
25 Definición: Sea X una v.a continua. Se dice que X se distribuye como una chicuadrado con r grados de libertad, lo cual se denota variable, si su f.d.p está dada por: es llamada la función gamma, la cual se define como Para calcular probabilidades relacionadas con la distribución chi-cuadrado se cuenta con tablas que dependen de los grados de libertad y de paquetes estadísticos como R. Para entender intuitivamente el concepto de grado de libertad considere la siguiente situación: si se tienen tres casillas las cuales deben ser llenadas de manera que su suma sea 10 y de antemano se fijan dos números, solamente hay una elección posible para el tercer número, por lo que se considera que para completar la operación se tiene un grado de libertad; por ejemplo, el problema es llenar las tres casillas _+_+_=10, si se realiza 2+6+_=10 es claro que para la tercera casilla la única elección posible es el número 2; es decir, solo hay un grado de libertad en nuestra elección.
26 Uso de la Tabla de la distribución Chi-Cuadrado Usualmente, los libros de probabilidad incluyen tablas de esta distribución que pueden ser de cola inferior o de cola superior. A continuación se presenta la una imagen de cola superior: Ahora se verán algunos ejemplos para ilustrar su uso. EJEMPLO. Usando la tabla de la chi-cuadrado calcule las siguientes probabilidades: a. b. c. Tarea Investigue la relación entre la distribución Chi-Cuadrado y la distribución Normal. 2. Investigue la relación entre la distribución Normal y la distribución Chi-Cuadrado.
27 4. Función de densidad de probabilidad T de Student Esta función se relaciona estrechamente con la normal estándar y la chi-cuadrado. Juega un papel importante en la teoría de la inferencia estadística. Para calcular probabilidades relacionadas con la t se utilizan unas tablas que dependen de los grados de libertad. Esta distribución de probabilidad surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Definición: Sea Z una variable aleatoria normal estándar y sea W una variable aleatoria chi-cuadrado con r grados de libertad. Entonces si Z y W son independientes, se dice que tiene una distribución t de Student con r grados de libertad. Un gráfico de la distribución t y de la normal estándar. Observe que las colas de la distribución t son mucho más alargadas que en la distribución normal. Valores muy extremos para la normal que tienen probabilidades muy pequeñas son valores con probabilidades significativas para la
28 distribución t. También a medida que se incrementan los grados de libertad de la t esta se parece mucho más a la normal estándar. Ejemplo: Usando la tabla de la t de Student calcule las siguientes probabilidades: a. b. Ejemplo: Usando la tabla de la t de Student calcule los valores de x a. b. que implica que y según la tabla corresponde a un valor de 5. Función de distribución de probabilidad F de Snedecor. Esta función se relaciona estrechamente con la chi-cuadrado. Juega un papel importante en la teoría de la inferencia estadística. Para calcular probabilidades relacionadas con la F se utilizan unas tablas que dependen de los grados de libertad. Definición: Sea una variable aleatoria chi-cuadrado con grados de libertad y sea una variable aleatoria chi-cuadrado con grados de libertad. Entonces si y son independientes,
29 Se dice que tiene una distribución F de Snedecor con numerador y grados de libertad en el denominador. grados de libertad en el Esta distribución no es simétrica y por lo tanto la tabla de la F no puede usarse de manera igual a la de la normal La distribución F aparece frecuentemente como la distribución nula de una prueba estadística, especialmente en el análisis de varianza, en modelos lineales (por ejemplo los de regresión lineal) y los modelos lineales mixtos. Ejemplo: Usando la tabla de la F calcule las siguientes probabilidades a. b.
Tema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesClase 1 Módulo: Minería de datos Docente: Gustavo Valencia Zapata
v.1.0 Clase 1 Temas Clase 1: Conceptos Estadísticos para Minería de Datos Tipos de variables La distribución normal Conceptos básicos Estadística descriptiva Referencias Conceptos básicos Conceptos básicos
Más detallesCapítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos
Más detallesTeorema Central del Límite
Teorema Central del Límite TCL: indica que, en condiciones muy generales, la distribución de la suma de v.a. tiende a una distribución normal cuando la cantidad de variables es muy grande. 156 Sea X 1,
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesSe desea analizar el nivel de glucemia según tratamientos en un grupo de. enfermos. Para ello se ha medido este nivel antes y después de dichos
Práctica 4: Estadística Matemática Ejercicio 1: Se desea analizar el nivel de glucemia según tratamientos en un grupo de enfermos. Para ello se ha medido este nivel antes y después de dichos tratamientos.
Más detallesDistribuciones de muestreo importantes. Jhon Jairo Padilla Aguilar, PhD.
Distribuciones de muestreo importantes Jhon Jairo Padilla Aguilar, PhD. Distribución chi-cuadrado Si z1, z2,z3, zk son distribuciones normales estandarizadas, la variable aleatoria x 2 2 z1 z2... zk Sigue
Más detallesINGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
Más detallesI TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 7: Distribuciones continuas de probabilidad
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 7: Distribuciones continuas de probabilidad 1.- Una variable aleatoria que sigue una distribución normal: A) tiene de media cero y una desviación típica de uno. B)
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
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 detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesTEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES
TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número
Más detallesPercentiles. El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple:
Percentiles 130 El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple: el percentil es, por tanto, el valor de la variable aleatoria para el cual la función
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 detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesEstadística Descriptiva en SPSS
Estadística Descriptiva en SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 22 de
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesComparación de dos grupos independientes Solución no paramétrica. En capítulo 12: Métodos no paramétricos
Comparación de dos grupos independientes Solución no paramétrica En capítulo 12: Métodos no paramétricos Los métodos que hemos visto hasta ahora, asumen como distribución muestral la distribución Normal,
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más detallesPrefacio... xvii. 1 La imaginación estadística... 1
ÍNDICE Prefacio... xvii 1 La imaginación estadística... 1 Introducción... 1 Pensamiento proporcional... 3 La imaginación estadística... 8 Enlace de la imaginación estadística con la imaginación sociológica...
Más detallesDiseño de experimentos - prueba de hipótesis.
Diseño de experimentos - prueba de hipótesis http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Inferencia estadística Conjunto de métodos y técnicas que permiten inducir,
Más detallesMÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA
1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
Más detallesProbabilidades y Estadística Práctica N 3
Probabilidades y Estadística Práctica N 3 Ejercicio N 1 La siguiente tabla presenta la relación de mezcla (W) en Resistencia durante 25 días. Observación W (gr/kg) Observación W (gr/kg) 1 3.8 14 2.0 2
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 detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
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 detallesFACULTAD DE MEDICINA Y CIENCIAS DE LA SALUD ESCUELA PROFESIONAL DE TECNOLOGÍA MÉDICA
FACULTAD DE MEDICINA Y CIENCIAS DE LA SALUD ESCUELA PROFESIONAL DE TECNOLOGÍA MÉDICA I. INFORMACIÓN GENERAL 1.1 Asignatura : BIOESTADÍSTICA 1.2 Código : 2602-26109 1.3 Área : Estudios Generales 1.4 Requisitos
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
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 detallesVariables aleatorias: El caso continuo. Random variables: The continuous case. Rincón de la Bioestadística
Variables aleatorias: El caso continuo Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Random variables: The continuous case E l tratamiento de una variable
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesLECTURA 03: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT. MANEJO DE TABLAS ESTADISTICAS.
LECTURA 3: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT MANEJO DE TABLAS ESTADISTICAS 1 INTRODUCCION Se dice que una variable aleatoria T tiene una distribución t de
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesDistribución de Probabilidad
Distribución de Probabilidad Variables continuas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Distribuciones de probabilidad continuas
Más detallesPráctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD
Práctica 5.Métodos descriptivos para determinar la normalidad 1 Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Objetivos: En esta práctica utilizaremos el paquete SPSS para determinar si
Más detallesTema 8. Contrastes no paramétricos. 8.1 Introducción
Índice 8 8.1 8.1 Introducción.......................................... 8.1 8.2 Bondad de ajuste....................................... 8.2 8.2.1 Test de Kolmogorov-Smirnov de bondad de ajuste................
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesDISTRIBUCION JI-CUADRADA (X 2 )
DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra
Más detallesC L A S E N 5 I N S E M E S T R E O T O Ñ O,
Unidad 1 a. Probabilidades y Estadística 1 C L A S E N 5 I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 2 Características de las v.a 2 Parámetros v.a. La función de densidad o la distribución de probabilidad
Más detallesAlgunas distribuciones teóricas continuas
Algunas distribuciones teóricas continuas Dr. Pastore, Juan Ignacio Profesor Adjunto. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesz es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ 2 =1)
z x z es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ =1) La distribución normal es una distribución continua, en forma de campana donde la media, la mediana y la
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesLongitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.
LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
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 detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesDISTRIBUCION "F" FISHER
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > DISTRIBUCION "F" FISHER La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos poblaciones es evidente a partir
Más detallesPage 1 of 5 Departamento: Dpto Matematica Nombre del curso: PROBABILIDAD Y ESTADÍSTICA Clave: 003872 Academia a la que pertenece: Probabilidad y Estadística Requisitos: Requisito de Probabilidad y Estad
Más detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesFormas de una Curva de Frecuencias
Formas de una Curva de Frecuencias Cuando se tiene una muestra de las observaciones de una variable, éstas se pueden graficar a través de un polígono de frecuencias relativas. Cuando este polígono es suavizado,
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 detallesPPTCEG061EM33-A17V1. Distribución normal 1
PPTCEG061EM33-A17V1 Distribución normal 1 Propiedades distribución normal Distribución normal tipificada Es una distribución estadística continua cuya función de densidad es simétrica, y cuya forma se
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detalles1. La distribución ji-cuadrada. La distribución ji-cuadrada surge de la suma de normales estándar al cuadrado, su definición formal es la siguiente:
DISTRIBUCIONES DERIVADAS DE LA NORMAL Son tres distribuciones derivadas de la normal, las cuales se aplican es estadística inferencial para modelas las distribuciones en el muestreo. Estas distribuciones
Más detallesEstadística para las Ciencias Agropecuarias
Estadística para las Ciencias Agropecuarias Séptima Edición Di Rienzo, Julio Alejandro Casanoves, Fernando Gonzalez, Laura Alicia Tablada, Elena Margot Díaz, María del Pilar Robledo, Carlos Walter Balzarini,
Más detallesPuntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010
Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Objetivos de Lección Conocer características principales de una
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesLa Estadística inferencial. Estadística inferencial. La Estadística inferencial. La Estadística inferencial. La Estadística inferencial
Estadística inferencial DEFINICIÓN Estadística Inferencial (o Estadística Analítica): Es la que se ocupa de obtener conclusiones sobre las poblaciones a partir de la información recogida en las muestras.
Más detallesPROGRAMA DE ASIGNATURA. CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado en Física Profesorado en Matemática
PROGRAMA DE ASIGNATURA ASIGNATURA: Probabilidad y Estadística Introducción a la Probabilidad y Estadísitica AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesCONCEPTOS BÁSICOS DE INFERENCIA
CONCEPTOS BÁSICOS DE INFERENCIA Ciencia encargada de suministrar diferentes técnicas y procedimientos que permitan recolectar, organizar, analizar e interpretar datos. La estadística es un método empleado
Más detalles(DERIVADAS DE LA NORMAL)
DISTRIBUCIÓN NORMAL MULTIVARIANTE (DERIVADAS DE LA NORMAL) INTRODUCCIÓN PROPIEDADES LINEALIDAD DISTRIBUCIONES DERIVADAS DE LA NORMAL χ 2 DE PEARSON t DE STUDENT F DE SNEDECOR DISTRIBUCIÓN NORMAL MULTIVARIANTE
Más detallesTransformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto
Más detallesCONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA
CONTROL DE CALIDAD UNIDAD IV TEORÍA DE DIMENSIÓN ESTADÍSTICA 1 (4.1) DISTRIBUCIÓN NORMAL 2 4.1.1- ASPECTOS GENERALES: Al graficarse los diferentes valores obtenidos de una variable X se obtiene una distribución
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesDISTRIBUCIONES CONTINUAS INFERENCIA ESTADISTICA LIC. MIGUEL CANO.
DISTRIBUCIONES CONTINUAS INFERENCIA ESTADISTICA LIC. MIGUEL CANO. En esta sección se estudian las distribuciones más importantes de las variables aleatorias continuas unidimensionales. Algunas distribuciones
Más detallesEjercicio obligatorio seminario 9. Estadística
Ejercicio obligatorio seminario 9. Estadística En una muestra de 8 personas medimos la frecuencia cardíaca (FC) y la edad. 1. Di si en la muestra existe asociación lineal o correlación entre las dos variables
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesDistribuciones Fundamentales de Muestreo y Descripciones de Datos
Distribuciones Fundamentales de Muestreo y Descripciones de Datos UCR ECCI CI-135 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Muestreo Aleatorio En este tipo de muestreo, todos
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesDefinición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números
IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesSede Andina, San Carlos de Bariloche. Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y. Licenciatura en Economía.
Sede y localidad Carreras Sede Andina, San Carlos de Bariloche Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y Licenciatura en Economía. Programa Analítico de la asignatura
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 2010 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Test de Hipótesis 2. Propiedades de los estimadores Problema: Nuevamente
Más detalles