La inferencia estadística es primordialmente de naturaleza
|
|
|
- Antonio Espinoza Sáez
- hace 6 años
- Vistas:
Transcripción
1 VI. Ifereca estadístca
2 Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la muestra. Al utlzar estadístcas muestrales para estudar u parámetro de la poblacó es muy ormal que ambos sea dferetes y la gualdad d etre ambos sea mera cocdeca. d La dfereca etre la estadístca muestral y el correspodete parámetro de la poblacó se suele llamar error de estmacó. Solo cooceríamos dcho error s se coocera el parámetro poblacoal que por lo geeral se descooce. La úca forma de teer algua certeza al respecto es hacer todas las observacoes posbles del total de la poblacó; e la mayoría de las aplcacoes práctcas es mposble o mpractcable.
3 Ifereca Estadístca Las ferecas estadístcas se hace por posbldades o probabldades. Por ejemplo de la meda de ua muestra se hace ferecas sobre la meda de la poblacó. Eactamete o sabemos cuál es la dfereca etre ambas. Lo que s sabemos es que es pequeña la probabldad de que esta dfereca sea mayor que, por ejemplo 3 o errores estádares.
4 VI.. Estmacó Putual La fereca estadístca más seclla es la Estmacó Putual o por puto, e la que se calcula u valor úco (estadístco co las datos muestrales para estmar u parámetro poblacoal l
5 VI.. Estmador Defcó U estmador es e s msmo ua varable aleatora y por lo msmo tee ua dstrbucó (muestral teórca. U estmador de u parámetro θ es ua fucó de los valores muestrales aleatoros X, X,..., X que proporcoa ua estmacó putual de θ.
6 Estmador Ejemplo: Sea los valores sguetes 0, 7.5, 5 tomados de ua poblacó fta, obteer la estmacó resultate: La estmacó: ˆ X + + X 3 X X 3 Se terpreta como el proceso de tomar ua muestra de tres valores y promedarlos. De la muestra que se da e partcular: Y se obtee como ua estmacó de la meda poblacoal que está basada e la muestra especfcada.
7 VI VI... Característcas de los Estmadores VI...- Estmador Isesgado. U estmador que es ua fucó de los datos muestrales X, X,..., X se cooce como estmador sesgado del parámetro poblacoal θ s su valor esperado es gual a θ. Dcho de otra maera, es u estmador sesgado del parámetro θ s E( θ. La codcó de que el estmador es sesgado supoe que el valor promedo de es eactamete correcto. No dce que u valor partcular sea eactamete correcto.
8 VI... Característcas de los Estmadores VI...- Estmador Efcete Se dce que u estmador es el más efcete, para u problema e partcular, cuado tee el error estádar más pequeño de todos los estmadores sesgados posbles. Se utlza la palabra efcete porque, el estmador hace el mejor uso posble de los datos muestrales. VI Estmador Cosstete U estmador es cosstete s se aproma al parámetro poblacoal co probabldad uo a medda que el tamaño de la muestra tede a fto.
9 VI.3. Método de Máma Verosmltud S,,..., y so los valores de ua muestra tomada al azar de ua poblacó co el parámetro θ, la fucó de verosmltud de la muestra está dada por: L(θ f (,,..., ;θ Para valores de θ cotedos e u domo dado. El método de máma verosmltud cosste e mamzar la fucó de verosmltud co respecto a θ y os refermos al valor de θ que mamza la fucó de probabldad como la estmacó de máma verosmltud de θ.
10 VI.3.. De la dstrbucó de probabldad bomal determar el estmador de máma verosmltud del parámetro θ L ( θ θ θ ( θ Obteedo el logartmo atural. l ( L( θ l + lθ + ( l( θ Dervado co respecto a θ. d [ l L ( θ ] ( dθ θ ( θ
11 VI.3.. De la dstrbucó de probabldad bomal determar el estmador de máma verosmltud del parámetro θ Igualado a cero: θ θ ( ( θ ( ( θ ( θ θ 0 ( θ θ θ + θ θ θ θ Es el estmador de máma verosmltud del parámetro θ de la dstrbucó bomal. θ
12 VI.3.. De la dstrbucó de probabldad Posso determar el estmador de máma verosmltud del parámetro λ e muestras aleatoras smples de tamaño L( X : λ e λ Obteedo el logartmo atural: l L( X : λ λ! λ + l λ Dervado parcalmete co respecto a λ: l L( X : λ λ + l λ!
13 VI.3.. De la dstrbucó de probabldad Posso determar el estmador de máma verosmltud del parámetro λ e muestras aleatoras smples de tamaño Igualado a cero y resolvedo: + λ El estmador es la meda. λ λ 0 λ
14 VI.3.3. Dada la fucó de Probabldad ormal co meda µ y varaza σ, determar los estmadores de máma verosmltud La fucó de probabldad está dada por: L ( μ, σ ( ; μ, σ ( σ π σ L μ, σ e Obteedo el logartmo atural: l L l L l L l L ( μ ( μ, σ l + ( μ σ π σ le ( μ, σ [ l( l( σ π ] ( μ ( μ, σ ( lσ + l π σ [ ] ( μ σ ( μ, σ l σ l π ( μ, σ
15 VI.3.3. Dada la fucó de Probabldad ormal co meda µ y varaza σ, determar los estmadores de máma verosmltud Dervado parcalmete co respecto a µ: l[ L( μ, σ ] ( ( μ ( l Igualado a cero: μ [ L( μ, σ ] μ σ σ σ σ ( ( μ ( ( μ 0 ( μ 0 ( μ 0
16 VI.3.3. Dada la fucó de Probabldad ormal co meda µ y varaza σ, determar los estmadores de máma verosmltud ( μ 0 ( μ μ ( El valor obtedo es la meda.
17 VI.3.3. Dada la fucó de Probabldad ormal co meda µ y varaza σ, determar los estmadores de máma verosmltud Ahora se derva parcalmete co respecto a σ: l l ( μ, σ ( ( L σ L σ σ 3 ( μ, σ ( + 3 σ σ σ ( μ μ
18 VI.3.3. Dada la fucó de Probabldad ormal co meda µ VI.3.3. Dada la fucó de Probabldad ormal co meda µ y varaza y varaza σ, determar los estmadores de máma, determar los estmadores de máma verosmltud verosmltud Igualado a cero: ( 0 ( μ σ σ ( 3 σ μ σ ( ( 3 σ σ μ ( σ μ ( μ σ σ
19 VI.3.3. Dada la fucó de Probabldad ormal co meda µ y varaza σ, determar los estmadores de máma verosmltud Susttuyedo el valor de se obtee: σˆ ( σˆ σ ( Es ua estmacó de máma verosmltud de σ.
20 VI.3.4. De la Dstrbucó de probabldad epoecal egatva obteer el estmador de máma verosmltud f ( θ e θ θ o f ( λ λe λ 0< < Obteer el estmador de máma verosmltud. Ua demostracó es: Como, E ( X λ E ( X λ λ E(X (
21 VI.3.4. De la Dstrbucó de probabldad epoecal egatva obteer el estmador de máma verosmltud Dode: Etoces: E( X λ ˆλ La otra demostracó es por medo de los estmadores de máma verosmltud.
22 VI.4. Estmacó por Itervalos ˆ θ θˆ
23 VI.4. Estmacó por Itervalos
24 VI.4. Estmacó por Itervalos
25 VI.4. Estmacó por Itervalos Los tervalos de cofaza de parámetros dados o so úcos, este umerosos tervalos de cofaza de µ dode tee el msmo grado de cofaza. Igual que e el caso de la estmacó ó putual, los métodos de obtecó de tervalos de cofaza debe de juzgarse por sus propedades estadístcas.
26 VI.4.. Itervalos de Cofaza para Medas
27 VI.4... VI4 La dstrbucó t Teorema S y s so la meda y la varaza de ua muestra aleatora de tamaño tomada de ua poblacó ormal co la meda µ y la varaza σ, etoces: t μ s Tee la dstrbucó t co grados de lbertad.
28 VI4 La dstrbucó t VI4 La dstrbucó t VI.4... La dstrbucó t VI.4... La dstrbucó t Por lo tato: α α α < < (,, t t t P Al susttur a t, la desgualdad queda como: μ α μ α α < < (,, t s t P
29 VI4 La dstrbucó t VI4 La dstrbucó t VI.4... La dstrbucó t VI.4... La dstrbucó t Lo que es equvalete a: ( s t s t P α μ α α + < < (,, t t P
30 VI.4... VI4 La dstrbucó t Propedades:. La dstrbucó t, gual que la dstrbucó ormal, es smétrca co respecto a la meda µ 0.. La dstrbucó t tee ua mayor varabldad que la dstrbucó z. 3. Hay muchas dstrbucoes t que so dferetes. Se determa ua e partcular al especfcar sus grados de lbertad, g.l. S se toma ua muestra aleatora de ua poblacó ormal, el estadístco: t μ s Tee ua dstrbucó t co g.l.. 4. A medda que se cremeta (o, lo que es lo msmo, g.l se cremeta, la dstrbucó t se aproma a la de z. Lo ateror coduce al sguete teorema para muestras pequeñas de µ (auque es válda para muestras de cualquer tamaño.
31 VI Teorema (Itervalo de cofaza para µ, cuado σ es descoocda S y s so los valores de la meda y la desvacó estádar de ua muestra aleatora de tamaño tomada de ua poblacó ormal co la varaza descoocda, u tervalo de cofaza del dl ( 00% para µ está dado d por: t s < µ < + t α α,, s
32 VI.4.. Itervalo de Cofaza para Proporcoes Este stuacoes e las cuales se debe de obteer la proporcó, probabldad, porcetaje o ídce (tasa, como la proporcó de udades defectuosas e u cargameto grade de televsores, la probabldad de que u auto tega los freos e mal estado, la tasa de mortaldad que provoca ua efermedad, etc. E muchos de estos casos es razoable supoer que se muestrea ua poblacó bomal y, que el problema se reduce a calcular el parámetro bomal θ. Utlzado el hecho de que para grade la dstrbucó bomal se obtee por ua apromacó de la dstrbucó ormal, es decr, que la varable aleatora: z p pq Se puede cosderar como s tuvera la dstrbucó ormal estádar.
33 VI.4... Teorema (Itervalo de Cofaza de muestra grade para p U tervalo de cofaza del ( 00% para el parámetro bomal p está dado por: p ˆ z α pˆ( pˆ Dode: p ˆ
34 VI.4... Itervalo de Cofaza para Varazas Dada ua muestra aleatora tomada de ua poblacó ormal, se puede obteer u tervalo de cofaza del ( α 00% para utlzado el sguete teorema.
35 VI.4... Itervalo de Cofaza para Varazas
36 VI.4... Itervalo de Cofaza para Varazas Varazas Por lo tato: α χ σ χ α α < < ( (,, s P Despejado para obteer el valor de: Despejado para obteer el valor de: ( ( ( < < s s P σ,, ( α χ α χ De lo ateror se deduce el sguete teorema
37 VI Teorema (Itervalo de Cofaza para S s es el valor de la varaza de ua muestra aleatora de tamaño tomada de ua poblacó ormal, u tervalo de cofaza del ( α 00% para está dado por: ( s ( < σ < χ α χ, α, Se puede obteer límtes de cofaza del ( α 00% correspodetes para σ sacado las raíces cuadradas de los límtes de cofaza para. s
38 VI Teorema (Itervalo de Cofaza para ( s ( χ < σ < α χ, α, s
39
Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
REGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Aproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
V II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Tema 16: Modelos de distribución de probabilidad: Variables Continuas
Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,
TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
V Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
MEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
ESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
GENERACION DE VARIABLES ALEATORIAS
GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más
1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada
TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:
Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó
MEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA
VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge
Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
TEMA 9. Contrastes no paramétricos y bondad de ajuste
TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test
4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo
Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza
( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Estadística Descriptiva
Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama
Tema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Estadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:
Estadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
ESTADÍSTICA BAYESIANA
ESTADÍSTICA BAYESIANA Notas Ídce. INTRODUCCIÓN.... ESTADÍSTICA BAYESIANA... 3. QUÉ ES LA INFERENCIA BAYESIANA?...3 4. CONCEPTOS BAYESIANOS BÁSICOS...5 4.. Teorema de Bayes... 5 4.. Naturaleza secuecal
-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Tema 1: Introducción: Generalización y Extensión del Modelo de Regresión
Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Itroduccó Especfcacó del Modelo de Regresó Leal 3 Supuestos del Modelo Clásco de Regresó
MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
3 Metodología de determinación del valor del agua cruda
3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
5 Distribuciones Muestrales
5 Dstrbucoes Muestrales. Itroduccó Al defr la estadístca se explcó que la probabldad se trabaja desde la poblacó haca la muestra, metras que la fereca estadístca se trabaja e setdo cotraro, es decr, de
Estadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
2.5. Área de una superficie.
.5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra
Medidas de Tendencia Central
Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo
LOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL
CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy
INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia
Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,
RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética
Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado
7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD
FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD Blázquez J. Dvsó de Fsó Nuclear CIEMAT, Madrd INTRODUCCIÓN Co frecueca, las meddas de recueto radoactvo está sujetas a Garatía de Caldad (). Etre otras cosas,
TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA
UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-
Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!
Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de
mecánica estadística Estadísticas Cuánticas Capítulo 5
mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó
IV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecuddad y su relacó co varables socoecoómcas, demográfcas y educatvas aplcado el Modelo de Regresó Posso
Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Contraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas
CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA
Estmacó de la ocurreca de cdecas e declaracoes de pólzas de mportacó Salcedo Poma, Cela Mercedes CAPÍULO MODELO DE REGRESIÓN LOGÍSICA INRODUCCIÓN La Regresó Logístca es ua técca estadístca multvarate que
CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el
CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També
12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996
º semaro AEDEMO sobre Audeca de Televsó Palma de Mallorca, Febrero de 996 LA PRECISIÓN ESTADÍSTICA EN EL PANEL DE AUDIMETRÍA Carlos Lamas ÍNDICE. INTRODUCCIÓN, TEORÍA Y CONCEPTOS. EFECTO DEL EQULILIBRAJE
ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos
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
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
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
CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA
CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada
FEM-OF: EDP Elíptica de 2 Orden
9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk
5- VARIABLES ALEATORIAS BIDIMENSIONALES
Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado
1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Análisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS
INGENIERÍA INDUTRIAL A meudo, e la práctca, se requere resolver prolemas que clue cojutos de varales, cuado se sae que este algua relacó herete etre ellas, esa relacó se puede ecotrar a partr de la formacó
TEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
MEDIDAS RESUMEN OBJETIVOS. Al término de la unidad el alumno podrá:
3 MEDIDAS RESUMEN OBJETIVOS Al térmo de la udad el alumo podrá: 3. Compreder las meddas como ua herrameta más que descrbe los datos obtedos e ua vestgacó socal o de la vda dara. 3. Compreder los sgfcados
Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
Figura 1
Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable
ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.
Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras
1.- DISTRIBUCIÓN BIDIMENSIONAL
º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN
Regresión Simple. Resumen. Ejemplo de StatFolio: simple reg.sgp
STATGRAPHICS Rev. 4/5/7 Regresó Smple Resume El procedmeto de Regresó Smple está dseñado para costrur u modelo estadístco que descrba el mpacto de u solo factor cuattatvo X sobre ua varable depedete Y.
PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
TÉCNICAS DE MUESTREO
TÉCICAS DE MUESTREO TÉCICAS DE MUESTREO I. COCEPTOS GEERALES DE MUESTREO El objetvo de la teoría de muestras es proporcoar ua sere de téccas que permta coocer característcas o valores referdas al total
Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3
Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó
UNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA U NA ESTUDIO DE MÉTODOS NO PARAMÉTRICOS Iforme de pasatías presetado como requsto para
Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas
5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal
ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS
UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,
ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN
NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN
UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008
TEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205
Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos