1. Muestreo e Inferencia Estadística
|
|
- Veronica Cárdenas Vargas
- hace 6 años
- Vistas:
Transcripción
1 Tema 6: Introducción a la Inferencia Estadística Objetivos Introducir los conceptos elementales en esta parte de la asignatura. Tratar con muestras aleatorias y su distribución muestral en ejemplos de tamaño reducido. Conocer la distribución de la media muestral. Conocer los procedimientos usuales de inferencia paramétrica. 1. Muestreo e Inferencia Estadística Los procedimientos de Inferencia Estadística permiten establecer conclusiones acerca de una población, a partir de las propiedades estudiadas en una muestra de ella. Además, como dichas conclusiones dependen de sucesos aleatorios, se les asociará un nivel de conanza o de verosimilitud. Respecto del objetivo que resuelve, las técnicas de Inferencia Estadística se clasican en: Técnicas de Inferencia Paramétrica Resuelve objetivos relacionados con parámetros de la población (media, varianzas, proporciones, etc.,) es decir, se conoce el tipo de distribución de probabilidad asociado a dicha población aunque se desconoce algún parámetro de dicho modelo. Por ejemplo, podemos suponer que los pesos de los recién nacidos de madres diabéticas son normales, pero de media y/o varianza desconocidas. O podemos suponer que el número de mensajes por minuto que llegan a un servidor de correo electrónico sigue un modelo de Poisson pero de parámetro λ desconocido. Técnicas de Inferencia No Paramétrica Resuelve objetivos relacionados con el tipo de distribución de probabilidad asociado a la población u otros objetivos no relacionados directamente con parámetros. Estos procedimientos no se estudiarán. Para resolver un problema de Inferencia Paramétrica se usan tres tipos de procedimientos: Estimación Puntual Obtenemos valores aproximados del parámetro desconocido y una medida del error asociado. Estimación por Intervalos Obtenemos un intervalo de valores, que contiene al verdadero valor del parámetro con probabilidad prejada por nosotros. Test de Hipótesis Obtenemos la aceptación o el rechazo de una hipótesis relacionada con el parámetro desconocido, con niveles de error controlados. Tema 6 Página: 1
2 Ejemplos de problemas de inferencia paramétrica serán los siguientes: Conocer el nivel de apoyo de los ciudadanos a la gestión del gobierno, la cantidad de glucosa por 100 g de un nuevo tipo de mermelada, o las diferencias salariales entre hombres y mujeres. En estos y en otros muchos posibles problemas sería imposible observar las variables de interés en todos los individuos de la población, por lo que habremos de establecer nuestras conclusiones a partir del estudio una parte de la población, es decir, a partir de una muestra de individuos de la misma. Llamaremos muestreo al procedimiento mediante el cual seleccionamos una muestra para llevar a cabo un estudio determinado. Básicamente podemos hablar de muestreo intencional o no aleatorio y muestreo aleatorio. En el primero la persona que realiza el estudio decide qué individuos de la población formarán parte de la muestra mientras que en el segundo se incorpora el azar como recurso en el proceso de selección y sería posible asignar una probabilidad a cada una de las posibles muestras que pueden ser extraídas de la población. En principio es más recomendable el muestreo aleatorio pues el muestreo intencional puede dar lugar a conclusiones sesgadas. Por otra parte, se requiere que la muestra sea representativa de toda la población y que el tamaño de la misma sea el adecuado para que los posibles errores en nuestras conclusiones estén controlados de antemano. Hay muchas maneras de seleccionar una muestra y que ésta sea aleatoria, sin embargo nosotros deniremos únicamente el muestreo aleatorio simple. Decimos que una muestra es aleatoria simple de tamaño n si se obtuvo de forma aleatoria de una población innita o de una población nita con reemplazamiento. Lo anterior signica que las observaciones han de provenir de la misma población y ser independientes unas de otras, por lo que en poblaciones nitas habrá que extraerlas sucesivamente y con reposición. Sin embargo, en los problemas de inferencia estadística trataremos más con el concepto de muestra aleatoria simple procedente de una variable aleatoria X, concepto que surge en el caso particular de que la población de la que estamos extrayendo individuos para formar parte de la muestra sea precisamente el espacio muestral de la variable X. Decimos que (X 1,..., X n ) es una muestra aleatoria simple de tamaño n procedente de la variable aleatoria X si cada X i sigue el mismo modelo de probabilidad que X y son mutuamente independientes. Al igual que X = x signica que se ha observado X y que se ha obtenido del punto muestral x, la expresión (X 1,..., X n ) = (x 1,..., x n ) signica que se ha observado la variable X n veces produciendo una muestra de n puntos muestrales, donde el subíndice i lo podemos asociar al orden en que han sido obtenidos dichos puntos. Lo anterior signica, entre otras cosas, que si E(X) = µ y D(X) = σ, entonces E(X i ) = µ y D(X i ) = σ para todo i = 1,..., n. O que si X sigue un cierto modelo, también lo harían cada una de las X i. Ejemplo 1.1 En una urna tenemos 50 bolas blancas, 30 rojas y 20 verdes. Supongamos que queremos extraer una muestra aleatoria simple de tamaño dos (X 1, X 2 ), (muestras de tamaño 2 con reemplazamiento). Si sólo nos interesa el color de las bolas, sólo hay 3 2 muestras posibles. En la siguiente tabla aparecen las muestras posibles y las probabilidades asociadas a cada una de tales muestras. Tema 6 Página: 2
3 2 blancas (0.25) 1 roja y una blanca (0.15) 1 verde y una blanca (0.10) 1 blanca y 1 roja (0.15) 2 rojas (0.09) 1 roja y 1 verde (0.06) 1 blanca y 1 verde (0.10) 1 verde y 1 roja (0.06) 2 verdes (0.04) Ejemplo 1.2 Supongamos una moneda de la que desconocemos la probabilidad de cara. Sea X una variable aleatoria con distribución de Bernoulli de parámetro p, donde p es la probabilidad de cara. Para estimar dicha probabilidad lo haremos en base a una muestra aleatoria simple procedente de dicha variable X de tamaño 25 (X 1,..., X 25 ). En este caso, la población (espacio muestral de la variable X) consta de dos puntos muestrales χ = {0, 1} y sin embargo hay en total 2 25 = posibles muestras aleatorias simples de tamaño 25. Por ejemplo, (X 1,..., X 25 ) = (0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1) es una posible muestra pero nos haría falta mucho tiempo y mucho papel si quisiéramos ponerlas todas ellas. En denitiva, cualquier sucesión de ceros y unos será una una posible muestra. Sin embargo, lo auténticamente relevante para estimar la probabilidad de cara p no es la sucesión de ceros y de unos, sino el número de ceros y de unos. En particular, la muestra anterior tiene 15 ceros y 10 unos. Ejemplo 1.3 Supongamos que la cuantiad de azúcar utilizada para la elaboración de 100 g. de mermelada es una variable aleatoria X donde X N(µ, σ = 10) y µ es desconocido. Pongamos que, con la nalidad de estimar el contenido medio de azúcar µ, se usa una muestra aleatoria simple de tamaño 16 (X 1,..., X 16 ) procedente de X. Podemos tomar 16 muestras de dicha variable X y obtener 80.98, 73.84, 75.93, 56.91, 86.66, 83.49, 76.28, 78.72, 65.03, 64.08, 72.52, 69.77, 68.37, 72.44, 68.80, Aquí, el conjunto de valores posibles de la variable X es innito y por tanto también es innito el número de posibles muestras de tamaño Estadísticos y Distribución en el muestreo Si (X 1,..., X n ) es una m.a.s. procedente de X, cualquier función real de la muestra H(X 1,..., X n ) = H se denomina estadístico. Un estadístico es por tanto una variable aleatoria y como tal posee su distribución de probabilidad. Ésta se denomina Distribución del estadístico en el muestreo. Un ejemplo importante de estadístico es el denominado media muestral que se denotará como X y se dene como n i=1 X = X i n Este estadístico se usa para estimar el valor de la media teórica E(X) cuando ésta es desconocida. Muchos estadísticos, como la media muestral, se usan como estimadores, es decir, para proporcionar valores aproximados de ciertos parámetros desconocidos. Los valores que proporcionan como aproximaciones de dichos parámetros se llaman estimaciones. Ejemplo 2.1 Si del ejemplo 1.1, las bolas blancas llevan un 1, las rojas un 2 y las verdes un 3, la media muestral X = X 1+X 2 posee una distribución de probabilidad en el 2 muestreo que es la siguiente: Tema 6 Página: 3
4 x p(x = x) Es decir, a partir de una muestra de tamaño 2, los únicos valores de la media muestral son los de la tabla anterior con sus probabilidades respectivas; sin embargo, si calculamos la media poblacional µ = E(X) E(X) = = 1.7 Es decir, ninguna posible estimación, a partir de una muestra de tamaño 2, proporcionaría el valor exacto de la media. Es intuitivo pensar que conforme el tamaño de la muestra crece, es ésta más representativa de la población, y podremos hallar estimaciones mejores de los parámetros desconocidos. Al menos, si deberíamos de evaluar, en cada caso, el posible error que se comete cuando damos una estimación de un parámetro desconocido. 3. Ejemplos de Estadísticos útiles para inferencia En los ejemplos siguientes se supone una muestra aleatoria simple (X 1,..., X n ) de tamaño n procedente de X para denir los estadísticos siguientes: Si X N (µ, σ): ˆ Si σ es conocida Z = X µ σ n El numerador de esta expresión marca la diferencia entre la media muestral, que ofrece valores aproximados del parámetro µ, y el propio parámetro µ, σ mientras que el denominador n es la desviación típica de la media. ˆ Si la distribución de X no es normal o σ es desconocida pero n es grande, n > 20, Z = X µ S n aproximadamente, donde S = n i=1 (X i X) 2 n 1 es la cuasi desviación típica. En este caso, al denominador S n se le llama error típico de la media Si X B(p) (Bernoulli), donde p = P (A) ˆ Si n 20, aproximadamente. Z = X p p(1 p) n Tema 6 Página: 4
5 ˆ En esta situación X indica la frecuencia relativa del suceso A, es decir, la proporción del número de veces que sucede A en n pruebas independientes y que también denotaremos mediante p. Si X P(λ) ˆ Si n 20, Z = X λ λ/n aproximadamente. 4. Bibliografía 1. Tema 4, sección 1 del texto Estadística para Ciencias Agropecuarias. Autor: Di Riezo, J. A. 2. Tema 3, sección 1 del texto Probabilidad y Estadística para Ciencias e Ingenierías. Rosario Delgado de la Torre. Editorial Delta. 3. Tema 4, sección 10 del texto Estadística para ingenieros y cientícos. William Navidi. Editorial McGraw-Hill. Tema 6 Página: 5
Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesIntroducción. 1. Sucesos aleatorios. Tema 3: Fundamentos de Probabilidad. M. Iniesta Universidad de Murcia
Tema 3: Fundamentos de Probabilidad Introducción En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son diferentes aunque las condiciones iniciales en las que se produce
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 detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesObjetivos. 1. Variable Aleatoria y Función de Distribución. PROBABILIDAD Tema 2.2: Variables aleatorias discretas Denición de Variable aleatoria
PROBABILIDAD Tema 2.2: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular
Más detallesIntroducción. 1. Algebra de sucesos. PROBABILIDAD Tema 2.1: Fundamentos de Probabilidad Primeras deniciones. M. Iniesta Universidad de Murcia
PROBABILIDAD Tema 2.1: Fundamentos de Probabilidad Introducción Jacob Berooulli (1654-1705), Abraham de Moivre (1667-1754), el reverendo Thomas Bayes (1702-1761) y Joseph Lagrange (1736-1813) desarrollaron
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
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 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 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 detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
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 detallesHipótesis Alternativa H 1 : ϑ Θ 1
INFERENCIA ESTADÍSTICA Tema 3.3: Contrastes de signicación Objetivos Dominar el esquema conceptual y el lenguaje propios de los contrastes de hipótesis. Construir contrastes de hipótesis para los parámetros
Más detallesTema 1: Distribuciones en el muestreo
Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral
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 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 detallesEstimación de Parámetros
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación
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 detallesAsignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA
Asignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA Typeset by FoilTEX 5.1 MÉTODO DE LA CANTIDAD PIVOTAL X
Más detallesTema 3: Estimación estadística de modelos probabilistas. (segunda parte)
Tema 3: Estimación estadística de modelos probabilistas. (segunda parte) Estructura de este tema: 1 Técnicas de muestreo y estimación puntual. 2. 3 Contrastes de hipótesis. Planteamiento del problema Sea
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 detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesTema 6: Introducción a la inferencia estadística
Tema 6: Introducción a la inferencia estadística Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 6: Introducción a la inferencia estadística
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesTema 4: Estimación por intervalo (Intervalos de Confianza)
Tema 4: Estimación por intervalo (Intervalos de Confianza (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/ y A. Alonso (http://www.est.uc3m.es/amalonso/ 1 Planteamiento del problema: IC
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
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 detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
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 detalles1. Variables Aleatorias Discretas
Tema 4: Variables Aleatorias Modelos de Probabilidad 1. Variables Aleatorias Discretas Lo que pretendemos en este tema es transformar el problema de la asignación de probabilidades a otro consistente en
Más detallesInferencia. Mauricio Olivares. 19 de junio de 2015 ITAM
Inferencia Mauricio Olivares ITAM 19 de junio de 2015 Recuerda de nuestra clase anterior que m(x) = α + βx. Recuerda de nuestra clase anterior que m(x) = α + βx. Esta es una relación poblacional, no hay
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 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 detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
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 detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesEstadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos
Estadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos Contextualización. Se denomina estadístico a un estimador insesgado de un parámetro poblacional si la media o la esperanza del
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
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 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 detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 6 Teoremas ĺımite Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST. Tema
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 detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
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 detallesCAPITULO 8 MUESTRAS ALEATORIAS Y NUMEROS ALEATORIOS
Teoría elemental de muestreo CAPITULO 8 TEORIA DE MUESTREO La teoría de muestreo es el estudio de las relaciones existentes entre una población y las muestras extraídas de ella. Es de gran utilidad en
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detallesUnidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis
Unidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis PÁGINA 353 SOLUCIONES 1. El peso de azúcar por confitura se distribuye según la normal N (465;30). Veamos el porcentaje
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
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 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 detallesTema 6. Estimación puntual
Tema 6. Estimación puntual Contenidos Planteamiento del problema Criterios de comparación de estimadores: Insesgadez Estimadores de mínima varianza Error cuadrático medio Consistencia Métodos para obtener
Más detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesCap. 7 : Pruebas de hipótesis
Cap. 7 : Pruebas de hipótesis Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 20 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de sistemas,
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
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 detallesEJERCICIOS PROBABILIDAD (1) 2. Sean A y S dos sucesos de un espacio muestral tales que P(A)=0 4; P(A S)=0 5 y P(S/A)= 0 5 Calcular P(S) y P(A/ S )
EJERCICIOS PROBABILIDAD (1) 1 2 3 1. Sean A y B dos sucesos tales que P(A)=, P( B )= y P( A B )=. 2 5 4 Calcular a) P(B/A) b) P( A /B) 2. Sean A y S dos sucesos de un espacio muestral tales que P(A)=0
Más detallesMétodos Estadísticos para la Empresa
DEPARTAMENTO DE ECONOMÍA APLICADA ESTADÍSTICA Y ECONOMETRÍA Programa de la asignatura: Métodos Estadísticos para la Empresa Segundo Curso Curso Académico 2011/2012 Facultad de Economía y Empresa Grado
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 detallesVeamos cómo, con esta definición, podemos tomar siempre una muestra aleatoria como una muestra representativa de la población estudiada.
Capítulo 4 Estimación puntual El objetivo que se marca la Estadística es adaptar un modelo de comportamiento a distintas características de una población, para poder estimarlas. Para ello partimos del
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la
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 detallesCONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES
CONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES INTRODUCCIÓN Un fabricante de pilas afirma que la duración media de sus pilas, funcionando ininterrumpidamente, es de 53 horas como mínimo y su desviación
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 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 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 detallesTema 7. Contrastes de Hipótesis
7.1. Conceptos básicos Tema 7. Contrastes de Hipótesis Uno de los problemas comunes en inferencia consiste en contrastar una hipótesis estadística. Ejemplo: El fabricante de un determinado tipo de piezas
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 detallesTema 2 Modelos de probabilidad
Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución
Más detallesLos estimadores mínimo cuadráticos bajo los supuestos clásicos
Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1
Más detallesTeoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesTema 13: Contrastes No Paramétricos
Tema 13: Contrastes No Paramétricos Presentación y Objetivos. La validez de los métodos paramétricos depende de la validez de las suposiciones que se hacen sobre la naturaleza de los datos recogidos. La
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesEstadística. Grado en Relaciones Laborales y Recursos Humanos. Tema 6 Estadística poblacional.
Estadística. Grado en Relaciones Laborales y Recursos Humanos Tema 6 Estadística poblacional. Fenómenos demográficos 1 Variable estadística edad a la que ocurre un suceso Los fenómenos demográficos que
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Parte : La distribución binomial MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Experiencia Dicotómica Si en una experiencia aleatoria destacamos un
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
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 detallesTeoría de la decisión
Unidad 7.. Definiciones. Muestreo aleatorio y estadístico. Estadísticos importantes. Técnica de muestreo. Transformación integral Muestreo: selección de un subconjunto de una población ) Representativo
Más detallesVerificación de una hipótesis sobre una media
Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2016 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 016 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 4, Opción A Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4,
Más detalles