ACTIVIDAD 1: Estadística descriptiva + distribución binomial
|
|
- Amparo Castro Vidal
- hace 6 años
- Vistas:
Transcripción
1 ACTIVIDAD 1: Estadística descriptiva + distribución binomial CASO 1-1: EVALUACIÓN DE UNA CLASE Supongamos que trabajas como profesor en una universidad y te encuentras al final de un semestre académico. En el archivo notas.mtw has guardado las calificaciones obtenidas por cada uno de tus estudiantes en cada una de las tres pruebas que éstos han realizado. 1. Calcular la nota media y la mediana obtenida por cada estudiante en el conjunto de las tres pruebas: Seleccionamos Calc > Row Statistics: A continuación, para hallar la media por filas, rellenamos los campos como sigue: A1-1
2 Estadística Aplicada con Minitab Para hallar la mediana por filas, se procede de forma análoga con la opción Median de la ventana anterior (guardaremos los resultados en la columna C7). El output resultante será: Data Display Row Apellido Nombre Media Mediana 1 Arnau Juan 8, ,3 2 Benítez Melisa 8, ,6 3 Boyer Mar 6, ,9 4 Díez Joaquín 6, ,9 5 Duart José 5, ,8 6 García Andrés 7, ,8 7 Gómez Juan 9, ,8 8 Gutierrez Jenifer 9, ,2 9 López Antonio 7, ,1 10 Lucas Tomás 7, ,8 11 Méndez Guillermo 5, ,9 12 Morales Esteban 9, ,4 13 Murcia Bárbara 9, ,5 14 Neruda Amalia 8, ,1 15 Núñez Inma 8, ,0 16 Pérez Ricardo 9, ,0 17 Rojas Luis 7, ,9 18 Rupèrez Alberto 8, ,9 19 Sáez Núria 7, ,9 20 Sánchez Miguel 8, ,1 21 Segura Carlos 9, ,7 22 Solá Isabel 5, ,1 23 Tárrega Francisco 6, ,0 24 Tomás Josefa 7, ,8 2. Hallar el valor medio o esperado de la nota asociada al Test 1: Seleccionamos Calc > Column Statistics Rellenamos los campos como se muestra en la siguiente imagen, guardando el resultado en la constante K1, cuyo valor se muestra en el output del programa: Column Mean Mean of Test1 = 8,0000 A1-2
3 CASO 1-2: COMPARACIÓN DE SALARIOS El archivo salarios.mtw contiene los salarios anuales (en ) de los 11 trabajadores del departamento de finanzas de una empresa, así como otra información relevante asociada (número de años que lleva cada trabajador en la empresa, experiencia previa, años de formación superior, edad, nº identificativo, y sexo). 1. Construir un histograma a partir de la variable que contiene los sueldos. Seleccionamos Graph > Histogram y completamos los campos como sigue: HISTOGRAMA DE SUELDOS Frecuencia Sueldos Observar que hay un salto bastante grande entre los 4 trabajadores mejor pagados y el resto. A1-3
4 Estadística Aplicada con Minitab 2. Construir dos histogramas, uno por cada sexo, de la variable sueldos, comentando el resultado. Seleccionamos Graph > Histogram y completamos los campos como sigue: HISTOGRAMA SUELDOS MUJERES Frecuencia Sueldos M HISTOGRAMA SUELDOS HOMBRES Frecuencia Sueldos H Parece observarse que los sueldos de los hombres tienden a ser mas altos que los de las mujeres. A1-4
5 3. Representar la variable sueldos mediante una gráfico de cajas (Boxplot). Hacer lo mismo para cada sexo y comentar los resultados. Seleccionamos Graph > Boxplot y completamos los campos como sigue: BOXPLOT PARA SUELDOS Sueldos El gráfico anterior nos proporciona de forma visual bastante información. Por ejemplo, nos dice que la mitad de los sueldos del departamento están comprendidos, aproximadamente, en el intervalo (29.000, ), y también que la mitad de los salarios se sitúan por debajo de A1-5
6 Estadística Aplicada con Minitab Seleccionamos Graph > Boxplot y completamos los campos como sigue: BOXPLOT SUELDOS POR SEXO Sueldos = H 1 = M Sexo N Se aprecia en este último gráfico que la mediana asociada a los sueldos de los hombres es mayor que la asociada a los sueldos de las mujeres en unos Es importante hacer notar aquí que, si bien parece haber indicios de diferencias entre los sueldos según sexo, no se puede concluir nada en firme. Para ello sería necesario recurrir a técnicas más avanzadas, como la regresión lineal múltiple, que nos proporcionasen resultados estadísticamente significativos. A1-6
7 CASO 1-3: ANÁLISIS NUTRITIVO Pretendemos ahora realizar un análisis descriptivo sobre las propiedades nutritivas de 14 marcas diferentes de yogures. Para cada marca se ha evaluado su calidad nutritiva, el coste de cada unidad, y el número de calorías. Los datos se encuentran guardados en el archivo Yogurt.mtw. A la hora de decidirnos por una determinada marca de yogurt, nos interesará escoger una que proporcione suficientes calorías a un precio razonable. En principio, podríamos pensar en escoger una marca cuyo precio se encuentre por debajo de la media. 1. Hallar los estadísticos descriptivos asociados a las variables coste y calorías. Seleccionar Stat > Basic Statistics > Display Descriptive Statistics: Los resultados se muestran a continuación: Current worksheet: Yogurt.mtw Descriptive Statistics Variable N Mean Median TrMean StDev SE Mean Coste en 14 0, , , , ,00452 Calorías ,9 175,0 170,8 65,0 17,4 Variable Minimum Maximum Q1 Q3 Coste en 0, , , ,11000 Calorías 90,0 253,0 100,0 240,0 A1-7
8 Estadística Aplicada con Minitab 2. Hallar, para cada nivel de calificación nutritiva, los estadísticos descriptivos asociados a las variables coste y calorías. Comentar los resultados. Seleccionar Stat > Basic Statistics > Display Descriptive Statistics: Descriptive Statistics Variable Califica N Mean Median TrMean StDev Coste en Buena 4 0, , , ,01291 Excelent 3 0,0967 0,1100 0,0967 0,0231 Muy buen 2 0, , , ,00000 Pobre 2 0,0950 0,0950 0,0950 0,0354 Suficien 3 0,0900 0,0900 0,0900 0,0200 Calorías Buena 4 185,0 200,0 185,0 75,1 Excelent 3 113,33 120,00 113,33 11,55 Muy buen 2 100,00 100,00 100,00 0,00 Pobre 2 246,50 246,50 246,50 9,19 Suficien 3 206,7 190,0 206,7 28,9 Variable Califica SE Mean Minimum Maximum Q1 Q3 Coste en Buena 0, , , , ,10750 Excelent 0,0133 0,0700 0,1100 0,0700 0,1100 Muy buen 0, , ,09000 * * Pobre 0,0250 0,0700 0,1200 * * Suficien 0,0115 0,0700 0,1100 0,0700 0,1100 Calorías Buena 37,5 90,0 250,0 107,5 247,5 Excelent 6,67 100,00 120,00 100,00 120,00 Muy buen 0,00 100,00 100,00 * * Pobre 6,50 240,00 253,00 * * Suficien 16,7 190,0 240,0 190,0 240,0 Observamos que las marcas calificadas nutricionalmente como pobres tienen un coste medio de 0,095, lo cual resulta superior a lo que deseamos gastar, por tanto las descartaremos. Se aprecia también como aquellas marcas con una mejor calificación nutricional tienden a tener un menor número de calorías. A1-8
9 3. Crear una tabla de frecuencias y porcentajes para la variable calificación nutritiva. Sacar conclusiones. Seleccionar Stat > Tables > Tally : Summary Statistics for Discrete Variables Califica Count CumCnt Percent CumPct Buena ,57 28,57 Excelent ,43 50,00 Muy buen ,29 64,29 Pobre ,29 78,57 Suficien ,43 100,00 N= 14 Comprobamos que el 64% de las marcas fueron calificadas como buenas, muy buenas, o excelentes en términos de valores nutritivos. Aunque el coste de los yogures varía entre 0,07 y 0,12, la mitad de las marcas están por debajo de los 0,09. A la hora de seleccionar una de ellas, nos quedaríamos probablemente con la marca nº 8, dado que está considerado como excelente, cuesta 0,07 por unidad y, además, el número de calorías que aporta (100) es inferior a la media (107,9). A1-9
10 Estadística Aplicada con Minitab CASO 1-4: TIPOS DE SANGRE Supongamos que trabajas como estadístico voluntario para la Cruz Roja. El coordinador del centro te ha comentado que las reservas de sangre tipo O se están acabando y que, en base a su experiencia, estima que necesitaréis unas 10 o 12 nuevas bolsas se sangre tipo O para poder cubrir las necesidades de la próxima semana. Además, te informa de que dispone de 25 potenciales donantes (los cuales no mantienen ninguna relación de parentesco entre ellos), y te pregunta si serán suficientes o si, por el contrario, debería seguir buscando más donantes. Viendo el historial clínico de tu centro, compruebas que 45 de cada 100 donantes tienen sangre del tipo buscado, por lo que la probabilidad de que al elegir un donante al azar éste tenga sangre de tipo O es de 0,45. Así pues, si denotamos por X al número de donantes ya disponibles que tienen sangre de tipo O, tendremos que X seguirá una distribución binomial con n = 25 pruebas y probabilidad de éxito p = 0, Para k = 0, 1, 2,, 25 hallar la probabilidad de que X valga k, i.e., hallar P(X = k). En primer lugar, generaremos una columna que contenga los números 1, 2,, 25. Para ello seleccionamos Calc > Make Patterned Data > Simple Set of Numbers : A continuación pulsamos Calc > Probability Distributions > Binomial : A1-10
11 Obtendremos el output que aparece a continuación, el cual nos proporciona la probabilidad de que la variable aleatoria X tome cada uno de los valores posibles. Así, p.e., la probabilidad de que exactamente 11 de entre los 25 donantes tengan clase de tipo O será de 0,1583: Data Display Row k P(X=k) 1 1 0, , , , , , , , , , , , , , , , , , , , , , , , , Estudiar, mediante un histograma, qué valores son los más probables: Seleccionamos Graph > Plot : A1-11
12 Estadística Aplicada con Minitab Nube de puntos de probabilidad vs. nº de sucesos 0,15 P(X=k) 0,10 0,05 0, k En el gráfico anterior se aprecia claramente que los valores más probables son: X = 9, X = 10, X = 11, X = 12 y X = Para k = 0, 1, 2,, 25 hallar la probabilidad de que X valga a lo sumo k, i.e.: P(X <= k). Cuál es la probabilidad de que entre los 25 donantes haya al menos 12 que tengan sangre de tipo O? Pulsamos Calc > Probability Distributions > Binomial : A1-12
13 Data Display Row k P(X=k) P(X<=k) 1 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,00000 A partir de este último output podemos conocer la probabilidad de que el número de donantes con sangre tipo O sea menor o igual que un determinado nº. Así, la probabilidad de que el número de donantes con sangre tipo O sea igual o menor a 11 es de 0,5426. Veamos, finalmente, cómo calcular la probabilidad de que al menos 12 de los 25 donantes tengan sangre tipo O, i.e., P(X >= 12). Para hallar esta probabilidad, usaremos la siguiente propiedad: la probabilidad de un suceso más la de su opuesto es igual a 1, o dicho de otra forma: dado un suceso A de probabilidad P(A), la probabilidad de que éste no ocurra será 1 P(A). Por tanto, P(X >= 12) = 1 P(X < 12) = 1 P(X <= 11) = 1 0,5426 = 0,4574. Esto nos dice que, en las condiciones actuales, la probabilidad de que consigamos cubrir con éxito las necesidades de la próxima semana por lo que a sangre de tipo O se refiere será del orden de 0,46. Conclusión: nuestro coordinador deberá seguir buscando nuevos donantes. Siguiendo un razonamiento análogo al anterior podéis comprobar que con 35 donantes la probabilidad de que cubramos nuestras necesidades de sangre tipo O, i.e.: P(X >= 12), será de 0,93, valor que ya es bastante aceptable, pues significa que en 93 (aproximadamente) de cada 100 veces que estemos en una situación como ésta, lograremos disponer de las bolsas necesarias. A1-13
ACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Distribuciones muestrales Autores: Ángel A. Juan (ajuanp@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS CARACTERÍSTICAS DE LA
Más detallesa) La probabilidad de que haya exactamente dos zurdos. b) P(x 2) c) P(x < 2) d) P(1 x 4)
Probabilidad Binomial 1.- Supóngase que el 24 por ciento de cierta población tiene sangre tipo B. A partir de una muestra de 20 individuos extraída esa población, calcular la probabilidad: p = 0.24 n =
Más detallesSolución ESTADÍSTICA. Prueba de evaluación continua 1 - PEC1
Semestre sep04 - feb05 Módulos: 1-11 Prueba de evaluación continua 1 - PEC1 Solución Presentación y objetivos Enunciados: descripción teórica de las prácticas a realizar Materiales Criterios de evaluación
Más detallesLA DISTRIBUCIÓN NORMAL
LA DISTRIBUCIÓN NORMAL Autores: Ángel A. Juan (ajuanp@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS CARACTERÍSTICAS Y REPRESENTACIÓN DE UNA DISTRIBUCIÓN
Más detallesACTIVIDAD 5: Correlación y Regresión Lineal
Actividad 5: Correlación y Regresión Lineal ACTIVIDAD 5: Correlación y Regresión Lineal CASO 5-1: RELACIONES ENTRE VARIABLES A continuación se muestran cuatro variables y seis valores (observaciones) asociados
Más detalles(versión LibreOffice Calc)
Distribución uniforme En otro tema posterior de este curso podrás estudiar la distribución uniforme. Por ahora te basta con la idea de que representa experimentos aleatorios en los que todos los elementos
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesAnálisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos
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 detallesPráctica 4 TEOREMA CENTRAL DEL LÍMITE
Práctica 4. Teorema Central del Límite 1 Práctica 4 TEOREMA CENTRAL DEL LÍMITE Objetivos: En esta práctica utilizaremos el paquete SPSS para ilustrar el Teorema Central del Límite. Además calcularemos
Más detallesDescripción simultánea de varias variables con STATGRAPHICS
Descripción simultánea de varias variables con STATGRAPHICS Ficheros empleados: AlumnosIndustriales.sf, Rotura.sf. Introducción En muchas ocasiones nos interesará comparar varias variables, o comparar
Más detallesDistribuciones de Probabilidad.
Práctica núm. 3 1 Distribuciones de Probabilidad. 3.1. Distribuciones de Probabilidad en Statgraphics El estudio de las distribuciones de probabilidad en Statgraphics se puede realizar en el menú Descripción/Distribuciones/Distribuciones
Más detallesPrácticas de Estadística
Prácticas de Estadística Conceptos Básicos Diciembre 5 INTRODUCCIÓN Qué es MINITAB? Paquete estadístico de Estadística Básica : Univariante y bivariante Estadística Descriptiva Correlación Regresión simple
Más detallesESTADÍSTICA DESCRIPTIVA CON MINITAB
ESTADÍSTICA DESCRIPTIVA CON MINITAB Autores: Angel Alejandro Juan (ajuanp@uoc.edu), Maximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). MAPA CONCEPTUAL DEFINICIÓN DE POBLACIÓN Y MUESTRA ESTADÍSTICA
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesMuestreo y Distribuciones en el Muestreo
Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detalles3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
Más detallesCIENCIAS BIOLÓGICAS 5º CURSO MODELOS LINEALES EN BIOLOGÍA. Práctica nº 2. Análisis de datos con SPSS
CIENCIAS BIOLÓGICAS 5º CURSO MODELOS LINEALES EN BIOLOGÍA Análisis de datos con SPSS Práctica nº 2 En esta práctica nos iniciaremos en el uso del programa estadístico SPSS para realizar análisis descriptivo.
Más detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
Más detallesMetodología II: Análisis de Datos. Prof. Reinaldo Mayol Derecho
Metodología II: Análisis de Datos Prof. Reinaldo Mayol Derecho Por donde vamos? Luego de obtenidos los datos, el siguiente paso es realizar el análisis de los mismos. Aunque ha sido presentado en este
Más detallesUNIDAD 6 Medidas de tendencia central
UNIDAD Medidas de tendencia central UNIDAD MEDIDAS DE TENDENCIA CENTRAL = EJEMPLO. ó Al estudiar la información estadística de los histogramas y los polígonos de frecuencia, se puso en evidencia un significativo
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesCaso 17. Análisis multivariante: reducción de datos por componentes principales.
Caso 17: reducción por componentes principales 115 Caso 17. Análisis multivariante: reducción de datos por componentes principales. (JESÚS LÓPEZ FIDALGO, UCLM) CASO PRÁCTICO Se dispone de 15 variables
Más detallesCLAVE - Laboratorio 5: Probabilidad y Distribución Binomial
CLAVE - Laboratorio 5: Probabilidad y Distribución Binomial 1. Para el experimento aleatorio de arrojar 3 monedas diferentes (una de $0.05, una de $0.10 y una de $0.25), realice una lista con los 8 resultados
Más detallesPráctica 1: Introducción a Minitab 14. Estadística descriptiva. 1. Elementos de Minitab 14 UNIVERSIDAD DE MURCIA
UNIVERSIDAD DE MURCIA DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Estadística. I.T.I. Sistemas. Curso 2005-06 Prácticas con Minitab 14 Profesora: Dra. Josefa Marín Fernández Práctica 1: Introducción
Más detallesModelos de Probabilidad con Statgraphics
Modelos de Probabilidad con Statgraphics 1. Objetivos Representar funciones de probabilidad/densidad y de distribución de diferentes modelos de variables aleatorias discretas/continuas Calcular probabilidades
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 010, 007, 004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos a
Más detallesPráctica 1: Introducción a SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 1: Introducción a SPSS 1 Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesChapter Audio Summary for McDougal Littell Pre-Algebra
Chapter Audio Summary for McDougal Littell Pre-Algebra Chapter 11 Data Analysis and Probability En el capítulo 11 aprendiste que las tablas arborescentes se pueden usar para representar datos siguiendo
Más detallesMedidas de Posición n y. Boxplot Lección n 11 Secc Prof. Pedro A. Torres ESMA febrero de Prof. Pedro A. Torres, ESMA 3015 UPRM
Medidas de Posición n y 90 80 70 60 Boxplot of AGE Boxplot Lección n 11 Secc.. 2.6 Prof. Pedro A. Torres ESMA 3015 AGE 50 40 30 20 febrero de 2007 Objetivos Definir una medida de posición. Conocer y aprender
Más detallesAPROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC SIGMA 28 Abel Martín (*) y Rosana Álvarez García (**) En dos artículos anteriores ya hemos estudiado la distribución Binomial
Más detalles1. Identifica y abre el programa STATA. La pantalla de inicio se muestra a continuación:
Proyecto Ciudadano Científico II Módulo Preparatorio de Estadísticas ANOVA (Análisis de Varianza) en STATA El módulo a continuación provee al usuario un grupo de instrucciones para llevar a cabo un análisis
Más detallesCaso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo
Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las
Más detallesESTADÍSTICA Y PROBABILIDAD
V ESTADÍSTICA Y PROBABILIDAD Página 9 Observa estas dos distribuciones bidimensionales: I II Asigna a cada una un coeficiente de correlación tomándolo de entre los siguientes valores: 0,; 0,; 0,; 0,; 0,92;
Más detallesGUÍA DE APRENDIZAJE N 1
TALLER EXCEL AVANZADO 1 ACTIVIDAD 1 LA Función Condicional SI Permite que usted programe las respuestas de sus datos de salida de acuerdo si se cumplen o no, una o varias condiciones. Desde ese instante
Más detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesManual de MINITAB 14 para Windows Autora: Dra. Josefa Marín Fernández Departamento de Estadística e Investigación Operativa Facultad de Matemáticas
Manual de MINITAB 14 para Windows Autora: Dra. Josefa Marín Fernández Departamento de Estadística e Investigación Operativa Facultad de Matemáticas Universidad de Murcia Febrero de 2006 1 Dra. Josefa Marín
Más detallesCuadernillo Ejercitación Medidas de posición y dispersión ESTADÍSTICA DESCRIPTIVA. Nos permite estudiar las. Medidas de tendencia central.
PROGRAMA BASE Cuadernillo Ejercitación Medidas de posición y dispersión Mapa conceptual MATEMÁTICA ESTADÍSTICA DESCRIPTIVA Medidas de posición Nos permite estudiar las Medidas de dispersión Ejemplos de
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
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 detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Más detallesNº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00
U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 4 Variables aleatorias Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las características de las variables aleatorias discretas y continuas.
Más detallesMatemáticas. Selectividad ESTADISTICA COU
Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries
Más detallesTrabajo de Estadística 3º ESO
Pasos para realizar el trabajo Trabajo de Estadística 3º ESO 1º Organizarse en grupos de 2-3 personas 2º Elegir el problema a estudiar: Variable estadística cuantitativa discreta 3º Determinar la Población
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 detallesEstadística básica con R Commander. María Eugenia Fernández de Luco
Estadística básica con R Commander María Eugenia Fernández de Luco Facultad de Ciencias Exactas, Ingeniería y Agrimensura Universidad Nacional de Rosario 2014 ÍNDICE 1. Introducción... 2 2. Lectura de
Más detalles4 Estos son los resultados de una encuesta realizada en una comunidad autónoma sobre la actuación de su presidente.
1 Di, en cada caso, cuál es la población y cuál la variable que se quiere estudiar. Especifica si es una variable cualitativa o cuantitativa, determinando, en este último caso, si es discreta o continua:
Más detallesCurso de Estadística Básica
Curso de SESION 5 TEOREMA DE CHEBYSHEV, REGLA EMPÍRICA Y CASO MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Comprender y aplicar el teorema de Chebyshev y la regla empírica para una distribución
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesEVALUACIÓN DE DESEMPEÑO ACADÉMICO DE ESTUDIANTES ADMITIDOS POR HABILIDADES ESPECIALES
EVALUACIÓN DE DESEMPEÑO ACADÉMICO DE ESTUDIANTES ADMITIDOS POR HABILIDADES ESPECIALES 12 de noviembre de 2014 Propósito Solicitado por el Senado Académico del Recinto Universitario de Mayagüez a la Oficina
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 detallesTema 2. Distribuciones de frecuencias y representaciones gráficas. Tema 2 Distribuciones de frecuencias. Índice
Tema 2 1 Distribuciones de frecuencias y representaciones gráficas Índice 1. Distribuciones de frecuencias.... 2 1.1. Variable cualitativa... 2 1.2. Variables cuantitativas... 5 1.2.1. Cuantitativas continuas...
Más detallesLa distribución normal
La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10
Más detallesEstadística Descriptiva 1 con MATLAB/Octave
Estadística Descriptiva 1 con MATLAB/Octave Ingeniería de Telecomunicaciones Departamento de Estadística Universidad Carlos III de Madrid Curso 2009/2010 1 Consultar ficheros Descriptiva 1 y Descriptiva
Más detallesAPROXIMACIÓN A UNA DISTRIBUCIÓN NORMAL
Autor: Mª Isabel Conde Collado APROXIMACIÓN A UNA DISTRIBUCIÓN NORMAL Mediante el estudio de dos ejemplos concretos de distribuciones se intentará un acercamiento al ajuste de distribuciones a una distribución
Más detallesGUÍA DOCENTE DE ESTADÍSTICA EMPRESARIAL I
GUÍA DOCENTE DE ESTADÍSTICA EMPRESARIAL I 1 TITULACIÓN: GRADO ADE GUÍA DE DOCENTE DE LA ASIGNATURA: Estadística Empresarial I Coordinador: Isabel García I.- Identificación de la asignatura: Tipo Materia
Más detallesPROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.
1 PROBABILIDAD EXPERIMENTOS Al fijar las condiciones iniciales para un experimento se da lugar a dos tipos de situaciones: a) Experimentos determinísticos: se conoce el resultado. Por ejemplo: si suelto
Más detallesIntroducción a MINITAB 15. David R. González Barreto. Ofrecido en Wyeth, Carolina, Puerto Rico
Introducción a MINITAB 15 Ofrecido en Wyeth, Carolina, Puerto Rico INDICE Listado de Archivos...2 Pantalla Principal..3 Texto a Número.4 Estibar (Stack)..6 Split 8 Dotplot Una población.10 Dotplot Dos
Más detalles11. PRUEBAS NO PARAMÉTRICAS
. PRUEBAS NO PARAMÉTRICAS Edgar Acuña http://math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ PRUEBAS NO PARAMÉTRICAS Se estudiarán las pruebas noparamétricas, las cuales
Más detallesAprendizaje significativo de la Estadística Mediante mapas conceptuales
Aprendizaje significativo de la Estadística Mediante mapas conceptuales Andrés Alejandro Galvis Correa Escuela de Ciencias Físicas y Matemáticas Universidad de las Américas Febrero, 2015 Contenido de la
Más detallesEsatadística II: inferencial Departamento de Ciencias Sociales y Políticas Universidad Católica del Uruguay
Esatadística II: inferencial Departamento de Ciencias Sociales y Políticas Universidad Católica del Uruguay : santiago.lopez@ucu.edu.uy : 420 - cuarto piso : Viernes 14:00-15:00 pm Marzo-Junio, 2015 Descripción
Más detallesEstadística Descriptiva Métodos descriptivos visuales y medidas resumen
6 Estadística Descriptiva Métodos descriptivos visuales y medidas resumen Las técnicas de la estadística descriptiva pueden aplicarse tanto a datos muestrales como a datos poblacionales. Tipos de datos.
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesI. Identificadores de la asignatura
CARTA DESCRIPTIVA (BIOESTADISTICA) I. Identificadores de la asignatura Clave: BAS008494. Créditos: 6 (seis). Materia: BIOESTADISTICA. Departamento: Ciencias Medicas. Instituto: ICB. Modalidad: Presencial.
Más detalles1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
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 detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadística aplicada. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadística aplicada CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_13TA_135003011_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación
Más detallesCurso Académico 2012/2013. Código PRIMERO y SEGUNDO(IC) Nº Grupos 3. Créditos ECTS 6. Idiomas en que se imparte
1. Identificación 1.1. De la Asignatura Curso Académico 2012/2013 Titulación Nombre de la Asignatura GRADO EN MATEMÁTICAS ELEMENTOS DE PROBABILIDAD Y ESTADÍSTICA Código 1576 Curso Carácter PRIMERO y SEGUNDO(IC)
Más detallesCAPÍTULO 5. 5.3 La Distribución Normal
CAPÍTULO 5 5.3 La Distribución Normal Si una variable aleatoria X tiene una distribución Normal y queremos calcular la probabilidad de que X caiga entre dos valores a y b entonces, debemos hallar el área
Más detallesDistribución conjunta de variables aleatorias
Distribución conjunta de variables aleatorias En muchos problemas prácticos, en el mismo experimento aleatorio, interesa estudiar no sólo una variable aleatoria sino dos o más. Por ejemplo: Ejemplo 1:
Más detallesINGENIERÍA AERONÁUTICA PROBABILIDAD Y ESTADÍSTICA SÍLABO
I. DATOS GENERALES INGENIERÍA AERONÁUTICA PROBABILIDAD Y ESTADÍSTICA SÍLABO 1.1 ASIGNATURA : Probabilidad y Estadística 1.2 CÓDIGO : 3301-33202 1.3 PRE-REQUISITO : 3301-33101 1.4 HORAS SEMANALES : 05 1.4.1
Más detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detallesManual de MINITAB 14 para Windows Autora: Dra. Josefa Marín Fernández Departamento de Estadística e Investigación Operativa Facultad de Matemáticas
Manual de MINITAB 14 para Windows Autora: Dra. Josefa Marín Fernández Departamento de Estadística e Investigación Operativa Facultad de Matemáticas Universidad de Murcia Diciembre de 2006 1 Dra. Josefa
Más detallesProblemas de Estadística
Problemas de Estadística I Una variable Resolver con GeoGebra las preguntas que sean posibles 1 1. Saldo de las cuentas de ahorro Un banco de la ciudad desea información respecto del saldo de las cuentas
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
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 detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesEl modelo de la curva normal. Concepto y aplicaciones
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 2009-2010 2010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 7 El modelo de la curva normal. Concepto y aplicaciones Objetivos Comprender
Más detallesEJERCICIOS RESUELTOS TEMA 1.
EJERCICIOS RESUELTOS TEMA 1. 1.1. El proceso por el cual se asignan números a objetos o características según determinadas reglas se denomina: A) muestreo; B) estadística; C) medición. 1.2. Mediante la
Más detallesGRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD
GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD Prof. Rosario Martínez Verdú TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD 1. Nociones básicas de teoría de la probabilidad. 2. Variable
Más detallesRelación 2: CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE FRECUENCIAS
INTRODUCCIÓN A LA ESTADÍSTICA Relación 2: CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE FRECUENCIAS 1.- Obtener las medias aritmética, geométrica, armónica para la siguiente distribución: SOL: 2,74; 2,544; 2,318
Más detallesNombre: Distribuciones de probabilidad discreta. Segunda parte. A qué nos referimos con probabilidad discreta?
Estadística 1 Sesión No. 9 Nombre: Distribuciones de probabilidad discreta. Segunda parte. Contextualización A qué nos referimos con probabilidad discreta? En la presente sesión analizarás y describirás
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Más detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detallesSociología. Estadística stica MUY aplicada. Teresa Villagarcía
Sociología Estadística stica MUY aplicada Teresa Villagarcía Probabilidad Por qué estudiamos probabilidad? Proporción de piezas defectuosas producidas en un proceso industrial o a favor de una ley. Tomamos
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesFacultad de Ciencias e Ingeniería. Escuela Académico Profesional de Comunicación SÍLABO
Facultad de Ciencias e Ingeniería Escuela Académico Profesional de Comunicación SÍLABO ASIGNATURA: ESTADÍSTICA APLICADA A LAS COMUNICIONES I. DATOS GENERALES: 1.1. Código de Asignatura : 21252 1.2. Escuela
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 detallesNOTAS DE ESTADISTICA DESCRIPTIVA CON AYUDA DE EXCEL 2003 y 2007
NOTAS DE ESTADISTICA DESCRIPTIVA CON AYUDA DE EXCEL 2003 y 2007 TABLA DE CONTENIDO Contenido 1 INTRODUCCIÓN... 1 2 PROCEDIMIENTO MODULO ANÁLISIS DE DATOS DE EXCEL... 2 2.1 PASOS SIGUIENTES PARA EXCEL 2003...
Más detallesProblemas resueltos del Tema 3.
Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detalles