Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV
|
|
- María del Carmen Peralta Duarte
- hace 6 años
- Vistas:
Transcripción
1 Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra de Kolmogorov-Smrov o (K-S). Cosste e ua prueba de hpótess e el que la hpótess ula afrma que los datos sí se ajusta a la dstrbucó F(x) y la hpótess altera establece que o se ajusta. El estadístco de prueba está dado por {, } D = Max H F H F c este valor se compara co el valor crítco que se ecuetra e ua tabla. Se rechaza la hpótess ula s Dc es mayor que el valor de tabla para el vel de cofaza y el tamaño de muestra que se esté cosderado. DURACIONES DE LAS BATERIAS DE UN AUTOMOVIL Probar que los datos s se ajusta a ua dstrbucó ormal co µ = 3.5 y σ = 0.7
2 Especalsta e Estadístca y Doceca Uverstara METODO DE KOLMOGOROV Y SMIRNOV (K-S) OBSERVACION F.REL.ACM F() * H F H F D c = 0.068, Es el mayor valor de las dos últmas columas. D = 0.50, Para u vel de sgfcaca α = 0.05 y =40. T Como Dc p DT, o se rechaza la hpótess ula de que los datos se ajusta a ua dstrbucó ormal co µ = 3.5 y σ = 0.7
3 Especalsta e Estadístca y Doceca Uverstara EL CONTRASTE DE SHAPIRO Y WILKS Este cotraste mde el ajuste de la muestra al dbujarla e papel probablístco ormal a ua recta. Se rechaza la ormaldad cuado el ajuste es malo, que correspode a valores pequeños del estadístco. El estadístco es: = h W = a x x s = ( ) j, j+ j W = A s Dode: = ( ) s = x = h = S es par. S o, h = Los coefcetes a j, está tabulados (tabla 0), y x j es el valor ordeado e la muestra que ocupa el lugar j. La dstrbucó de w está tabulada (tabla ) y se rechaza la ormaldad cuado el valor calculado es meor que el valor crítco dado e las tablas. 3
4 Especalsta e Estadístca y Doceca Uverstara EJEMPLO Cotrastar la hpótess de que los datos sguetes provee de ua dstrbucó ormal: (0,, 4, 30, 3, 3, 38). Para aplcar el test calcularemos los valores a j, drectamete e la tabla 0, etoces: a 7 = a 7 = a 37 = 0.40 Por lo tato, A será: ( ) ( ) ( ) A = a x x + a x x + a x x = (8) (0) (7)=5.3 Como: s = , s = A = El estadístco resultate será: ω = = El valor de ω para =7 y u vel de sgfcacó de 0.05 es, 0.803, meor que el obtedo, por lo que aceptamos la hpótess de ormaldad. 4
5 Especalsta e Estadístca y Doceca Uverstara PRUEBA DE GEARY OBSERVACION ( ) ( ) -0,6653 0,446-0,6653 0,6653 0,446 -,505 6,359 -,505,505 6, ,3756 9,459-4,3756 4,3756 9, ,0860 0,0074-0,0860 0,0860 0, ,036 0,000-0,036 0,036 0, ,899 6,935 5,899 5,899 6, ,4480 0,007-0,4480 0,4480 0, ,7963 7,893 -,7963,7963 7, ,7830 0,63 0,7830 0,7830 0,63 0 0,638 0,407 0,638 0,638 0,407 3,33 9,8050 3,33 3,33 9,8050 0,4933 0,433 0,4933 0,4933 0, ,3485 0,5 0,3485 0,3485 0,5 4,550 6,57,550,550 6,57 5 -,308 4,9765 -,308,308 4,9765 0, ,5833 0,0000 6,7 83,5833 = 5 π = 6. 7 ( ) 5 µ = = = = ( ) 5 =
6 Especalsta e Estadístca y Doceca Uverstara µ = Z µ = = = = ( ) ( ) ( ) P = p z =.0 = p z =.0 = F Z =.0 P = ( 0.846) = ( 0.539) = H 0 = Las observacoes se ajusta a ua dstrbucó ormal. H a = Las observacoes o se ajusta a ua dstrbucó ormal 3. α = Estadístco de prueba: µ = π = 5 = = 5 = ( ) 5. Crtero de decsó: S P < α se rechaza H O 6. Gráfca: 6
7 Especalsta e Estadístca y Doceca Uverstara 7. Decsó: como P > α, o se rechaza HO 8. Coclusó: Las observacoes se dstrbuye e forma ormal 7
8 Especalsta e Estadístca y Doceca Uverstara PRUEBA DE ANDERSON DARLING Esta prueba es aplcada para evaluar el ajuste a cualquer dstrbucó de probabldades. Se basa e al comparacó de la dstrbucó de probabldades acumulada empírca (resultado de los datos) co la dstrbucó de probabldades acumulada teórca (defda por H0). Hpótess: Ho: La varable sgue ua dstrbucó Normal ( µ σ ) H : La varable o sgue ua dstrbucó Normal ( µ σ ) Estadístco de Prueba: A = S S = F Y + F Y = ( + ) ( ) l ( ) l ( ) Dode es el úmero de observacoes, F(Y) es la dstrbucó de probabldades acumulada ormal co meda y varaza especfcadas a partr de la muestra y Y so los datos obtedos e la muestra, ordeados de meor a mayor. Regla de Decsó: La hpótess ula se rechaza co u vel de sgfcaca α s A es mayor que el valor crtco A T. Auque la prueba de Aderso Darlg puede ser aplcada a cualquer dstrbucó, o se dspoe de tablas para todos los casos. A cotuacó se preseta ua tabla para la prueba a la dstrbucó ormal. α A Ejemplo: T Pruebe s los sguetes datos se dstrbuye o o e forma ormal Ho: Los datos sgue ua dstrbucó Normal ( 0,σ ) H: Los datos o sgue ua dstrbucó Normal ( 0,σ ) 8
9 Especalsta e Estadístca y Doceca Uverstara x x x = = = = = 0 S= = (-) Y Y+- F(Y) F(Y+-) -F(Y+-) l(f(y)) l(-f(y+-)) S TOTAL A = + = Este valor es meor clusve al valor crítco correspodete a 0.. Por lo tato se acepta el supuesto de ormaldad de los datos α = 9
ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015
Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur
Más detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
Más detallesNo debe entregar los enunciados
Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)
Más detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detalles2.4 Pruebas estadísticas para los números pseudoaleatorios
Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto
Más detallesal nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.
5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de
Más detalles1 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
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca 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
Más detallesAnálisis de Regresión
Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o
Más detalles02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C
Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos
Más detallesTEMA 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
Más detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detallesCONTRASTES NO PARAMÉTRICOS (I) Antonio Morillas
CONTRASTES NO PARAMÉTRICOS (I) Atoo Morllas. Itroduccó. Cotrastes de ajuste. Cotraste χ. Cotraste de Kolmogorov-Smrov 3. Cotrastes específcos de ormaldad 3. Cotraste de ormaldad de Lllefors 3. Cotraste
Más detallesModelos 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
Más detallesREGRESIÓN 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
Más detallesFUNCIÓN 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
Más detallesNOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesAnálisis de la Varianza
Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca
Más detallesTema 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,
Más detallesDivisión 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
Más detallesANÁLISIS 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
Más detallesQué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN
Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas
Más detallesLa Metodología de la Verosimilitud Empírica
La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la
Más detallesRegresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
Más detalles9.3. Contrastes para comparar dos distribuciones
TEM 9: CONTRSTES NO PRMÉTRICOS 9.. Cotrastes de bodad de ajuste 9... Cotraste Ch-cuadrado 9... Cotraste de Kolmogorov-Smrov 9.. Cotraste de depedeca para tablas de cotgeca 9.3. Cotrastes para comparar
Más detallesEstadística. 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
Más detallesContraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño co meda 1 procede de ua poblacó N(14,3) co el vel de sgfcacó,5..- E ua propagada se auca que uas determadas plas proporcoa más horas de
Más detallesLos Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
Más detallesUNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1
ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua
Más detallesFacultad de Ciencias del Mar. Curso 2008/09 25/06/09
Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer
Más detallesAproximación 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
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
Más detallesContraste de Hipótesis
CONTRASTE DE HIPÓTESIS 1. Itroduccó. Cotraste de ua hpótess estadístca 3. Test ulateral y blateral 4. Test relacoados co ua sola meda (varaza coocda) 5. Relacó co la estmacó del tervalo de cofaza 6. Test
Más detallesESTADÍSTICA 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:
Más detallesEstadística aplicada al Periodismo
Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca
Más detalles10 MUESTREO. n 1 9/ / σ σ 1
10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,
Más detallesTEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.
TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)
Más detallesDada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Más detallesContraste 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
Más detallesGENERALIDADES ESTADISTICA DESCRIPTIVA
MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:
Más detallesVARIABLES 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.
Más detallesContraste de signos de la Mediana Contraste rangos signos de Wilcoxon
Bodad de ajuste Cotraste Ch cuadrado de Pearso Cotraste de Kolmogorov Smrov / Cotraste de Shapro Wlks Medaa Cotraste de sgos de la Medaa Cotraste ragos sgos de Wlcoxo Comparacó de dos poblacoes Muestras
Más detalles2.5. 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
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE
Más detallesMODELOS DE REGRESIÓN. Prof. Susana Martín Fernández
MODELOS DE REGRESIÓN Prof. Susaa Martí Ferádez REGRESIÓN SIMPLE Objetvo Sea..., valores de la varable umérca X. Sea Y(y, y,..., y ) u vector aleatoro de varables aleatoras depedetes, el modelo de regresó
Más detalles3 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
Más detallesInferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Más detallesEstadística 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
Más detalles4º 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
Más detallesTema 12: Modelos de distribución de probabilidad: Variables Continuas
Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t
Más detallesANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez
ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre
Más detallesTRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).
TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores
Más detallesX / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara
95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado
Más detallesPARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
Más detallesSEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b
Más detallesQué conclusión extraeremos trabajando con un nivel de significación del 5%?
sbb BB BBB Ejercco 1 Ua asocacó de defesa del cosumdor argumeta que el cotedo de las latas de atú de ua determada marca es feror a los 50 g que se dca e el paquete. ara cotrastarlo se coge ua muestra de
Más detallesCurso 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
Más detallesTEMA 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
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable
Más detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detallesRegresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
Más detallesAnálisis de la varianza de un factor
Aálss de la varaza de u factor El test t de muestras se aplca cuado se quere comparar las medas de dos poblacoes co dstrbucoes ormales co varazas guales y se observa muestras depedetes para cada poblacó
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s)
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Grado de ADE. Prmer curso Raquel Mª Álvarez Esteba Descrpcó umérca de ua varable Objetvo: Resumr dsttos aspectos de las dstrbucoes de frecuecas Iterés de los resúmees umércos:
Más detallesANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía
ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.
Más detallesCONTRASTES 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
Más detallesLECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Más detallesMEDIDAS 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
Más detallesMEDIDAS DE FORMA Y CONCENTRACIÓN
MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de
Más detallesPARTE SEGUNDA: INFERENCIA ESTADÍSTICA
ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos
Más detallesMEDIA 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:
Más detalles1. 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
Más detalles6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.
Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral
Más detallesESTADÍSTICA TEÓRICA: CONTRATES DE HIPÓTESIS INTERVALOS DE CONFIANZA
Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez ESTADÍSTICA TEÓRICA: CONTRATES DE IPÓTESIS INTERVALOS DE CONFIANZA
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesTema 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;
Más detallesVARIABLE 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
Más detallesModelos Estadísticos de Regresión Lineal
Modelos Estadístcos de Regresó Leal Supoga que cueta co u baco de datos que cotee formacó relatva a dos varables X y Y las cuales se presume guarda ua relacó aproxmadamete leal. El ejemplo de las varables
Más detallesCOLEGIO DE POSTGRADUADOS
COLEGIO DE POSTGRADUADOS INSTITUCIÓN DE ENSEÑANZA E INVESTIGACIÓN EN CIENCIAS AGRÍCOLAS CAMPUS MONTECILLO SOCIOECONOMÍA, ESTADÍSTICA E INFORMÁTICA ESTADÍSTICA PRUEBA DE BONDAD DE AJUSTE PARA LA DISTRIBUCIÓN
Más detallesV 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
Más detallesMEDIDAS 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
Más detallesTema 6: Introducción al muestreo. Estimadores
Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)
Más detallesEstimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.
Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl
Más detallesTeoría de Muestras e Inferencia
Teoría de Muestras e Ifereca TEORÍA DE MUESTRAS E INFERENCIA. Poblacó y muestra. Métodos de muestreo 3. Dstrbucoes asocadas al proceso de muestreo 3. Dstrbucó de la meda de ua poblacó ormal 3. Dstrbucó
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detalles7. Contrastes de Hipótesis
7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa
Más detallesMétodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos
Métodos de Predccó Ifereca Curso - María Jesús Sáchez Narajo y Carola García-Martos Dstrbucó Normal Camaa de Gauss x f x ex, x R π Ifereca Ifereca 3 Meddas Característcas 3 3 4 4 3 3 4 4 3 Curtoss CA Asmetría
Más detallesTEMA 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
Más detallesEVALUACIÓN ESTADÍSTICA DE ENCUESTAS MENSUALES O PERIÓDICAS : ANÁLIS IS DE S ES GO Y COBERTUTA ES TADIS TICA
PONENTE: GENARO SÁNCHEZ BARAJAS PROFESOR TITULAR NIVEL C DE LA FACULTAD DE ECONOMIA DE LA UNAM Y DOCTORANTE EN LA ACAD EMIA DE C IENCIAS DE RUS IA. TEMA PARA LA MESA 3 DE ECONOMETRIA EVALUACIÓN ESTADÍSTICA
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesTema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS
Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo
Más detalles