Métodos de estimación para el Conteo Rápido.
|
|
- César Felipe Cordero Farías
- hace 6 años
- Vistas:
Transcripción
1 Métodos de estimación para el Conteo Rápido. 1
2 1.1 Procedimiento de estimación El objetivo del conteo rápido es producir, a partir de una selección de casillas, una estimación de la fracción de votos para cada candidato a Gobernador, incluyendo candidatos no registrados y votos nulos. Para realizar esta estimación, se agruparán los votos de los partidos de acuerdo a las alianzas por cada uno de los candidatos de esta elección. El estimador puntual de la fracción de votos por un candidato k, es la división del número total de votos por ese candidato observada en muestra, dividido entre el número total de votos que se reportaron en la muestra, por ese y todos los otros candidatos, alianzas, y votos nulos. Estos resultados van a obtenerse de las casillas, al interior de secciones, en cada uno de los distritos. Es decir, el estimador puntual de la fracción de votos por un candidato k es, como indica la fórmula (1), el resultado de dividir la suma de votos por ese candidato a lo largo de todas las casillas j, de cada una de las secciones i seleccionadas en muestra, en cada uno de los distritos h, entre la suma de los votos por todos los candidatos k, en todas las casillas j, de cada una de las secciones i, de cada uno de los distritos h. Así, es el número de votos por el partido k en la casilla j, de la sección i, del distrito h. Los resultados del conteo rápido no se presentarán como estimadores puntuales, sino en intervalos de confianza del 95%. El verdadero valor de la fracción de la votación por el candidato k,, no se conocerá a partir del conteo rápido. Los intervalos de confianza que se den implican que la probabilidad de que el intervalo presentado contenga el verdadero valor de la fracción es 95%. Para entender esto, se puede pensar que si se estima 100 veces, en 95 de éstas, el verdadero valor de estará incluido en el intervalo presentado. 2
3 Los intervalos de confianza que se presenten el día de la elección serán el resultado de comparar las estimaciones de la media usando cada uno de los 4 métodos. Se elegirán las 2 estimaciones más cercanas entre ellas y se combinarán sus intervalos de confianza de la siguiente forma: el límite inferior final será el menor de los dos límites inferiores, y el límite superior final será el mayor de los dos límites superiores. A continuación, se describen los métodos de estimación que se utilizarán: Estimación de razón con intervalos de confianza generados a partir de Bootstrap Para construir intervalos de confianza para la fracción de votación en favor de cada candidato a Gobernador se utilizarán técnicas de re-muestreo, a través del método conocido como Bootstrap. El Bootstrap es un método estadístico para estimar la distribución de muestreo de un estimador, y consiste en seleccionar sub-muestras de la muestra original y calcular el estimador de interés con cada sub-muestra. Estas sub-muestras se eligen de forma aleatoria. El número de réplicas debe ser suficientemente grande para lograr una buena aproximación. Una vez obtenidas las réplicas Bootstrap es posible calcular los intervalos de confianza, al observar la distribución del estimador obtenida a partir del conjunto de las sub-muestras. En el caso del primer método de estimación para la elección para Gobernador del Estado de Oaxaca del 5 de junio de 2016, las réplicas Bootstrap se seleccionarán del total de casillas de las cuales se obtuvo información, sin distinguir el distrito o sección de origen en esta selección. En este caso, N es el número total de casillas instaladas, y n la muestra de casillas de las cuales se obtuvo información. Algoritmo 1. De la muestra recuperada de casillas (n) se selecciona una sub-muestra con reemplazo de casillas. 2. Utilizando esta sub-muestra de casillas, se calcularán las siguientes estadísticas: 3
4 Proporción del total de votos, para cada uno de los k candidatos a Gobernador usando la fórmula (1) con la sub-muestra obtenida. 3. Se almacena la información de esta sub-muestra, y se repiten los pasos 1 y 2 un número B=100,000 de veces. 4. Se calculan los percentiles 2.5% y 97.5% para cada uno de los k candidatos usando la muestra de Bootstrap de tamaño 100,000 y se usan como los límites del intervalo de confianza En el paso 1, en el muestreo con reemplazo, la probabilidad de selección que se utiliza será de. Cabe aclarar que cada uno de los 100,000 re-muestreos se obtendrá de manera independiente. Esta estrategia asegura obtener estimaciones insesgadas para la varianza y para el tercer momento. Estimación de razón con intervalos de confianza generados a partir de Bootstrap, con re-muestreo al interior de cada distrito local En este método se considerará un re-muestreo dentro de cada distrito, considerando que de las n casillas de las cuales se obtuvo información, pertenecen al distrito h. Algoritmo 1. De la muestra recuperada de casillas (n) se selecciona una sub-muestra con reemplazo de casillas. Esta sub-muestra se obtendrá: a. Para cada distrito h, se tomará una muestra con reemplazo de tamaño. b. La muestra n será conformada por la unión de las sub-muestras. 2. Utilizando el conjunto de las sub-muestras de casillas a lo largo de todos los distritos, se calcularán las siguientes estadísticas: Proporción del total de votos, para cada uno de los k candidatos a Gobernador usando la fórmula (1) con la sub-muestra obtenida. 3. Se almacena la información de esta sub-muestra, y se repiten los pasos 1 y 2 un número B=100,000 de veces. 4
5 4. Se calculan los percentiles 2.5% y 97.5% para cada uno de los k candidatos usando la muestra de Bootstrap de tamaño 100,000 y se usan como los límites del intervalo de confianza En el paso 1, en el muestreo con reemplazo, la probabilidad de selección que se utiliza será de. Cabe aclarar que cada uno de los 100,000 re-muestreos se obtendrá de manera independiente. Esta estrategia asegura obtener estimaciones insesgadas para la varianza y para el tercer momento. Estimación de intervalos de confianza con simulación utilizando una distribución Dirichlet Se considerarán los resultados como provenientes de una distribución Dirichlet de un distrito promedio, la cual sigue una estructura como la mostrada en la fórmula (2): Donde Y es la función Gamma evaluada en. Se considerará en esta fórmula, (( ) ( )) casilla j de la sección i del distrito h de las casillas recibidas., donde es el listado nominal de la Posteriormente se simularán 100,000 valores de extraídos de esta distribución para determinar un intervalo de confianza para cada una de ellos con los percentiles de 2.5% y 97.5%. Estimación de razón con intervalos de confianza generados a partir de aproximación a una distribución Normal de la Varianza Estimación 5
6 Se agrupan las casillas en estratos (entre 29 y 40 casillas por estrato). La determinación de estratos es la misma utilizada para la selección de la muestra (25 distritos locales). Se usan estos estratos para calcular la varianza del estimador. Para cada uno de los candidatos se utilizará la información recolectada en cada estrato, como se detalla en la sección anterior. Para estimar la votación a partir de la muestra que se vaya recibiendo, se estima la votación del candidato i obtenida en cada estrato k Donde es el listado nominal del distrito h. De la misma manera se estima la votación total obtenida en el distrito h, Donde considera los votos obtenidos por todos los candidatos en las casillas recibidas por distrito, incluyendo los nulos y votos a candidatos no registrados. Para estimar la fracción de votos obtenidos por cada candidato se suman los estimados en cada estrato y se divide entre la suma de los totales de votos estimados Para obtener los intervalos de confianza de cada candidato, se utilizarán como varianzas poblacionales calculadas de la siguiente manera: Se calcula la varianza promedio de cada candidato en cada estrato: ( ) ( ) Donde es la varianza de la proporción de votos a favor de un candidato para el distrito k, calculada para controlar el efecto de conglomerados; es el 6
7 número de casillas en el distrito k, es el número de casillas en la muestra pertenecientes al distrito k, y el número total de casillas. Finalmente, el intervalo de confianza del candidato es ( ) Referencias: Modelos 1 y 2 Casella, Roger, et. al. Monte Carlo Statistical Methods Springer. 2a Edición. Modelo 3 Segunda Edición. Stevenson, Clint. Some Probability-Based Approaches for Investigating the 2012 General Election Exit Poll Edison Research. Disponible en: Based-Exit-Poll-Estimation.pdf Berger, Roger, et. al. Statistical Inference Duxbury Thomson Learning. 2a Edición. Modelo 4 Scheaffer, Richard, et. al. Elementary Survey Sampling CENGAGE Learning. 7a Edición. Dra. Maria Estela Rivero Fuentes Mtro. Keri Cipactli Arzaluz Castro Dr. Gerardo Maldonado Hernández Lic. Arón Baca Nakakawa 7
Comité Técnico Asesor para el Conteo Rápido de la Elección Ordinaria para Gobernador de Oaxaca
Comité Técnico Asesor para el Conteo Rápido de la Elección Ordinaria para Gobernador de Oaxaca PLAN DE TRABAJO 1 6 de mayo de 2016 Contenido Introducción... 3 I. Objetivo... 4 II. Plan de Trabajo... 4
Más detallesImplicaciones del disen o de muestreo y el me todo de estimacio n del error esta ndar
Implicaciones del disen o de muestreo y el me todo de estimacio n del error esta ndar Direccio n de Pruebas y Medicio n, Subdireccio n de Ana lisis M.C. Jose Gustavo Rodrı guez Jime nez 25 de Septiembre
Más detallesAsignaturas antecedentes y subsecuentes Probabilidad y Estadística Matemática
PROGRAMA DE ESTUDIOS MUESTREO Área a la que pertenece: ÁREA DE FORMACION INTEGRAL PROFESIONAL Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0082 Asignaturas antecedentes y subsecuentes Probabilidad
Más detallesComité Técnico Asesor para el Conteo Rápido
Expresiones matemáticas para la estimación de la conformación de la Cámara de Diputados Estimación de la conformación de la Cámara de Diputados En los trabajos de determinación de tamaño de muestra, en
Más detallesMetodología [ANEXO PARA REALIZAR ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN EL ESTADO DE COLIMA]
Metodología [ANEXO PARA REALIZAR ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN EL ESTADO DE COLIMA] Contenido 1. Denominación de la persona moral interesada... 2 2. Objetivos del estudio... 2 3. Marco de Muestreo...
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 detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
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 detallesDr. Fidel Ulin Montejo Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO MUESTREO Programa Educativo: Lic. en Matemáticas Área de Formación : Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos: 8 Clave: F1139
Más detallesCriterios científicos de la Encuesta de Salida y Conteo Rápido en el municipio de Guadalajara, Jalisco.
Criterios científicos de la Encuesta de Salida y Conteo Rápido en el municipio de Guadalajara, Jalisco. Dirigido al: Instituto Nacional Electoral 29 de mayo de 2015 1 OBJETIVO DEL ESTUDIO Conocer la tendencia
Más detallesUN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
Más detallesMETODOLOGÍA DE LA ENCUESTA DE SALIDA QUE SE REALIZARÁ EL 17 DE ENERO DE 2016 EN EL ESTADO DE COLIMA
METODOLOGÍA DE LA ENCUESTA DE SALIDA QUE SE REALIZARÁ EL 17 DE ENERO DE 2016 EN EL ESTADO DE COLIMA Enero de 2016 OBJETIVO DEL ESTUDIO Estimar la distribución de votación emitida por los ciudadanos que
Más detallesÍNDICE. Metodología del diseño estadístico Objetivo de la encuesta Población objetivo Cobertura geográfica 3
ÍNDICE Metodología del diseño estadístico 3 1. Objetivo de la encuesta 3 2. Población objetivo 3 3. Cobertura geográfica 3 4. Marco de la encuesta 3 5. Tamaño de la muestra 3 6. Selección de la muestra
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 11 Estimadores puntuales y de intervalo Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de los estimadores puntuales y de intervalo.
Más detallesUNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES CARRERA DE: Licenciatura en Estadística PROGRAMA DE LA ASIGNATURA DE MUESTREO I
UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES CARRERA DE: Licenciatura en Estadística PROGRAMA DE LA ASIGNATURA DE MUESTREO I DATOS GENERALES Departamento (División): Nombre del Programa
Más detallesCandidaturas independientes
Candidaturas independientes Diseño muestral para seleccionar una muestra de apoyos ciudadanos de los aspirantes a candidaturas independientes a la Presidencia de la República para verificar su documentación
Más detallesCOMITÉ TÉCNICO ASESOR DEL CONTEO RÁPIDO COTECORA. Informe General sobre el Conteo Rápido de la Elección para Gobernador del Estado de México 2017
COMITÉ TÉCNICO ASESOR DEL CONTEO RÁPIDO COTECORA Informe General sobre el Conteo Rápido de la Elección para Gobernador del Estado de México 2017 5 de junio de 2017 1 ALGUNAS PREGUNTAS FRECUENTES SOBRE
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 detallesI. ESTUDIO MUESTRAL DE PARTICIPACIÓN CIUDADANA EN LAS ELECCIONES
I. ESTUDIO MUESTRAL DE PARTICIPACIÓN CIUDADANA EN LAS ELECCIONES FEDERALES DE 2006 Objetivo general Elaborar un estudio con inferencia a nivel nacional y por entidad federativa que identifique el perfil
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 5 Distribución de la Media Muestral Pedro Elosegui 1 2 Métodos y Distribuciones de Muestreo En estadística nos gustaría contar con los parámetros
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 detallesFecha de elaboración: 2003 Fecha de última actualización: F1232 Probabilidad y Estadística 1/9
Programa elaborado por: PROGRAMA DE ESTUDIO PROBABILIDAD Y ESTADÍSTICA Programa Educativo: Área de Formación : Licenciatura en Física Integral Profesional Horas teóricas: 4 Horas prácticas: 0 Total de
Más detallesIFD N 32: ESCUELA NORMAL SUPERIOR GENERAL SAN MARTIN
PROFESORADO EDUCACIÓN SECUNDARIA EN FÍSICA Cátedra de Probabilidades y Estadística Prof. Reemplazante Ma. Florencia Schnell Año - 3er año división única Formato Curricular: Materia Cursado cuatrimestral
Más detallesAlgunas observaciones sobre las inconsistencias del uso de la aproximación normal en intervalos de confianza cuando las observaciones son Bernoullis
Algunas observaciones sobre las inconsistencias del uso de la aproximación normal en intervalos de confianza cuando las observaciones son Bernoullis Marcos Morales Cortes a, Hortensia J. Reyes Cervantes
Más detallesRepública de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo METODOLOGÍA DEL DISEÑO DE MUESTREO Encuesta entre Empresas no Financieras 2013 1. El
Más detallesMicro currículo OBJETIVO GENERAL. Al finalizar este curso, el alumno estará en capacidad de:
Micro currículo Materia: ESTADISTICA INFERENCIAL Pensum: Aplica a partir del 2017.1 Resolución: VRA-010 Asignatura Nombre de la materia Código 15034 Créditos 3 Intensidad (H/S) 4 Modalidad PRESENCIAL Prerrequisitos
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 detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesSOLICITUD PARA LLEVAR A CABO ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN OAXACA
SOLICITUD PARA LLEVAR A CABO ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN OAXACA México D.F. a 28 de mayo de 2016 Lic. Francisco Javier Osorio Rojas Secretario Ejecutivo del IEEPCO P R E S E N T E Votia Sistemas
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 detallesUnidad 5.- TEORÍA DE MUESTRAS
CONCEPTOS GENERALES Unidad 5.- TEORÍA DE MUESTRAS Se llama POBLACIÓN al conjunto de todos los elementos que poseen una determinada característica. Los distintos elementos de la población se llaman INDIVIDUOS.
Más detallesRemuestreo importancia y aplicaciones
Remuestreo importancia y aplicaciones Al usar índices de biodiversidad no es razonable suponer una distribución muestral conocida del estimador (índice de Shannon u otro) y por eso se recomienda utilizar
Más detallesMUESTREO POR CONGLOMERADOS
MUESTREO POR CONGLOMERADOS UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisión, Cambios y Ampliación: Ing. José Alejandro Marín Fuente Primaria:
Más detallesMÉXICO Resultados Estimación. CONSULTA MITOFSKY y PREP. Jornada Electoral
Jornada Electoral MÉXICO 2016 Resultados Estimación CONSULTA MITOFSKY y PREP La metodología de nuestro ejercicio estadístico disponible en www.consulta.mx De las ocho de la mañana a las seis de la tarde
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 detallesMETODOLOGÍA DEL DISEÑO MUESTRAL DE LA ENCUESTA ESTRUCTURAL EMPRESARIAL 2016
METODOLOGÍA DEL DISEÑO MUESTRAL DE LA ENCUESTA ESTRUCTURAL EMPRESARIAL 2016 COORDINACION GENERAL TÉCNICA DE PRODUCCION ESTADÍSTICA Dirección de Infraestructura Estadística y Muestreo Unidad de Diseño Muestral
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: SEMESTRE: 5 (QUINTO) MODALIDAD
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 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 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 detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesFACULTAD DE CONTADURÍA Y ADMINISTRACIÓN DE LA UASLP
FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN DE LA UASLP EL PROCESO CURRICULAR EN LA FACULTAD DE CONTADURÍA Y ADMINISTRACION * DISEÑO DE PROGRAMAS DE LOS CURSOS 1. DATOS GENERALES Nombre del curso: Modelos
Más detallesInforme de resultados
Informe de resultados Comité Técnico del Conteo Rápido Cotecora Dr. Claudio Rafael Castro ópez Dr. Francisco Javier Aparicio Castillo Dra. Julia Aurora Montano Rivas Dr. uis Enrique Nieto Barajas Dr. Sergio
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 detallesINFORME DE ACTIVIDADES
Comité Técnico Asesor para el Conteo Rápido INFORME DE ACTIVIDADES ABRIL 2015 Contenido I. Presentación... 3 II. Actividades del Comité... 4 1. Metodología para la estimación de la conformación de la Cámara
Más detallesComité Técnico Asesor para el Conteo Rápido de la Elección de Gobernador de Nayarit 2017 Informe de Actividades de Febrero
Comité Técnico Asesor para el Conteo Rápido de la Elección de Gobernador de Nayarit 2017 Informe de Actividades de Febrero Marzo de 2017 CONTENIDO Presentación... 3 2 Informe de actividades... 4 Comité
Más detallesEncuesta Demográfica Retrospectiva 2017
Encuesta Demográfica Retrospectiva 07 EDER Diseño muestral Instituto Nacional de Estadística y Geografía Encuesta Demográfica Retrospectiva 08 EDER Diseño muestral Obras complementarias publicadas por
Más detallesGUIA DOCENTE ESTADÍSTICA II
GUIA DOCENTE 2016-17 ESTADÍSTICA II Mayo 2016 DATOS GENERALES Nombre del curso: Código: ESTADÍSTICA II 801101, ADE 801916, MKCD Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Cuál es la finalidad de las distribuciones muéstrales y del método del muestreo como herramientas básicas de la estadística y qué aplicabilidad tienen en la vida cotidiana? Siendo
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA Dado que los estimadores puntuales pocas veces serán iguales a los parámetros que se desean estimar, es posible darse mayor libertad utilizando estimadores
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
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 detallesESTADISTICA ELEMENTAL
ESTADISTICA ELEMENTAL Dr. Edgar Acuna http://academic.uprm.edu/eacuna UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ INTRODUCCIÓN En este capítulo, primero se introducirán algunos conceptos
Más detallesPROGRAMA DE ASIGNATURA. CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado en Física Profesorado en Matemática
PROGRAMA DE ASIGNATURA ASIGNATURA: Probabilidad y Estadística Introducción a la Probabilidad y Estadísitica AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado
Más detallesTALLER DISEÑOS DE MUESTREO ESTADÍSTICO
TALLER DISEÑOS DE MUESTREO ESTADÍSTICO Profesor: Giovany Babativa. (Ejer..7 Lohr) Para cada una de las siguientes encuestas, describa la población objetivo, el marco de muestreo, la unidad de muestreo
Más detallesESTIMACION DE TAMAÑOS MUESTRALES: ENCUESTA AL PERSONAL.
ESTIMACION DE TAMAÑOS MUESTRALES: ENCUESTA AL PERSONAL. MARCO CONCEPTUAL Dado que en la mayoría de los casos no es posible examinar cada uno de los elementos o individuos que componen una población, ya
Más detallesEncuesta Intercensal 2015 Diseño de muestra
Encuesta Intercensal 2015 Diseño de muestra Índice Introducción... 2 Objetivo... 2 Población objeto de estudio... 2 Marco de muestreo... 2 Diseño de la muestra... 3 Unidades de muestreo... 3 Dominios de
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesEl plan de muestreo. Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi-
El plan de muestreo Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi- Y ahora qué? Cuántas muestras debo tomar? Cuántas veces debo realizar los ensayos?
Más detallesTeléfono:
Apartado postal 17-01-218 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: ESTADISTICA II CÓDIGO: 15017 CARRERA: Economía NIVEL: Cuarto No. CRÉDITOS: SEMESTRE / AÑO ACADÉMICO: III semestre 2011-2012 PROFESOR:
Más detallesPontificia Universidad Católica del Ecuador
Apartado postal 17-01-218 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: ESTADISTICA II CÓDIGO: 15017 CARRERA: Economía NIVEL: Cuarto No. CRÉDITOS: SEMESTRE / AÑO ACADÉMICO: II semestre 2010-2011 PROFESOR: Nombre:
Más detallesCapítulo 8 Métodos de Muestreo y el Teorema de Límite Central
Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central Objetivos: Al terminar este capítulo podrá: 1. Explicar por qué una muestra es la única forma posible de tener conocimientos acerca de una
Más detallesUTILIZACIÓN DE LA CAPACIDAD INSTALADA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE
Montevideo, 28 de octubre de 2009. UTILIZACIÓN DE LA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE 2009 - ANÁLISIS DE LOS PRINCIPALES INDICADORES El grado de utilización de la Capacidad Instalada
Más detallesESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Más detallesÁrea Académica: Gestión Tecnológica. Asignatura (Estadística para el Desarrollo Tecnológico, 3er Semestre) Tema: Muestra y Muestreo
Área Académica: Gestión Tecnológica. Asignatura (Estadística para el Desarrollo Tecnológico, 3er Semestre) Tema: Muestra y Muestreo Profesor: Dr. Ernesto Bolaños Rodríguez Periodo: Enero-Junio de 01 Tema:Sample
Más detallesAnálisis de Datos. Validación de clasificadores. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Validación de clasificadores Profesor: Dr. Wilfrido Gómez Flores 1 Introducción La mayoría de los clasificadores que se han visto requieren de uno o más parámetros definidos libremente,
Más detallesINFORME EJECUTIVO SOBRE LAS ACTIVIDADES DEL COMITÉ TÉCNICO ASESOR PARA LA REALIZACIÓN DE CONTEOS RÁPIDOS
INFORME EJECUTIVO SOBRE LAS ACTIVIDADES DEL COMITÉ TÉCNICO ASESOR PARA LA REALIZACIÓN DE CONTEOS RÁPIDOS COMITÉ TÉCNICO ASESOR PARA LOS CONTEOS RÁPIDOS Agosto 2006 1 I. ANTECEDENTES El Consejo General
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesTEL / / FAX Correo electrónico: Página Web:
UNIVERSIDAD DE COSTA RICA FACULTAD DE CIENCIAS ECONÓMICAS ESCUELA DE ESTADÍSTICA CURSO: XS-1130 Estadística Introductoria II Créditos: 4 II Ciclo 2017 GRUPO Y DOCENTE: HORARIO : AULA: CORREO ELECTRÓNICO:
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesdonde ε es la variable aleatoria de media 0 y f(x) es una relación que tiene la siguiente expresión:
INTRODUCCIÓN Los modelos de regresión B-Splines son de tipo semiparamétrico y presentan un excelente ajuste en variables climatológicas, como se muestra en el desarrollo de este trabajo que está dividido
Más detallesINFERENCIA ESTADÍSTICA Notas de clase. Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez
INFERENCIA ESTADÍSTICA Notas de clase Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez TEMA III ESTIMACIÓN DE PARÁMETROS POR INTERVALOS DE CONFIANZA La estimación puntual es útil pues proporciona
Más detallesTÉCNICAS DE MUESTREO I MUESTREO ESTRATIFICADO
TÉCNICAS DE MUESTREO I MUESTREO ESTRATIFICADO Profesor: Ing. Celso Gonzales C. Mg.Sc CONTENIDO Introducción Muestreo Estratificado. Definiciones. Estimación de parámetros, tipos de asignación. CARACTERISTICAS
Más detallesHerramientas Estadísticas en el Informe de Investigación
DPTO. INVESTIGACIÓN G-MIO GEODE TALLER Investigación científica: hacia un informe de investigación exitoso Herramientas Estadísticas en el Informe de Investigación Prof. Néstor Díaz Herramientas Estadísticas
Más detallesSOLICITUD DE INTENCIÓN, QUE PRESENTA BUFETE DE PROYECTOS, INFORMACIÓN Y ANÁLISIS, SA DE CV, COMERCIALMENTE CONOCIDO COMO GABINETE DE COMUNICACIÓN
SOLICITUD DE INTENCIÓN, QUE PRESENTA BUFETE DE PROYECTOS, INFORMACIÓN Y ANÁLISIS, SA DE CV, COMERCIALMENTE CONOCIDO COMO GABINETE DE COMUNICACIÓN ESTRATÉGICA, PARA LLEVAR A CABO UN EJERCICIO DE ENCUESTA
Más detalles(1 punto) (1.5 puntos)
Ejercicios de inferencia estadística. 1. Sea la población {1,2,3,4}. a) Construya todas las muestras posibles de tamaño 2, mediante muestreo aleatorio simple. b) Calcule la varianza de las medias muestrales.
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detalles1445 FUNDAMENTOS DE ESTADÍSTICA 4 8. INGENIERÍA EN COMPUTACIÓN División Departamento Licenciatura COORDINACIÓN DE CIENCIAS APLICADAS
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO 1445 FUNDAMENTOS DE ESTADÍSTICA 4 8 CIENCIAS BÁSICAS Asignatura Clave Semestre Créditos COORDINACIÓN DE CIENCIAS APLICADAS
Más detallesPrueba del % de defectuosos para 1 muestra
INFORME TÉCNICO SOBRE EL ASISTENTE DE MINITAB Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab
Más detallesCriterios Científicos, Protocolo para Selección y Resguardo de la Muestra para la realización del Conteo Rápido
Comité Técnico Asesor para el Conteo Rápido de la Elección para Gobernador del Estado de México 2017 Criterios Científicos, Protocolo para Selección y Resguardo de la Muestra para la realización del Conteo
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: FACULTAD: ECONOMÍA CARRERA: Economía Asignatura/Módulo: ESTADÍSTICA II Código: 15017 Plan de estudios: E011 Nivel: Cuarto Prerrequisitos: Estadística I Correquisitos: Teoría de Juegos,
Más detallesCOORDINACIÓN DE CIENCIAS APLICADAS. INGENIERÍA GEOMÁTICA División Departamento Licenciatura
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ESTADÍSTICA APLICADA 1447 A INGENIERÍA GEOMÁTICA 4 4 CIENCIAS BÁSICAS Asignatura Clave Semestre Créditos COORDINACIÓN DE
Más detallesProf. Angel Zambrano ENERO 2009 Universidad de Los Andes Escuela de Estadística
Prof. Angel Zambrano ENERO 009 Universidad de Los Andes Escuela de Estadística Muestreo: Es una metodología que apoyándose en la teoría estadística y de acuerdo a las características del estudio, indica
Más detallesINFORME SOBRE LAS CARACTERÍSTICAS GENERALES DE LA ENCUESTA Y CRITERIOS GENERALES DE CARÁCTER CIENTÍFICO
INFORME SOBRE LAS CARACTERÍSTICAS GENERALES DE LA ENCUESTA Y CRITERIOS GENERALES DE CARÁCTER CIENTÍFICO. Objetivos del estudio. El objetivo de esta encuesta probabilística en viviendas fue medir las preferencias
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
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 detallespara asegurar que la prueba exacta tenga suficiente potencia para detectar diferencias prácticamente importantes en el porcentaje de defectuosos.
Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab para desarrollar los métodos y las verificaciones
Más detallesEncuesta sobre transporte público y uso del automóvil en los municipios de la Zona Metropolitana del Valle de México 2014
Encuesta sobre transporte público y uso del automóvil en los municipios de la Zona Metropolitana del Valle de México 0 El 3% de los encuestados tienen coche, de ellos, sólo el 38% lo utiliza cuando va
Más detallesPROFESIONALES [PRESENCIAL]
SILABO POR ASIGNATURA 1. INFORMACION GENERAL Coordinador: ROLDAN MONSALVE DIEGO FERNANDO(diego.roldan@ucuenca.edu.ec) Facultad(es): [FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS] Escuela: [DEPARTAMENTO
Más detallesPOBLACIÓN, MUESTRA Y MUESTREO
POBLACIÓN, MUESTRA Y MUESTREO AREA ACADEMICA: LICENCIATURA EN ENFERMERIA TEMA: POBLACIÓN, MUESTRA Y MUESTREO PROFESOR: LIC. ENFRÍA. QXCA. MARIA ELENA DÍAZ HERNÁNDEZ PERIODO: JULIO DICIEMBRE 2017 TEMA:
Más detallesESTADÍSTICA. 4 horas a la semana 8 créditos Semestre variable según la carrera
ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Aplicar los conceptos de la teoría, metodología y las técnicas de la Estadística, requeridas para modelar
Más detalles