TEMA 6.- INTERVALOS DE CONFIANZA
|
|
- Soledad Aguilar Velázquez
- hace 6 años
- Vistas:
Transcripción
1 TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal Distribució Chi cuadrado de Pearso o Gi dos Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método de costrucció de itervalos de cofiaza: Método de la Catidad Pivotal 6.4. Itervalos de cofiaza para los parámetros de ua característica Toma de decisioes sobre los parámetros de ua variable mediate itervalos de cofiaza 6.6. Comparació de dos parámetros e el caso de dos características e Y mediate itervalos Itervalo para comparar medias. Muestras pareadas de e Y Itervalos para comparar medias y variazas. Muestras idepedietes de e Y Casos para abordar los problemas.
2 6.1 DISTRIBUCIONES ASOCIADAS A LA NORMAL A partir de ahora, las variables se clasificará e ormales y o ormales. Vamos a comezar viedo dos distribucioes cotiuas asociadas a la distribució ormal que os hará falta e el desarrollo de este tema: 1.Distribució Chi cuadrado o gi dos.distribució t de Studet Veremos: Defiició. Gráfico de la fució de desidad Propiedades. Cálculo de probabilidades usado las tablas correspodietes DISTRIBUCIÓN CHI CUADRADO DE PEARSON O GI - DOS
3 Defiició: Si,, 1 so v.a. idepedietes N 0,1, etoces la v.a. Y i1 i se dice que sigue ua distribució CHI CUADRADO o GI DOS de Pearso co grados de libertad o parámetro. La otació es Y OBSERVACIONES: 1) El parámetro es el úmero de sumados que iterviee e la defiició de la variable. ) La variable aleatoria chi-cuadrado es ua variable de tipo cotiuo. Se puede demostrar que 1,. Por tato, el gráfico de su fució de desidad es: 0,4 0,3 0, 0, x 0 3) Para calcular probabilidades de esta distribució, usaremos TABLAS. Ejemplo 1: Calcular P ( ) y P( ).
4 Del tema aterior sabemos que si es ua variable aleatoria co parámetros descoocidos E y V, LOS MEJORES ESTIMADORES para estos parámetros so y S. Si es ua variable N(, ), sobre estos estimadores se puede afirmar que TEOREMA DE FISHER Si,, 1 es ua m.a.s. de ua v.a. co distribució N(, ), etoces (1) Los estadísticos o estimadores 1 1 i y S ( i ) 1 1S so v. a. idepedietes. i1 i1 () N, 1. (Ya sabemos que, por la reproductividad) Obs: Si N(, ) coocemos las distribucioes de los estadísticos y S.
5 Defiició: Si variable aleatoria DISTRIBUCIÓN t DE STUDENT N 0,1, Y so v.a. idepedietes, etoces la Z se dice que sigue ua distribució t de Studet de parámetro o co grados de libertad. La otació es Z t. Observacioes: 1) El parámetro o úmero de grados de libertad de la t es el parámetro de la que iterviee e su defiició. ) La distribució t de Studet es u modelo de tipo cotiuo. Y
6 La distribució t de Studet toma valores e todo, es simétrica respecto del 0 y su gráfica tiee la misma forma que la de la distribució N(0,1) pero es u poco más achatada que la distribució N(0,1). 0,4 0,3 N(0,1) 0, 0,1 t 0 0 3) El cálculo de probabilidades de esta distribució se hará mediate tablas, teiedo e cueta que: o Para calcular probabilidades de itervalos egativos usaremos la simetría de la distribució (como e el caso ormal). o Al crecer, la t de Studet se parece a la N(0,1). Por tato, para realizar cálculos de la variable t de Studet co > 10 aproximaremos a la N(0,1) y termiaremos el cálculo usado las tablas de la N(0,1). 0
7 Ejemplo : a) Calcular P ( 1.37 t ) y P( t ). b) Ecotrar x y c tal que P(t 0 < x) = 0.8 y P(t 15 < c) = TEOREMA: Si,, 1 es ua m.a.s. de ua v.a. co distribució (, ) etoces, la distribució de la variable aleatoria: N, T t 1 S / dode 1 1 y S= S siedo S ( ) i i i1 1 i1. Demostració: (hacer) La demostració de este teorema se basa e usar: 1. El teorema de Fisher para variables co distribució ormal.. La defiició de la distribució t de Studet co parámetro.
8 6.. INTRODUCCIÓN A INTERVALOS DE CONFIANZA OBJETIVO EN ESTE TEMA: Si es el parámetro descoocido y ˆ Tx,,..., 1 x x es la estimació para, se quiere dar ua cota del error, K, cometido al estimar, es decir, ˆ FORMA DE TRABAJO: Esta cota de error, K, se obtiee costruyedo u itervalo que cotega al parámetro. Ejemplo 3: Sea P. Tomamos ua m.a.s. para estimar, co valores 4.1, 3.7,.15, Ua estimació razoable para es ˆ x Supogamos que la cota de error e esta estimació es K = 0.. Veamos que esto es equivalete a dar u itervalo que cotiee al valor descoocido λ. ˆ ,. K
9 DEFINICIÓN: Sea F, llamaremos INTERVALO DE CONFIANZA para co ivel de cofiaza 1- (co ua cofiaza del 100(1-)%) a u itervalo (a, b) tal que Observacioes: 1, P a b P a b 1. Los itervalos que vamos a costruir SIEMPRE viee dados e térmios de probabilidad. La probabilidad 1- la fija la persoa que hace el estudio. El valor 1- suele ser mayor o igual que Los extremos del itervalo a y b so variables aleatorias. 3. Itervalos de logitud meor SIEMPRE está asociados a meores cotas de error y, por tato, mejores estimacioes del parámetro.
10 Ejemplo 4: E el ejemplo 3 para ua cota de error K = 0., el itervalo para era ,. Si la cota de error fuese meor, por ejemplo K = 0.1, teemos u itervalo para λ de logitud meor: ˆ ,. A cotiuació vemos el método geeral de costrucció de itervalos de cofiaza para u parámetro descoocido θ, que se llama MÉTODO DE LA CANTIDAD PIVOTAL.
11 6.3. MÉTODO LA CANTIDAD PIVOTAL Paso 1: F, parámetro descoocido. Sea T 1,,..., el mejor estimador para y ˆ T x,,..., 1 x x su estimació. Obteemos la distribució del estadístico T. Paso : La distribució de T va a depeder del parámetro descoocido. Se hace ua trasformació de T, que dará lugar a U = f(t). A la variable U la llamaremos PIVOTE. U tiee que cumplir: a. La distribució de U tiee que ser coocida y o depeder de i de igú otro parámetro descoocido. b. El parámetro tiee que aparecer e la expresió del pivote U. Paso 3: Elegir ua probabilidad alta, 1-. Buscar dos costates h 1 y h tal que Ph1 U h 1, usado la distribució del pivote U. Paso 4: Ua vez coocidas h 1 y h, a partir de Ph1 U h 1, despejar de la fórmula de U el valor hasta obteer ua expresió del tipo Pa b 1. El itervalo (a, b) obteido es el itervalo de cofiaza para a ivel 1-. A partir del mismo se obtiee la cota del error cometido e la estimació de mediate ˆ.
12 P h U h Observació: E el paso 3 la ecuació plateada tiee ifiitas solucioes. Se puede demostrar que: Si la distribució de U es simétrica (N(0,1), t -1 ), se obtiee itervalos de logitud míima si elegimos h h1 h. Etoces, buscaremos h que cumpla 1 P hu h..si la distribució de U o es simétrica( χ -1), se obtiee itervalos de logitud míima al elegir h 1 y h que resuelva las ecuacioes: PU h / y PU h / 1
13 Ejemplo 5: El tiempo de impresió de ua declaració del IRPF sigue ua distribució ormal. Se observa ua muestra de dicho tiempo y se obtiee (e segudos): a) Estimar el tiempo medio de impresió de ua declaració, e segudos. b) Costruir u itervalo de cofiaza al 95% (1-α = 0.95) para el tiempo medio de impresió de ua declaració. A partir del mismo, ecotrar ua cota del error cometido e la estimació del tiempo medio de impresió Es admisible que dicho tiempo medio sea de 0 segudos? c) Ecotrar el tamaño de la muestra,, ecesario para que el error e la estimació del tiempo medio de impresió sea meor que 1 segudo. Supoer que o varía la cuasivariaza muestral. d) Costruir otro itervalo de cofiaza al 99% (1-α = 0.95) para el tiempo medio de impresió. Compararlo co el obteido e el apartado b)
14 OBSERVACIONES 1.-Si aumetamos el tamaño de la muestra SIEMPRE dismiuye la logitud del itervalo de cofiaza y, por tato, dismiuye la cota de error e la estimació del parámetro..- Si aumetamos la probabilidad 1- que se usa para costruir el itervalo (mateiedo la muestra), SIEMPRE aumeta la logitud del itervalo y, por tato, aumeta cota de error e la estimació. 3.- Los itervalos que se obtiee so PROBABILÍSTICOS. Si ab, co probabilidad 1- sigifica que e 100 itervalos que costruyamos para θ co 100 muestras diferetes: E (1-)100% de los itervalos está seguro el parámetro. E el resto de los itervalos, 100%, o es seguro que esté el valor. 4.- Si e el itervalo probabilístico sustituimos la muestra cocreta pasamos a teer u INTERVALO NUMÉRICO, I. E este mometo ya NO se puede hablar de probabilidad: sólo puede suceder que perteezca a I o que o perteezca a I.
15 6.4. INTERVALOS DE CONFIANZA PARA LOS PARÁMETROS DE UNA CARACTERÍSTICA. Cuado se estudia ua v.a. sus pricipales parámetros so: µ = E[], la media que. σ = V(), la variaza de ( ó σ, su desviació típica) p = proporció de idividuos que posee ua cierta propiedad. Estos so los parámetros para los que haremos estimacioes y obtedremos las correspodietes cotas de error para esas estimacioes mediate la obteció de itervalos de cofiaza. Los mejores estimadores para estos parámetros (tema 5) so: para µ es ˆ. para σ es ˆ S. para p es Pˆ R º de elemetos de la muestra que tiee la propiedad tamaño muestra
16 CASO 1. N, cofiaza 1-α: CASOS A ESTUDIAR, itervalo para co descoocida, ivel de Estimació para µ: ˆ U t S/ Pivote: 1 x (Formulario) S h Itervalo para µ: saber llegar a este itervalo a partir del pivote) co Cota de error e la estimació de : s ˆ x K co K h Ejemplo 6: Problema 1, apartados a) y b) ya realizados. P t 1 h 1 / (Hay que
17 CASO. N, cofiaza 1-α:, itervalo para, µ descoocida, ivel de Estimació para : ˆ s 1 S Pivote: 1 (Formulario) Itervalo para : P S S, h h1, dode P h 1 1 /, h1 /. (Hay que saber llegar a este itervalo a partir del pivote) Cota de error e la estimació de : 1 1 s s ˆ s K siedo K max s, s h h1 Ejemplo 7: Problema 1, apartado c)
18 CASO 3. co distribució cualquiera, itervalo para, variaza descoocida, muestra de tamaño 100, ivel de cofiaza 1-α: Estimació para µ: ˆ x Pivote: U N0,1 S/ si 100 (TCL) Itervalo aproximado para µ si 100: (Formulario) S h dode P N 0,1 h 1 / (Hay que saber llegar a este itervalo a partir del pivote) s ˆ x K co K h Cota de error e la estimació de : Observació: E este caso NO se puede hacer itervalos para al o teer la variable distribució ormal salvo e los casos e que la variaza tiee ua relació directa co la media (por ejemplo, si tiee distribució de Poisso o es expoecial) Ejemplo 8: problema de la hoja de problemas.
19 CASO 4. B 1, p, itervalo para la media µ = p, variaza descoocida = p(1-p), muestra de tamaño 100, ivel de cofiaza 1-α. Este caso es u caso particular del caso 3. Vamos a ver que p represeta el porcetaje o proporció de idividuos que posee ua cierta propiedad. Defiimos la variable que toma los valores: 1 cuado el idividuo SI tiee la propiedad e estudio 0 cuado elidividuo NO tiee la propiedad e estudio Etoces, la probabilidad de cada valor es que B 1, p. P 0 1 P 1 p p, y esto sigifica
20 Estimació para p: 1 r º de idividuos de la muestra que SI posee la característica e estudio pˆ x xi tamaño muestra i1 Pˆ p U N Pivote: S / Pˆ1 Pˆ Itervalo aproximado para p si 100: 0,1 si 100 (TCL) (Formulario) co ˆ R P Pˆ 1 Pˆ ˆ P h dode PN0,1h1 / (Hay que saber llegar a este itervalo a partir del pivote) Cota de error aproximada e la estimació de p: p pˆ K siedo K h Ejemplo 9: Problema 3 de la hoja de problemas pˆ 1 pˆ
21 6.5. TOMA DE DECISIONES SOBRE LOS PARÁMETROS DE UNA VARIABLE MEDIANTE INTERVALOS DE CONFIANZA 1.- Los itervalos de cofiaza para u parámetro, además de dar ua cota del error cometido e la estimació de mediate ˆ, permite tomar decisioes sobre del tipo 0 ó 0, 0, co ua cofiaza 1-. o Si 0 Itervalo Aceptamos que = 0 (o podemos rechazar que = 0 ), co ua cofiaza 1-. o Si 0 Itervalo Diremos que 0, co ua cofiaza Las decisioes sobre hipótesis del tipo 0, 0, 0 o 0 NO se puede tomar de forma defiitiva co itervalos auque se puede ituir lo que podría suceder e alguos casos. Este tipo de decisioes so objeto de estudio del tema siguiete.
22 Ejemplo 10: Supogamos que el itervalo obteido para, co u ivel de cofiaza de 0.95 fuese, por ejemplo, (1.3, 4.7). Ate las pregutas: i. Puede ser = 6? diríamos que o, co ua cofiaza del 95%, porque perteece al itervalo (1.3, 4.7), al 95% y el valor 6, o. ii. Puede ser =? respoderíamos que sí puede ser, co ua cofiaza del 95%, porque perteece al itervalo (1.3, 4.7), al 95%,y el valor, tambié. iii. Puede ser = 3? respoderíamos que sí, co ua cofiaza del 95%, porque perteece al itervalo (1.3, 4.7), al 95% y el valor 3, tambié Qué haríamos e este caso? Aumetar el tamaño de la muestra. iv. Podríamos decidir que > 1? NO podríamos tomar la decisió co u itervalo de cofiaza. Decisioes de este tipo se verá e el tema siguiete.
23 6.6. COMPARACIÓN DE DOS PARÁMETROS EN EL CASO DE DOS CARACTERÍSTICAS e Y MEDIANTE INTERVALOS Al estudiar dos características e Y el objetivo habitual suele ser COMPARARLAS. La comparació se hace a través de sus medias y variazas. Alguas de estas decisioes las tomaremos utilizado itervalos de cofiaza. Notació: coe yv, YcoEY yvy Y Y 1.- La comparació de las medias y Y se hace a través de Y: a. Ocurrirá que Y Y 0. b. Ocurrirá que Y Y 0. c. Ocurrirá que Y Y 0. Observacioes: 1.- Co itervalos SOLAMENTE se puede tomar decisioes del tipo a)..- Tambié tomaremos decisioes del tipo Y c ó Y c, c. 3.- El orde de la resta es importate: Y Y
24 .- La comparació de variazas a. Ocurrirá que Y Y b. Ocurrirá que Y Y c. Ocurrirá que Y Y y Y / 1. / 1. / 1. se hace a través de / : Y Observacioes: 1.- Co itervalos SOLAMENTE se puede tomar decisioes del tipo a). E el tema siguiete estudiaremos la toma de decisioes de los tipos b) y c)..-tambié tomaremos decisioes del tipo Y có Y / / c, c 3.- El orde del cociete es importate: / / Y Y
25 Para obteer los itervalos de cofiaza que ecesitamos partiremos de ua muestra de la variable y otra de la variable Y, 1,,..., e Y1, Y,..., Y m de tamaños y m, respectivamete. Nuestros parámetros ahora so 1 y siedo 1 Y y / Y. Igual que para ua variable, el METODO DE LA CANTIDAD PIVOTAL permite calcular INTERVALOS DE CONFIANZA para estos parámetros 1 y Distiguiremos etre dos tipos de muestras: MUESTRAS PAREADAS: sigifica que las muestras de las variables e Y so DEPENDIENTES y que se observa las dos características, e Y sobre los mismos idividuos. E este caso, calcularemos los itervalos para el parámetros 1 Y a mao. No se calculará itervalos para. MUESTRAS INDEPENDIENTES: e este caso los itervalos para los parámetros 1 Y y / Y se obtedrá co Statgraphics.
26 E los casos de dos variables e Y dode se toma ua muestra de cada ua de ellas, lo primero que hay que hacer es distiguir si las muestras tomadas so pareadas o so muestras idepedietes porque el procedimieto a seguir para costruir el itervalo correspodiete es diferete. Ejemplo 11: 1. Para comparar los tiempos medios de ejecució de dos programas A y B que resuelve sistemas de ecuacioes, lo lógico es resolver los mismos sistemas de ecuacioes co ambos programas. Este sería u caso de muestras pareadas (depedietes) al trabajar co las variables : tiempo de ejecució del programa A para resolver u sistema de ecuacioes. Y: tiempo de ejecució del programa B para resolver el mismo sistema.. Para comparar los cosumos medios de dos modelos de coche A y B trabajaríamos co muestras idepedietes de las variables e Y porque los coches testados sería diferetes. : cosumo de combustible de u modelo de coche A. Y: cosumo de combustible de u modelo de coche B.
27 INTERVALO PARA COMPARAR Y Y. MUESTRAS PAREADAS. Hipótesis: La variable D Y tiee que verificar que D ND Y,. Forma de trabajo: Al defiirse la variable D Y y verificarse que siedo solamete teemos u parámetro que es D, D Y, os ecotramos e el CASO 1 que vimos para ua sola variable D co distribució ormal (6.4) Muestra de D: d x y dode x y es la muestra de Y i i i, i, i i1,. La muestra de y la muestra de Y tiee el mismo tamaño. ˆ 1 d d D i Estimació para µ D : i1 D D 1 U t 1 dode SD di d S / 1 Pivote: D Itervalo para µ: S D h D co i1 P t 1 h 1 / SD ˆ Cota de error e la estimació de D : D D K co K h Obs: Si restamos al revés, es decir, D = Y-, la muestra cambia: di yi xi.
28 Ejemplo 1: (Problema 4 hoja) Se trata de compara dos algoritmos de iversió de matrices. Para ello se mide los tiempos de ejecució, e segudos, co el algoritmo A de 8 matrices (variable ) y los tiempos de de ejecució, e segudos, co el algoritmo B de esas mismas 8 matrices (variable Y): Algoritmo A Algoritmo B Supoiedo ormalidad e la diferecia de tiempos de ejecució, se pide: (a) Hallar u itervalo de cofiaza al 97% para la diferecia etre los tiempos medios de ejecució de los dos algoritmos. (b) Se puede aceptar que los tiempos medios de ejecució de ambos algoritmos so iguales? (c) Puede ituirse algua relació etre el tiempo medio de ejecució del algoritmo A y el tiempo medio de ejecució del algoritmo B?
29 6.6.. INTERVALOS PARA COMPARAR MEDIAS Y VARIANZAS. MUESTRAS INDEPENDIENTES DE e Y CASO 1. N,, Y N Y, Y : LO PRIMERO que hay que saber es si las variazas de e Y (que so descoocidas) so iguales o distitas. Para ello se calcula el Itervalo para / : Permite tomar de decisioes del tipo Y c ó Y Y c, co c. Para c = 1, permite decidir si Y / Y 1 o si. Y
30 Ejemplo 13: Toma de decisioes del tipo c ó Y Y Si, por ejemplo, el itervalo obteido para / Y, co ua cofiaza del 90%, fuese (0.56, 1.50): Podría ser Y 1? Sí, co ua cofiaza del 90%, porque , Podría ser Y , Y Y c? Sí, co ua cofiaza del 90%, porque Si embargo, si el itervalo obteido para / Y, co ua cofiaza del 90%, fuese (3.45, 5.3): Podría ser Y 1? No, co ua cofiaza del 90%, porque , 5.3 Y. La decisió sería que las variazas so distitas.
31 Volviedo al caso 1, si co el itervalo de cofiaza para / Y La decisió es Y, se calcula el correspodiete itervalo de cofiaza para Y (co Statgraphics). La decisió ha sido Y, se calcula el correspodiete itervalo de cofiaza para Y (co Statgraphics). Co ellos tomaremos decisioes del tipo Y c ó Y c co c. Si c = 0 tomaríamos decisioes del tipo Y ó Y. CASO. e Y variables co distribució cualquiera, medias y Y: Aquí las variazas se cosidera distitas puesto que si Se obtiee el itervalo para Y (co Statgraphics), cosiderado Y distitas y descoocidas (al o ser y/o Y ormales NO se puede hacer itervalos para / Y). Este itervalo sólo es válido si los tamaños muestrales,, m 100 y permite tomar decisioes del tipo Y c ó Y c.
32 Ejemplo 14: Toma de decisioes del tipo c ó Y Y c Si ua vez tomada la decisió sobre si las variazas so iguales o distitas, el itervalo costruido para Y es, por ejemplo, (.34, 4.45), co ua cofiaza del 97%: Puede ser Y Y 0? Podemos asegurar, co ua 0.34, cofiaza del 97%, que o porque Puede ser Y 3? Podemos aceptar, co ua cofiaza del 97%, que sí porque 3.34, Puede ser Y 4? Cuidado porque, co ua cofiaza del 97%, 4.34, tambié aceptaríamos esta hipótesis porque Podríamos decidir qué Y 0 Y? Este tipo de decisioes NO se toma co u itervalo, sio e el tema siguiete.
33 6.7. CASOS PARA ABORDAR LOS PROBLEMAS itervalo para la media distribució ormal itervalo para la variaza itervalo aproximado para la media distribució cualquiera, 100 itervaloaproximado para la proporció p si = Y, itervalopara e ormales itervalopara Y Y muestras idepedietes Y si Y, itervalopara Y e Y cualquiera, 100,m 100 itervalo aproximado para Y e Y muestras pareadas ite rvalopara D Ysi DYes ormal (depedietes) Los casos de ua variable y de dos variables e Y, muestras pareadas, se resolverá a mao. El resto de casos se resolverá co Statgraphics.
Intervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció
Más detallesConceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.
FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detallesPara estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20
Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detallesCálculo de límites Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesTécnicas para problemas de desigualdades
Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detallesIES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A
IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesOPCIÓN A EJERCICIO 1_A 1 0 2
IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesn x i n y i = 0 ,..., x n u)... exp 1 y 1 y y n u . Demuestre que i=1 Y n
47 Capítulo 9 Propiedades de los estimadores putuales y métodos de estimació ii Demuestre que para que esta relació sea idepediete de p, debemos teer x i y i = 0 o x i = y i. iii De acuerdo co el método
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesIES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)
IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos
Más detallesTema 7: Estimación por intervalos de confianza.
Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores
Más detalles2.- ESPACIOS VECTORIALES. MATRICES.
2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesComo se ha podido apreciar en los módulos anteriores, La estadística trata con recolección de datos, su análisis e interpretación.
Uiversidad Técica Federico Sata María Departameto de Matemática Reato Allede Olivares 7. QUINTO MÓDULO 7. Iferecia Estadística Como se ha podido apreciar e los módulos ateriores, La estadística trata co
Más detallesSucesiones de números reales
Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
Más detallesUNEFA C.I.N.U. Matemáticas
RADICACIÓN: DEFINICIÓN Y PROPIEDADES Ates de etrar e el tema Radicació, vamos a comezar por recordar u poco sore Poteciació: Saemos que e lugar de escriir, utilizamos la otació: de Poteciació, dode el
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede
Más detallesTEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados
TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza
Más detalles( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7
LÍMITES DE FUNCIONES POLINÓMICAS Límites de ua fució costate f k, k El límite de ua fució costate es la misma costate f k f k k k a a Límites de la fució idetidad I I a a a I I Límites e u puto fiito.
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación
Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detallesCRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES
MATEMÁTICA I - 0 - Capítulo 6 ------------------------------------------------------------------------------------ CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES Las matrices iversas se puede usar
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
Más detalles6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Más detallesLicenciatura en Matemáticas Febrero 2011. x(1 x) θ 1 I [0,1] (x). (1)
Estadística I Exame Liceciatura e Matemáticas Febrero 2011 1. Sea X 1,..., X ua muestra aleatoria de ua variable X co distribució Beta de parámetros 2 y θ > 0. Esto último sigifica que la fució de desidad
Más detallesTema 1 Los números reales Matemáticas I 1º Bachillerato 1
Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma
Más detalles4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.
Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base
Más detallesUNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior
UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que
Más detallesDistribuciones de probabilidad
Distribucioes de probabilidad 1. Variable aleatoria real: Ejemplo: Ua variable aleatoria X es ua fució que asocia a cada elemeto del espacio muestral E u úmero X: E ú Cosideremos el experimeto aleatorio
Más detallesUNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar
Más detallesExpresiones Algebraicas
Semiario Uiversitario Matemática Módulo Expresioes Algebraicas Difícilmete se pueda estudiar cualquier rama de la matemática actual si u maejo algebraico razoable. Usamos la palabra maejo y o la de estudio,
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detallesDISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN
DISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN Ídice. INTRODUCCIÓN2 2. SISTEMAS DE ECUACIONES LINEALES2 Defiicioes básicas.2 Iterpretació vectorial3
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesEjemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi
u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo
Más detallesConvergencia absoluta y series alternadas
Tema 11 Covergecia absoluta y series alteradas Ua vez que dispoemos de diversos criterios de covergecia para series de térmios o egativos, abordamos el estudio de la covergecia de series de úmeros reales
Más detallesTema 9. Introducción a la Inferencia Estadística. Presentación y Objetivos. Esquema Inicial. Probabilidades y Estadística I
Tema 9. Itroducció a la Iferecia Estadística Presetació y Objetivos. La iferecia utiliza el leguaje de la probabilidad para sacar coclusioes de los datos y acompañar esas coclusioes por ua declaració formal
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detallesPAGINA Nº 80 GUIAS DE ACTIVIDADES Y TRABAJOS PRACTICOS Nº 14
GUIA DE TRABAJO PRACTICO Nº 4 PAGINA Nº 80 GUIAS DE ACTIVIDADES Y TRABAJOS PRACTICOS Nº 4 OBJETIVOS: Lograr que el Alumo: Resuelva correctamete aritmos y aplique sus propiedades. Resuelva ecuacioes epoeciales.
Más detallesTest de Wilcoxon de rangos signados
5 Elea J. Martíez do cuat. 0 Test de Wilcoxo de ragos sigados Hemos visto que, co míimas hipótesis sobre la distribució subyacete (úica mediaa y distribució cotiua), el test del sigo es UMP para las hipótesis
Más detallesMEDIDAS DE DISPERSIÓN.
MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesConvolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG
Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesEstimación puntual y por intervalos
0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por
Más detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
Más detallesSUCESIONES DE NÚMEROS REALES. PROGRESIONES
www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos
Más detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesCálculo de límites. 8.1. Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
Más detallesResolución de ecuaciones no lineales
Resolució de ecuacioes o lieales Solucioa ecuacioes o lieales tipo f()= Normalmete cada método tiee sus requisitos Métodos so iterativos Métodos iterativos para resolver f()= E geeral métodos iterativos
Más detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
Más detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
Más detallesIntervalos de Confianza para la diferencia de medias
Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza
Más detallesPráctica 1.- Sucesiones y series
Práctica.- Sucesioes y series El programa Mathematica os sirve de ayuda para estudiar el comportamieto de sucesioes y series de úmeros reales, mediate las istruccioes Limit y, que os permitirá, e la mayoría
Más detallesIES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora
Más detalles3. Volumen de un sólido.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Itegrales y aplicacioes.. Volume de u sólido. E esta secció veremos cómo podemos utilizar la itegral defiida para calcular volúmees de distitos tipos
Más detallesPROGRESIONES ARITMETICAS
PROGRESIONES ARITMETICAS DEF. Se dice que ua serie de úmeros está e progresió aritmética cuado cada uo de ellos (excepto el primero) es igual al aterior más ua catidad costate llamada diferecia de la progresió.
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado
Más detallesLa sucesión de Lucas
a sucesió de ucas María Isabel Viggiai Rocha Cosideramos la sucesió umérica { } defiida por: - - si 3 y y 3. Esta sucesió es coocida como la sucesió de ucas y a sus térmios se los llama úmeros de ucas.
Más detallesMó duló 21: Sumatória
INTERNADO MATEMÁTICA 16 Guía del estudiate Mó duló 1: Sumatória Objetivo: Coocer y aplicar propiedades para el cálculo de sumatorias. Para calcular alguas sumatorias es ecesario coocer sus propiedades
Más detallesSUCESIONES Y SERIES DE FUNCIONES
CAPÍTULO XV. SUCESIONES Y SERIES DE FUNCIONES SECCIONES A. Campo de covergecia. Covergecia uiforme. B. Series de potecias. Itervalos de covergecia. C. Desarrollo de fucioes e series de potecias. D. Aplicacioes
Más detallesTEMA 26 DERIVADA DE UNA FUNCIÓN EN UN PUNTO. FUNCIÓN DERIVADA. DERIVADAS SUCESIVAS. APLICACIONES.
Tema 6 Derivada de ua ució e u puto Fució derivada Derivadas sucesivas Aplicacioes TEMA 6 DERIVADA DE UNA FUNCIÓN EN UN PUNTO FUNCIÓN DERIVADA DERIVADAS SUCESIVAS APLICACIONES ÍNDICE INTRODUCCIÓN DERIVADA
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detalles