Fundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
|
|
- Susana Vidal Vega
- hace 6 años
- Vistas:
Transcripción
1 Fundamentos para la inferencia Estadísca Prof. Tamara Burdisso 1
2 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una población. Ahora nos enfocamos en la varianza poblacional. Supongamos que extraemos una muestra de tamaño n de una población con media y varianza. Sean 1,,..., n la muestra. La varianza poblacional es la esperanza de E Claramente es desconocida, pero ya sabemos como estimarla. Y además sabemos como obtener una estimación de n 1 s i n 1 s se denomina varianza muestral y el desvío típico ó Unidad desviación 3 Parte II estándar muestral i1 s Estadísca Prof. Tamara Burdisso
3 Distribución muestral de la varianza muestral n 1 Por qué en lugar de? n Podemos probar que la esperanza de la varianza muestral, i.e. la media de la distribución muestral de la varianza muestral, converge a la varianza poblacional. Matemáticamente Notar que sólo se afirma que la media de la varianza muestral converge a la varianza poblacional. Pero nada se dijo sobre la forma de la distribución muestral de la varianza muestral. Para poder caracterizar la distribución muestral de la varianza muestral se debe saber más acerca de la distribución poblacional,...,. 1, E n s Estadísca Prof. Tamara Burdisso 3
4 Distribución muestral de la varianza muestral Si la distribución poblacional subyacente es normal puede probarse que la variable aleatoria ( n 1) s n i n i1 i i1 sigue una distribución (ji o chi cuadrado) con grados de libertad. n 1 Notar que la distribución sólo está definida para valores positivos, lo cual resulta adecuado para la varianza muestral, ya que no puede ser negativa. Estadísca Prof. Tamara Burdisso 4
5 Distribución muestral de la varianza muestral La familia de está caracterizada por un único parámetro: los grados de libertad a los que llamaremos k y se lo anota como k k La media y la varianza de la son E k y Var k k k En nuestro caso la variable aleatoria ( n 1) s sigue una distribución n1 Esto quiere decir que ( n 1) s n 1 E 1 n E s n 1 E s Estadísca Prof. Tamara Burdisso 5
6 Distribución muestral de la varianza muestral Para hallar la varianza de usamos el hecho de que s Var n 1 Var s n 1 ( n 1) s 1 n 4 Var s 4 n 1 Ejemplos de k Estadísca Prof. Tamara Burdisso 6
7 Funciones de densidad de la distribución chi cuadrado Estadísca Prof. Tamara Burdisso 7
8 Condiciones para el buen funcionamiento del TCL Estadísca Prof. Tamara Burdisso 8
9 Por lo tanto, la distribución muestral de la varianza muestral s Sea la varianza muestral de una muestra aleatoria de n observaciones i.i.d. extraídas de una población con media y varianza. Entonces se tiene que: s i. La distribución muestral de tiene media, i.e E s ii. La varianza de la distribución muestral de depende de la distribución de la población. Si la distribución poblacional es normal entonces 4 Var s n 1 s iii. Si las v.as. de la distribución subyacentes son normales i.i.d., entonces ( n 1) s sedistribuyesegún una Estadísca Prof. Tamara Burdisso n1 9
10 Aplicación para la varianza muestral Se quiere someter a todos los empleados de cierta institución a una evaluación de 100 preguntas de elección múltiple. Inicialmente en un estudio piloto se someten a este test a 0 empleados elegidos al azar. Supongamos que, para la población completa de todos los empleados, la distribución del número de respuestas correctas sigue una distribución normal con varianza Cuál es la probabilidad de que la varianza muestral sea menor que 100?. Cuál es la probabilidad de que el desvío típico muestral sea mayor a que 1? Estadísca Prof. Tamara Burdisso 10
11 Propiedades de los estimadores puntuales Parámetro: es una medida numérica descriptiva de una población. Su valor es casi siempre desconocido Estadístico/estimador: un estadístico es cualquier función de una muestra de datos aleatoria proveniente de una población. Estimación: una estimación es el valor numérico del estimador cuando el mismo es evaluado utilizando los datos de una muestra específica. Un estimador es una variable aleatoria, ya que hereda la aleatoriedad de la muestra aleatoria, mientras que una estimación es un número no aleatorio. 11 Estadísca Prof. Tamara Burdisso
12 Propiedades de los estimadores puntuales Un estimador puntual de un parámetro poblacional es una función de la muestra que genera un único valor llamado estimación puntual. Por ejemplo, la media muestral es un estimador puntual de la media poblacional, y el valor que toma para un conjunto específico de datos se llama estimación puntual Cómo hacemos para saber cual es el mejor estimador puntual de un parámetro poblacional? Existe un conjunto de criterios con los que se puede evaluar a un estimador. Tres son las propiedades deseables que debería poseer un estimador: consistencia, ausencia de sesgo e eficiencia. x 1 Estadísca Prof. Tamara Burdisso
13 Insesgamiento Estimador insesgado: Un estimador puntual es un estimador insesgado de un parámetro poblacional si el valor esperado del estimador es igual al parámetro que se desea estimar ˆ E Notar que lo que se está afirmando es que en promedio el estimador estima correctamente al parámetro poblacional, y no que un determinado valor de ˆ tenga que ser exactamente el valor correcto de ˆ El valor esperado de debería ser la media de los valores de para todas las muestras posibles que se puedan obtener. ˆ ˆ 13 Estadísca Prof. Tamara Burdisso
14 Insesgamiento La media muestral es un estimador insesgado de la media poblacional: E La proporción muestral es un estimador insesgado de la proporción poblacional: La varianza muestral es un estimador insesgado de la varianza poblacional: Un estimador que no es insesgado es sesgado. ˆ E S pˆ Sesgo: Sea un estimador de. El sesgo de entre su valor esperado y ; i.e. E es la diferencia Por lo tango el sesgo de un estimador insesgado es cero. p sesgo ˆ ˆ E ˆ 14 Estadísca Prof. Tamara Burdisso
15 Insesgamiento 15 Estadísca Prof. Tamara Burdisso
16 Eficiencia Es deseable que un estimador sea insesgado, pero puede ocurrir que se disponga de más de un estimador insesgado para un mismo parámetro (p.ej. la media y la mediana bajo distribución normal, ambos son estimadores inesgados de ). Cómo elijo en este tipo de situaciones? Lo lógico sería quedarse con aquel estimador que este más concentrado alrededor del parámetro poblacional que se desea estimar. Surge entonces la eficiencia de un estimador de la mano de la varianza como medida de concentración 16 Estadísca Prof. Tamara Burdisso
17 Eficiencia Si existen varios estimadores insesgados de un mismo parámetro, el estimador insesgado que tiene la mínima varianza, es el estimador más eficiente, o el estimador insesgado de mínima varianza. Sean 1 dos estimadores insesgados de, basados en el mismo tamaño de muestra. Se dice entonces que ˆ ˆ 1. es más eficiente que si 1 ˆ y ˆ ˆ var. La eficiencia relativa de con respecto a es el cociente 1 entre sus varianzas; i.e. var ˆ 1 eficiencia relativa var ˆ 17 Estadísca Prof. Tamara Burdisso ˆ var ˆ 1 ˆ
18 Ejemplo: estimadores insesgados rivales x x,..., x n Sea 1, una muestra aleatoria estraída de una población normal con media y varianza Se debe utilizar la media muestral o la mediana muestral para estimar la media poblacional? Asumimos que la población sigue distribución normal y es de gran tamaño en comparación con el tamaño de la muestra, n. La media muestral es un estimador insesgado de, y la mediana muestral también es insesgada. Sus varianzas son: var n eficiencia var relativa mediana 18 Estadísca Prof. Tamara Burdisso var mediana var n 1,57 1,57 n
19 Sesgo e eficiencia 19 Estadísca Prof. Tamara Burdisso
20 Propiedades de algunos estimadores Parámetro poblacional Media µ Estimador puntual Propiedades Insesgado, de máxima eficiencia (suponiendo la existencia de normalidad) Media µ Mediana Proporción P pˆ Insesgado (suponiendo la existencia de normalidad) pero no de máxima eficiencia Insesgado de máxima eficiencia Varianza σ S Insesgado, de máxima eficiencia (suponiendo la existencia de normalidad) 0 Estadísca Prof. Tamara Burdisso
21 Diario Perfil 18/10/015 1 Estadísca Prof. Tamara Burdisso
22 Diario Perfil 18/10/015 Esto es lo que refleja la muestra nacional de Ipsos-Mora y Araujo para PERFIL, que se realizó del jueves 8 al jueves 15 de octubre con encuestas presenciales de más de 1.00 casos en todo el país. Se insiste siempre con lo mismo para no dar lugar a equívocos: un estudio sociológico serio no adivina el futuro sino que plantea escenarios probables. vuelta-vence-a-macri-en-ballottage-pero-no-a-massa html Estadísca Prof. Tamara Burdisso
23 Elecciones Generales - 5 de Octubre Estadísca Prof. Tamara Burdisso
24 Ficha técnica de la encuesta 18/10/015 Tipo de investigación: cuantitativa. Método de recolección de datos: encuestas presenciales con tablets en hogares. Tipo de encuesta: cuestionario estructurado compuesto por preguntas cerradas y semiabiertas, con una duración de 15 minutos aprox. Target: hombres y mujeres de 16 a 75 años de todos los niveles socioeconómicos residentes de todo el país. Fecha de campo: del 8 al 15 de octubre. Tamaño de la muestra: 1.09 casos. Método de muestreo: probabilístico hasta la selección del individuo, mediante un muestreo estratificado, multietápico por conglomerado en hogares, según cuotas de edad, sexo y NSE. Ponderación: se ponderó teniendo en cuenta género, peso poblacional por estrato, región y voto anterior. Error muestral: +-,81%. Nivel de confianza: 95%. Perfil de la muestra: 53% mujeres, 47% hombres; 8,6% NSE alto, 47,6% NSE medio y 43,8% NSE bajo; 3% de 16 a 5 años, 3% de 6 a 35, 19% de 36 a 45, 15% de 46 a 55 y 1% de 56 a 75 años. 4 Estadísca Prof. Tamara Burdisso
Conceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más 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 detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesFundamentos de Estadística
Fundamentos de Estadística Introducción a la Estadística Prof. Dr. Eduardo Valenzuela Domínguez eduardo.valenzuela@usm.cl Universidad Técnica Federico Santa María Dr. Eduardo Valenzuela D.; MEE 2005 p.
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales Objetivos Entender los conceptos de estimación puntual y estimación por intervalos. Calcular e interpretar intervalos de confianza
Más detallesMuestreo probabilístico. Estimadores
Capítulo 1 Muestreo probabilístico. Estimadores Como hemos definido anteriormente, el muestreo es el proceso que nos permite la extracción de una muestra a partir de una población. Dentro de este muestreo
Más detallesANEXO: ESTRUCTURA DE LA GUÍA DOCENTE
ANEXO: ESTRUCTURA DE LA GUÍA DOCENTE 1. TÉCNICAS DE INVESTIGACIÓN SOCIAL 1.1. Datos de la asignatura Tipo de estudios Titulación Nombre de la asignatura Carácter de la asignatura Licenciatura Investigación
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesPATRONES DE DISTRIBUCIÓN ESPACIAL
PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de
Más detallesPoblación finita. reemplazo sobre poblaciones de tamaño finito N.
Población finita 171 El TCL y las varianzas muestrales de medias y proporciones se basan en la premisa de muestras seleccionadas con reemplazo o de una población infinita. Sin embargo, en muchos estudios
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesPercepción y aceptación social de las drogas en la Ciudad Autónoma de Buenos Aires
Informe de investigación Percepción y aceptación social de las drogas en la Ciudad Autónoma de Buenos Aires Instituto de Ciencias Sociales (INSOD) Universidad Argentina de la Empresa 1. Resumen del informe
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE I POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
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 detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detallesMUNICIPALES TALCA Facultad de Ciencias Empresariales
MUNICIPALES TALCA 2012 Facultad de Ciencias Empresariales METODOLOGÍA TIPO DE ESTUDIO: Cuantitativo RECOLECCIÓN DE DATOS: UNIVERSO CONSIDERADO: DISEÑO MUESTRAL: TAMAÑO MUESTRAL: Entrevista presencial en
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesEjercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL
Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesESTADÍSTICA APLICADA. Octubre 2011
ESTADÍSTICA APLICADA Octubre 2011 COMUNICACIÓN SOCIAL Código: 4A123 Teoría: 2 H/S Práctica: 2 H/S Créditos: 6 Año II RELACIÓN CON OTRAS MATERIAS: Lógica y Pensamiento Crítico (I), Metodología de la Investigación
Más detallesTema. Introducción Pearson Prentice Hall. All rights reserved
Tema 1 Introducción 2010 Pearson Prentice Hall. All rights reserved Estadística descriptiva La estadística descriptiva estudia datos con el único fin de describir el grupo observado, sin inferir los hallazgos
Más detallesElectoral - Bogotá Última Encuesta [ ]
Electoral - Bogotá Última Encuesta [22-10-15] Octubre 22 de 2015 Este estudio fue realizado bajo un Sistema de Gestión de Calidad certificado en las normas ISO 20252:2012/ ISO 9001:2008 Última Encuesta
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Más detallesproporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro
Sesión 12 Intervalo de confianza para proporciones y para la razón de varianzas. IC para a una proporción poblacional o a Qué proporción de adolescentes presenta problemas de delincuencia en una comunidad
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
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 detallesUNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE CIENCIAS FORESTALES
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE CIENCIAS FORESTALES CARRERAS: Ing. en Industrias forestales. PLAN DE ESTUDIOS: 1996 ASIGNATURA: FUNDAMENTOS DE ESTADISTICA AÑO : 2015 UBICACIÓN:
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detalles= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =
El peso en kg de los estudiantes universitarios de una gran ciudad se supone aproximado por una distribución normal con media 60kg y desviación típica 8kg. Se toman 100 muestras aleatorias simples de 64
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesPanorama Electoral: Partidos políticos
PROYECTO: Panorama Electoral: Partidos políticos Encuesta Nacional Buendía & Laredo El Universal / Noviembre Opinión de partidos Cuál es su opinión del? Muy buena, buena, mala o muy mala? Partidos políticos
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesMuestreo. Tipos de muestreo. Álvaro José Flórez. Febrero - Junio Facultad de Ingenierías. 1 Escuela de Ingeniería Industrial y Estadística
Muestreo Tipos de muestreo Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Todos los métodos probabilísticos de muestreo están
Más detallesTEOREMA DEL LÍMITE CENTRAL
Material de clase n 2 Domingo 13 Junio TEOREMA DEL LÍMITE CENTRAL A medida que n se vuelve más grande, la distribución de las medias muestrales se aproxima a una distribución normal con una media x = µ
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesLa distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Más detallesEconometria de Datos en Paneles
Universidad de San Andres Agosto de 2011 Porque paneles? Ejemplo (Cronwell y Trumbull): Determinantes del crimen y = g(i), y = crimen, I = variables de justicia criminal. Corte transversal: (y i, I i )
Más detallesNada en esta maravillosa vida es 100% seguro. En todo lo que hacemos, siempre estamos estimando los chances de resultados exitosos: en los negocios,
Nada en esta maravillosa vida es 1% seguro. En todo lo que hacemos, siempre estamos estimando los chances de resultados exitosos: en los negocios, en la medicina, en el clima y principalmente en los juegos
Más detallesIntervalos de confianza
Capítulo 5 Intervalos de confianza Como su nombre indica, el objetivo de un estadístico puntual para un parámetro desconocido de una población, es acercarnos al verdadero valor del mismo dando un valor
Más detallesCAPÍTULO I. INTRODUCCIÓN. Cuando se requiere obtener información de una población, y se desean obtener los mejores
CAPÍTULO I. INTRODUCCIÓN I.1 Breve Descripción Cuando se requiere obtener información de una población, y se desean obtener los mejores y más completos resultados, el censo es una opción para dar una respuesta
Más detallesIntervalos 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 detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesFicha técnica. 13. Tamaño de la muestra 2109 Encuestas telefónicas. 14. Técnica de recolección Encuesta telefónica en hogares.
Inf: 11262 1. mbre del proyecto de investigación OPINÓMETRO COLOMBIA. 2. Firma Encuestadora DATEXCO COMPANY S.A - OPINÓMETRO. 3. Fechas de recolección 24 al 26 de septiembre de 2016 4. Persona natural
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Analizar y resolver problemas de naturaleza aleatoria en la ingeniería, aplicando conceptos
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesCurso: Inferencia Estadística (ICO 8306) Profesores: Esteban Calvo Ayudantes: José T. Medina DISEÑO DE MUESTREO Y APLICACIONES
DISEÑO DE MUESTREO Y APLICACIONES MUESTREO ALEATORIO (10 MINUTOS) Como vimos en la primera clase, la estadística que estamos aprendiendo en este curso se basa en hacer inferencias de una muestra para sacar
Más detallesDepartamento de Métodos Cuantitativos para la Economía y la Empresa
Departamento de Métodos Cuantitativos para la Economía y la Empresa Técnicas para el Análisis de Mercado NOMBRE: DNI: GRUPO: 1 (3 puntos) La empresa de productos de informática Watermellon quiere analizar
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesMedidas descriptivas I. Medidas de tendencia central A. La moda
Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto
Más detalles6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE
6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE HIPÓTESIS. 6.1 INFERENCIA ESTADISTICA La estadística está dividida en descriptiva e inferencial donde La estadística Descriptiva se relaciona principalmente
Más detallesMuestreo y Distribuciones muestrales. 51 SOLUCIONES
Muestreo y Distribuciones muestrales. 51 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería Soluciones de la hoja de problemas 5. Muestreo
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesLas medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.
CONTENIDO: MEDIDAS DE DISPERSIÓN INDICADOR DE LOGRO: Determinarás y aplicarás, con perseverancia las medidas de dispersión para datos no agrupados y agrupados Guía de trabajo: Las medidas de dispersión
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesMuestreo e inferencia
Images created with STATA software. 1 Muestreo e inferencia Calidad de los datos y las mediciones Razones para hablar de muestreo Formación académica de la población Comprender los datos que se van a utilizar
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detalles