Bioestadística Bioestadística
|
|
- Alba Carrasco Sosa
- hace 6 años
- Vistas:
Transcripción
1 Bioestadística
2 Probabilidad Experimento: Desde el punto de vista de probabilidades será "cualquier acto que pueda repetirse en igualdad de condiciones, que arroje resultados medibles". Ej. Arrojar un dado o una moneda. Espacio Muestral: Es el conjunto de todos los resultados posibles de un experimento. Se denomina con S ( ), en los ejemplos S={1,,3,4,5,6}.o S={cara, seca}
3 Probabilidad Evento o Suceso: Es un subconjunto de resultados de un experimento, puede estar formado por uno o más elementos del espacio muestral (puntos muestrales). Se denotaran con letras mayúsculas, de manera similar a la teoría de conjuntos. En el ejemplo del dado: A={sale par}={,4,6}. Sucesos mutuamente excluyentes Son aquellos en que la presencia de uno impide la del otro, es decir no pueden ocurrir simultáneamente. Ejemplo: A={sale par}, B={sale impar}. En terminos de conjuntos: A B
4 Probabilidad Definición clásica de Probabilidades (Def. a priori): Si un experimento aleatorio puede producir n resultados mutuamente excluyentes, siendo todos igualmente probables y si f de estos resultados se consideran favorables, la probabilidad de que aparezca un resultado favorable es el número de casos favorables dividido el número de casos posibles. P( A) f n nº de casos favorables nº de casos posibles
5 Probabilidad Teoría del límite de la frecuencia relativa (Def. posteriori): "Si un experimento aleatorio se realiza n veces con f éxitos, luego la frecuencia relativa, cuando n aumenta, tiende al valor de la probabilidad". Entonces la probabilidad de éxito será: P( A) = Lim f n = p n A
6 Probabilidad Teoría Axiomática de la Probabilidad (Kolmogorov, 1937): "Esta definición enuncia 3 axiomas que debe cumplir una función de probabilidad. Sea A un suceso en un espacio muestral se cumple: 1) P(A) 0 ) P( S ) = 1 Siempre que sean excluyentes. para todosuceso A 3) P(A 1 A... A k)= P(A 1)+ P(A )+...+ P(A k)
7 Probabilidad Consecuencias de la Teoría Axiomática: 1 era Ley Los valores que puede tomar la probabilidad están entre 0 y 1. 0 P( ) 1
8 Probabilidad Consecuencias de la Teoría Axiomática: da Ley (ley de la suma) Si dos eventos A y B son mutuamente excluyentes la probabilidad de obtener el suceso A o B es igual a la suma de la probabilidad de A más la probabilidad de B P ( A o B ) = P ( A) + P ( B ) si A y B no son mutuamente excluyentes P ( A o B ) = P ( A) + P ( B ) - P( A B )
9 Probabilidad Consecuencias de la Teoría Axiomática: 3 era Ley (ley de la multiplicación) Dos sucesos A y B pertenecientes a S son "estadísticamente independientes" si: P (A y B) = P (A B) = P (A) Si A y B no son "estadísticamente independientes" P (B). P (A y B) = P (A B) = P (A) P ( B )= P (B) P( A A ) B
10 Variable Aleatoria Es una función que asigna un valor a cada elemento del espacio muestral Al arrojar un dado, se puede definir una variable aleatoria X como: X = resultados posibles al arrojar un dado. Los valores posibles para X son: x 1 =1; x =; x 3 =3; x 4 =4; x 5 =5; x 6 =6. Variable aleatoria X: longitud de las patas de cierto tipo de abejas, los valores de la v.a.: x 1 =35,6 ; x =38,5 ;...; x i =40 ;...; x n =38,, etc.
11 Variable Aleatoria Variables Aleatorias Continuas: Funciones de probabilidad: función densidad de probabilidad: f(x) Variables Aleatorias Discretas: Funciones de probabilidad: función distribución de probabilidad: p(x) En ambos casos la función acumulada se designa con F(x)=P(X x)
12 Variable aleatoria: Cantidad de machos producto de una gestación de 3 cachorros MMM MHH HMH HHM MMH MHM HMM HHH 3 1 0
13 0.4 fdp Núm.de hembras
14 Funciones de Probabilidad (fdp) Función a partir de la cual se obtienen las probabilidades para los posibles valores de la variable 1) p(xi) o f(x i) 0 ) n p(x ) 1 o i 1 i f (x) dx 1 3) F (x i )= P (X x i )= i j1 p (x j ) o = x i f (x)dx
15 Ejemplo: Experimento de arrojar simultáneamente dos dados. Espacio muestral:s = {(1,1), (1,), (1,3),..., (6,6)} con 36 puntos muestrales. X v.a. suma de los dados. x Sucesos P(x) P(x) F(x) {(1,1)} 1/36 =0.08 1/36 3 {(1,), (,1)} /36 = /36 4 {(1,3), (,), (3,1)} 3/36 = /36 5 {(1,4), (,3), (3,), (4,1)} 4/36 = /36 6 {(1,5), (,4), (3,3), (4,), (5,1)} 5/36 = /36 7 {(1,6), (,5), (3,4), (4,3), (5,), (6,1)} 6/36 = /36 8 {(,6), (3,5), (4,4), (5,3), (6,)} 5/36 = /36 9 {(3,6), (4,5), (5,4), (6,3)} 4/36 = /36 10 {(4,6), (5,5), (6,4)} 3/36 = /36 11 {(5,6), (6,5)} /36 = /36 1 {(6,6)} 1/36 = /36
16 0.0 fdp X
17 1.00 F(x) X
18 Ejemplo: Experimento de arrojar simultáneamente 3 dados. Espacio muestral:s = {(1,1,1),..., (6,6,6)} con 16 puntos muestrales. X v.a. suma de las 3 caras superiores. X frec. P(x) F(x)
19 fdp X
20 F(x) X
21 fdp X
22 PARÁMETROS Esperanza Matemática Sea X una variable aleatoria discreta con función de probabilidad p(x). La esperanza matemática de X es: Varianza Matemática V(x) E (X)= n 1 i= E(x x i p(xi ) ) E(x) Donde E(X )= Asimetría Curtosis x i i p(x i )
23 Variables discretas Distribución de probabilidades Binomial Poisson Variables continuas Distribución de frecuencias Normal (Gauss) Student (Gosset) Chi (Pearson) F de Snedecor
24 Modelos Probabilísticos Distribución Binomial P( X k) n p k k (1 p) nk n! k!( n k)! p k q nk, 0 k n E(X)=np, Var(X)=npq Características solo dos resultados posibles: éxito y fracaso p y q contantes en cada prueba. que el experimento pueda repetirse (n pruebas ) independencia de los experimentos
25 Ejemplo Se sabe que una perra Ovejero Alemán tendrá 6 cachorros en una misma gestación: Calcular la probabilidad de que solo sean macho.. n=6, X= (cantidad de machos) p=0.5 (probabilidad de macho) q=0.5 P 6!!( ( x ) )! P( x )
26 Modelos Probabilísticos Distribución de Poisson f ( X k, ) k e k! 0 si en X 0, 1,,... otro caso Características E(x)= y Var(x)= la variable aleatoria es conteo en una unidad de tiempo o espacio la probabilidad de ocurrencia es baja el número de experiencias es alto
27 Ejemplo En una experiencia realizada en una plantación de girasol sometida a polinización un investigador estimó que el promedio de visitas fue de 15 abejas por hora y por capítulo, utilizando,5 colmenas por ha. Calcular la probabilidad de que una planta reciba 40 abejas en 3 horas Si en una hora una planta recibe 15 visitas en 3 horas recibe en promedio 45 visitas, entonces: P( x k) k e k! P( x 40) e 40!
28 Distribuciones continuas Distribución Normal ( z ) Distribución t de Student. Distribución de Pearson Distribución F de Snedecor
29 PARÁMETROS Esperanza Matemática Sea X una variable aleatoria discreta con función de probabilidad p(x). La esperanza matemática de X es: E (X)= Varianza Matemática V ( x)
30 Distribución normal Distribución Normal o de Gauss ( z ) f ( x) 1 e 1 x Donde y son los parámetros de la distribución << y >0
31 Distribución normal N(0,1) N(0,1) N(0,4)
32 Distribución normal Si X se distribuye normal
33 Distribución normal P(X x 0 ) P(X x 0 ) x 0
34 Distribución normal P(X x 0 ) P(X x 0 ) x 0
35 Distribución normal Si X~N(, ) z x, luego Z~N(0,1), N(0,1) N(0,4)
36 Ejemplo: Distribución normal Se sabe que la longitud del cuerpo de las abejas reinas de un determinado apiario sigue una distribución aproximadamente normal con una media de cm. y una desviación estándar de 0.046cm, Cual es la probabilidad de que una abeja reina elegida al azar mida más de.1cm? Sea X la variable aleatoria longitud de las abejas reinas en esa población, X~(; ), luego, P( X. 1) P( X. 1 ) P( Z. 17 )
37 Distribución Si X 1, X, X n son distribuciones normales independientes cada una con su media y variancia: Luego U n X i ~N( i, i) n X i i Z i1 i1 i i Tiene distribución con n grados de libertad
38 Distribución P(X n<x p,n)=p X (p,n)
39 Distribución t de Student Si luego X~N(, ) y U (gl) con gl=n-1 t X U n Tiene distribución t con n-1 grados de libertad
40 Distribución t de Student P(t< t o )= 1- t o
41 Distribución F de Snedecor Si luego V (n 1-1) y U (n -1) independientes F V n 1 U n 1 Tiene distribución F con n 1-1 y n -1 gl. 1
42 Distribución F de Snedecor P(F<Fo n1,n )=p Fo (n1,n)
43 Estadística analítica o inferencial
44 Estadística analítica o inferencial Inferencia obtener conclusiones validas para una población a partir de la información que nos brinda una porción pequeña de ella (muestra).
45 Estadística analítica o inferencial Estimación Puntual Intervalos de confianza Test de Hipótesis
46 Estadística analítica o inferencial Tipos de estudios Experimentales: Se asigna aleatoriamente el tratamiento Observacionales: La unidad experimental o unidad observacional ya tiene el tratamiento asignado.
47 Estimación Puntual Promedio Parámetro Estimador
48 Estimación Puntual Parámetro Estimador Promedio x
49 Estimación Puntual Parámetro Promedio Variancia Estimador x
50 Estimación Puntual Promedio Parámetro Estimador Variancia S x
51 Estimación Puntual Promedio Parámetro Estimador Variancia S Proporción x
52 Estimación Puntual Promedio Parámetro Estimador Variancia S Proporción p x
53 Estimación Puntual Promedio Parámetro Estimador Variancia S Proporción p Correlación x
54 Estimación Puntual Promedio Parámetro Estimador Variancia S Proporción p Correlación r x
55 Estimación Puntual Promedio Parámetro Estimador Variancia S Proporción p Correlación r Regresión: ordenada al origen x pendiente
56 Estimación Puntual Promedio Parámetro Estimador Variancia S Proporción p Correlación r Regresión: ordenada al origen a pendiente b x
57 Estimación por Intervalos P( Li Ls) 1 Cada intervalo particular dependerá del parámetro y de la distribución estadística asociada (Normal, t, Chi ). Nivel de confianza
58 Estimación por interv. de confianza Para el promedio, con varianza conocida: Para el promedio con varianza desconocida: 1.. 1, 1, n S t x n S t x P gl gl n ˆ. Z x n ˆ. Z x P
59 Estimación por interv. de confianza Para la diferencia de medias, con varianzas conocidas n n Z x x n n Z x x P ; ; n S n S t x x n S n S t x x P n n n n Para la diferencia de medias, con varianzas desconocidas
60 Estimación por interv. de confianza Para la varianza con distribución normal: gl x S n gl x S n P
61 Estimación por interv. de confianza Para la proporción (o prevalencia): P p Z. p( 1 n p ) P p Z p( 1 p ) n.
62 Ejemplos Para estimar el contenido vitamínico de un alimento se tomó una muestra de tamaño 30 y se determinó que 35 g y S =7. a) Construir un intervalo de confianza del 95% para. P x t S. x t. 1 gl, gl, 1 1 n n S
63 b) Construir los un intervalo de confianza del 95%. para. P X n 1.S n 1 ( gl, 1 X.S ) ( gl, )
64 Estadística
65 Estadística analítica o inferencial Estimación Puntual Intervalos de confianza Test de Hipótesis
66 Estadística analítica o inferencial Tipos de estudios Experimentales: Se asigna aleatoriamente el tratamiento Observacionales: La unidad experimental o unidad observacional ya tiene el tratamiento asignado. Retrospectivos: Casos y controles Prospectivos: Cohorte Transversal:
67 Ensayos comparativos Cuál es mi objetivo? Qué es lo que quiero saber? Por qué quiero saberlo?
68 Ensayos comparativos Identificar los factores que influyen Cuales son variables Cuales hay que mantener constantes Identificar las características a medir Procedimiento de medición de la ó las características Determinar el número de repeticiones Precisar los recursos y materiales
69 Experimento es una investigación que establece un particular conjunto de circunstancias bajo un protocolo especifico con motivo de observar y evaluar los resultados.
70 Experimento comparativo: Es el experimento típico en el campo de la biología, medicina veterinaria, agricultura. El objetivo comparativo implica establecer más de una circunstancia y las respuestas observadas resultan de las diferentes circunstancias y pueden ser comparados unos con otros. La unidad básica de estudio se denomina unidad experimental.
71 Estudio observacional comparativo: Cuando la experiencia no puede llevarse a cabo por razones éticas o prácticas. La unidad básica de estudio tiene el mismo rol que la unidad experimental y se la denomina unidad observacional.
72 Tratamiento: es el conjunto de circunstancias creadas por el experimentador en respuesta a la hipótesis a investigar y ellos son el foco de la investigación. Tratamiento control o testigo Tratamiento placebo
73 Test de Hipótesis Plantear las hipótesis (nula y alternativa) Elección del estadístico Determinar el nivel de confianza: (1-)100 Determinar la zona de rechazo Cálculo del estadístico Conclusión
74 Hipótesis Bilateral Unilateral derecha Unilateral izquierda H 0 : 0 H 0 : 0 H 0 : 0 H 1 : 0 H 1 : > 0 H 1 : 0
75 Tipos de errores Acepto H 0 Rechazo H 0 H 0 verdadera No hay error Error de Tipo I () H 0 Falsa Error de Tipo II () No hay error
76 Test de Hipótesis Una población Test t y z Dos poblaciones Test t Chi (nominales) Más de dos poblaciones ANOVA (DCA) Datos pareados Test t ANOVA (DBCA)
77 Ejemplo Un vendedor de semen asegura que un toro produce terneros con un peso al nacimiento menor a 4 Kg. Para probarlo se inseminaron las vaquillonas de un establecimiento y se registró el peso de los terneros al nacimiento. De un total de 100 terneros se obtuvo un peso promedio de 41.3 Kg. Sabiendo que la variancia de la población es de 9 Kg, es cierto lo que afirma el vendedor, con un 95 % de confianza?
78 Test de hipótesis 1) Planteo de la hipótesis: H0: 4 H1: < 4 ) Estadístico: Test de z x z Ho 0 n 0
79 Test de hipótesis 3) Nivel de confianza: (1-) % ) Regla de decisión: z Ho z
80 Test de hipótesis 5) Cálculo: z H (P= ) 6) Conclusión: La evidencia estadística permite rechazar la hipótesis nula. Por lo tanto el toro al cual hace referencia el vendedor, produce terneros con un peso al nacimiento significativamente menor a 4 Kg.
81 Test de hipótesis Test t para comparar una media desconociendo x t 0 H 0 S n
82 Test de hipótesis Test t para comparar dos medias desconociendo las variancias t Ho x x 1 S 1 n 1 S 1 n
83 Test de hipótesis Test t para datos apareados t H 0 d S D D n
84 Test de hipótesis Test F para comparar variancias F H 0 Mayor Menor
Estadística LTA - Principios de estadística 2017
Estadística Probabilidad Experimento: Desde el punto de vista de probabilidades será "cualquier acto que pueda repetirse en igualdad de condiciones". Ej. Arrojar una vez un dado. Espacio Muestral: Es el
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
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 detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesCUESTIONES TEÓRICAS ESTADÍSTICA
Gestión Aeronáutica: Estadística Teórica Facultad Ciencias Económicas y Empresariales Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández CUESTIONES TEÓRICAS ESTADÍSTICA Gestión
Más detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detallesExperimento Aleatorio o ensayo
Clase 5 1 Experimento Aleatorio o ensayo Es un proceso o acción cuyo resultado es incierto, es decir no es predecible. Es factible de ser repetido infinitas veces, sin modificar las condiciones. Repetición
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 detallesC L A S E N 5 I N S E M E S T R E O T O Ñ O,
Unidad 1 a. Probabilidades y Estadística 1 C L A S E N 5 I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 2 Características de las v.a 2 Parámetros v.a. La función de densidad o la distribución de probabilidad
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesDISTRIBUCIÓN DE PROBABILIDAD JUAN JOSÉ HERNÁNDEZ OCAÑA
DISTRIBUCIÓN DE PROBABILIDAD VARIABLES DISCRETAS Variable aleatoria UNA VARIABLE ALEATORIA ES AQUELLA DONDE LOS RESULTADOS SE PRESENTAN AL AZAR VARIABLE ALEATORIA DISCRETA Es aquella característica que
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 detallesPage 1 of 5 Departamento: Dpto Matematica Nombre del curso: PROBABILIDAD Y ESTADÍSTICA Clave: 003872 Academia a la que pertenece: Probabilidad y Estadística Requisitos: Requisito de Probabilidad y Estad
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesDCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.
completamente aleatorizado (DCA): 1 solo factor con diferentes tratamientos. DCA: Es el más simple de todos los diseños, solamente se estudia el efecto de un factor, el cual se varía en diferentes tratamientos
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
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 detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
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 detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesContraste de Hipótesis
Contraste de Hipótesis Introducción Ejemplo El peso de plantines de un arbusto forrajero, almacenado a temperatura y humedad relativa ambientes, obtenido a los 20 días desde la germinación es en promedio
Más detallesEstadística para las Ciencias Agropecuarias
Estadística para las Ciencias Agropecuarias Séptima Edición Di Rienzo, Julio Alejandro Casanoves, Fernando Gonzalez, Laura Alicia Tablada, Elena Margot Díaz, María del Pilar Robledo, Carlos Walter Balzarini,
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesProbabilidad, Variable Aleatoria Pag 1 de 26 PROBABILIDAD
Probabilidad, Variable Aleatoria Pag 1 de 6 PROBABILIDAD Actualmente la teoría de probabilidades desempeña un papel importante en el campo de los negocios, la investigación, específicamente en la toma
Más detallesVariables Aleatorias y Principios de Simulación.
Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS
Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15
Más detallesEstadística. Para el caso de dos variables aleatorias X e Y, se puede mostrar que. Pero y son desconocidos. Entonces. covarianza muestral
Para el caso de dos variables aleatorias X e Y, se puede mostrar que Pero y son desconocidos. Entonces donde covarianza muestral Estimación de intervalos de confianza Cuál es el intervalo (de confianza)
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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje
Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
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 detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesTeórica básica. Incluimos. - Temas
Teórica básica Incluimos - Temas 1 - Tema 1: Fenómenos aleatorios. Conceptos de probabilidad. Propiedades. Independencia de sucesos. Teorema de Bayes. - Tema 2: Variables aleatorias. Variables discretas.
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesAxiomática de la Teoría de Probabilidades
Axiomática de la Teoría de Probabilidades Modelos matemáticos Según el experimento Cada ejecución del experimento se denomina prueba o ensayo Determinísticos Aleatorios Conjunto de resultados posibles
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
Más detallesUnidad Temática 1: Unidad 3 Distribución de Probabilidad Tema 9
Unidad Temática 1: Unidad 3 Distribución de Probabilidad Tema 9 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
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 detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesHipótesis. (x), donde es el parámetro poblacional desconocido. Problemas Inferenciales sobre
Tema 7: Introducción a los Contrastes de Hipótesis Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f (x), donde es el parámetro poblacional desconocido Problemas Inferenciales
Más detallesINGENIERO AGRÓNOMO EN PRODUCCIÓN TEMA: ESTIMACION Y PRUEBA DE HIPÓTESIS
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO AGRÓNOMO EN PRODUCCIÓN TEMA: ESTIMACION Y PRUEBA DE HIPÓTESIS ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: ENERO DE
Más detallesBioestadística: Inferencia Estadística. Análisis de Una Muestra
Bioestadística: Inferencia Estadística. Análisis de Una Muestra M. González Departamento de Matemáticas. Universidad de Extremadura Estimación Puntual e Intervalos de Confianza Planteamiento del Problema
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
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 detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
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 detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más 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 detallesPruebas de Hipótesis
Pruebas de Hipótesis Una prueba de hipótesis es una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis estadística
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
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 detallesUniversidad Tecnológica Nacional Facultad Regional San Francisco. Licenciatura en Administración Rural. Estadística
Universidad Tecnológica Nacional Facultad Regional San Francisco Licenciatura en Administración Rural Estadística PLANIFICACIÓN CICLO LECTIVO 2008 ÍNDICE ÍNDICE... 2 PROFESIONAL DOCENTE A CARGO... 3 UBICACIÓN...
Más detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 6. Contraste de hipótesis
Estadís5ca Tema 6. Contraste de hipótesis María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica
Más detallesUNIVERSIDAD DE LA REPÚBLICA FACULTAD DE VETERINARIA. Carga horaria por estudiante: Teóricos: 32 hs. Prácticos: 64 hs.
UNIVERSIDAD DE LA REPÚBLICA FACULTAD DE VETERINARIA Nombre del curso: BIOESTADÍSTICA 1 Instituto: BIOCIENCIAS VETERINARIAS Departamento: BIOESTADÍSTICA E INFORMÁTICA Aérea temática: BIOESTADÍSTICA Área
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 4 Distribución de Probabilidades Distribución de Probabilidades Distribución de Probabilidades Variables Aleatorias: Discreta y Continua Función Densidad
Más detallesResumen teórico de los principales conceptos estadísticos
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Muestreo aleatorio simple Resumen teórico Resumen teórico de los principales conceptos estadísticos Muestreo aleatorio
Más detallesAsignatura: ESTADISTICA I (1024) Programa aprobado por Resolución UNM-R Nº 285/11
Asignatura: ESTADISTICA I (1024) Programa aprobado por Resolución UNM-R Nº 285/11 Carrera: LICENCIATURA EN RELACIONES DEL TRABAJO (Plan de estudios aprobado por Resolución UNM-R Nº 21/10) 1 Carrera: LICENCIATURA
Más detallesLECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detallesModelos de Pérdidas Agregadas No Vida
Modelos de Pérdidas Agregadas No Vida XXVI Congreso Nacional de Actuarios Act. Patricio Belaunzarán Modelo de pérdidas agregadas El modelo de pérdidas agregadas tiene como objetivo obtener una función
Más detallesTeorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :
Teorema de Bayes(5) 75 Gráficamente, tenemos un suceso A en un espacio muestral particionado. Conocemos las probabilidades a priori o probabilidades de las partes sabiendo que ocurrió A: Teorema de Bayes(6)
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesCONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN
CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Antonio Morillas A. Morillas: C. no paramétricos (II) 1 1. Contrastes de aleatoriedad. Contraste de rachas. 2. Contrastes de localización 2.1 Contraste
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesUnidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis
Unidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis PÁGINA 353 SOLUCIONES 1. El peso de azúcar por confitura se distribuye según la normal N (465;30). Veamos el porcentaje
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesRequisitos Matemáticos. Clase 01. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Universidad Austral de Chile Escuela de Ingeniería Comercial ICPM050, Econometría Clase 01 Requisitos Matemáticos Profesor: Carlos R. Pitta Econometría, Prof. Carlos R. Pitta, Universidad Austral de Chile.
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesCONCEPTO Y DEFINICIÓN PROPIEDADES PROBABILIDAD CONDICIONADA INDEPENDENCIA DE SUCESOS DAGOBERTO SALGADO HORTA
PROBABILIDAD CONCEPTO Y DEFINICIÓN PROPIEDADES PROBABILIDAD CONDICIONADA INDEPENDENCIA DE SUCESOS DAGOBERTO SALGADO HORTA PROBABILIDAD: CONCEPTOS CONCEPTOS Experiencia aleatoria: aquella experiencia afectada
Más detallesEspecialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA
Especialización en Métodos Estadísticos (EME) CURSO PROPEDÉUTICO ESTADÍSTICA BÁSICA Enrique Rosales Ronzón, Patricia Díaz Gaspar, mayo 2015 Estadística??? Ciencia, Técnica, Arte Reunir, Organizar, presentar,
Más detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
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 detallesENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES
ENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES Índice 1. Experimento y medición...1 2. Frecuencia y probabilidad...3 3. Características teóricas de las variables aleatorias...25 4.
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detalles