EJERCICIOS DEL CAPITULO 4
|
|
- Consuelo Santos Villalobos
- hace 6 años
- Vistas:
Transcripción
1 EJERCICIO 3: EJERCICIOS DEL CAPITULO 4 En un problema similar al del ejercicio es necesario garantizar que la resistencia minima que tienen un envase de plástico en posición vertical sea de 20kg. Para evaluar esto se obtuvieron los siguientes datos mediante pruebas destructivas: a) Análisis exploratorio (histograma y las estadísticas descriptivas, diagrama de caja) b) Estime un intervalo de confianza para la media al 95% c) Un estudio suponía que la µ=25. Dada la evidencia de los datos, tal supuesto es correcto d) Estime un intervalo de confianza para la desviación estándar al 95% SOLUCION X: RESISTENCIA ENVASE PLASTICO (KG) Del análisis exploratorio podemos concluir lo siguiente: Los datos se encuentran muy por encima de la especificación inferior (20Kg) se cumple con la calidad exigida Media y mediana están alrededor de 27 kg, además su desviación es,43kg Coef Var= 5,25% Los límites reales se encuentra el 97,3% entre 22,93 y 3,5Kg El diagrama de caja nos señala cierta simetría de la información y que se encuentra los bigotes alejados de la especificación inferior. Estadísticas descriptivas: resistencia(kg) Conteo Variable total Media Desv.Est. CoefVar Mínimo Q Mediana resistencia(kg) 55 27,220,430 5,25 23,700 26,200 27,300 N para Variable Q3 Máximo Rango IQR Modo moda resistencia(kg) 28,300 30,400 6,700 2,00 26,5. 27,6. 27,7. 28, 3
2 Frecuencia resistencia(kg) Escuela Profesional de Ingeniería Industrial Variable Sesgo Kurtosis resistencia(kg) -0,2-0,32 Gráfica de caja de resistencia(kg) , Histograma de resistencia(kg) Normal Especificación Inferior 20 22,93 3,5 4 2 Lim. Real Inferior 4 Lim. Real Superior Media 27,22 Desv.Est.,430 N ,8 22,4 24,0 25,6 27,2 resistencia(kg) 28,8 30,4
3 Porcentaje Escuela Profesional de Ingeniería Industrial Ho: µ=25 kg Ha: µ 25 kg Como no se conoce la desviación estándar poblacional y el parámetro a probar es la Media Poblacional µ entonces se escoge la distribución T b y c) T de una muestra: resistencia(kg) Prueba de mu = 25 vs. no = 25 Media del Error Variable N Media Desv.Est. estándar IC de 95% T resistencia(kg) 55 27,220,430 0,93 (26, ,607),52 Variable P resistencia(kg) 0,000 Valor p < Alfa (0,05) entonces se rechaza ho la media es diferente de 25 El intervalo de confianza: Con una confianza del 95% se puede afirmar que la media verdadera de la resistencia de los envases se encuentra entre 26,833 y 27,607 Kg d) Determinar el intervalo de confianza para la desviación estándar para lo cual primero hay que saber si los datos siguen distribución normal o no Gráfica de probabilidad de resistencia(kg) HO: los datos siguen una distrb, normal Ha: los datos no siguen una distrb, normal Se acepta Ho Los datos son normales Media 27,22 Desv.Est.,430 N 55 KS 0,059 Valor P >0,50 ALFA=0.05 valorp > alfa resistencia(kg)
4 Los datos son normales Prueba e IC para una desviación estándar: resistencia(kg) Método El método estándar se utiliza sólo para la distribución normal. El método ajustado se utiliza para cualquier distribución continua. Estadísticas Variable N Desv.Est. Varianza resistencia(kg) 55,43 2,04 Intervalos de confianza de 95% IC para IC para Variable Método Desv.Est. varianza resistencia(kg) Estándar (,20.,76) (,45. 3,0) Ajustado (,22.,73) (,49. 2,99) El intervalo de confianza: Con una confianza del 95% se puede afirmar que la desviación estándar verdadera de la resistencia de los envases se encuentra entre,20 y,76 Kg EJERCICIO 6:
5 En la fabricación de discos compactos una variable de interés es la densidad mínima (grosor) de la capa de metal, la cual no debe ser menor de.5 micras. Por experiencia se sabe que la densidad minima del metal casi siempre ocurre en los radios 24 y 57, aunque en el método actual también se miden los radios 32,40 y 48. Se realizan siete lecturas en cada radio, lo cuál da un total de 35 lecturas, de las cuales solo se usa la mínima. A continuación se presente una muestra histórica de 8 densidades mínimas. TABLA DE DENSIDADES a) Argumente en términos estadísticos si las densidades mínimas individuales cumplen con la especificación de.5 micras. Sugerencia aplique la regla empírica. b) Encuentre un intervalo de confianza de 99% para la media de la densidad mínima. c) Proporcione un intervalo de confianza de 99% para la desviación estándar. d) Dibuje el diagrama de cajas para los datos e interprete los resultados. Solución: X: densidad mínima (grosor) micras Variable Aleatoria Continua (MEDICION) Especificación Inferior: Ei=,5 micras Regla Empírica: µ ± 3 σ ( Es lo mismo que los limites reales) El proceso es capaz ya que los datos se encuentran muy por encima de la especificación inferior tanto así aplicando 6 sigma se obtiene un limite µ±6σ de.5522 es decir que de millón de CD existen 0 que no cumple esa calidad. Como se puede apreciar en el siguiente gráfico:
6 Frecuencia Escuela Profesional de Ingeniería Industrial Especificación Inferior Histograma de Densidad Normal Lim. Real Inferior 5 7 Lim. Real Superior Media.94 Desv.Est N Densidad De acuerdo a los resultados los datos cumple con la especificación mínima dado el 99.7% de los datos es superior.75 micras b) Para hallar el intervalo de confianza de la µ Como la varianza poblacional es desconocida se aplica T Utilizando el Minitab: T de una muestra: Densidad Media del Error Variable N Media Desv.Est. estándar IC de 99% Densidad (.8959,.984) Interpretación: Se puede afirmar con un 99% de confianza que la media verdadera de la densidad mínima se encuentra entre.8959 y.984 micras C) Para hallar el intervalo de confianza de la σ, para lo cual es necesario determinar si los datos siguen o no una distribución NORMAL para lo cual utilizamos la prueba o TEST de NORMALIDAD prueba de KOLMOGOROV como se observa a continuación:
7 Porcentaje Escuela Profesional de Ingeniería Industrial Ho: Los datos son normales Ha: Los datos no siguen distribución normal Valor p > Alfa Media.94 Desv.Est N 8 KS 0.6 Valor P > Acepta Ho Los datos son normales Densidad Se concluye que los datos siguen una DISTRIBUCIÓN NORMAL Hallando el intervalo de confianza para la σ se obtiene Prueba e IC para una desviación estándar: Densidad Método El método estándar se utiliza sólo para la distribución normal. El método ajustado se utiliza para cualquier distribución continua. Estadísticas Variable N Desv.Est. Varianza Densidad Intervalos de confianza de 99% IC para Variable Método Desv.Est. IC para varianza Densidad Estándar (0.0446, 0.6) (0.0099, ) Ajustado (0.044, 0.44) (0.0094, 0.030) Interpretación: Se puede afirmar con un 99% de confianza que la σ verdadera de la densidad mínima se encuentra entre y 0.6 micras
8 Densidad Escuela Profesional de Ingeniería Industrial D) Diagrama de CAJAS o BOXPLOT Se observa que el 50% de los datos es superior o Inferior a.94 micras, los datos se encuentran muy por encima de la Especificación Inferior. 2. Gráfica de caja de Densidad EJERCICIO 23: Bajo condiciones controladas, en un laboratorio se evaluó en 0 hombres y 0 mujeres, la temperatura que cada persona encontró más confortable. Los resultados en grados Fahrenheit fueron los siguientes: MUJER HOMBRE
9 Porcentaje Escuela Profesional de Ingeniería Industrial a) Cuáles son en realidad los tratamientos que se comparan en este estudio? b) Las muestras son dependientes o independientes? c) La temperatura promedio más confortable es igual para hombres que para mujeres? SOLUCIÓN X: Las temperaturas Mujeres ( F) Y: Las temperaturas Hombres ( F) Son poblaciones independientes PRIMER PASO SI SON NORMALES O NO APLICANDO KOLMOGOROV SE CONCLUYE QUE SON NORMALES COMO SE OBSERVA EN LOS SIGUIENTES GRÁFICOS Y VALORES P Gráfica de probabilidad de HOMBRE Normal Media 74.5 Desv.Est..58 N 0 KS 0.29 Valor P > HOMBRE
10 Porcentaje Escuela Profesional de Ingeniería Industrial Gráfica de probabilidad de MUJER Normal Media 77.4 Desv.Est N 0 KS Valor P > MUJER LOS DATOS HOMBRES Y MUJERES SON NORMALES PASO 2 PROBAR SI LAS VARIANZAS SON IGUALES HO: VAR = VAR 2 HA: VAR VAR2 MUJER HOMBRE Prueba de igualdad de varianzas para MUJER, HOMBRE Ho: Varianza = Varianza2 Ha: Varianza diferente Varianza2 Como son Normales Valor p > alfa > 0.05 Acepto Ho Es decir las varianzas son iguales Ademas se intersectan sus intervalos de confianza Intervalos de confianza de Bonferroni de 95% para Desv.Est. Prueba F Estadística de prueba.7 Valor P Prueba de Levene Estadística de prueba 0.03 Valor P MUJER HOMBRE Datos 78 80
11 Prueba de varianzas iguales: MUJER, HOMBRE Intervalos de confianza de Bonferroni de 95% para desviaciones estándares N Inferior Desv.Est. Superior MUJER HOMBRE Prueba F (distribución normal) Estadística de prueba =.7, valor p = Prueba de Levene (cualquier distribución continua) Estadística de prueba = 0.03, valor p = Como son NORMALES se selecciona la PRUEBA F Valor p (0.438 ) > alfa Acepto HO LAS VARIANZAS SON IGUALES Ho: µ X =µ Y Ha: µ X µ Y Realizando la prueba 2T porque son independientes Prueba T e IC de dos muestras: MUJER, HOMBRE T de dos muestras para MUJER vs. HOMBRE Media del Error N Media Desv.Est. estándar MUJER HOMBRE Diferencia = mu (MUJER) - mu (HOMBRE) Estimado de la diferencia: IC de 95% para la diferencia: (.72, 4.628) Prueba T de diferencia = 0 (vs. no =): Valor T = 3.53 Valor P = GL = 8 Ambos utilizan Desv.Est. agrupada =.8394 Conclusión: Valor p < alfa SE RECHAZA HO es decir las medias de las temperaturas de los hombres y las mujeres es diferente.
12 Además se puede afirmar que la media de las mujeres es mayor ya que el intervalo de confianza para la diferencia de las medias es positivo. EJERCICIO 24: Se prueban 0 partes en cada nivel de temperatura y se mide el encogimiento sufrido en unidades de porcentaje multiplicado por 0. Los resultados fueron los siguientes TEMPERATURA BAJA TEMPERATURA ALTA Descriptive Statistics: T. Baja; T. Baja Descriptive Statistics: T. Baja; T. Alta Variable N N* Mean SE Mean StDev Variance CoefVar Minimum Q T. Baja 0 0 7,240 0,266 0,842 0,709 4,89 5,900 6,625 T. Alta ,620 0,65 0,520 0,27 2,52 9,800 20,200 N for Variable Median Q3 Maximum Range IQR Mode Mode Kurtosis T. Baja 7,250 7,800 8,600 2,700,75 * 0-0, 39 T. Alta 20,700 2,025 2,400,600 0,825 * 0-0,8 Two-Sample T-Test and CI Sample N Mean StDev SE Mean 0 7,240 0,842 0, ,620 0,520 0, 6 Difference = mu () - mu (2) Estimate for difference: -3,380 95% CI for difference: (-4,037; -2,723) T-Test of difference = 0 (vs not =): T-Value = -0,80 P-Value = 0,000 DF = 8 Both use Pooled StDev = 0,6998
13 Retrieving project from file: 'C: \DOCUMENTS AND SETTINGS\PCESCRITORIO \ EJERCICIO 24 CAP 4.MPJ' Box Plot Of. T. Baja; T. Alta Boxplot of T. Baja; T. Alta 8.5 T. Baja T. Alta EJERCICIO 25: Una compañía de transporte de carga desea escoger la mejor ruta para llevar la mercancía de un depósito a otro. La mayor preocupación es el tiempo de viaje. En el estudio se seleccionaron al azar 5 chóferes de un grupo de 0 y se asignaron a la ruta A; los cinco restantes se asignaron a la ruta B. Los datos obtenidos fueron: RUTA TIEMPO DE VIAJE A B a) Existen diferencias significativas entre las rutas? Plantee y pruebe las hipótesis estadísticas correspondientes? b) En caso de rechazar la hipótesis del inciso a), dibuje los diagramas de cajas simultáneos para determinar cuál ruta es mejor. Descriptive Statistics: A; B
14 Variable N * Mean SE Mean StDev Minimum Q Median Q3 Maximum A ,00 2,65 5,92 8,00 2,00 30,00 3,50 32,00 B ,00 2,5 5,6 22,00 23,50 29,00 34,50 35,00 Two-Sample T-Test and CI * NOTE * Graphs cannot be made with summarized data. Sample N Mean StDev SE Mean 5 27, 00 2, 65, , 00 2, 5, Difference = mu () - mu (2) Estimate for difference: -2,00 95% CI for difference: (-5,86;,86) T-Test of difference = 0 (vs not =): T-Value = -,23 P-Value = 0,260 DF = 7 EJERCICIO 26: Se tiene dos proveedores de una pieza metálica cuyo diámetro ideal o valor objetivo es igual a cm. Se toman dos muestras de 4 piezas a cada proveedor y los datos obtenidos se muestran a continuación: PROVEEDOR 2 DIAMETROS DE LAS PIEZAS DE CADA PROVEEDOR a) Prueba la hipótesis de igualdad de los diámetros de los proveedores en cuánto a sus medias. b) Prueba la hipótesis de igualdad de varianza. c) Si las especificaciones para el diámetro son mm +/ mm, Cuál proveedor produce menos piezas defectuosas? d) Con cuál proveedor se quedaría usted PROVEEDOR PROVEEDOR 2 VAR S VAR S * * *
15 * * * * * * * * 8.6 Descriptive Statistics: Proveedor ; Proveedor 2 Variable N N* Mean SE Mean StDev Variance CoefVar Minimum Q Proveedor ,94 0,423,583 2,507 7,84 8,000 8,953 Proveedor ,89 0,40 0,525 0,276 2,4 20,820 2,505 N for Variable Median Q3 Maximum IQR Mode Mode Kurtosis Proveedor 9,990 2,903 22,600 2,950 * 0 -,44 Proveedor 2 2,770 22,220 22,70 0,75 2,5; 22,22 2-0,8 Two-Sample T-Test and CI Sample N Mean StDev SE Mean 4 20,9,58 0, ,89 0,525 0,4 Difference = mu () - mu (2) Estimate for difference: -,625 95% CI for difference: (-2,54; -0,709) T-Test of difference = 0 (vs not =): T-Value = -3,65 P-Value = 0,00 DF = 26 Both use Pooled StDev =,793 Test for Equal Variances Test for Equal Variances 95% Test Statistic 9.08 Bonferroni P-Value confidence intervals for standard deviations F-Test Sample Lower StDev Upper N % Bonferroni Confidence Intervals for StDevs 3.0
16 Proveedor 2 Proveedor 2 Escuela Profesional de Ingeniería Industrial Test for Equal Variances for Proveedor 20,82 2,29 2,49 2,5 2,52 2,63 2,9 2,92 22,06 22,22 22,65 22,7 F-Test Test Statistic 0.2 P-Value % Bonferroni Confidence Intervals for StDevs 20 20,82 2,29 2,49 2,5 2,52 2,63 2,9 2,92 22,06 22,22 22,65 22, Proveedor EJERCICIO 27: En Kocaoz, S. Samaranayake, V.A. Nanni A. (2005), se presenta una investigación donde se estudian dos tipos de barra de polímero, cuya tensión se refuerza con Fibra de vidrio(frp). Estas barras, en sustitución de las vigas de acero son utilizadas para reforzar concreto por lo que su caracterización es importante para fines de diseño, control y optimización para los ingenieros estructurales. Las barras se sometieron a tensión hasta registrarse su ruptura (en Mpa). Los datos para dos tipos de barra se muestran a continuación: TIPO DE RESISTENCIA BARRA A
17 B a) Formule la hipótesis para probar la igualdad de medias de los tratamientos b) Anote la fórmula del estadístico de prueba para demostrar la hipótesis c) Pruebe la hipótesis a un nivel de significancia del 5%. Para rechazar o no la hipótesis apóyese tanto ene l criterio de valor-p como en el valo0r crítico de tablas d) Explique como se obtiene el valor-p de inciso anterior e) Pruebe la hipótesis de igualdad de varianzas entre tratamientos f) Existe algún tratamiento mejor? Descriptive Statistics: A; B Variable N N* Mean SE Mean StDev Variance Minimum Q Median A , 26, 73,8 5439,6 85,0 948,3 05,0 B , 24,7 69,9 489,8 843,0 938,0 999,0 N for Variable Q3 Maximum IQR Mode Mode Kurtosis MSSD A 024,3 034,0 76, , ,0 B 034,8 053,0 96, ,79 637,6 Two-Sample T-Test and CI SE Sample N Mean StDev Mean 8 980, 73, , 69,9 25 Difference = mu () - mu (2) Estimate for difference:,0 95% CI for difference: (-76,; 78,) T-Test of difference = 0 (vs not =): T-Value = 0,03 P-Value = 0,978 DF = 4 Both use Pooled StDev = 7,8765 Test for Equal Variances 95% Bonferroni confidence intervals for standard deviations Sample N Lower StDev Upper 8 46,42 73, , , ,944 60,200 F-Test (Normal Distribution) Test statistic =,; p-value = 0,892
18 Test for Equal Variances Test for Equal Variances F-Test Test Statistic. P-Value % Bonferroni Confidence Intervals for StDevs 75
Estadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 8. Diseño de Bloques al Azar JAIME MOSQUERA RESTREPO DISEÑO DE BLOQUES El principio básico del diseño de experimentos consiste en garantizar la homogeneidad de las Unidades
Más detallesLongitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.
LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia
Más detallesACTIVIDAD 3: Intervalos de Confianza para 1 población
ACTIVIDAD 3: Intervalos de Confianza para 1 población CASO 3-1: REAJUSTE DE MÁQUINAS Trabajamos como supervisores de una máquina dedicada a la producción de piezas metálicas cuya longitud sigue una distribución
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesParte de las notas tomadas de: Prof. Edgar Acuña UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ
Estadística stica No Paramétrica Parte de las notas tomadas de: Prof. Edgar Acuña http://math.uprm math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ METODOS ESTADISTICOS
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos
Más detallesRelación entre tests de hipótesis bilaterales e intervalos de confianza
Relación entre tests de hipótesis bilaterales e intervalos de confianza Introduciremos esta relación a través de un ejemplo. Sea X 1, X,..., X n una m.a. de una distribución N ( µ, σ ). Sabemos que, cuando
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
Más detallesINFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB
UNIVERSIDAD PRIVADA ALAS PERUANAS ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS INFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB 15.0 E1) La tabla muestra el tiempo requerido, en días, para determinar auditorias
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
Más detallesPráctica 5 Prueba de Hipótesis
05/08/08 1 Práctica 5 Prueba de Hipótesis PROGRAMA: SPSS ARCHIVOS: Equinos.sav; Temp.xls, Cabras.xls, Car_boer.xls, Malinois.xls. Conocimientos previos: Conocer y utilizar la distribución normal estándar,
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 detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesTema 8: Ejercicios de Comparación de poblaciones
Tema 8: s de Comparación de poblaciones Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I4 Se quiere comparar rodamientos de agujas
Más detallesEJERCICIOS DEL CAPÍTULO 2
Densidad EJERCICIOS DEL CAPÍTULO 2 EJERCICO 1: Con sus palabras y apoyándose en gráficas, conteste los siguientes incisos: a) qué es la tendencia central y qué es la variabilidad de un proceso o unos datos?
Más detallesaceptar o rechazar evidencia hipótesis nula y la hipótesis alternativa enunciado que se probará "no hay efecto" o "no hay diferencia"
PRUEBA DE HIPOTESIS Técnica estadística que se sigue para decidir si rechazamos o no una hipótesis estadística en base a la información de la muestra. Es una afirmación de lo que creemos sobre una población.
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesRESPUESTAS BREVES A LA PRÁCTICA 6
RESPUESTAS BREVES A LA PRÁCTICA 6 EJERCICIO [Prueba bilateral] Se rechaza la hipótesis nula con un nivel de significación del % (z =5). La evidencia muestral sostiene la hipótesis de que el puntaje medio
Más detallesEjemplo resistencias (primera parte)
Ejemplo resistencias (primera parte) Un proveedor de materiales de enseñanza entrega un conjunto de resistencias eléctricas y afirma que las resistencias de sus productos, medidos en Ohm, se distribuyen
Más detallesMá M s á ter e Se S c e tor o Fa F r a ma m c a éu é t u ico Es E tad a í d stica a ap a l p icad a a d Teresa Villagarcía
Máster Sector Farmacéutico Estadística aplicada Teresa Villagarcía Indice Probabilidad intuitiva Distribución normal Estimación de la normal Intervalos de confianza Contraste de hipótesis: Una media Dos
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesPráctica de INTERVALOS DE CONFIANZA
Práctica de INTERVALOS DE CONFIANZA 1.- Objetivo de la práctica El objetivo de esta práctica es familiarizarse con la estimación por intervalos, el concepto de intervalo de confianza y su aplicación en
Más detallesEstadística I Examen Final - 19 de junio de Nombre:... Grupo:...
Estadística I Examen Final - 19 de junio de 2009 Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. La siguiente tabla muestra las distribuciones
Más detallesManual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University.
Manual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University. Estadísticas con MegaStat AgeCat Gender Seconds 1 2
Más detallesMétodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos...............................................................
Más detallesPráctica 4 vgaribay PRÁCTICA 4. CONTRASTE DE HIPOTESIS. 1 ESTUDIO DE NORMALIDAD Plot de normalidad. Camino 1
PRÁCTICA 4. CONTRASTE DE HIPOTESIS OBJETIVOS: Estudiar el plot de normalidad Manejar los módulos de contrastes de hipótesis. Obtener las probabilidades de error de tipo I y II, la función de potencia y
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detallesAsignatura: Metodologías de investigación. Tema 6. Exploración de datos. Exploración de datos
Asignatura: Metodologías de investigación Tema 6 Etapas de una investigación Análisis : tests estadísticos, ajuste de curvas, análisis multivariante Obtención datos, calibrados, etc. Diseño del experimento
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesCAPÍTULO 7 INFERENCIA ESTADÍSTICA
CAPÍTULO 7 INFERENCIA ESTADÍSTICA La Inferencia Estadística comprende los métodos que son usados para obtener conclusiones de la población en base a una muestra tomada de ella. Incluye los métodos de estimación
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesCUADERNILLO DE TRABAJO IV DE LA MATERIA DE PROBABILIDAD. CAPÍTULO V: INFERENCIA ESTADÍSTICA PARA UNA SOLA MUESTRA
CUADERNILLO DE TRABAJO IV DE LA MATERIA DE PROBABILIDAD. CAPÍTULO V: INFERENCIA ESTADÍSTICA PARA UNA SOLA MUESTRA SECCIÓN 5..- INFERENCIA SOBRE LA MEDIA DE UNA POBLACIÓN CON VARIANZA CONOCIDA..- Se requiere
Más detalles(a) Calculate a point estimate of the mean pull-off force of all connectors in the population. State which estimator you used and why.
PROBLEMAS DE CLASE Problema 7.22 Data on pull-off force (pounds) for connectors used in an automobile engine application are as follows: 79.3, 75.1, 78.2, 74.1, 73.9, 75.0, 77.6, 77.3, 73.8, 74.6, 75.5,
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 detallesExplicación de la tarea 8 Felipe Guerra
Pruebas de bondad de ajuste de χ 2 Explicación de la tarea 8 Felipe Guerra Las pruebas de bondad de ajuste corresponden a una comparación entre la distribución de una muestra aleatoria y una distribución
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 detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesAnálisis de dos muestras
Análisis de dos muestras Supongamos el siguiente ejemplo. La resistencia a la rotura de un componente eléctrico constituye una característica importante de un cierto proceso. Un fabricante utiliza un material
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesIntroducción a pruebas de hipótesis
Introducción a pruebas de hipótesis ESTA 3042 (ESTA 3042) Tests of Significance 1 / 18 Testing de Hipótesis Hemos visto como estimar un parámetro de una población. (ESTA 3042) Tests of Significance 2 /
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesDISTRIBUCION JI-CUADRADA (X 2 )
DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS
PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso MAT. 298 Núm. I. Seleccione la respuesta correcta: (3 puntos cada uno) Caso: Sea T= {0, 0, 2,
Más detallesaceptar o rechazar evidencia hipótesis nula y la hipótesis alternativa enunciado que se probará "no hay efecto" o "no hay diferencia"
PRUEBA DE HIPOTESIS PRUEBA DE HIPOTESIS Es una regla que especifica si se puede aceptar o rechazar una afirmación acerca de una población dependiendo de la evidencia proporcionada por una muestra de datos.
Más detallesAnálisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos
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 detallesPreguntas y ejercicios
36 Límites reales Histograma Tabla de frecuencias Distribución sesgada Distribución multimodal Dato raro o atípico Estratificación Sesgo Curtosis Cuantiles Percentil p Diagrama de caja Rango intercuartílico
Más detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesIntroducción a pruebas de hipótesis
Introducción a pruebas de hipótesis ESTA 3042 enero 2013 (ESTA 3042) Tests of Significance enero 2013 1 / 18 Testing de Hipótesis Hemos visto como estimar un parámetro de una población. Ahora pasamos a
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesMedidas de Tendencia Central, Medidas de Dispersión & Otros Estadísticos (Cap. 2) Math. 298 Prof. Gaspar Torres Rivera
Medidas de Tendencia Central, Medidas de Dispersión & Otros Estadísticos (Cap. ) Math. 98 Prof. Gaspar Torres Rivera Un hombre promedio Roberto tiene 31 años de edad, una estatura de 68.8 pulgadas, pesa
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 detallesLEC/LADE/LECD/LADED. (a) Deducir la expresión de la desviación típica de la media muestral, y calcularla para esta muestra.
LEC/LADE/LECD/LADED HOJA DE PROBLEMAS 4 CONTRASTES DE HIPÓTESIS Y DIAGNOSIS DEL MODELO 1.- El tiempo en minutos que dura un viaje en tren entre dos ciudades A y B, es una variable aleatoria normal con
Más detallesAnálisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa
Análisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa Paola Ilabaca Baeza 1 José Manuel Gaete 2 paolailabaca@usal.es jmgaete@usal.es
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesVentanas de SPSS 1 y resultados de los análisis estadísticos descriptivos
Ventanas de SPSS 1 y resultados de los análisis estadísticos descriptivos Al poner en funcionamiento el programado SPSS, aparecen dos ventanas una sobre la otra. La ventana que aparece en el fondo es la
Más detallesProfesora: Beatriz Ponce Nely TADA- 03
NOMBRE DEL ALUMNO: GRUPO: Unidad 1: Interpretación de información. Resultado de Aprendizaje 1.1: Agrupa y grafica conjunto de datos cualitativos y cuantitativos con base en la distribución de frecuencias.
Más detalles> t.test (datos_x, datos_y =NULL, alternative = "two.sided", mu = 0, paired =FALSE, var.equal = FALSE, conf.level= 0.95)
INTERVALOS DE CONFIANZA Y TEST DE HIPOTESIS CON R Estudiemos ahora la función en el lenguaje R, que nos ofrece tanto estimaciones puntuales y por intervalos de confianza como test de hipótesis, es: > t.test
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 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 detallesSEMINARIO DE INVESTIGACIÓN IV
1 MAESTRIA EN ADMINISTRACIÓN SEMINARIO DE INVESTIGACIÓN IV ING. MARÍA TERESA CASTAÑEDA GALVIS 2 ESTADISTICA INFERENCIAL QUÉ ES ESTADISTICA INFERENCIAL? 3 Deducir los valores reales que toma una variable
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS. Sec. Repaso EX III MAT. 298 Núm.
PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso EX III MAT. 298 Núm. I. Verdadero (V) o Falso (F).. La Curva de Probabilidad Normal Estándar
Más detallesEstadística y Diseño de experimentos. PRÁCTICA No. 1. Estadística Descriptiva
Estadística y Diseño de experimentos. PRÁCTICA No. 1. Estadística Descriptiva 1. Los datos presentados a continuación representan el costo de la energía eléctrica durante julio de 2013 para una muestra
Más detallesJuan Carlos Colonia DISTRIBUCIONES MUESTRALES
Juan Carlos Colonia DISTRIBUCIONES MUESTRALES DISTRIBUCIÓN DE LA DIFERENCIA DE MEDIAS MUESTRALES CASO 1: VARIANZAS POBLACIONALES CONOCIDAS Sean x1 y x las medias muestrales de dos muestras aleatorias de
Más detallesAplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas
Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento Centro 1 Estadística e Investigación
Más detallesFebrero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
Más detallesEstadística. Convocatoria ordinaria
Estadística. Convocatoria ordinaria Nombre Número de Examen Titulación... Grupo... Este examen puntúa sobre 20 puntos Problema 1. En un grupo de familias, un 10% ha cambiado de coche y también ha cambiado
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 detallesTALLER 2 ESTADISTICA II
TALLER 2 ESTADISTICA II Profesor: Giovany Babativa 1. Una muestra aleatoria de empleados de un grupo numeroso perteneciente a una empresa, entregó las siguientes calificaciones en un examen de aptitud:
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesDIPLOMADO SIX SIGMA GREEN BELT
DIPLOMADO SIX SIGMA GREEN BELT CARACTERISTICAS GENERALES Duración: 60 Horas Son personas parcialmente dedicadas a realizar proyectos Six Sigma para mejorar los procesos de su área de trabajo, utilizan
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 detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesPráctica 3 vgaribay PRÁCTICA 3. INTERVALOS DE CONFIANZA
PRÁCTICA 3. INTERVALOS DE CONFIANZA Práctica 3 vgaribay OBJETIVOS: Comprobación del concepto de intervalo de confianza. Construcción de intervalos de confianza para poblaciones normales. Cálculo del tamaño
Más detallesEstadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos. Nombre:... Grupo:...
Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. (10
Más detallesSociología. Estadística stica MUY aplicada. Teresa Villagarcía
Sociología Estadística stica MUY aplicada Teresa Villagarcía Probabilidad Por qué estudiamos probabilidad? Proporción de piezas defectuosas producidas en un proceso industrial o a favor de una ley. Tomamos
Más detallesEjemplos del Suplemento 1 resueltos con Minitab
O1 Ocho pasos para el desarrollo de una investigación Ejemplos del Suplemento 1 resueltos con Minitab O2 Tabla de Contenido Prueba de Normalidad... 3 Regresión Lineal... 7 Prueba t... 10 Prueba Z... 13
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detalles1. Estimar el porcentaje de bolsas con peso menor de seis kilos suministrado por el mayorista.
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 6, curso 2006 2007. Ejercicio 1 (Junio 2006, técnicos). Si el intervalo de confianza al 95 % para la media de
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesPPTCEG061EM33-A17V1. Distribución normal 1
PPTCEG061EM33-A17V1 Distribución normal 1 Propiedades distribución normal Distribución normal tipificada Es una distribución estadística continua cuya función de densidad es simétrica, y cuya forma se
Más detalles11. PRUEBAS NO PARAMÉTRICAS
. PRUEBAS NO PARAMÉTRICAS Edgar Acuña http://math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ PRUEBAS NO PARAMÉTRICAS Se estudiarán las pruebas noparamétricas, las cuales
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 detalles1 de 12 15/07/ :49
1 de 12 15/07/2010 12:49 Saltar a... UPM - TITULACIONES OFICIALES ampliacion_mate2 Cuestionarios Test Estadística Descriptiva Información Resultados Vista previa Editar Visión general Recalificar Calificación
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente
Más detallesTema 5 - III: Inferencia sobre dos poblaciones: proporciones, varianzas, medias
Tema 5 - III: Inferencia sobre dos poblaciones: proporciones, varianzas, medias Biología y Biología sanitaria - UAH Marcos Marvá Ruiz Para dos poblaciones Se presentan conjuntamente intervalos y contrastes
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
Más detallesSeminario de Evaluación Estadística de Ensayos de Aptitud por Comparación Interlaboratorio
19/11/014 Seminario de Evaluación Estadística de Ensayos de Aptitud por Comparación Interlaboratorio a cargo de Pablo Calello La participación en actividades de ensayo de aptitud es uno de los mecanismos
Más detalles7.6 Comparación entre dos medias Poblacionales usando muestras independientes
7.6 Comparación entre dos medias Poblacionales usando muestras independientes Supongamos que se tiene dos poblaciones distribuidas normalmente con medias desconocidas µ y µ, respectivamente. Se puede aplicar
Más detallesEjercicios Estadística-Probabilidad-Distribución Binomial-Distribución Normal-Test de hipótesis
Ejercicios Estadística-Probabilidad-Distribución Binomial-Distribución Normal-Test de hipótesis 1) Con los datos de la siguiente tabla de frecuencias deduce, rango, media, moda y mediana. Realiza gráfico
Más detalles