Distribuciones Muestrales

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Distribuciones Muestrales"

Transcripción

1 Estadístca II / Fucoes Varables Aleatoras. Ig. Dey Gozález Dstrbucoes Muestrales Muestreo Aleatoro Poblacó Muestra Herrametas Estadístcas Medaa Muestral ) ) / (( ) / ( ) / ( ; es mpar ; es par = = Meda Muestral f k * Moda Varaca Muestral ) ( S ) *( ) ( * S Desvacó estádar muestral (S) Varaca Muestral (Datos agrupados) ) *( * * * f f S k k Meda Poblacoal N N N...,,3,4,4,4,5,6,7

2 Estadístca II / Fucoes Varables Aleatoras. Dstrbucoes Muestrales Ejemplo: El úmero de respuestas correctas e ua prueba de competeca de falso o verdadero para ua muestra aleatora de 5 estudates fuero los sguetes:,,3,0,,3,6,0,3,3,5,,,4 y. Ecuetre: a) la meda, b) la medaa c) la moda, d) varaza y desvacó estádar. Ordear datos: 0,0,,,,,,,3,3,3,3,4,5,6 k * f a) (0*) (*3) (*3) (3*4) (4*) (5*) (6*) 5 b) ( ) / es mpar (5+)/ = 8 = c) 0,0,,,,,,,3,3,3,3,4,5,6 d) S S * k * f *( ) (5*8) (36) 5*(5) e) S =.737 k * f.974 f *f *f Ig. Dey Gozález

3 Estadístca II / Fucoes Varables Aleatoras. Dstrbucoes Muestrales Ejemplo: Los perodos de tempo, e mutos, que 0 pacetes esperaro e u cosultoro médco ates de recbr tratameto fuero: 5,, 9, 5, 0, 5, 6, 0, 5, y 0. Tratado los datos como ua muestra aleatora, ecuetre. a) la meda, b) la medaa c) la moda, d) varaza y desvacó estádar. Ordear datos: 5,5,5,6,9,0,0,0,,5 a) k * f ( / ) (( / ) ) c) 5,5,5,6,9,0,0,0,,5 (5*3) (6*) (9*) (0*3) (*) (5*) (6*) 8.6 m. 0 b) es mpar [(5)+X(5+)]/ = (9+0)/ = 9.5 * ( ) d) S *( ) (0*838) 7396 S *(0) e) S = Ig. Dey Gozález

4 Estadístca II / Estmacó Estadístca. ESTIMACIÓN ESTADÍSTICA Y DISTRIBUCIONES DE MUESTREO Estmador U estmador de u parámetro poblacoal es ua fucó de los datos muestrales. E pocas palabras, es ua fórmula que depede de los valores obtedos de ua muestra, para realzar estmacoes. Por ejemplo, u estmador de la meda poblacoal, μ, sería la meda muestral,, segú la sguete fórmula: Dode (,,..., ) sería el cojuto de datos de la muestra. El estmador es ua varable aleatora que asga a cada valor de la fucó su probabldad de aparcó, esto es, la probabldad de la muestra de la que se etrae. Ig. Dey Gozález

5 Estadístca II / Estmacó Estadístca. POBLACION Y MUESTREO MUESTREO PROBABILISTICO Los métodos de muestreo probablístcos so aquellos que se basa e el prcpo de equprobabldad. Es decr, aquellos e los que todos los dvduos tee la msma probabldad de ser elegdos para formar parte de ua muestra y, cosguetemete, todas las posbles muestras de tamaño tee la msma probabldad de ser seleccoadas. TIPOS MUESTREOS PROBABILISTICOS Muestreo aleatoro smple Muestreo aleatoro sstematco Muestreo aleatoro estratfcado Ig. Dey Gozález

6 Estadístca II / Estmacó Estadístca. POBLACION Y MUESTREO MUESTREO NO PROBABILISTICO E este tpo de muestreo, puede haber clara flueca de la persoa o persoas que seleccoa la muestra o smplemete se realza atededo a razoes de comoddad. Salvo e stuacoes muy cocretas e la que los errores cometdos o so grades, debdo a la homogeedad de la poblacó, e geeral o es u tpo de muestreo rguroso y cetífco, dado que o todos los elemetos de la poblacó puede formar parte de la muestra TIPOS DE MUESTREO NO PROBABILISTICOS Muestreo por cuotas Muestreo tecoal o por coveeca Bola de eve. Ig. Dey Gozález

7 Estadístca II / Estmacó Estadístca. ESTIMACIÓN ESTADÍSTICA Y DISTRIBUCIONES DE MUESTREO E la estadístca tee u papel destacado la ocó de MUESTRA ALEATORIA. Ua muestra aleatora de tamaño es: Ua coleccó de varables aleatoras. Todas co la msma dstrbucó. Todas depedetes. Esta defcó dealza la operacó de repetr veces la observacó de la msma varable aleatora, sedo las repetcoes depedetes ua de otra. La coleccó de dode etraemos la muestra aleatora, se deoma POBLACIÓN. Nuestra tecó al tomar ua muestra, es la de hacer INFERENCIA. Este térmo lo usamos e estadístca para deotar al procedmeto co el que hacemos afrmacoes acerca de valores geerales de la poblacó medate los úmeros que observamos e la muestra. Ig. Dey Gozález

8 Estadístca II / Estmacó Estadístca. ESTIMACIÓN ESTADÍSTICA Y DISTRIBUCIONES DE MUESTREO Supoga que observamos el proceso de fabrcacó de las ``boltas'' que se le poe al evase de los desodorates ``roll o''. No todas las boltas va a teer el msmo dámetro, s escogemos, al azar ua bolta, tedremos u valor para el dámetro que es ua varable aleatora. Podemos supoer que los dámetros tee la dstrbucó ormal, debdo a uestra epereca co el proceso, coocemos que la desvacó estádar de la poblacó es de 4 mm (apromadamete). Pero, també por epereca, sabemos que el dámetro promedo puede varar por desajuste de la maquara productora. De modo que teemos: ua POBLACIÓN, que so todas las boltas que se produce. u PARÁMETRO de la poblacó coocdo (o cas) que es la desvacó estádar. otro PARÁMETRO cuyo valor es descoocdo: la meda. Ig. Dey Gozález

9 Estadístca II / Estmacó Estadístca. ESTIMACION DE TAMAÑO DE MUESTREO S la poblacó es fta, es decr coocemos el total de la poblacó y deseásemos saber cuátos del total tedremos que estudar la respuesta sera: Dode: N = Total de la poblacó Z a =.96 (s la segurdad es del 95%) p = proporcó esperada (e este caso 5% = 0.05) q = p (e este caso = 0.95) d = precsó (e este caso deseamos u 3%). Fuete: Ig. Dey Gozález

10 Estadístca II / Estmacó Estadístca. ESTIMACION DE TAMAÑO DE MUESTREO A cuátas persoas tedría que estudar de ua poblacó de habtates para coocer la prevaleca de dabetes? Segurdad = 95%; Precsó = 3%; proporcó esperada = asumamos que puede ser próma al 5% ; s o tuvese gua dea de dcha proporcó utlzaríamos el valor p = 0.5 (50%) que mamza el tamaño muestral. Dode: N = Total de la poblacó Z a =.96 (s la segurdad es del 95%) p = proporcó esperada (e este caso 5% = 0.05) q = p (e este caso = 0.95) d = precsó (e este caso deseamos u 3%). Fuete: Ig. Dey Gozález

11 Estadístca II / Estmacó Estadístca. ESTIMACION DE TAMAÑO DE MUESTREO S la poblacó es fta, també podemos aplcar la sguete ecuacó Dode S varaza de la poblaco Segú dferetes segurdades el coefcete de Z a varía, así: S la segurdad Z a fuese del 90% el coefcete sería.645 S la segurdad Z a fuese del 95% el coefcete sería.96 S la segurdad Z a fuese del 97.5% el coefcete sería.4 S la segurdad Z a fuese del 99% el coefcete sería.576 Ig. Dey Gozález

12 Dstrbucó Muestrales de meda (Teorema de Lmte Cetral) Supógase que ua muestra aleatora de observacoes se toma de ua poblacó ormal co meda y varaca. Cada observacó de la muestra aleatora tee la msma dstrbucó ormal, por lo que, X X Tee ua dstrbucó ormal co meda Y varaca: X Estadístca II / Fucoes Varables Aleatoras.... X... La suma de ua gra umero de varables aleatoras détcas e depedetes cada ua de ellas co meda poblacoal y varaca fta tee ua fucó de desdad de probabldad gual a: Z La apromacó ormal para geeralmete será buea s > 30. Ig. Dey Gozález

13 Estadístca II / Fucoes Varables Aleatoras. Dstrbucó Muestrales de meda (Teorema de Lmte Cetral) Ejemplo: Ua compañía fabrca focos que tee u perodo de vda que esta dstrbudo apromadamete e forma ormal, co meda gual a 800 horas y ua desvacó estádar de 40 horas. Ecuetre la probabldad de que ua muestra aleatora de 6 focos tega ua vda promedo de meos de 775 horas. La dstrbucó muestral de X será apromadamete ormal co = 800. Correspodedo a = Z 40 6 Y por lo tato,.5 P(X < 775) = P(Z<-.5), por tabla P(X < 775) = Ig. Dey Gozález

14 Estadístca II / Fucoes Varables Aleatoras. Dstrbucó Muestrales de meda (Teorema de Lmte Cetral) Ejemplo: supogamos que se sabe que el peso de los sujetos de ua determada poblacó sgue ua dstrbucó apromadamete ormal, co ua meda de 80 kg y ua desvacó estádar de 0 kg. Podremos saber cual es la probabldad de que ua persoa, elegda al azar, tega u peso superor a 00 kg? Datos: = 80 kg / = 00 / = 0 kg / =. Z Y por lo tato, como el área total bajo la curva es gual a, se puede deducr que: P(X > 00) = - P(Z<), por tabla P(X > 00) = = 0.08 Por lo tato, la probabldad buscada de que ua persoa elegda aleatoramete de eso poblacó tega u peso mayor de 00 Kg, es de apromadamete de u.3% Ig. Dey Gozález

15 Dstrbucó Muestrales de meda S se saca al azar muestras depedetes de tamaños y de dos poblacoes dscretas o cotuas, co medas y y varacas y, respectvamete, etoces la dstrbucó muestral de la dfereca de medas X y X, esta dstrbuda apromadamete e forma ormal co meda y varacas: Ig. Dey Gozález Estadístca II / Fucoes Varables Aleatoras. ) ( ) ( Z De aquí que, Es apromadamete ua varable ormal estádar.

16 Estadístca II / Fucoes Varables Aleatoras. Dstrbucó Muestrales de meda Ejemplo: Ua muestra de tamaño =5 se saca aleatoramete de ua poblacó que esta ormalmete dstrbuda co meda =50 y varaca = 9 y se regstra la meda muestral. Ua seguda muestra aleatora de tamaño =4 se seleccoa, depedete de la prmera muestra, de ua poblacó dferete que també esta ormalmete dstrbuda, co meda = 40 y varaca, = 4 y se regstra la meda muestral. Ecuetre P(X-X < 8.). Se sabe que la dstrbucó es ormal co meda: De aquí que, 8. 0 Z P(X- X < 8.) = P(Z<-.08) = 0.40 Ig. Dey Gozález

17 Estadístca II / Fucoes Varables Aleatoras. Ig. Dey Gozález

18 Estadístca II / Fucoes Varables Aleatoras. S la segurdad Z a fuese del 95% el coefcete sería.96 S la segurdad Z a fuese del 99% el coefcete sería.576 a) b) Ig. Dey Gozález

19 Estadístca II / Fucoes Varables Aleatoras. EJERCICIOS PROPUESTOS Ig. Dey Gozález

20 Estadístca II / Fucoes Varables Aleatoras. EJERCICIOS PROPUESTOS Ig. Dey Gozález

21 Dstrbucó Ch cuadrado S s es la varaza es la varaza de ua muestra aleatora de tamaño tomada de ua poblacó ormal cuya varaca es, etoces, Estadístca II / Fucoes Varables Aleatoras. ( ) * Es u valor de ua varable aleatora que tee la dstrbucó ch-cuadrada co parámetro v=-. V es deomado úmero de grados de lbertad. s Observacó: A dfereca de la dstrbucó t, es ecesaro tabular los valores de para > 0.5, porque la dstrbucó ch cuadrada o es smétrca. La probabldad de que ua muestra aleatora produzca u valor ch cuadrado mas grade que cualquer valor especfcado es gual al área bajo la curva a la derecha de este valor. Ig. Dey Gozález

22 Estadístca II / Fucoes Varables Aleatoras. Dstrbucó Ch cuadrado Para utlzar ua prueba de hpótess ch cuadrada, debemos teer u tamaño de muestra lo sufcetemete grade para garatzar la smltud etre la dstrbucó teórca correcta y uestra dstrbucó de muestreo de, estadístca ch cuadrada. Cuado las frecuecas esperadas so muy pequeñas el valor de estará sobrestmado y se tedrá como resultado demasados rechazos de la hpótess ula, para evtar currr e ferecas correctas de la prueba de hpótess ch cuadrada. Sga la regla geeral que dce que ua frecueca esperada de meos de cco e ua celda de ua tabla de cotgeca es demasado pequeña para utlzarse. GRAFICA DISTRIBUCION JI CUADRADA PARA V=, 5, Y 0 GRADOS DE LIBERTAD Ig. Dey Gozález

23 Estadístca II / Fucoes Varables Aleatoras. Dstrbucó Ch cuadrado Ejemplo: U fabrcate de baterías para automóvl garatza que sus baterías durara, u promedo, 3 años co ua desvacó estádar de u año. S 5 de estas tee desvacoes de.9,.4, 3.0, 3.5 y 4. años, Esta el fabrcate covecdo aú de que sus baterías tee ua desvacó estádar de año? Solucó: S = 0.85, = y = 5 (5 )* v = N- = 4, El valor mas cercao a 3.6 que se ecuetra e la tabla es.95 y y sus probabldades so 0.7 y 0.5, lo que sgfca que la probabldad es alta, el fabrcate o tee razó para sospechar que la es dferete de. Ig. Dey Gozález

24 Estadístca II / Fucoes Varables Aleatoras. Dstrbucó Ch cuadrado Ejemplo: Supoga que el espesor de u compoete de u semcoductor es ua dmesó crítca. El proceso de produccó de tal característca se dstrbuye ormalmete co ua desvacó estádar de 0.6 mlésmas de pulgada. Para cotrolar el proceso se toma muestras peródcas de vete pezas, y se defe u límte de cotrol co base e ua probabldad de 0.0 de que la varaza muestral eceda dcho límte, s el proceso está bajo cotrol. Qué se puede coclur s para ua muestra dada la desvacó estádar es 0.84 mlésmas de pulgada? Solucó: S = 0.84, = 0.6 y = 0. Por tabla = 36.9 (9)* Por lo tato el crtero de decsó se puede epresar e ua de las dos formas sguetes: a) Como X = 37.4 > 36.9 la muestra o provee de u proceso co ua desvacó estádar de b) Se calcula S = 0.84 = Como > se llega a la msma coclusó de que o es probable que la muestra tomada provega de ua poblacó co ua desvacó estádar de 0.60 mlésmas de pulgada. Ig. Dey Gozález

25 Dstrbucó t Estadístca II / Fucoes Varables Aleatoras. Para valores pequeños de a meos de que supogamos que la muestra provee de ua poblacó ormal. Bajo esta codcó, S es la meda de ua muestra aleatora de tamaño tomada de ua poblacó ormal que tee meda y varaca, etoces t s Es el valor de ua varable aleatora co dstrbucó t y parámetro v=-. La forma global de la dstrbucó t es smlar a la de ua dstrbucó ormal (ambas tee forma de campaa y so smétrcas co respecto al orge). No es ecesaro tabular los valores de t para > 0.50, pues por la smetría de la dstrbucó t - = - t. Por lo tato, el valor de t correspode al área de la cola stuada a la zquerda de es - t. Ig. Dey Gozález

26 Dstrbucó t Estadístca II / Fucoes Varables Aleatoras. Ejemplo: U fabrcate de fusbles asegura que co ua sobrecarga del 0%, sus fusbles se fudrá al cabo de.4 m e promedo. Para probar esta afrmacó ua muestra de 0 fusbles fue sometda a ua sobre carga de u 0% y los tempos que tardaro e fudrse tuvero ua meda de 0.63 m y la desvacó estádar de.48 m. S se supoe que los datos costtuye ua muestra aleatora de ua poblacó ormal. Se tede a apoyar o a refutar la afrmacó del fabrcate?. Solucó: S =.48, = 0, =.4, = 0.63 t v = N- = 9, El valor mas cercao a 3.9 es.8 y su probabldad es baja, por lo tato los datos tede a refutar la afrmacó del fabrcate. Ig. Dey Gozález

27 Dstrbucó t Estadístca II / Fucoes Varables Aleatoras. Ejemplo: E u recorrdo de prueba de ua hora cada uo, el cosumo promedo de gasola de u motor fue 6.4 galoes, co ua desvacó estádar de. galoes. Se quere saber s es certa la afrmacó de que "el cosumo promedo de gasola es galoes/hora". Solucó: S =., = 6, =, = 6.4 Para respoder la preguta debemos verfcar que ta probable es que ua muestra de 6.4 galoes perteezca a ua dstrbucó co ua meda de. Por lo tato, debemos calcular la probabldad de que la meda muestral sea mayor o gual que 6.4 s la verdadera meda de dode provee dcha muestra es galoes. Esto es: t s t Buscado e la tabla de la dstrbucó t co 5 grados de lbertad, teemos que para ua probabldad de el respectvo valor de t es.947, lo cual mplca que la probabldad para t = 8.38 es cero). Por lo tato, coclumos que la probabldad de obteer ua muestra co ua meda de 6.4 de ua poblacó cuya meda es.0 es cero, es decr, que "el cosumo promedo de gasola o es galoes/hora", so que es superor. Ig. Dey Gozález

28 Dstrbucó t Estadístca II / Fucoes Varables Aleatoras. Ejemplo: El valor de t co v= 4 grados de lbertad que tee u área de 0.05 a la zquerda, y por lo tato u area de a la derecha, es: Solucó: t = - t 0.05 = -.45 Ejemplo: Ecuetre P(-t 0.05 < T < - t 0.05 ). Solucó: Area a la derecha 0.05 Area a la zquerda Area total = = 0.95 Ig. Dey Gozález

29 Dstrbucó f Estadístca II / Fucoes Varables Aleatoras. Se defe como la relacó de dos varables aleatoras ch cuadrada depedetes, cada ua dvdda por su umero de grados de lbertad. De aquí que puede escrbrse: U v f V v Dode U y V so varables aleatoras depedetes que tee ua dstrbucó ch cuadrada co v y v grados de lbertad, respectvamete. Teorema. S se escrbe f (v,v ) para f co v y v grados de lbertad, se obtee f ( v, v ) f ( v, v ) Teorema. S S y S so las varacas de varables aleatoras depedetes de tamaños y que se saca de poblacoes ormales co varacas de y, respectvamete, etoces, * S F * S Tee ua dstrbucó F co v = - y v = - grados de lbertad. Ig. Dey Gozález

30 Dstrbucó f Estadístca II / Fucoes Varables Aleatoras. Ejemplo : S dos muestras aleatoras depedetes de tamaño = 7 y =3 se toma de ua poblacó ormal, Cuál es la probabldad de que la varaca de la prmera sea al meos tres veces mas grade que la de la seguda? Solucó: Por tabla para v =7-=6 y v =3-= (se tercepta) y ecotramos que f 0.05 = 3 por lo tato, la probabldad deseada es Otra forma de verlo S =3S * S 3S, F 3 busca e tabla y la probabldad es 0.05 * S S = Ejemplo : Ecuétrese el valor de F0.95 para v=0 y v=0 grados de lberad f ( v, v) 0.36 f (0,0) Ig. Dey Gozález

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

5 Distribuciones Muestrales

5 Distribuciones Muestrales 5 Dstrbucoes Muestrales. Itroduccó Al defr la estadístca se explcó que la probabldad se trabaja desde la poblacó haca la muestra, metras que la fereca estadístca se trabaja e setdo cotraro, es decr, de

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015 Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

AGRO Examen Parcial 1

AGRO Examen Parcial 1 AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Esta t d a í d s í titcos o TEMA 3.3

Esta t d a í d s í titcos o TEMA 3.3 TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

5- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

5- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 33 5- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 5. Suma de varables aleatoras depedetes Cuado se estudaro las varables

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido: Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados

Más detalles

Definición La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral. La distribución muestral de un estadístico

Definición La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral. La distribución muestral de un estadístico V. Muestreo V.. Dstrbucoes de Muestreo Defcó La dstrbucó de probabldad de u estadístco recbe el ombre de dstrbucó muestral. La dstrbucó muestral de u estadístco depede del tamaño de la poblacó, del tamaño

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:

Más detalles

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística. TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

ANALISIS DE DATOS EN PSICOLOGÍA I FEBRERO ª P.P. 2ª SEMANA UNIÓN EUROPEA

ANALISIS DE DATOS EN PSICOLOGÍA I FEBRERO ª P.P. 2ª SEMANA UNIÓN EUROPEA ANALII DE DATO EN PICOLOGÍA I FEBRERO 007 1ª P.P. ª EANA UNIÓN EUROPEA 30 5 15 35 0 30 40 5 30 45 5 10 50 18 10 55 7 5 Tabla 1. Dstrbucó de u grupo de mujeres () y otro de hombres () e ua prueba de compresó

Más detalles

(Véase el Ejercicio 13 Beneficio de los bancos )

(Véase el Ejercicio 13 Beneficio de los bancos ) étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

APUNTES DE ESTADÍSTICA PARA UN CURSO INTRODUCTORIO DE ECONOMETRÍA. Julio César Alonso C.

APUNTES DE ESTADÍSTICA PARA UN CURSO INTRODUCTORIO DE ECONOMETRÍA. Julio César Alonso C. APUNTES DE ESTADÍSTICA PARA UN CURSO INTRODUCTORIO DE ECONOMETRÍA Julo César Aloso C. No. 1 Marzo 007 Aputes de Ecoomía No. 1 APUNTES DE ECONOMÍA ISSN 1794-09 No. 1, Marzo de 007 Edtor Julo César Aloso

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles