Preguntas más Frecuentes: Tema 8
|
|
- Mercedes Pinto Sáez
- hace 5 años
- Vistas:
Transcripción
1 Preguntas más Frecuentes: Tema 8 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 8.1, por qué se escoge n =?. En el ejemplo 8.1, si n fuera igual a 3 habría que obtener todas las muestras posibles con tres elementos, es decir, 1,1,1; 1,1,; 1,1,3;...? Y con n = 4, tendríamos 1,1,1,1; 1,1,1,; 1,1,1,3;..? 3. En el ejemplo 8.1, la selección es aleatoria?, qué son esos valores de la tabla? 4. En la tabla del ejemplo 8.1, de dónde salen las medias? 5. En el ejemplo 8.1, cómo se obtienen los datos de la tabla de la página 54 y por qué? 6. En el ejemplo 8.1., cómo se calcula la varianza de la distribución muestral de la media? 7. En el desarrollo de la pregunta anterior, qué valores se elevan al cuadrado para que resulte 10? 8. Qué diferencia hay entre una muestra y la distribución muestral, ya sea de la media o de la proporción? 9. Qué significa el símbolo µ P en la página 59? 10. En la tabla 8.3, tiene que ver el símbolo π, que representa la proporción de la población, con 3,1416? 11. En el ejemplo 8. (página 63), se dice que z 1-α/ es función del nivel de confianza = 1 - α. Pues bien, en el ejemplo 8. el nivel de confianza es 0,95 y z 1-0,05/. De dónde sale 0,05? 1. En algunos ejercicios, el E máx se redondea (por ejemplo, en el ejemplo 8.3 en el que el E máx se redondea a 1) pero hay ejercicios en los que no. Se tiene que aproximar siempre al valor entero? 13. En el ejemplo 8.3, qué indica la última expresión de la página 65? 14. En el ejemplo 8.5, cuando buscamos el valor z correspondiente a 0,995 en la tabla IV nos encontramos que a,57 le corresponde 0,9949 y a,58 le corresponde 0,9951. En el ejemplo se escoge,58, por qué,58 y no,57? 15. En el ejemplo 8.5, el resultado de n es 17,04, se redondea a 17 o a 18? 16. En el ejercicio de autoevaluación 8.6 del libro, cómo se obtiene Z 1-α/? 1
2 17. Según la tabla 8.4 (página 74), cuando la desviación típica es desconocida podemos hallar el error de estimación máximo mediante la distribución normal o la distribución t de Student. No es más sencillo utilizar siempre la distribución normal? Por otra parte, hay alguna diferencia en la fórmula si se usa la desviación típica o la cuasidesviación típica? 18. En el ejercicio de autoevaluación 8.17 del libro, cómo se obtiene el nivel de confianza a partir de z 1-α/ =,58?
3 1. En el ejemplo 8.1, por qué se escoge n =? En este ejemplo hemos elegido n = pero podríamos haber elegido n = 3 o n = 4.. En el ejemplo 8.1, si n fuera igual a 3 habría que buscar todas las muestras posibles con tres elementos, es decir, 1,1,1; 1,1,; 1,1,3;...? Y con n = 4, tendríamos 1,1,1,1; 1,1,1,; 1,1,1,3;..? En efecto, si en el ejemplo 8.1 n fuera igual a 3, habría que obtener todas las muestras posibles de tamaño n = 3 y si n fuera igual a 4, habría que obtener todas las muestras posibles de tamaño n = 4. En el primer caso, para una población N = 5 y teniendo en cuenta que el muestreo es con reposición, obtendríamos 5 3 = 15 muestras y en el segundo, 5 4 = 65 muestras. Pero no veremos aquí estos casos, lo importante es que entendáis el concepto de distribución muestral y por ello hemos elegido un ejemplo sencillo con N = 5 y n =, por lo que tenemos 5 = 5 muestras que es mucho más manejable. 3. En el ejemplo 8.1, la selección es aleatoria?, qué son esos valores de la tabla? Extraemos de esa población N = 5, al azar y con reposición, todas las muestras posibles de tamaño n =. El conjunto de muestras posibles es: 1,1,1 3,1 4,1 5,1 1,, 3, 4, 5, 1,3,3 3,3 4,3 5,3 1,4,4 3,4 4,4 5,4 1,5,5 3,5 4,5 5,5 Es decir, al elegir al azar y con reposición todas las muestras posibles de dos elementos de la población N = 5, hay 5 = 5 muestras aleatorias posibles. Los valores de la población son 1,, 3, 4 y 5. En la primera celda aparece 1,1 lo que significa que tanto en la primera extracción como en la segunda el valor de la variable es 1, ten en cuenta que la selección es con reposición. Por lo tanto, la primera muestra está formada por el par 1,1. 3
4 4. En la tabla del ejemplo 8.1, de dónde salen las medias? Son las medias de los dos valores de cada extracción. Así en la primera fila, tenemos que los valores de en la muestra son 1 y 1, por lo que la media es igual a 1; en la segunda fila los valores de en la muestra son 1 y, por lo que la media es (1+)/ = 1,5, en la tercera fila son 1 y 3, por lo que la media es (1+3)/=, y así sucesivamente. 5. En el ejemplo 8.1., cómo se obtienen los datos de la tabla de la página 54 y por qué? La tabla de la página 54 recoge la distribución de frecuencias de la media y es un resumen de la tabla anterior (páginas 53-54). La primera columna ( x) recoge todos los valores posibles de la media. La segunda columna (n i ) recoge las veces que aparece cada valor de la media. Así, x = 1 aparece una vez por ello n i = 1, x = 1, 5 aparece dos veces por ello n i =. Y así sucesivamente, compruébalo comparando la tabla de la página con la tabla de la página 54. La tercera columna f(x) recoge la probabilidad asociada a cada valor de la media. Así, como x = 1 sólo aparece una vez, su probabilidad es 1/5 = 0,04. x = 1, 5 aparece dos veces por lo que la probabilidad asociada a ese valor es 1/5 + 1/5 = /5 = 0,08. Y así sucesivamente. A partir de la tabla de la página 54, es fácil calcular la media y la varianza de la distribución muestral de la media. La media y la varianza de una variable aleatoria se obtienen aplicando las fórmulas de las página 194 y 195 del Tema 6. Para calcular la media y la varianza de la distribución muestral de la media hay que sustituir en dichas fórmulas x por x y µ por µ. Así, obtenemos la media de la distribución muestral de la media aplicando: E () = µ = xf(x) Y podemos obtener la varianza de la distribución muestral de la media aplicando cualquiera de las dos fórmulas: x x = E( ) [E()] = x f(x) [ xf(x) ] σ = (x µ ) f(x) σ 4
5 6. En el ejemplo 8.1, cómo se calcula la varianza de la distribución muestral de la media? En la última tabla de este ejemplo (página 54) se muestra la distribución muestral de la media con su correspondiente función de probabilidad. La media igual a 3 y la varianza igual a 1 de la distribución muestral de la media se obtienen a partir de las fórmulas de las páginas 194 y 195, sustituyendo por. Para calcular la varianza de la distribución muestral de la media podemos aplicar: σ x = E( ) [E()] E( ) se obtiene elevando al cuadrado cada valor de la media y multiplicándolo por la probabilidad que le corresponde, f (x), por lo que E( ) = 10 [ E()] es la media de la distribución muestral de la media µ ) al cuadrado: ( E () = µ = xf(x) = 1 0,04 + 1,5 0,08 + 0, ,5 0, ,04 3 = [ E()] = 3 = 9 Así, σ x = E( ) [E()] = 10 3 = 1 7. En el desarrollo de la pregunta anterior, qué valores se elevan al cuadrado para que resulte 10? La esperanza matemática de la variable aleatoria manera: se obtiene de la siguiente E( ) = x f(x) = 1 0,04 + 1,5 0,08 + 0, ,5 0, ,04 = 10 La tabla siguiente, confeccionada a partir de la tabla de la página 54, ofrece todos los cálculos intermedios para calcular la media y la varianza de la distribución muestral de la media: 5
6 x n i f (x) x f(x) (x µ ) f(x) x x f(x) 1 1 0,04 0,04 0,16 1 0,04 1,5 0,08 0,1 0,18,5 0,18 3 0,1 0,4 0,1 4 0,48,5 4 0,16 0,40 0,04 6, ,0 0, ,8 3,5 4 0,16 0,56 0,04 1,5 1, ,1 0,48 0,1 16 1,9 4,5 0,08 0,36 0,18 0,5 1, ,04 0,0 0, Qué diferencia hay entre la muestra y la distribución muestral, ya sea de la media o de la proporción? La muestra es un subconjunto de la población, siendo la población el conjunto total de elementos en el que se estudia una o más características (por ejemplo, la conducta hiperactiva en niños) La distribución muestral de un estadístico es la distribución de probabilidad de ese estadístico. Por ejemplo, la distribución muestral de la media es la distribución de probabilidad de la media. En el texto se muestra mediante el ejemplo 8.1 (páginas 5-56) cómo se obtiene la distribución muestral de la media. Para ello, hemos de conocer todos los valores que toma la media en todas las muestras posibles (en este caso de tamaño n = ) y las veces que aparece cada uno de esos valores. Con ambos tipos de información, obtenemos la distribución muestral de la media. En el texto, como ejemplo para explicar el concepto de distribución muestral, presentamos la distribución muestral de la media pero podríamos, mediante el procedimiento expuesto, obtener la distribución muestral de otros estadísticos como por ejemplo la proporción. 9. Qué significa el símbolo µ P en la página 59? µ P es la media de la distribución muestral de la proporción y es igual a la proporción de la población (π), por lo que podemos escribir µ P = π 6
7 10. En la tabla 8.3., tiene que ver el símbolo π que represent a la proporción de la población con 3,1416? En el tema 8 (ver tabla 8.3 de la página 61): P es la proporción muestral y se define como P = n π es la proporción de la población y se define como π = N Así, el símbolo π hace referencia a la proporción de la población y no a la constante matemática con valor 3, En el ejemplo 8. (página 63), se dice que z 1-α/ es función del nivel de confianza = 1 - α. Pues bien, en el ejemplo 8. el nivel de confianza es 0,95 y z 1-0,05/. De dónde sale 0,05? Si consideramos la distribución normal, en la siguiente gráfica se recoge el nivel de confianza (que corresponde a la zona central de la curva). Si 1 α = 0, 95, α será 1-0,95=0,05 y corresponde a las dos zonas rayadas de la figura anterior. Por tanto, a cada lado de la curva quedará α / puesto que las dos zonas rayadas son iguales. z1 α / será la puntuación típica que dejará por encima de sí α / (0,05) y, por debajo de sí 1 α /, es decir 0,975 (0,95+0,05). 7
8 Mirando en la Tabla de la distribución normal (Tabla IV) vemos que la puntuación z que deja por debajo de sí 0,975 es 1,96. Este es el valor que se utiliza en el ejemplo En algunos ejercicios, el E máx se redondea (por ejemplo, en el ejemplo 8.3 en el que el E máx se redondea a 1) pero hay ejercicios en los que no. Se tiene que aproximar siempre al valor entero? Si en el enunciado de un problema dan el valor del E máx., calculamos los límites del intervalo con ese E máx.. En cambio, si para calcular los límites del intervalo debemos previamente obtener el valor del E máx., no es necesario el redondeo del error máximo. En el Ejemplo 8.3., como excepción, redondeamos a 1 porque 0,99 es prácticamente En el ejemplo 8.3, qué indica la última expresión de la página 65?. La última expresión es una aplicación de la expresión inmediatamente anterior e indica que la probabilidad de obtener un intervalo de confianza que contenga al parámetro µ en el que el error de estimación máximo es igual a 1, es igual a 0,95. En este ejemplo, el error de estimación máximo vale 1 (ver ejemplos 8. y 8.3). 14. En el ejemplo 8.5, cuando buscamos el valor z correspondiente a 0,995 en la tabla IV nos encontramos que a,57 le corresponde 0,9949 y a,58 le corresponde 0,9951. En el ejemplo se escoge,58, por qué,58 y no,57? En general, se coge el que más se acerca. No obstante, en este caso la distancia de 0,9949 y 0,9951 al valor 0,995 es la misma. Habitualmente, se escoge el valor z =, En el ejemplo 8.5, el resultado de n es 17,04, se redondea a 17 o a 18? Por regla general, y así lo hicimos en todos los ejemplos y ejercicios de autoevaluación del tema 8, para la obtención de n se redondea al entero superior. Redondear al 8
9 entero superior tiene el efecto de reducir el error de estimación máximo mientras que si redondeáramos al entero inferior lo aumentaríamos. En el ejemplo 8.5, hemos puesto directamente n = 17 porque el resultado de la operación es 17,04, y eso es prácticamente En el ejercicio de autoevaluación 8.6 del libro, cómo se obtiene Z 1-α/? Partimos de un nivel de confianza de 0,95. En probabilidad sería 0,95, es decir 1 -α = 0,95. Por lo tanto, α = 0,05. El sub índice de z 1-α/ se calcula de la siguiente manera: α 0,05 1 α / = 1 = 1 = 1 0,05 = 0,975 Por lo que z 1-α/ = z 0,975 y en la tabla IV, z 0,975 vale 1, Según la tabla 8.4 (página 74), cuando la desviación típica es desconocida podemos hallar el error de estimación máximo mediante la distribución normal o la distribución t de Student. No es más sencillo utilizar siempre la distribución normal? Por otra parte, hay alguna diferencia en la fórmula si se usa la desviación típica de la población o la cuasidesviación típica? Respecto a la segunda pregunta, si no se conoce la desviación típica de la población (σ), no tenemos opción, hay que utilizar la cuasidesviación típica (S n-1 ). Hay que tener en cuenta que la cuasidesviación típica no es la desviación típica de la población sino un estimador de la desviación típica de la población y que se calcula con los datos de una muestra. En cuanto a la primera pregunta, todos los casos están expuestos en ejemplos y ejercicios en el texto y recogidos en la Tabla 8.4. Así: Cando se desconoce σ por lo que utilizamos S n-1, la distribución de probabilidad que debemos usar es la distribución t de Student con n-1 grados de libertad. Por otra parte, la distribución t de Student se aproxima a la distribución normal cuando n es mayor o igual que 30. Por ello, si n es menor que 30, utilizamos la distribución t de Student con n-1 grados de libertad y si n es mayor o igual que 30, podemos utilizar la distribución normal. 9
10 18. En el ejercicio de autoevaluación 8.17 del libro, cómo se obtiene el nivel de confianza a partir de z 1-α/ =,58? En la tabla IV, a z 1-α/ =,58 le corresponde una probabilidad 1-α/ = 0,9951. α/ = 1-0,9951= 0,0049 α = 0,0049 x = 0,0098 0,01 n.c. = 1 α = 1 0,01 = 0,99 10
Matemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesTEMA 7. Estimación. Alicia Nieto Reyes BIOESTADÍSTICA. Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13
TEMA 7. Estimación Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13 1 Estimación Puntual 1 Estimación por intervalos Estimación por intervalos de la Media
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesConceptos básicos de inferencia estadística (I): Inferencia estadística (repaso)
Conceptos básicos de inferencia estadística (I): Inferencia estadística (repaso) Tema 1 (I) Estadística 2 Curso 08/09 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 1 / 24 Inferencia estadística
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. µ zα, µ+ zα
En una población una variable aleatoria sigue una ley Normal de media desconocida y desviación típica. a) Observada una muestra de tamaño 400, tomada al azar, se ha obtenido una media muestral igual a
Más detallesTEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. μ zα
Se sabe que la estatura de los individuos de una población es una variable aleatoria que sigue una distribución normal con desviación típica 6 cm. Se toma una muestra aleatoria de 5 individuos que da una
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2002 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 00 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesResumen teórico de los principales conceptos estadísticos
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Muestreo aleatorio simple Resumen teórico Resumen teórico de los principales conceptos estadísticos Muestreo aleatorio
Más detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesEstadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos
Estadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos Contextualización. Se denomina estadístico a un estimador insesgado de un parámetro poblacional si la media o la esperanza del
Más detallesKIBBUTZ.ES. Si se pretende comprobar si la proporción de niños es igual a la de niñas en la población de la que proceden los datos:
Modelo C. Septiembre 015. No debe entregar los enunciados Fórmula de corrección: Aciertos (Errores / ) Material permitido: Formulario y cualquier tipo de calculadora en la que no se pueda introducir texto
Más detallesPreguntas más Frecuentes: Tema 3
Preguntas más Frecuentes: Tema 3 Pulse sobre la pregunta para acceder directamente a la respuesta 1. Qué diferencia hay entre dispersión y variabilidad?. En el cálculo de la desviación media, cómo se calcula
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2006 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 006 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS
Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesBioestadística: Inferencia Estadística. Análisis de Una Muestra
Bioestadística: Inferencia Estadística. Análisis de Una Muestra M. González Departamento de Matemáticas. Universidad de Extremadura Estimación Puntual e Intervalos de Confianza Planteamiento del Problema
Más detallesUnidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis
Unidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis PÁGINA 353 SOLUCIONES 1. El peso de azúcar por confitura se distribuye según la normal N (465;30). Veamos el porcentaje
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. μ zα
Un estudio realizado sobre 100 usuarios revela que un automóvil recorre anualmente un promedio de 15.00 Km con una desviación típica de.50 Km. a) Determine un intervalo de confianza, al 99%, para la cantidad
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesFundamentos de la investigación en psicología
Fundamentos de la investigación en psicología TEMA 10 1º curso Grado Psicología Curso académico 2017-18 TEMA 10. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD: VARIABLES CONTINUAS 1. El modelo normal 2. Ejercicios
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2008 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 008 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesComparación de métodos de aprendizaje sobre el mismo problema
Comparación de métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación. Test de
Más detallesOPCIÓN A Ejercicio 1. (Calificación máxima: 2 puntos) 1 0 y B = Sean las matrices A = 2 1
OPCIÓN A Ejercicio 1. (Calificación máxima: 2 puntos) Sean las matrices A = 2 1 1 0 y B = 3 1 0 2 1 2 1 0 a) Calcúlese (A t B) 1, donde A t denota a la traspuesta de la matriz A. ( x b) Resuélvase la ecuación
Más detalles(1 p) 2 + p 7 = =
1. La probabilidad de que un enfermo se recupere tomando un nuevo fármaco es 0.95. Si se les administra a 8 enfermos, hallar: a La probabilidad de que se recuperen 6 de los 8 enfermos. b La probabilidad
Más detallesLa Estadística inferencial. Estadística inferencial. La Estadística inferencial. La Estadística inferencial. La Estadística inferencial
Estadística inferencial DEFINICIÓN Estadística Inferencial (o Estadística Analítica): Es la que se ocupa de obtener conclusiones sobre las poblaciones a partir de la información recogida en las muestras.
Más detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesDistribuciones discretas. Distribución binomial
Variables aleatorias discretas y continuas Se llama variable aleatoria a toda función definida en el espacio muestral de un experimento aleatorio que asocia a cada elemento del espacio un número real.
Más detallesControl Estadístico de Procesos. Medidas de Tendencia Central
Control Estadístico de Procesos Medidas de Tendencia Central Una característica importante de cualquier población es su posición, es decir, donde está situada con respecto al eje de abscisas (Eje horizontal).
Más detallesDistribuciones de Probabilidad
MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Distribuciones de Probabilidad Parte : Generalidades MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Las distribuciones
Más detallesCap. 5 : Distribuciones muestrales
Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesTEMA 8: ESTADÍSTICA. 8.1 Elementos de la Estadística. 8.2 Parámetros estadísticos. 8.3 Parámetros de posición para datos aislados.
TEMA 8: ESTADÍSTICA 8.1 Elementos de la Estadística. 8.2 Parámetros estadísticos. 8.3 Parámetros de posición para datos aislados. 8.1 Elementos de la Estadística. Es la parte de las Matemáticas que estudia
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2000-2.001 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro
Más detallesMuestreo y distribuciones muestrales.
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Introducción 2 La media muestral Esperanza y varianza de la media muestral La
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesEJERCICIOS RESUELTOS TEMA 6.
EJERCICIOS RESUELTOS TEMA 6. 6.1. Una variable aleatoria es discreta si entre dos valores consecutivos: A) existen infinitos valores intermedios; B) no existen valores intermedios; C) existen valores intermedios
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Índice: 1. Contraste de hipótesis------------------------------------------------------------------------------. Errores de tipo I y tipo II---------------------------------------------------------------------------
Más detallesEVALUACIÓN DE BACHILLERATO PARA EL ACCESO A LA UNIVERSIDAD 207 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. SEPTIEMBRE 2018 OPCIÓN A
EBAU Septiembre 08 Matemáticas aplicadas a las ciencias sociales en Murcia EVALUACIÓN DE BACHILLERATO PARA EL ACCESO A LA UNIVERSIDAD 07 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. SEPTIEMBRE 08 OBSERVACIONES
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 6 Problema 1.- Tengamos las variables sexo, nivel económico y consumo de tabaco. Los datos son los siguientes: Hombre Mujer Alto Bajo Alto Bajo 10 10
Más detallesTema 4: Estimación por intervalo (Intervalos de Confianza)
Tema 4: Estimación por intervalo (Intervalos de Confianza (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/ y A. Alonso (http://www.est.uc3m.es/amalonso/ 1 Planteamiento del problema: IC
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
Más detallesEXAMEN DE ESTADÍSTICA Junio 2011
EXAMEN DE ESTADÍSTICA Junio 2011 Apellidos: Nombre: DNI: GRUPO: 1. Sea X una variable aleatoria discreta. Determine el valor de k para que la función p(x) { k/x x 1, 2, 3, 4 0 en otro caso sea una función
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesTeoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
Más detallesESTIMACION INFERENCIA ESTADISTICA
P M INFERENCIA ESTADISTICA Desde nuestro punto de vista, el objetivo es expresar, en términos probabilísticos, la incertidumbre de una información relativa a la población obtenida mediante la información
Más detallesTema 4 - Introducción
Tema 4 - Introducción 1 Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Cómo obtener estimadores? Tema
Más detallesNombre: Distribuciones de probabilidad continua. Segunda parte.
Estadística 1 Sesión No. 12 Nombre: Distribuciones de probabilidad continua. Segunda parte. Contextualización En la presente sesión aprenderás una de las aplicaciones principales de la distribución t-student,
Más detallesTeorema Central del Límite
Teorema Central del Límite TCL: indica que, en condiciones muy generales, la distribución de la suma de v.a. tiende a una distribución normal cuando la cantidad de variables es muy grande. 156 Sea X 1,
Más detallesTema 6. Análisis Factorial.
Tema 6 Análisis Factorial El modelo Sea Y = (Y,, Y p ) t un vector aleatorio con vector de medias µ y matriz de covarianzas Σ Supondremos que existe un número entero m < p, una matriz L de orden p m de
Más detallesR E S O L U C I Ó N. a) La distribución de las medias muestrales es: N µ, = N 17 '4, = Como el nivel de confianza es del 95%, podemos calcular.
En una muestra aleatoria de 56 individuos se ha obtenido una edad media de 17 4 años. Se sabe que la desviación típica de la población normal de la que procede esa muestra es de años. a) Obtenga un intervalo
Más detallesPREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS SEPTIEMBRE 2016 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS
eptiembre 016 EAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO EPTIEMBRE 016 Código asignatura: 6011037 EAMEN TIPO TET MODELO B DURACION: HORA Material: Adenda (Formulario y Tablas) y calculadora (cualquier
Más detallesTEMA 3: MUESTREO Y ESTIMACIÓN. Estimación de la Media
TEMA 3: MUESTREO Y ESTIMACIÓN Estimación de la Media INTRODUCIÓN Supongamos que queremos estudiar una determinada característica de una población. Como vimos en el anterior power point, es muy complejo
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detalles