Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
|
|
- Juan Manuel Coronel Álvarez
- hace 5 años
- Vistas:
Transcripción
1 Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del experimeto o Puede ser cotiua o discreta Variable Aleatoria Discreta Número de persoas que se forma e ua fila e 1 hora Número de águilas que se obtiee al lazar ua moeda 5 veces. Variable Aleatoria Cotiua Tiempo etre dos llamadas de teléfoo Temperatura. Estatura Peso Distribucioes de Probabilidad La distribució de probabilidad de ua variable aleatoria describe cómo se distribuye las probabilidades etre los valores de la variable aleatoria. La distribució de probabilidad está defiida por ua fució de probabilidad, deotada por f(x) Distribució de Probabilidad Discreta Histograma Ua vez que se cooce la distribució de probabilidad, es relativamete fácil determiar la probabilidad de diversos evetos f(x) 0 f(x) = 1 Valor Esperado: E(x) = μ = f(x) x
2 Variaza: Ejemplos de Distribucioes Discretas Var(x) = σ 2 = f(x) (x μ) 2 Biomial: o etapas idéticas e idepedietes o Cada esayo tiee 2 posibles resultados, éxito o fracaso o Probabilidad de éxito para cada esayo es p, de fracaso es 1-p o x deota al úmero de éxitos que queremos obteer f(x) = ( x ) px (1 p) x ; ( x ) =! x! ( x)! f(x) = probabilidad de x éxitos e es ayos o Tiras ua moeda 5 veces Poisso: o Número de veces que u eveto sucede e u tiempo determiado. f(x) = μx e μ = probabilidad de x ocurrecias e u itervalo x! Distribució de Probabilidad Cotiua o Normal (campaa de gauss) o t-studet o χ² o F o Log-Normal o Logística o Expoecial f(x) 0 f(x) dx = 1 f(x) No es ua probabilidad, es ua desidad.
3 6 f(x) dx = Probabilidad de observar valores de x etre 5 y 6 = P(5 X 6) 5 x f(t) dt = F(x) = P(X x) = Fucio de Probabilidad Acumulada 6 F(6) F(5) = f(x) dx = Probabilidad de observar valores de x etre 5 y 6 5 Distribució de Probabilidad Normal o La distribució de probabilidad más usada para describir variables aleatorias cotiuas es la distribució de probabilidad ormal o Peso, estatura, putuacioes de exámees, etc. X~N(μ, σ 2 ) f(x) = 1 (x μ) 2 2πσ 2 e 2σ 2 o Dos parámetros: μ y σ 2. o Media=Moda=Mediaa o Simétrica (coeficiete de asimetría = 0) y Mesocrática (curtosis = 3) o Probabilidades: o Área debajo de media es 50% o 68.3% de los valores de ua variable aleatoria ormal se ecuetra más o meos ua desviació estádar de la media o 95.4% a dos desviacioes estádar o 99.7% a tres desviacioes estádar. Distribució de Probabilidad Normal Estádar o Ua variable aleatoria que tiee ua distribució ormal co media cero y desviació estádar de uo. o Se puede estadarizar cualquier variable aleatoria co distribució ormal y las áreas etre la media y la desviació estádar o cambia. z = x μ σ
4 Ejercicios X~N(5,4), cuál es la probabilidad de que X sea meor o igual a 7? 84.13% z = = 2 2 = 1 X~N(5,4), cuál es la probabilidad de que X sea mayor o igual a 7? 15.87% X~N(5,4), cuál es la probabilidad de que X sea se ubique etre 3 y 7? 68.27% z 1 = = 2 2 = 1 z 2 = = 2 2 = 1
5 Estimació Putual Parámetros Poblacioales Media Poblacioal = μ = E(x) Variaza Poblacioal = σ 2 = E[(x μ) 2 ] = E[x 2 ] 2μE[x] + μ 2 = E[x 2 ] μ 2 Desviació Estádar Poblacioal = σ Estadísticos Muestrales Media Muestral x = x i Variaza Muestral s 2 = (x i x ) 2 1 Desviació Estádar Muestral s = x i La media muestral x es el estimador putual de la media poblacioal μ La variaza muestral s 2 es el estimador putual de la variaza poblacioal σ 2 Si seleccioar ua muestra aleatoria es u experimeto, la media muestral x es u resultado de ese experimeto. Por lo tato, cualquier x puede ser cosiderado como ua variable aleatoria. Por lo tato, como cualquier otra variable aleatoria x tambié cueta co: o Valor esperado o Desviació estádar Error Estadar o Distribució de probablidad. Esto permite hacer iferecias acerca del valor de la media poblacioal μ, mismo que descoocemos E(x ) = E [ x i ] = 1 E[x i ] = 1 μ = 1 (μ ) = μ var(x ) = var [ x i ] = 1 2 var[x i ] = 1 2 σ2 = 1 (σ2 ) = σ2 sd(x ) = σ
6 Distribució de x o Cuado la població tiee distribució ormal, la distribució de x esta tambié distribuida ormalmete. o Cuado la població o tiee distribució ormal podemos usar el teorema del límite cetral y así deducir que x tambié se distribuye de forma ormal. o Teorema del Límite Cetral: Cuado se seleccioa muestras aleatorias simples de tamaño de ua població, la distribució muestral de la media muestral puede aproximarse mediate ua distribució ormal a medida que el tamaño de la muestra se hace grade. o Para que el Teorema del Límite Cetral sea válida se ecesita u tamaño de muestra igual o mayor a 30. Distribució de p p = x ; x es el umero de elemetos de la muestra que cumple co el criterio E[p ] = p p(1 p) sd(p ) = o La distribució muestral de se aproxima mediate ua distribució ormal siempre que p 5 y (1 p) 5. Ejercicio Se sabe que la media poblacioal de altura es de 1.75 y que la desviació estádar es de Se toma ua muestra de la altura de 225 persoas y se obtiee la altura de cada ua. a) Calcula el error estádar de x. σ x = σ = = 0.01 b) Cuál es la probabilidad de que la media muestral de mi ecuesta sea 1.7 o meos que 1.7?
7 % c) Cuál es la probabilidad de que la media muestral de mi ecuesta sea igual a 1.7 o meor que 1.8? % d) Cuál es la probabilidad de que la media muestral de mi ecuesta se ubique etre 1.70 y 1.80? % P(1.70 < x < 1.80) = P(x < 1.80) P(x < 1.70)
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
Más detallesPropiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:
Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,
Más detalles3. Distribuciones de probabilidad
3. Distribucioes de probabilidad Estudiamos a cotiuació las pricipales distribucioes de probabilidad que se ecuetra e las aplicacioes del cálculo de probabilidades. Clasificaremos las distribucioes atediedo
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribucioes de probabilidad discretas Departameto de Ciecias del Mar y Biología Aplicada Itroducció Iferecia estadística: Parte de la estadística que estudia grades colectivos a partir
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesFormulas. Población infinita. Población finita
Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detallesDISTRIBUCIONES EN EL MUESTREO
7/9/08 DISTRIBUCIONES EN EL MUESTREO Uidad 4 08 Las estadísticas pesadas como variables aleatorias Ejemplo: u experimeto E cosiste e elegir =5 alícuotas de agua del río y medir la cocetració de arséico:
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesINFERENCIA ESTADÍSTICA
FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados. Sexo
EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Código asigatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier modelo) Calificació
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesLa ley de los grandes números
La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció
Más detallesSUMA DE VARIABLES ALEATORIAS
SUMA DE VARIABLES ALEATORIAS do C. 018 Clase Nº 9 Mg. Stella Figueroa Teorema Cetral del Límite El teorema afirma que la distribució de la suma de u gra úmero de variables aleatorias tiee aproximadamete
Más detallesAnálisis estadístico de datos simulados Estimadores
Aálisis estadístico de datos simulados Estimadores Patricia Kisbye FaMAF 11 de mayo, 2010 Aálisis estadístico Iferecia estadística: Elegir ua distribució e base a los datos observados. Estimar los parámetros
Más detalles8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS
8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [
Más detallesINFERENCIA ESTADÍSTICA
X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesEjercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:
Parcial de Probabilidad y Estadística : parte A Ejercicio 1: U embalaje cotiee 9 cajas de CDs. Las 9 cajas tiee la siguiete composició: 6 cajas cotiee 5 discos de música rock y 15 discos de música clásica
Más detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detallesPráctica 2 VARIABLES ALEATORIAS CONTINUAS
Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució
Más detallesUniversidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 7: HERRAMIENTAS INFERENCIALES. DISTRIBUCIONES ASOCIADAS AL Uiversidad MUESTREO de Oviedo. Facultad de Ecoomía y Empresa. Grado e ADE. 7.1.- Distribucioes Métodos
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesTEMA 4- MODELOS CONTINUOS
TEMA 4- MODELOS CONTINUOS 4.1. Itroducció. 4.2. Distribució uiforme cotiua de parámetros a y b. X Ua, b 4.3. Distribució Gamma de parámetros y. X, Casos particulares: 4.3.1.Distribució Expoecial. X Exp
Más detallesMATEMÁTICAS 2ºBACHILLERATO CCSSII
La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesEstimación por intervalos
Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesEstadística para la Evaluación de Riesgo Microbiano
Estadística para la Evaluació de Riesgo Microbiao Mii-Curso de Riesgo Microbiao 25 29 de agosto, 204 Uiversidad Mayor de Sa Simó Cochabamba, Bolivia Matthew E. Verbyla Estadística para la Evaluació de
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado e Geomática y Topografía Escuela Técica Superior de Igeieros e Topografía, Geodesia y Cartografía. Uiversidad Politécica de Madrid
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesUNIDAD 4 MODELOS PROBABILÍSTICOS
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más detallesINTRODUCCION Teoría de la Estimación
INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detallesPoblación Joven Adulta Total A favor En contra Total
Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo
Más detalles1. Distribución Normal.
DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei RESUMEN 1. Distribució Normal. 1.1. Cálculo de probabilidades a) Para ua distribució estádar N(0,1) usamos directamete la tabla: Ejemplos:
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesProbabilidades y Estadística (M) Práctica 8 1 cuatrimestre 2012 Convergencias - Ley de los Grandes Números
robabilidades y Estadística (M) ráctica 8 cuatrimestre 22 Covergecias - Ley de los Grades Números. Ua máquia produce artículos de 3 clases: A, B y C e proporcioes 25 %, 25 % y 5 % respectivamete. Las logitudes
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesSOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)
Curso 2012-13 PEC2 Pág. 1 SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Gráfico 1: E ua ivestigació se compara la eficacia de tres tipos de tratamieto de las fobias, atediedo a si ha habido
Más detallesIntroducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino
Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras
Más detallesEn esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.
Capítulo 6 Muestreo Estadístico E esta tema setaremos las bases del muestreo estadístico y estudiaremos las distribucioes de alguos estadísticos a partir de ua muestra. 6.1. Coceptos básicos Auque e el
Más detallesAnálisis estadístico de datos. Análisis estadístico de datos simulados. Elección de una distribución. Análisis estadístico de datos simulados
Aálisis estadístico de datos Aálisis estadístico de datos simulados Patricia Kisbye FaMAF 29 de abril, 2008 Cada fuete de aleatoriedad debe expresarse de acuerdo a ua distribució de probabilidad. Ua mala
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos
Más detalles( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )
I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad
Más detallesEstimación de Parámetros. Estimación de Parámetros
Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle
Más detallesIntervalos de confianza Muestras grandes
Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detallesPROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
Más detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
Más detallesTEMA 6 MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO
.- Itroducció: TEMA MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO Los aálisis estadísticos que se realiza e el mudo real tiee como objetivo estudiar las propiedades características de las poblacioes
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
Más detallesSOLUCIONES X X
eptiembre 016 EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO EPTIEMBRE 016 Código asigatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier
Más detallesTEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS
www.iova.ued.es/webpages/ilde/web/idex.htm e-mail: imozas@elx.ued.es TEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS Distribució uiforme e el itervalo [a, b].-, a x b Fució de desidad: f(x) = b a 0, e el
Más detallesPRÁCTICA 6: TEOREMA CENTRAL DEL LÍMITE
PRÁCTICA 6: TEOREMA CENTRAL DEL LÍMITE Objetivos Comprobar que la suma de variables aleatorias idepedietes y co la misma distribució es aproximadamete ormal. Estudiar la robustez de la aproximació frete
Más detallesE.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA TEMA 6: ESTIMACIÓN DE PARÁMETROS DE UNA DISTRIBUCION Datos, datos,
Más detalles1 e. F (x; y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que F (x; y) =
Probabilidades y Estadística (M) Práctica 5 2 o cuatrimestre 2013 Vectores aleatorios 1. a) Demostrar que la fució F (x; y) = 1 e x y si x 0 ; y 0 0 e caso cotrario o es la fució de distribució acumulada
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) SOLUCIONES
eptiembre 05 EAMEN MODELO B ág. INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 05 Código asigatura: 60037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)
Curso de Estadística Aplicada a las Ciecias Sociales Tema 10. Estimació de ua proporció Cap. 0 del maual Tema 10. Estimació de ua proporció Itroducció 1. Distribució e el muestreo de ua proporció. Estimadores
Más detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesDistribuciones: discretas y continuas
Distribucioes: discretas y cotiuas DISTRIBUCIONES. DISTRIBUCIONES DISCRETAS. Distribució Uiforme.... Distribució Biomial... 3.3 Distribució de Poisso... 6. DISTRIBUCIONES CONTINUAS.. Distribució Uiforme
Más detallesNotas de clase 2 Distribucion normal y teorema del limite central
Notas de clase Distribucio ormal y teorema del limite cetral Willie Heradez 05-I Motivació: La distribució ormal es, como mucho, la más importate de todas las distribucioes de probabilidad. Es ua distribució
Más detallesParte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.
EXAMEN EXTRAORDINARIO DE PROBABILIDADE Y ETADÍTICA I JULIO 014 Realizar las pregutas e hojas separadas, idicado explícitamete todas las fórmulas que se utilice. Tato el alumo que copie como el que se deje
Más detallesMétodos de Análisis Cuantitativo
Métodos de Aálisis Cuatitativo Fórmulas E este documeto se lista las fórmulas trabajadas e las clases del curso de Métodos de Ivestigació Cuatitativa (GES204) de la Facultad de Gestió y Alta Direcció de
Más detallesEstimación por Intervalos
Estimació por Itervalos Propósito Ya se discutiero los estimadores putuales: x y p Ahora se dará, e ambos casos, ua estimació de itervalo, la cual iforma sobre la precisió de la estimació. Esta estimació
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
Más detalles