APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA

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

Download "APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA"

Transcripción

1 Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emrsarals Dartamto d Ecoomía Alcada Profsor: Satago d la Fut Frádz APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA

2

3 PRINCIPALES APLICACIONES DE LA CHI CUADRADO Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emrsarals Dartamto d Ecoomía Alcada Profsor: Satago d la Fut Frádz Al aalzar ua oblacó u caráctr cualtatvo o cuattatvo l studo rsulta muy tdoso or l gra úmro d lmtos dl qu costa la oblacó. Gralmt, s xama ua mustra tomada d la oblacó, lo qu llva a tr ua sr d datos, y vr hasta qué uto la mustra s ud cosdrar rtct a ua dstrbucó tórca coocda. Smr xstrá dsvacos tr la dstrbucó mírca u obsrvada y la dstrbucó tórca. S lata la custó d sabr s stas dsvacos so dbdas al azar o al habr tomado ua dstrbucó tórca adcuada. CONTRASTE DE BONDAD DEL AJUSTE El objtvo dl cotrast d bodad dl ajust s sabr s ua mustra rocd d ua oblacó tórca co dtrmada dstrbucó d robabldad. Sa ua oblacó, dod s aalza u caráctr X co (x, x,, x ) modaldads k xcluyts, dotado or s l úmro d lmtos qu rsta la modaldad x (frcuca obsrvada d x ), k Por otra art, sa. la frcuca srada o tórca d cada modaldad x S orga la TABLA DE CONTINGENCIA: X x x x xk Frcuca obsrvada k Frcuca srada ( ) ( ) ( ) ( ) k La dstrbucó tórca rrsta a S lata la hótss ula H : la dstrbucó mírca u obsrvada Para u vl d sgfcacó (o rsgo) : S acta H : ( ) k stadístco obsrvado stadístco tórco,(k ) S rchaza H : ( ) k stadístco obsrvado stadístco tórco,(k )

4 El stadístco ( ) k k (útl l cálculo) OBSERVACIONES DE LA APLICACIÓN a) El tst d la s ud alcar stuacos dod s dsa dcdr s ua sr d datos (obsrvacos) s ajusta o o a ua fucó tórca rvamt dtrmada (Bomal, Posso, Normal, tc.) b) Es csaro qu las frcucas sradas d las dsttas modaldads o sa fror a cco. S algua modaldad t ua frcuca srada mor qu cco s agrua dos o más modaldads cotguas ua sola hasta cosgur qu la frcuca srada sa mayor qu cco. c) Los grados d lbrtad d la dd dl úmro d arámtros qu s csta hallar ara obtr las frcucas sradas. E st stdo, s s rqur hallar arámtros, los grados d lbrtad so (k ) s las modaldads so ddts y (k ) cuado las modaldads so xcluyts. TABLAS CONTIGENCIA: CONTRASTE DE DEPENDENCIA O INDEPENDENCIA Cuado s dsa comarar dos caractrs (X, Y) ua msma oblacó qu admt las modaldads: X(x, x,, x,, x ) Y(y, y,, y,, y ), s toma ua mustra k j m d tamaño, rrstado or l úmro d lmtos d la oblacó qu rsta la modaldad x d X y d Y. j X Y y y yj ym m j x j m x j m x m x k k k kj km k k j j m No xst dfrca tr las S lata la hótss ula H : dstrbucos mírcas d X Y

5 Bajo la hótss ula, cada frcuca obsrvada (,,k ; j,, m) d la tabla d cotgca (k x m) hay ua frcuca srada ( ) qu s obt mdat la xrsó: x j., dod x j Agruado frcucas obsrvadas y sradas la tabla d cotgca (k x m) : X Y y y yj ym m j x ( ) ( ) j ( ) j m ( ) m x ( ) ( ) j ( ) j m ( ) m x ( ) ( ) ( ) m ( ) m x k k ( ) k k j k ( ) k kj ( ) kj km ( ) km j m k Las codcos csaras ara alcar l tst d la Ch-cuadrado xg qu al mos l 8% d los valors srados d las cldas sa mayors qu 5. Cuado sto o ocurr hay qu agruar modaldads cotguas ua sola hasta lograr qu la uva frcuca sa mayor qu cco. E ua tabla d cotgca d x srá csaro qu todas las cldas vrfqu sta codcó, s b la ráctca sul rmtrs qu ua d llas tga frcucas sradas lgramt or dbajo d 5. El stadístco d cotrast obsrvado: aroxmadamt ua Ch-cuadrado co ( ) k m qu sgu (k). (m) j (k ) x (m ) grados d lbrtad. 3

6 Para u vl d sgfcacó s ud cotrastar la dfrca sgfcatva tr las dos dstrbucos mírcas o la ddca d las dstrbucos mírcas. CONTRASTE DE HOMOGENEIDAD S acta S rchaza H s : o H s : o stadístco obsrvado ( ) k m j k m j stadístco tórco,(k).(m) stadístco obsrvado ( ) stadístco tórco,(k).(m) CONTRASTE DE INDEPENDENCIA Hótss ula H : Las dstrbucos mírcas X Y so ddts S acta S rchaza H s : o H s : o stadístco obsrvado ( ) k m j k m j stadístco tórco,(k).(m) stadístco obsrvado ( ) stadístco tórco,(k).(m) TABLAS CONTIGENCIA x y x 3 Para las tablas d cotgca x y x3 s obt fórmulas scllas d la utlzado úcamt las frcucas obsrvadas X Y y y x x (.. )... S acta H : S rchaza, H :, 4

7 X Y y y y 3 x 3 x S acta H : S rchaza, H :, Cofct d CONTINGENCIA Es ua mdda dl grado d rlacó o ddca tr dos caractrs la tabla d cotgca, s df: C C Mayor valor d C dca u grado d ddca mayor tr X Y FACTOR d corrccó d YATES Advértas qu como la mustra 4 s hac acosjabl l uso d la Ch-cuadrado co l factor d corrccó d cotudad d Yats: Factor corrccó,5,5 Para ua tabla d cotgca d x la corrccó d Yats:.. la corrccó o s válda cuado..... E gral, la corrccó d Yats s hac cuado l úmro d grados d lbrtad s. 5

8 Tst G d la razó d vrosmltud El tst d cotrast d ddcas or la razó d vrosmltuds (tst G) s ua ruba d hótss d la Ch-cuadrado qu rsta mjors rsultados qu l d Parso. S dstrbuy astótcamt co ua varabl alatora co (k ).(m ) grados d lbrtad. S df l stadístco G l k m j S acta la hótss ula H s G l k m,(k ).(m ) j Tst d McNmar El tst d McNmar s utlza ara dcdr s s ud actar o o qu dtrmado tratamto duc u cambo la rsusta d los lmtos somtdos al msmo, y s alcabl a los dsños dl to ats-dsués los qu cada lmto actúa como su roo cotrol. Cosst obsrvacos d ua varabl alatora bdmsoal (X, Y) La scala d mdcó ara X Y s omal co dos catgorías, tals como ostvo o gatvo, hmbra o macho, rsca o ausca, qu s ud domar y. X Y Total a b a b c d c d Total a c b d Los casos qu mustra cambos tr la rmra y sguda rsusta aarc las cldllas b y c. U dvduo s clasfcado la cldlla b s camba d a, la cldlla a cuado la rsusta s ats y dsués, la cldlla d cuado la rsusta s ats y dsués. Hótss ula H : El tratamto o duc cambos sgfcatvos las rsustas E l tst d McNmar ara la sgfcacó d cambos solamt trsa coocr las cldas b y c qu rsta cambos. Pusto qu b+c s l úmro d dvduos qu cambaro, bajo l suusto d la hótss ula, s sra qu (b + c) / casos camb ua drccó y (b + c) / casos camb otra drccó. 6

9 Estadístco d cotrast s b+c<: b s acta McNmar H s b McNmar /, Estadístco d cotrast s b+c : McNmar (b c) b c s acta H s (b c) b c McNmar /, La aroxmacó mustral a la dstrbucó Ch-cuadrado s más rcsa s s ralza la corrccó d cotudad d Yats (ya qu s utlza ua dstrbucó cotua ara aroxmar ua dstrbucó dscrta). El stadístco corrgdo: McNmar bc b c s acta H s bc b c McNmar /, Cofcts dstrbucos dcotómcas Los cofcts más utlzados varabls dcotómcas so los d corrlacó h y Q d Yul. Estos cofcts t alguas rodads comus d trés: a) Está ormalzados, las magtuds o dd dl tamaño d la tabla. b) So muy ssbls a la dstrbucó mírca obsrvada, traducdo coctracos d casos alguas cldas magtuds. c) T u rcorrdo tórco tr [-, ] dcado stuacos d asocacó rfcta y d ddca stadístca. Los cofcts y Q d Yul s dfrca la ssbldad rcoal: a) El cofct alcaza su máxmo valor sólo cuado ua d las dos dagoals s ha vacado. b) El cofct Q s muy ssbl a la xstca d ua clda qu térmos rlatvos s stá vacado. Su valor máxmo s alcaza cuado ua clda o hay gú caso, sto s lo qu s cooc como ssbldad rcoal. X Y y y Total x a b (a +b) x c d (c + d) Total (a + c) (b + d) () 7

10 Cofct Ph: adbc (a b)(c d)(a c)(b d) Cofct Q d Yul: adbc Q ad bc Q Tst xacto d FISHER S las dos varabls qu s stá aalzado so dcotómcas, y la frcuca srada s mor qu 5 más d ua clda, o rsulta adcuado alcar l tst d la, auqu sí l tst xacto d Fshr. El tst xacto d Fshr rmt aalzar s dos varabls dcotómcas stá asocadas cuado la mustra a studar s dmasado quña y o cuml las codcos csaras ara qu la alcacó dl tst d la Ch-cuadrado sa dóa. X Y y y Total x a b (a +b) x c d (c + d) Total (a + c) (b + d) () Las codcos csaras ara alcar l tst d la Ch-cuadrado xg qu al mos l 8% d los valors srados d las cldas sa mayors qu 5. D st modo, ua tabla d cotgca d x srá csaro qu todas las cldas vrfqu sta codcó, s b la ráctca sul rmtrs qu ua d llas tga frcucas sradas lgramt or dbajo d 5. El tst xacto d Fshr s basa valuar la robabldad asocada a cada ua d las tablas x qu s ud formar matdo los msmos totals d flas y columas qu los d la tabla obsrvada. Cada uo d stas robabldads s obt bajo la hótss d ddca d las dos varabls qu s stá aalzado. La robabldad asocada a los datos qu ha sdo obsrvados v dada or: (a b)! (c d)! (a c)! (b d)!! a! b! c! d! La fórmula gral d la robabldad dscrta dbrá calculars ara todas las tablas d cotgca qu uda formars co los msmos totals d flas y columas d la tabla obsrvada. 8

11 El valor d la asocado al tst xacto d Fshr ud calculars sumado las robabldads d las tablas qu rsult mors o guals a la robabldad d la tabla qu ha sdo obsrvada. El latamto s blatral, s dcr, cuado la hótss altratva asum la ddca tr las varabls dcotómcas, ro s scfcar d atmao qué stdo s roduc dchas dfrcas, l valor d la obtdo s multlca or. INTERPRETACIÓN DE DATOS S ha ralzado u studo sobr la stuacó laboral d las mujrs y su stado cvl, los datos obtdos furo: Trabajo Estado cvl rmurado Casada Soltra S No Total Total Los rsultados obtdos l aálss d la tabla d cotgca furo: Estadístcos Valor -valor Ch-cuadrado Parso 5,63436,75 Ch-cuadrado d Yats 4,54897,357 Tst G 5,789645,89 Ch-cuadrado NcNmar,94,978 Corrlacó Ph -,685643,78 Q d Yul -,8345 Co u vl d sgfcacó =,5, s d: a) S cutra asocada la stuacó laboral d la mujr a su stado cvl? b) Gralmt, las mujrs qu ralza u trabajo rmurado co soltras? Solucó: a) Para aalzar la ddca o o d la stuacó laboral d la mujr co su stado cvl (asocacó tr varabls catgórcas ua tabla d x) s utlza l tst d la χ d Parso, co o s corrccó d Yats, l tst G d razó d vrosmltuds. El tst d McNmar mo s ud utlzar st caso or o tratars d mustras aradas (ats-dsués). Establcdo las hótss: 9

12 H : La stuacó laboral d la mujr s ddt d su stado cvl. H: La stuacó laboral d la mujr dd d su stado cvl. Los trs stadístcos rmros, basados la χ, rsta u -valor <,5, co lo qu s rchaza la hótss ula H, cocluydo qu la stuacó laboral d la mujr stá asocada a su stado cvl. b) Partdo d qu la stuacó laboral d la mujr s cutra asocada a su stado cvl, falta or dtrmar la drccó d dcha asocacó, ara lo qu s rcurr al cofct d corrlacó Ph y la Q d Yul. Ambos stadístcos so gatvos, co u -valor <, 5, uddo afrmar qu la corrlacó tr la stuacó laboral y l stado cvl d las mujrs s vrsa y sgfcatva al 5%. S ud coclur qu la stuacó laboral d la mujr (sí sta trabajado) sta asocada a las soltras, co u vl d sgfcacó dl 5%.

13 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE.- Para comrobar s los oraros cotraba dfcultads co ua rsa maual d mrmr, s hzo ua ruba a cuatro oraros aotado l úmro d atascos sufrdos al troducr l msmo úmro d hojas, dado lugar a la sgut tabla: Oraro A B C D Total Obstruccos Co u vl d sgfcacó dl 5%, xst dfrca tr los oraros? Solucó: Establcdo la hótss ula H : 'o xst dfrca tr los oraros' La robabldad d qu s atascas ua hoja sría / 4 ara todos los oraros. D st modo, l úmro d atascos srados ara cada uo d llos sría ( ).,,4 Tmos, la tabla d cotgca x 4: Oraro A B C D Total Obstruccos 6 () 7 () 9 () 8 () 4 (4) S acta la hótss ula, a u vl d sgfcacó s k ( ) k k ; k k úmro trvalos stadístco tórco stadístco cotrast o b, la rgó d rchazo d la hótss ula: R co lo cual, k ( ) ;k Co l vl d sgfcacó (, 5 ), l stadístco tórco: 7, 85 sdo 3 9 7, 85, 5 ; 3 s vrfca la rgó d rchazo., 5 ; 3 E coscuca, s rchaza la hótss ula, cocluydo qu xst dfrca sgfcatva tr los oraros rscto al úmro d atascos la rsa d mrmr.

14 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE A UNA POISSON CON PARÁMETRO DESCONOCIDO..- E u laboratoro s obsrvó l úmro d artículas qu llga a ua dtrmada zoa rocdts d ua sustaca radactva u corto saco d tmo smr gual, obtédos los sguts rsultados: Númro artículas Númro ríodos d tmo 4 S ud ajustar los datos obtdos a ua dstrbucó d Posso, co u vl d sgfcacó dl 5%? Solucó: S stablc la hótss ula H : 'La dstrbucó mírca s ajusta a la Posso' La hótss ula s acta, a u vl d sgfcacó s ( ) k k k ; k stadístco tórco stadístco cotrast dod k úmro trvalos úmro arámtros a stmar o b, la rgó d rchazo d la hótss ula: R k ( ) ;k La dstrbucó d Posso s caractrza orqu sólo dd dl arámtro qu cocd co la mda. Sa la varabl alatora X = 'úmro d artículas' y = 'úmro d ríodos d tmo' x x P(x k),3, ,69 3 6, ,6 5,6 = x 59 x, 49, coscuca,, P(x k) k! k, k,,5

15 Las robabldads co qu llga las artículas k,,, 5 s obt k,. susttuydo los valors d k P(x k), o b las tablas co, k! Para vrfcar s l ajust d los datos a ua dstrbucó d Posso s acta o o, mdat ua, hay qu calcular las frcucas sradas (. ) x Frcucas ( = 48,) ( = 77,8) 4 ( = 6,7) 3 ( = 4,7) 4 ( =,8) 5 ( = 3, 5) 6 = 49.,3 = 48, = 49.,364 = 77,8 = 49.,69 = 6,7 3 = 49.,867 = 4,7 = 49.,6 =,8 = 49.,6 = 3, dado lugar a ua tabla d cotgca x 6, dod hay qu agruar las dos últmas columas or tr la últma columa frcucas sradas mors qu cco. Por tato, s t la tabla d cotgca x 5: x 3 4 y 5 Frcucas ( = 48,) ( = 77,8) 4 ( = 6,7) 3 ( = 4,7) 4 ( = 5,8) 5 Así, los grados d lbrtad so trs ( k 5 3) El stadístco d cotrast: 5 5 ( ) ,3 3 48, 77,8 6,7 4,7 5,8 El stadístco tórco: 7,85,5 ; 3 El stadístco d cotrast (bodad d ajust) s mayor qu l stadístco tórco ( 7,85), rchazádos la hótss ula, s dcr, la dstrbucó NO s ud ajustar a ua dstrbucó d Posso a u vl d sgfcacó dl 5%. k ( ) S vrfca la rgó d rchazo: R 3,3 7,85 ;k 3

16 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE A UNA NORMAL CON PARÁMETROS DESCONOCIDOS. 3.- Para ua mustra alatora sml d 35 días, l úmro d urgcas tratadas daramt u hostal A quda rfljado la sgut tabla: Nº urgcas Total días Nº días Cotrastar, co u vl d sgfcacó dl 5%, s la dstrbucó dl úmro d urgcas tratadas daramt l hostal A s ajusta a ua dstrbucó ormal. Solucó: Para ajustar los datos obtdos a ua dstrbucó ormal N(, ) d arámtros dscoocdos, s csta stmar los dos arámtros rcurrdo a los stmadors máxmo-vrosímls: ( ˆx, ˆ ), dod la varabl alatora X = ' úmro d urgcas daras'. S stablc la hótss ula x H : 'La dstrbucó mírca s ajusta a la ormal' S acta la hótss ula, a u vl d sgfcacó s ( ) k k k ; k stadístco tórco stadístco cotrast dod k úmro trvalos úmro arámtros a stmar S obt la mda y la dsvacó tíca: Itrvalos x x. x. 5, , ,5 3656,5 5, , ,5 993,75 5, , ,5 6 = = 35 6 = = 6 = x = 575 x. = 86437,5 6 x = x = = 4, (x x) x. = = σ = = (x ) = 36,7 x σ =6,6 x 4

17 S rocd al ajust d ua dstrbucó ormal N(4,5 ; 6,6), hallado las robabldads d cada uo d los trvalos: Itrvalos =. ( ) ( ) / 5,498 7,43 6,6, ,74 59,99 5,,4 5,33 5,8 33,76,3 5 95,867,35 8,6,9 5 6,396 48,86 4,,54 5 3,366,8 7,9,6 = 35 6 ( ) / =4,57 = 4,5 x 4,5 5 4,5 P(<x<5)=P < < =P(,39 < z <,57) = 6,6 6,6 6,6 = P(,57 < z <,39) = P(z >,57) P(z >,39) =, 58, 84 =, ,5 x 4,5 4,5 P(5 < x <) = P < < = P(,57 < z <,74) = 6,6 6,6 6,6 = P(,74 < z <,57) = P(z >,74) P(z >,57) =,96, 58 =,74 4,5 x 4,5 5 4,5 P(<x<5)=P < < =P(,74 < z <,8) = 6,6 6,6 6,6 = P(,8 < z <,74) = P(z >,74) P(z >,8) =,468,96 =,33 5 4,5 x 4,5 4,5 P(5 < x < ) = P < < = P(,8 < z <,9) = 6,6 6,6 6,6 =P(z>,8) P(z >,9) =,468,84 =,867 4,5 x 4,5 5 4,5 P(<x<5)=P < < =P(,9<z<,73)= 6,6 6,6 6,6 =P(z>,9) P(z >,73) =,84,48 =, ,5 x 4,5 3 4,5 P(5<x<3)=P < < =P(,73<z<,56)= 6,6 6,6 6,6 = P(z >,73) P(z >,56) =,48,5 =,366 S calcula las frcucas sradas, multlcado las robabldads or l úmro total d datos. 5

18 S calcula l stadístco d cotrast, dod l úmro d grados d lbrtad s k (º trvalos) (º arámtros a stmar) 6 3, co lo cual, ( ) 4, Por otra art, l stadístco tórco 7,85,5 ; 3 Como 4,57 7,85, s acta la hótss ula a u vl d 3,5 ; 3 sgfcacó dl 5%. E coscuca, la varabl alatora úmro d urgcas l hostal A sgu ua dstrbucó N(4,5 ; 6,6). 6

19 CONTRASTE DE HOMOGENEIDAD. 4.- Para coocr la oó d los cudadaos sobr la actuacó dl alcald d ua dtrmada cudad, s ralza ua custa a 44 rsoas, cuyos rsultados s rcog la sgut tabla: Dsacurdo D acurdo No cotsta Mujrs Varos Cotrastar, co u vl d sgfcacó dl 5%, qu o xst dfrcas d oó tr hombrs y mujrs at la actuacó dl alcald. Solucó: S trata d u cotrast d homogdad l qu s dsa comrobar s las mustras rocd d oblacos dsttas. S t dos mustras clasfcadas trs vls, dod s dsa coocr s los hombrs y mujrs rocd d la msma oblacó, s dcr, s s comorta d mara smjat rscto a la oó d la actuacó dl alcald. La hótss ula: H :'No xst dfrca tr hombrs y mujrs rscto a la oó' Rgó d rchazo d la hótss ula: R rchazo (k ). (m ) ; (k ).(m ) S forma ua tabla d cotgca x 3: E cada frcuca obsrvada ( ),,k ; j, la tabla d cotgca s t ua frcuca tórca o srada, m x j qu s calcula mdat la xrsó:., dod so las robabldads d qu u lmto tomado d la mustra rst las modaldads x d X y j d Y. Mujrs Varos Dsacurdo D acurdo No cotsta 84 ( = 99, 5) 8 ( =, 5) 78 ( = 68,96) 6 ( = 7, 3) 37 ( = 3,53) 3 5 ( = 3, 46) j 4 6 = = 99, = = 68, = = 3,

20 5. = =, = = 7, = = 3, El stadístco d cotrast: 3 j ( ) (). (3), co lo qu, 3 ( ) (84 99,5) (78 68,96) (37 3,53) (8,5) (6 7,3) χ = = ,5 68,96 3,53,5 7,3 = j= sgu ua (5 3,46) + = 9, 76 3,46 co dos grados d lbrtad s s crta la hótss ula co 5, j ; caso cotraro sría csaro agruar flas o columas cotguas. El stadístco d cotrast: ( ) k m k m (k ). (m ) j j 3 = j= = = 9, 76 99,5 68,96 3,53,5 7,3 3, 46 El stadístco tórco 5,99,5 ; Como 9, 76 5, 99 s cuml la rgó d rchazo, cocluydo qu las,5 ; mustras o so homogéas, s dcr, o rocd d la msma oblacó, hombrs y mujrs o oa lo msmo. 8

21 CONTRASTE DE INDEPENDENCIA. 5.- Novctos ccuta scolars s clasfcaro d acurdo a sus hábtos almtcos y a su cofct tlctual: Cofct Itlctual < Total Nutrcó bua Nutrcó obr Total A u vl d sgfcacó dl %, hay rlacó tr las dos varabls tabuladas? Solucó: S trata d u cotrast d ddca tr l cofct tlctual y los hábtos almtcos. S stablc las hótss: H :'Las dos varabls studadas so ddts' H :'Exst ddca tr las dos varabls' El stadístco d cotrast: ( ) k m k m (k ).(m ) j j Sdo la rgó d rchazo d la hótss ula: R rchazo (k ). (m ) ; (k ).(m ) E la tabla d cotgca x 4 ara cada frcuca obsrvada ( ),,k ; j,, m s t ua frcuca tórca o srada qu s calcula mdat la xrsó: x j Nutrcó bua Nutrcó obr Cofct Itlctual < ( = 5, 46) 3 ( = 3, 53) 8 ( = 33,5) 7 ( =, 74) 77 ( = 73,8) 3 3 ( = 6, ) 3 9 ( = 9,47) 4 ( = 9, 5) j = = 5, = = 33, = = 73, = = 9,

22 8. 76 = = 3, = =, = = 6, = = 9, El stadístco d cotrast: χ = = = 9,75 3 5, 46 33,5 73,8 9, 47 3,53,74 6, 9,5 = j= ó b, 4 ( ) (45 5,46) (8 33,5) (77 73,8) (9 9,47) χ = 3 = , 46 33,5 73,8 9, 47 = j= (3 3,53) (7,74) (3 6,) ( 9,5) = 9,75 3,53,74 6, 9,5 sgu ua co trs grados d lbrtad s s crta la hótss ula co 5, j ; caso cotraro sría csaro agruar flas o columas cotguas. El stadístco tórco 6,5, ; 3 Como 9, 75 6,5 s cuml la rgó d rchazo, cocluydo qu s 3, ; 3 rchaza la ddca, habdo or tato ddca stadístca tr l cofct tlctual y la almtacó. 6.- Trs métodos d maqutado d tomats furo robados durat u ríodo d cuatro mss; s hzo u rcuto dl úmro d klos or qu llgaro stroados, obtédos los sguts datos: Mss A B C Total Total a) Obsrvado smlmt los datos, qué s ud frr sobr l xrmto? b) Co u vl d sgfcacó d,5, comrobar qu los trs métodos t la msma fcaca. Solucó:

23 a) Co la sml obsrvacó d los datos, l maqutado A arc sr l mjor, ya qu s l qu mos klos d tomats stroados tuvo. Ahora b, sta stuacó ud sr gañosa, ya qu hay qu tr cuta l úmro d klos qu s maqutaro. Para tomar ua dcsó sobr s hay dfrca tr los dfrts métodos d maqutado, s cotrasta la hótss ula H :'No xst dfrca tr los métodos d maqutado' b) La hótss ula H :'No xst dfrca tr los métodos d maqutado' S acta H s: k m (k ). (m ) ; (k ). (m ) j S forma la tabla d cotgca 3 x 4, dod x j Emaqutado Mss 3 A B C Total 6 ( 6, 35) 8 ( 7, 8) 8 ( 7, 3) 3 ( 9, ) (, 9) 8 (, 39) 3 (, 6) 3 ( 3, ) 3 4 (, 8) 33 6 (6) 3 (3) 3 (3) (4 9, 5) (4 3, 5) (43 5, 97) (39) Total ,35 7,8 3 7,3 4 9, ,,9 3,39 4 3, ,65 3 3, 33,8 43 5, Estadístco d cotrast: El stadístco tórco o srado: 8,4 7,4 (3). (4) j,59,5 ; 6

24 Sdo, 4,59, l stadístco obsrvado s mor qu l 6,5 ; 6 stadístco tórco o srado, or tato, o s cuml la rgó d rchazo, cocluydo qu los trs métodos d maqutado t la msma fcca. 7.- Ua mrsa multacoal dsa coocr s xst dfrcas sgfcatvas tr sus trabajadors dsttos aíss l grado d satsfaccó l trabajo- Para llo s toma mustra alatoras smls d trabajadors, obtdo los sguts rsultados: Satsfaccó l trabajo Muy satsfcho Satsfcho Isatsfcho Muy satsfcho Esaña 3 3 Fraca Itala Pud admtrs co u vl d sgfcacó dl 5% qu la satsfaccó l trabajo s smlar los trs aíss? Solucó: La hótss ula H :'Las roorcos d los trabajadors co los dsttos grados d S acta H : satsfaccó so guals los trs aíss' ( ) k m k m (k ). (m ) ; (k ). (m ) j j Rgó d rchazo d la hótss ula: R rchazo (k ). (m ) ; (k ). (m ) S forma la tabla d cotgca 3 x 4 dod cada frcuca obsrvada ( ) x j,,k ; j,,m t ua frcuca tórca o srada

25 Esaña Fraca Itala Satsfaccó l trabajo Muy satsfcho Satsfcho Isatsfcho Muy satsfcho 3 3 ( 4,86) ( 85, 7) ( 57, 4) ( 4, 9) 3 ( 33, 8) 35 ( 83, 33) 3 4 ( 38, 95) 3 ( 333, 33) ( 34, 86) 3 5 ( 3) ( 5, 38) 4 5 ( 33, 33) 34 Total 9 (9) () 5 (5) Total Estadístco obsrvado: ( ) (3 ). (4 ) j j ,86 85,7 57,4 4,9 33,8 38,95 34,86 5, ,55 83,33 333, ,33 Estadístco tórco:, 59,5 ; (3 ).(4 ),5 ; 6 Como 49, 55, 59 s rchaza la hótss ula d homogdad d 6,5 ; 6 las trs mustras. Es dcr, la satsfaccó l trabajo d los mlados d los trs aíss s sgfcatvamt dstta. 8.- Las comañías d sguros d automóvls sul alzar sus rmas a los coductors más jóvs, co l crtro qu éstos so más rosos a tr u mayor úmro d accdts. E bas a la tabla adjuta, co u vl d sgfcacó dl 5%, cotrastar s l úmro d accdts s ddt d la dad dl coductor. Edad dl coductor Númro d accdts al año o mos más d Solucó: Hótss ula H :'El úmro d accdts sufrdos or los coductors o dd d la dad dl coductor' 3

26 S acta H : k m k m ( ) (k ). (m ) ; (k ). (m ) j j Rgó d rchazo d la hótss ula: R rchazo (k ). (m ) ; (k ). (m ) S forma la tabla d cotgca 3 x 5 dod cada frcuca obsrvada ( ),,k ; j,,m t ua frcuca tórca o srada caso d ddca x j Edad dl coductor 5 o mos 6 35 más d 36 Númro d accdts or año ,75, ,87 6,5 6, , 3 4, , , ,5 4 6,6 34 7, , , ,69 m j 5 (5) 95 (95) 55 (55) k j ,75 6,5 3 4,37 4 6,5 5 39, , , , , , , , 33 5,9 34 7, 35 4, Estadístco obsrvado: ( ) (3 ). (5 ) 8 j j ,75 6,5 4,37 6,5 39,37,37 6,6 5, 44 6,6 4, ,5 34,87 7, 5,9 7, 4,69 Estadístco tórco: 5, 57,5 ; (3 ). (5 ),5;8 4

27 Como 43,5 5,57 s rchaza la hótss ula d ddca 8,5 ; 8 tr la dad dl coductor y l úmro d accdts. E coscuca, la dad fluy sgfcatvamt l úmro d accdts al año. 9.- E dos cudads, A y B, s obsrvó l color dl lo y d los ojos d sus habtats, cotrádos las sguts tablas: Ojos Plo Rubo Cudad A Cudad B No Rubo Ojos Plo Rubo No Rubo Azul 47 3 Azul 54 3 No azul 3 93 No azul 4 8 a) Hallar los cofcts d cotgca d las dos cudads. b) E cuál d las dos cudads odmos afrmar qu hay mayor ddca tr l color dl lo y d los ojos? Solucó: a) S calcula los valors d la corrsodts a las dos obsrvacos, sdo x j la frcuca srada Ojos Azul No azul Plo Cudad A Rubo No Rubo Total 47 ( 8, 4) 3 ( 49, 85) 3 ( 4,85) 93 ( 74,4) 7 (7) 4 (4) Total ,4 4, ,85 74, Estadístco d cotrast: χ = χ = - = = 33,7 (-). (-) 8,4 4,85 49,85 74,4 = j= El cofct d cotgca: 33,7 C = =,386 A 33, E la oblacó B, la tabla d cotgca x : 5

28 Ojos Azul No azul Plo Cudad B Rubo No Rubo Total 54 ( = 39, 5) 4 ( = 56, 85) 3 ( = 44,85) 8 ( = 65, 5) 84 (84) () Total ,5 44, ,85 65,5 6 6 Estadístco d cotrast: ,8 (). () 39,5 44,85 56,85 65,5 j 7,8 El cofct d cotgca: C,8 B 7,8 6 b) Como l cofct d cotgca md l grado d rlacó o ddca tr las varabls, afrmamos qu la oblacó A hay mayor ddca tr l color d los ojos y dl lo.. E ua mustra alatora d rsoas s aalza alguos hábtos d la vda, habdo rcogdo datos d las sguts varabls: X = Estado gral d salud: muy buo (3), buo (), rgular (), malo () X = Sxo: mujr (), hombr () X = Nvl dl jrcco daro: tso (), modrado (), guo () 3 Ralzadas las tablas d cotgca corrsodts, s calcularo los sguts stadístcos ara cotrastar la asocacó: a) (X, X ) 8 b) (X, X ) 4,5 3 (X, X ) 6, 3 Co la formacó facltada, a u vl d sgfcacó dl 5%, laborar u dagóstco ara cada ua d las arjas d varabls. Solucó: Calculado los -valor( ) d cada stadístco s obt: a) H : X X so ddts 6

29 E (X, X ) 8 l úmro d grados d lbrtad s x (4 ) ( ) 3 P( 8). Itrolado la tabla d la Ch-cuadrado:,3,5,5, 5, 5 7,85 9,348 7,85 8 9,348, 5 8 9,348 (, 5) x (7,85 9,348) (, 5, 5) x (8 9,348), 469 Sdo,469,5 s rchaza la hótss ula, cocluydo qu l stado gral d salud stá asocado al sxo. b) H : X X so ddts 3 E (X, X ) 4,5 l úmro d grados d lbrtad s x 3 ( ) (3 ) P( 4,5). Itrolado la tabla d la Ch-cuadrado:,,9,,9,, 4,65, 4,5 4,65, 4,5 4,65 (,) x (, 4,65) (,9,) x (4,5 4,65),9 Sdo,9, 5 s acta la hótss ula, cocluydo qu l sxo s ddt dl vl dl jrcco daro. c) H : X X so ddts 3 E (X, X ) 6, l úmro d grados d lbrtad s (4 ) x(3 ) 6 3 P( 6,). Itrolado la tabla d la Ch-cuadrado:,6,9,,9,,4,645,4 6,,645, 6,,645 (,) x (,4,645) (,9,) x (6,,645),53 Sdo,53, 5 s acta la hótss ula, cocluydo qu l stado gral d salud s ddt dl vl dl jrcco daro. 7

30 . Para curar crta frmdad s sab qu xst cuatro tratamtos dfrts. Alcados or sarado a u gruo dstto d frmos, s ha obsrvado los sguts rsultados: Efrmo Tratamtos Curados No curados Total A B C D S ud cosdrar qu la fcaca d los cuatro tratamtos s la msma co u vl d cofaza dl 95 or? Solucó : S trata d u cotrast d homogdad d cuatro mustras, co 83, 56, 87 y 84 rsoas, d las cuals hay, rsctvamt, 6, 46, 7 y 54 rsoas curadas. S stablc la hótss ula H : Los cuatro tratamtos (mustrals) so d la msma fcaca Lo qu llva a afrmar qu la roorcó d rsoas curadas cada mustra s 3 / 3,74 y las o curadas q,74,58, dod x Efrmo Tratamtos Curados No curados A 6 3 B 46 C 7 7 D ( = 6,58) 56 ( = 4,55) 87 ( 3 = 64,55) 84 ( 4 = 6,3) 4 ( ) (6 6,58) (46 4,55) (7 64,55) (54 6,3), ( ),55 x 8, 9 4 xq,74x,58 8

31 Sdo 8, 9 7,85 3,5;3 s rchaza la hótss ula, s dcr, los tratamtos a fctos d curar a los acts, a u vl, 5, t dfrt fcaca. Solucó : S stablc la hótss ula H : Los cuatro tratamtos (mustrals) so d la msma fcaca Es ua tabla d cotgca 4x, co ua frcuca tórca O. x O j Efrmo Tratamtos A B C D Curados No curados O 6 (6,58) 46 (4,55) 7 (64,55) 54 (6,3) 3 (,4) (4,45) 7 (,45) 3 (,68) O j x3 56x3 87x3 84 x3 6,58 4, ,55 4 6, x8 56x8 87x8 84 x8,4 4,45 3,45 4, (O ) (6 6,58) (3, 4) (46 4,55) (4). () 6,58, 4 4,55 j ( 4, 45) (7 64,55) (7, 45) (54 6,3) (3,68) 8, 9 4, 45 64,55, 45 6,3,68 La xrsó atror s odía habr ralzado d forma más sclla co la gualdad: 4 4 (O ) O (4). () 6,58, 4 4, j j , 9 64,55, 45 6,3,68 9

32 Como 8, 9 7,85 3,5;3 s rchaza la hótss ula, s dcr, los tratamtos a fctos d curar a los acts, a u vl, 5, t dfrt fcaca.. E l gráfco s rsta la valuacó dl stado gral d salud d ua mustra d rsoas adultas mayors, sgú sa su so ormal o sobrso. Co los datos dl gráfco, co u vl d sgfcacó dl 5%, aalzar la xstca d ua rlacó sgfcatva tr l so y l stado gral d salud l adulto mayor. Solucó: a) S trata d dos varabls dcotómcas, co datos d frcuca, udédos alcar ua ruba d cotrast d asocacó co la Ch-cuadrado. La hótss ula H : El stado d salud y l so so ddts Llvado la formacó a ua tabla d cotgca d x Estado d Salud Buo Malo Normal (9, 4) 4 (6, 59) Pso Sobrso 8 (,59) (7, 4) Total () 4 (4) Total La frcuca obsrvada 4 s mor qu lo acosjabl cada clda ( 5 ), lo qu odría hacr sar ua stabldad dl cálculo. 3

33 Como la frcuca srada 6,59, todas las cldas cuml co l mímo acosjabl d 5 su valor srado. E la ráctca s acta hasta u % d las cldas qu o cuml co l rqusto d qu la frcuca srada sa 5 S calcula los valors d la frcuca srada corrsodts a las dos obsrvacos, sdo la x ,4,59 6, j ,4 8 Estadístco d cotrast: 8 4 χ = χ = -= =3,7 (-). (-) 9,4,59 6,59 7,4 = j= Estadístco tórco: 3,84,5, Como χ = 3,84 s acta la hótss ula, cocluydo qu l stado 3,7,5, gral d salud dl adulto mayor o stá asocado a su so. Advértas qu como la mustra 4 s hac acosjabl l uso d la Chcuadrado co l factor d corrccó d cotudad d Yats: Factor corrccó,5,5 Para ua tabla d cotgca d x la corrccó d Yats:.. la corrccó o s válda cuado..... E gral, la corrccó d Yats s hac cuado l úmro d grados d lbrtad s. E st caso, 34 x 8x4 x4 x6x8 34,3 Como χ =,3 3,84 s acta la hótss ula.,5, La valdz dl cotrast també s ud hacr co l -valor ( ): 3

34 P,3,7,,9,,9,, 58,76,58,3,76,,3, 76 (,) x (, 58,76) (,9,) x (,3,76),7 Al sr,7, 5 s rchaza la hótss ula, afrmado qu l stado gral d salud dl adulto mayor s ddt d su so. 3. U xrmto ara vstgar l fcto d vacuacó d amals d laboratoro rflja la sgut tabla: Vacua Amal laboratoro Efrmo No Efrmo Vacuado 9 4 No Vacuado 8 8 Co u vl d sgfcacó d,5, Es covt vacuar?. Solucó: Hótss ula H : Es ddt la vacua d los amals frmos Vacua Amal laboratoro Efrmo No Efrmo Total Vacuado No Vacuado Total E ua tabla d cotgca d rcurrdo a las frcucas obsrvadas. x s ud calcular la d ua forma sclla Estadístco obsrvado: , El úmro d grados d lbrtad s ( ) x( ) Estadístco tórco: 3,84,5, 3

35 Sdo 5,557 3,84 s rchaza la hótss ula, s dcr, la vacua,5, afcta a la frmdad, co u vl d sgfcacó, 5 4. Para aalzar la rrcusó qu t los dbats tlvsvos la tcó d voto, u quo d vstgacó rcogó datos tr 4 dvduos ats y dsués dl dbat, rsultado la sgut tabla: Ats dl dbat (caddatos) Dsués dl dbat (caddatos) A B Total A 46 (a) 5 (b) 96 (a +b) B 85 (c) 59 (d) 44 (c + d) Total 3 (a + c) 9 (b + d) 4 () S dsa sabr s l dbat tlvsvo cambó la tcó d voto, co u vl d sgfcacó dl 5%. Solucó: S trata d ua mustra arada ua stuacó ats-dsués, co lo qu s dóo u cotrast stadístco Ch-cuadrado d McNmar. Sa la hótss ula H : La tcó d voto s la msma ats y dsués dl dbat Estadístco mustral: (85 5) 9,74 McNmar 85 5 Estadístco tórco: 5,4 /,,5, Como 9,74 5,4 s rchaza la hótss ula, cocluydo qu la McNmar,5, tcó d voto cambó sgfcatvamt dsués dl dbat, co u vl d sgfcacó dl 5%. 33

36 5. S dsa aalzar s los studats d uvrsdads rvadas rfrtmt so d los stratos coómcos altos dl aís. Para llo, s ha tomado la sgut mustra: Uvrsdads Gruos sococoómcos Alto Mdo alto Mdo bajo Bajo Estado Prvadas 38 9 a) Para valdar l aálss co u vl d cofaza dl 95%, ralzar u cotrast or la razó d vrosmltud (tst G). b) Estudar l grado d ddca tr l to d uvrsdad y l strato sococoómco. Solucó: a) El tst d cotrast d ddcas or la razó d vrosmltuds (tst G) s ua ruba d hótss d la Ch-cuadrado qu rsta mjors rsultados qu l d Parso. S dstrbuy astótcamt como ua varabl alatora co (k ).(m ) grados d lbrtad. S df l stadístco k m G l j S acta la hótss ula H s G l k m,(k ).(m ) j Hótss ula H : El to d uvrsdad s ddt dl gruo sococóomco E u rco, la tabla rsta u 5% d cldas qu o vrfca qu las frcucas sa mayors qu 5, tdo qu agruar modaldads cotguas ua sola hasta lograr qu la uva frcuca sa mayor qu cco. Uvrsdads Gruos sococoómcos Alto Mdo alto Mdo bajo - Bajo Estado Prvadas S calcula los valors srados d cada clda, dod x j 34

37 Uvrsdads Estado Prvadas Gruos sococoómcos Alto Mdo alto Mdo bajo - Bajo 3 (9,6) 38 (3,74) 7 (3,59) 9 (, 4) 7 (4,5) 4 (6,85) Total 37 (37) Total (6) ,6 3,59 4, ,74,4 6, La frcuca srada 3 = 4,5<5, valor mímo rcomdado ara la ruba. E u caso ráctco s admt hasta u % d las cldas qu o vrfca st rqusto, como ocurr st caso. E cada clda s calcula l valor d x l Uvrsdads Gruos sococoómcos Alto Mdo alto Mdo bajo - Bajo Total Estado 5, 3,8 3,66,35 Prvadas 6,84 3,4,5,55 Total,73,66,5 3,9 3 9,6 3 x l 5, 38 3,74 38 x l 6,84 7 3,59 7 x l 3,8 9, 4 9 x l 3,4 7 4,5 7x l 3,66 4 6,85 4x l,5 El stadístco obsrvado 3 G l x3,9 7,8 j El úmro d grados d lbrtad s ( ).(3 ) El stadístco tórco 5,99,5, Como G 7,8 5,99, s rchaza la hótss ula d ddca,,5, cocluydo qu l to d uvrsdad stá asocado al gruo sococoómco. La valdz dl cotrast també s ud hacr co l -valor ( ): 35

38 P 7,8,7,,5,, 5, 7,378 7,84 7,378 7,8 7,84, 7,8 7,84 (, ) x (7,378 7,84) (, 5, ) x (7,8 7,84), 6 Al sr, 6, 5 s acta la hótss ula, afrmado qu l to d uvrsdad dd dl strato sococoómco. b) El grado d cotgca md l grado d rlacó o ddca: C G 7,8 C,75 G 7,898, hay ua ddca dl 7,5%. 6. La tabla adjuta rflja u aálss d la obsdad 4 sujtos. Co u vl d sgfcacó d,5, s dsa aalzar s xst dfrcas la rvalca d obsdad tr hombrs y mujrs o s, or l cotraro, l orctaj d obsos o varía tr sxos. Sxo Sí Obsdad No Total Mujrs (a) 4 (b) 5 (a +b) Hombrs 7 (c) (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () Solucó: El tst xacto d Fshr rmt aalzar s dos varabls dcotómcas stá asocadas cuado la mustra a studar s dmasado quña y o cuml las codcos csaras ara qu la alcacó dl tst d la Ch-cuadrado sa dóa. Las codcos csaras ara alcar l tst d la Ch-cuadrado xg qu al mos l 8% d los valors srados d las cldas sa mayors qu 5. D st modo, ua tabla d cotgca d x srá csaro qu todas las cldas vrfqu sta codcó, s b la ráctca sul rmtrs qu ua d llas tga frcucas sradas lgramt or dbajo d 5. S las dos varabls qu s stá aalzado so dcotómcas, y la frcuca srada s mor qu 5 más d ua clda, o rsulta adcuado alcar l tst d la, auqu sí l tst xacto d Fshr. 36

39 El tst xacto d Fshr s basa valuar la robabldad asocada a cada ua d las tablas x qu s ud formar matdo los msmos totals d flas y columas qu los d la tabla obsrvada. Cada uo d stas robabldads s obt bajo la hótss d ddca d las dos varabls qu s stá aalzado. La robabldad asocada a los datos qu ha sdo obsrvados v dada or: (a b)! (c d)! (a c)! (b d)!! a! b! c! d! La fórmula gral d la robabldad dscrta dbrá calculars ara todas las tablas d cotgca qu uda formars co los msmos totals d flas y columas d la tabla obsrvada. El valor d la asocado al tst xacto d Fshr ud calculars sumado las robabldads d las tablas qu rsult mors o guals a la robabldad d la tabla qu ha sdo obsrvada. Cuado l latamto s blatral, s dcr, cuado la hótss altratva asum la ddca tr las varabls dcotómcas, ro s scfcar d atmao qué stdo s roduc dchas dfrcas, l valor d la s multlca or. E st caso, latado la hótss ula H : El sxo y sr obso so ddts Sxo Obsdad Sí No Total Mujrs (a) 4 (b) 5 (a +b) Hombrs 7 (c) (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () (ab)!(cd)!(ac)!(bd)! 5!9!8!6!, 599! a! b! c! d! 4!! 4! 7!! Las sguts tablas mustra todas las osbls combacos d frcucas qu s ud obtr co los msmos totals d flas y columas: Sxo Obsdad Sí No Total Mujrs 4 (a) (b) 5 (a +b) Hombrs 4 (c) 5 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 (),98 (ab)!(cd)!(ac)!(bd)! 5!9!8!6!,98! a! b! c! d! 4! 4!! 4! 5! 37

40 Sxo Obsdad Sí No Total Mujrs (a) 3 (b) 5 (a +b) Hombrs 6 (c) 3 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 (),797 Sxo Obsdad Sí No Total Mujrs 3 (a) (b) 5 (a +b) Hombrs 5 (c) 4 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 (), 496 (a b)! (c d)! (a c)! (b d)! 5! 9! 8! 6!,496! a! b! c! d! 4! 3!! 5! 4! Sxo Sí Obsdad No Total Mujrs (a) 5 (b) 5 (a +b) Hombrs 8 (c) (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 (),3 Sxo Obsdad Sí No Total Mujrs 5 (a) (b) 5 (a +b) Hombrs 3 (c) 6 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 (),8 Sumado las robabldads d las tablas qu so mors o guals a la robabldad d la tabla obsrvada (,599 ) s t:, 599, 3, 8, 99 Sdo valor,99,5 s acta la hótss ula, cocluydo qu l sxo y l hcho d sr obso so ddts, s dcr, o xst asocacó tr las varabls studo, co u vl d sgfcacó, 5 Otro método d calcular l -valor cosst sumar las robabldads asocadas a aqullas tablas qu sa más favorabls a la hótss altratva d los datos obsrvados. La tabla xtrma d los datos obsrvados s la qu o s obsrva gua mujr obsa,,3, 599, 3, 69 38

41 El SPSS ara l cómuto dl tst d Fshr, calcula l -valor corrsodt a la altratva blatral ( x, 99,88) y l -valor asocado a u latamto ulatral (, 99). 39

42

Estadística Teórica II

Estadística Teórica II Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa

Más detalles

ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA

ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Estadístca

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad. 5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.

Más detalles

4.1 Procedimientos de inferencia para la distribución exponencial

4.1 Procedimientos de inferencia para la distribución exponencial 4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

Más detalles

EXAMEN DE TÉCNICAS CUANTITATIVAS III.

EXAMEN DE TÉCNICAS CUANTITATIVAS III. APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400

Más detalles

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL. Graldads Estadístca: Cojuto d torías y téccas para la rcoplacó, l aálss, la trprtacó y la prstacó d datos umércos Etapas

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal) PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly CAPÍTULO III MODELOS DE REGRESIÓN LOGÍSTICA 3. ANTECEDENTES La rgrsó logístca s ua d las

Más detalles

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov EXAMEN FINA DE I.O.E. (Curo / º Q. Cada d Markov S ha comrobado qu la robabldad d qu u dtrmado artdo olítco ga ua lcco dd d la gaó lo do comco mdatamt atror d la gut forma: gaó la do lcco atror toc la

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

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

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

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

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA

BIOMETRÍA II CLASE 17 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA. Héctor Olguín Salinas Depto de Ecología, Genética y Evolución FECN, UBA BIOMETRÍA II CLASE 7 MODELOS LINEALES GENERALIZADOS REGRESIÓN LOGISTICA Héctor Olguín Salnas Dto d Ecología, Gnétca y Evolucón FECN, UBA Asocacón ntr l tamaño d la clda d anals d abja y la rvalnca dl ctoarásto

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

Teoría de errores. Tema 4

Teoría de errores. Tema 4 Toría d rrors Tma 4 Tma 4 Toría d rrors 4. El rror rdadro 4. Clasfcacó d rrors Sgú las causas qu los prooca Sgú los fctos qu produc 4.3 Ly d rrors d Gauss Postulados d Gauss y dstrbucó d rrors Valor más

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km) 3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34

Más detalles

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS www.ova.ud.s/wbags/ild/wb/d.htm -mal: mozas@l.ud.s TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS Dstbucó dgada u uto c.- Fucó d obabldad: P( = c) = ; P( c) = 0. Fucó d dstbucó: F() = 0, c, c Momtos: E()

Más detalles

Elementos de Probabilidad y Estadística

Elementos de Probabilidad y Estadística Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

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

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

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

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

BREVE NOTA Y EJEMPLO SOBRE LOS MODELOS LOGIT

BREVE NOTA Y EJEMPLO SOBRE LOS MODELOS LOGIT BREVE NOTA EJEMLO SOBRE LOS MODELOS LOGIT Ecoomtría d la Emrsa Rafal d Arc - Fucó acotada tr cro y uo y, frcutmt solucos d squa. - Fucó o lal las varabls - No mor ormaldad - La trrtacó d los arámtros s

Más detalles

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta APNTE DE CLAE ECONOMETRÍA I. DI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJNTA EN EL MBRL Prof. Rafal d Arc Rafal.darc@uam.s I. Cotrast d sgfcacó cojuta dl modlo a

Más detalles

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos Política Fiscal Goiros d coalició o d itrss oráficos disrsos Goiros d coalició o d itrss oráficos disrsos Escario olítico dod l oiro stá comusto or dos artidos coalició:. Partidos ti rfrcias distitas sor

Más detalles

9.3. Contrastes para comparar dos distribuciones

9.3. Contrastes para comparar dos distribuciones TEM 9: CONTRSTES NO PRMÉTRICOS 9.. Cotrastes de bodad de ajuste 9... Cotraste Ch-cuadrado 9... Cotraste de Kolmogorov-Smrov 9.. Cotraste de depedeca para tablas de cotgeca 9.3. Cotrastes para comparar

Más detalles

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta /4 APUNTE DE CLAE ECONOMETRÍA I. UDI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJUNTA EN EL MBRL Prof. Rafal d Arc Prof. Ramó Mahía rafal.darc@uam.s ramo.maha@uam.s

Más detalles

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos Métodos de Predccó Ifereca Curso - María Jesús Sáchez Narajo y Carola García-Martos Dstrbucó Normal Camaa de Gauss x f x ex, x R π Ifereca Ifereca 3 Meddas Característcas 3 3 4 4 3 3 4 4 3 Curtoss CA Asmetría

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

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal

Más detalles

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

DISTRIBUCIONES BINOMIAL, DE POISSON Y NORMAL

DISTRIBUCIONES BINOMIAL, DE POISSON Y NORMAL BNP DISTRIBUCIONES BINOMIAL, DE POISSON NORMAL Dstrbucó bomal BNP I a. S ucará acá d uvo l problma ya cosdrado NP X : Dado u sucso A cuya probabldad d ocurrca ua pruba aslada s p, s qur hallar la probabldad

Más detalles

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

El error con ese presupuesto será aproximadamente del 3,1% Ejercicio 8.2

El error con ese presupuesto será aproximadamente del 3,1% Ejercicio 8.2 EJERCICIO 8.1 U ivstigador dispo d 0.000 para ralizar las trvistas d ua custa ua gra ciudad. El custioario s admiistrará mdiat trvistas tlfóicas, sido l cost d cada trvista d 0. Qué marg d rror dbrá asumir

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

MECÁNICA ESTADÍSTICA

MECÁNICA ESTADÍSTICA FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s

Más detalles

ANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1.

ANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1. AÁLISIS DE DATOS PROVEIETES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIOES A LA ECUESTA DE HOGARES Y EMPLEO DE LA PROVICIA DE BUEOS AIRES. Autors: Damot C, Motvrd M 3, Prz V 4 y Sotlo R 5 (VERSIÓ DEL 3 DE

Más detalles

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados. Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral

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

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

El código de transporte PRETOR

El código de transporte PRETOR aítulo El códgo d trasort PRETOR aítulo 1 INTRODU IÓN aítulo. El códgo d trasort PRETOR 6 aítulo EL ÓDIGO PRETOR El studo dl lasma u dsostvo d fusó rqur coocr co l máxmo dtall osbl u gra úmro d magtuds

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

Interacción genotipo-ambiente en ganado Holstein colombiano* Genotype and environment interaction in Colombian Holstein cattle

Interacción genotipo-ambiente en ganado Holstein colombiano* Genotype and environment interaction in Colombian Holstein cattle Itraccó goto-ambt gaado Holst colombao* M. F. Cró Muñoz **, H. Tohat, C. Costa y F. Bavds FCAVj-Uvrsdad Estadual Paulsta- Jabotcabal SP-Brasl. Emrsa Braslra d Psqusa Agrocuára EMBRAPA/CNPGL. Uvrsdad d

Más detalles

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente UNIVERSIDAD NACIONA MAYOR DE SAN MARCOS FACUTAD DE CIENCIAS MATEMÁTICAS UNIDAD DE POSGRADO Bootstrap los modlos d lccó dscrta: ua aplcacó l método d valoracó cotgt TESIS Para optar l Grado Académco d Magístr

Más detalles

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09 Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer

Más detalles

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes 3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

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

LECTURA 06: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE II) TEMA 12: INTERVALOS DE CONFIANZA PARA LA PROPORCION POBLACIONAL

LECTURA 06: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE II) TEMA 12: INTERVALOS DE CONFIANZA PARA LA PROPORCION POBLACIONAL Uivridad Católica o Ágl d Chimbot ECTURA 6: ITERVAOS DE COFIAA Y TAMAÑO DE MUESTRA (PARTE II) TEMA : ITERVAOS DE COFIAA PARA A PROPORCIO POBACIOA. ITRODUCCIO Mucha vc la dciio dd d arámtro qu o biario,

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

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

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit límit si ist: f f ' lím sigifica lo mismo.

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A

variables aleatorias discretas, la función de probabilidad conjunta del vector aleatorio ( X,..., se define como: ) A cors loros. só más d dos dmsos Dcó: S... rbls lors dscrs l ucó d robbldd cou dl cor loro... s d como: ddo culqur couo A R...... P... P... A...... A...... s ucó ssc ls sgus rodds:.................. orm

Más detalles

Soluciones al examen de Estadística Aplicada a las Ciencias Sociales Junio 2008 Segunda semana

Soluciones al examen de Estadística Aplicada a las Ciencias Sociales Junio 2008 Segunda semana Solucions al amn d Estadística Alicada a las Cincias Socials Junio 008 Sgunda smana Ejrcicio. Para dtrminar si ha aumntado la intnción d voto ralizarmos una ruba d hiótsis d la siguint manra: Sindo P 0,377

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

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

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso

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

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE MATEMÁTICAS Y CULTURA B O L E T Í N 23.04.20 No. 273 COORDINACIÓN DE MATEMÁTICAS MATEMÁTICAS MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE E l Boltí Matmáticas Y Cultura No. 257 dl 23 d abril

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

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

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

Comparación de Proporciones

Comparación de Proporciones Comaracó de Proorcoes Resume El rocedmeto Comaracó de Proorcoes esta dseñado ara comarar las roorcoes observadas de u eveto etre muestras. Este realza ua rueba ch-cuadrada ara determar s hay o o dferecas

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

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS Dpartamto d Matmáticas. IE.S. Ciudad d Arjoa º Bach Socials. LÍMITES Propidads: TEMA : LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS. LÍMITES. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. LÍMITES. RESOLUCIÓN DE INDETERMINACIONES.

Más detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

Q c 0 en V (5.1a) y z k. y n

Q c 0 en V (5.1a) y z k. y n V.- PROBLEM DE CMPO ECLR 5..- Itroduccó dfrca d los problmas abordados los capítulos atrors, dod las cógtas rlacoados co los msmos ra catdads vctorals, st ua gra gama d problmas dod las cógtas so d aturala

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

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

Automá ca. Capítulo4.RespuestadeRégimenTransitorio

Automá ca. Capítulo4.RespuestadeRégimenTransitorio Automáca Capítulo.RputadRégmratoro JoéRamóLlataGarcía EthrGozálzSaraba DámaoFrádzPérz CarloorFrro MaríaSadraRoblaGómz DpartamtodcologíaElctróca IgríadStmayAutomáca Rputa d Régm ratoro Rputa d Régm ratoro..

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

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

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

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles