TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

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

Download "TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)"

Transcripción

1 TMA D MATMÁTICA (Oposcoes de ecudara) TMA 58 POBLACIO Y MUTRA. CODICIO D RPRTATIVIDAD D UA MUTRA. TIPO D MUTRO. TAMAÑO D UA MUTRA.. Itroduccó.. Tpos de Muestreo. 3. stmacó. 3.. Propedades de u Bue stmador stmadores Cetrados Cossteca fceca ufceca. 3.. Métodos de stmacó Putual stmacó por Máma Verosmltud Método de los Mometos Método de Mímos Cuadrados stmacó por Itervalos. 4. stadístcos. 5. rrores de Muestreo. 6. stmacó Putual. 6.. vel de Cofaza. 6.. Cálculo del Tamaño de ua Muestra que correspode a u rror stmacó de la Varaza Tamaño de la Muestra de la Varaza stmacó de la Proporcó Tamaño de ua muestra de la Proporcó. Bblografía Recomedada. /9

2 TMA 58 POBLACIO Y MUTRA. CODICIO D RPRTATIVIDAD D UA MUTRA. TIPO D MUTRO. TAMAÑO D UA MUTRA.. ITRODUCCIÓ. l obetvo de la stadístca es hacer ua fereca co respecto a la poblacó basádose e la formacó coteda e ua muestra. Como las poblacoes se descrbe medate medas umércas deomadas parámetros, el obetvo de la mayoría de las vestgacoes estadístcas es hacer ua fereca co respecto a uo o más parámetros de la poblacó. La geeraldad de los procedmetos de la fereca estadístca volucra ya sea la estmacó o be la prueba de hpótess. TIPO D MUTRO. Llamaremos muestra a la parte de la poblacó que utlzamos para coocer a toda la poblacó, auque sea de u modo apromado. Las muestras debe cumplr las sguetes codcoes: a) er Represetatva. sta codcó está asocada al tamaño de la muestra, ya que cuato más grade sea es evdete que más formacó proporcoará, y por lo tato, más represetatva. A su vez, el tamaño de la muestra també depede de la dspersó ya que, s la poblacó esta muy dspersa, tedremos que coger ua muestra de gra tamaño, para o perder mucha formacó. b) er Aleatora. Todos los aálss estadístcos se basa e que la muestra sea aleatora, es decr, que todos los elemetos de la poblacó tee la msma probabldad de formar parte de la muestra. caso cotraro, corremos el pelgro de coger ua subpoblacó, que es u subcouto de la poblacó que cumple ua determada codcó, co lo cual perdemos el prcpo de represetatvdad. el caso de que se perda la aleatoredad y, por lo tato la muestra o sea del todo represetatva, se dce que se ha cometdo errores de esgo. Otro fallo a la hora de elegr ua muestra es que ua varable codcoe a otra, ya que las varables debe ser depedetes y o codcoadas. emplo. U eemplo de ua muestra represetatva y aleatora es coger cco úmeros co dos decmales utlzado la fucó de Radomze, dode la poblacó es de 99 y la muestra es , 0 39, 0 30, 0 44, 0, 0 57 /9

3 Para aumetar la represetatvdad s ecesdad de aumetar el tamaño de la muestra se recurre al muestreo o téccas de muestreo. la práctca resuelve el problema de la represetatvdad. Hay varos tpos de muestreo: a) Muestreo Aleatoro mple. e realza e poblacoes e las que los datos so homogéeos. s decr, o este factores que produzca varabldad sstemátca. e este tpo de muestreo los elemetos de la poblacó homogéea se elge al azar. b) Muestreo Aleatoro stratfcado. e la poblacó este varabldad, este muestre cosste e descompoer la poblacó e partes que se llama estratos, de maera que detro de cada estrato los elemetos sea homogéeos, sedo dferetes los elemetos de estratos dsttos. Posterormete se realza u muestreo aleatoro smple e cada estrato, obteédose así la muestra. Crteros de stratfcacó. e debe coger como estratos aquellos factores que produce varabldad de los datos. Por eemplo, e las alturas de los españoles, los crteros de estratfcacó so: dad:,, 3 eo; H, M Zoa: Rural, Urbaa H M 3 Rural Urbaa Rural Urbaa Rural Urbaa Los cuadros represeta a los estratos. llamamos al tamaño del estrato y al tamaño de la muestra del estrato, la proporcó que este etre el tamaño de la muestra del estrato y el del estrato cocde co la proporcó que este etre el tamaño total de la muestra y el de la poblacó. c) Muestreo por coglomerados e aplca cuado la poblacó preseta heterogeedad y se actúa de la sguete maera: Paso : e descompoe la poblacó e clases llamadas coglomerados, de forma que detro de cada coglomerado haya la máma dspersó o heterogeedad (es decr, que haya de todo), de tal forma que los coglomerados se parezca etre sí. 3/9

4 Paso : Para elegr la muestra se realza u muestreo aleatoro de coglomerados. Cuado se elge u coglomerado, todos los elemetos del msmo forma parte de la muestra. d) Muestreo stemátco. e realza cuado los elemetos se ecuetra e ua lsta. Ua vez que se elge u úmero, el resto ya está codcoado. Para troducr la aleatoredad, se dce por dode se empeza a coger los elemetos. emplo. e ua lsta hay 00 úmeros y deseamos coger 5 de ellos, elegremos uo al azar etre los cuatro prmeros y, a partr de ese mometo, tomamos los elemetos cada cuatro. e) Muestreos Poletápcos. Los muestreos estratfcados se realza de la sguete maera: se forma estratos y después se hace u muestreo (de los tpos aterores), luego se hace otro, etc. Además, los tpos de muestreo puede ser co reemplazameto o s reemplazameto. Muestreo s reemplazameto. Ua vez tomado u elemeto o se devuelve a la poblacó. Muestreo co reemplazameto. l elemeto elegdo sí se devuelve a la poblacó, pudedo ser seleccoado de uevo. 3. TIMACIÓ. Icaremos el estudo estadístco de colectvos (poblacó) medate la eleccó de uos pocos (muestra), de los que ferremos las característcas de toda la poblacó. La stadístca Iferecal tratará de obteer formacó acerca de los parámetros poblacoales a partr de la muestra. Los stmadores so varables aleatoras utlzadas `para estmar parámetros de la poblacó. Los estmadores que proporcoa u úco valor para el parámetro poblacoal se deoma stmadores Putuales, metras que los que especfca u tervalo de valores se deoma stmadores por Itervalos. Para llevar a cabo tales estmacoes es ecesaro que la muestra sea represetatva de la poblacó, para lo cual ha de ser aleatora e su seleccó y poseer u adecuado tamaño. 3.. Propedades de u Bue stmador. Para que u estadístco sea cosderado u bue estmador de u parámetro dado, covee que reúa las sguetes propedades: 4/9

5 er Isesgado (cetrado) er Cosstete. er fcete. er ufcete. ea u estadístco ( del que os vamos a servr para estmar u parámetro ( stmadores Cetrados. Dremos que θ es u stmador Cetrado o Isesgado de θ s se verfca que (θ )θ. Por el cotraro, dremos que el estmador es esgado s (θ )θ+b(θ), y se deoma esgo del estmador a la catdad b(θ)(θ ) θ Cossteca. U estadístco θ utlzado para estmar u parámetro θ es cosstete s para tededo a fto, se verfca que θ θ e probabldad, para lo cual es sufcete que se cumpla las dos codcoes sguetes: ) Que sea Astótcamete Cetrado: (θ ) θ ) Que la Varaza teda a Cero: Var(θ ) fceca. para estmar u msmo parámetro θ teemos dos estmadores astótcamete cetrados θ y θ, decmos que θ es más efcete que θ s la varaza del prmero es meor que la del segudo. sto es, s Var(θ ) Var(θ ). La fceca Relatva de θ respecto de θ se defe como el cocete etre ambas varazas: Var( θ') efr ( θ' θ'' ) Var( θ' ') ufceca. U estmador θ del parámetro θ es ufcete s cotee tata formacó como la coteda e la propa muestra. Dcho de otra forma: Dremos que u estadístco TT(,,..., ) es ufcete para θ s la dstrbucó de,,..., dado T es depedete del valor del parámetro. 3.. Métodos de stmacó Putual. La stmacó Putual costtuye el método más elemetal de asgar los valores obtedos de la muestra (estadístcos) a toda la poblacó (parámetros). los métodos de estmacó putual se busca u estmador, co base e los datos muestrales, que proporcoe u úco valor del valor del parámetro. stmar u parámetro θ o es más que dar ua fucó de las observacoes que o depeda, por tato, del parámetro descoocdo: 5/9

6 θ θ (,,..., ) así pues, para cada valor de la muestra asga u valor al parámetro θ. A esta fucó se la deoma stmador y a sus valores stmacoes del Parámetro stmacó por Máma Verosmltud. ste método seleccoa como estmacó aquel valor del parámetro que tee la propedad de mamzar el valor de la probabldad de la muestra aleatora observada. otras palabras, el método de máma verosmltud cosste e ecotrar el valor del parámetro que mamza el valor de la fucó de verosmltud. deotamos a la fucó de verosmltud por L, es decr, la fucó de probabldad de la muestra (caso dscreto) o la de desdad de probabldad (caso cotuo), e ambos casos la fucó depede del parámetro descoocdo (o parámetros) θ, co lo que teemos:,, K, ) f ( ; ) L( θ; θ para ua muestra aleatora smple,,..., de ua dstrbucó co fucó de probabldad o desdad de probabldad f(;θ). La fucó L(θ;,,..., ), cosderada como fucó del parámetro θ, recbe el ombre de Fucó de Verosmltud de la Muestra. tg(,,..., ) es el valor de θ para el cual el valor de la fucó de verosmltud es máma, etoces Tg(,,..., ) es el estmador de máma verosmltud de θ. Así pues, el estmador mámo verosíml debe satsfacer la ecuacó: L(θ ;,,..., ) maº L(θ;,,..., ) θ Θ dode Θ es el spaco Paramétrco (couto de posbles valores del parámetro θ). l método de máma verosmltud tee la propedad de proporcoar estmadores que so fucoes de estadístcos sufcetes s y sólo s el estmador de máma verosmltud es úco. Debdo a la aturaleza de la fucó de verosmltud resulta a meudo mucho más fácl de obteer el estmador mámo verosíml del logartmo eperao de dcha fucó, L[L(θ;,,..., )], que de la propa fucó L(θ;,,..., ) Método de los Mometos. ste método es quzás el más atguo para la estmacó de parámetros. Cosste e gualar u determado úmero de mometos teórcos de la dstrbucó de poblacó co los correspodetes mometos muestrales para obteer ua o varas ecuacoes que, ua vez resueltas, permte estmar los parámetros descoocdos de la dstrbucó poblacoal. 6/9

7 3..3. Método de Mímos Cuadrados. l método de Mímos Cuadrados, troducdo por Legedre y Gauss, cosste e buscar los valores de los parámetros que mmza ua certa fucó cuadrátca de los msmos (la suma de los cuadrados de los errores). stos métodos so teresates debdo a sus propedades astótcas, pues para muestras grades: uele dar estmadores astótcamete cetrados, es decr, co u sesgo desprecable. Por lo geeral, so astótcamete ormales, es decr, que su dstrbucó de probabldad es apromadamete ormal stmacó Por Itervalos. Aú el estmador cetrado más efcete es mprobable que estme co eacttud el valor del parámetro de la poblacó. De aquí ace la ecesdad de obteer u tervalo detro del cual se espera hallar el valor del parámetro, lo que os lleva a la stmacó por Itervalos. Ua estmacó por tervalos de u parámetro θ de la poblacó es u tervalo de la forma θ L < θ < θ U dode θ L y θ U depede de las observacoes muestrales. Puesto que muestras dferetes geeralmete proporcoará valores dferetes de θ L y θ U, estos putos etremos del tervalo so valores aleatoros y se busca de modo que fado γ etre 0 y se verfque que P(θ L < θ < θ U )γ l Itervalo θ L < θ < θ U obtedo a partr de la muestra seleccoada recbe el ombre de Itervalo de Cofaza. l valor γ se deoma Coefcete de Cofaza. Los valores θ L y θ U so respectvamete Límte de cofaza Iferor y Límte de Cofaza uperor. 4. TADÍTICO. Defmos como stadístco cualquer fucó que depeda de los valores de la muestra. Dsttos tpos de stadístcos: ) Meda Muestral. + + K + e dfereca de la meda poblacoal µ e que es ua fucó y µ es u parámetro. 7/9

8 ) Varaza Muestral. s ( ) e dfereca de la varaza poblacoal, ya que es u úmero. 3) Cuasvaraza Muestral. ( ) 4) Proporcó Muestral. e defe para valores cualtatvos dode º de casos co cualdad y tamaño de la muestra. e defe por: p 5) Proporcó Poblacoal. e defe por Π La meda muestral puede tomar u couto de valores que depede de las varables,,...,. Los valores que puede tomar u stadístco t, t,..., t forma la poblacó del estadístco. La dstrbucó de frecuecas o de probabldad se llamará Dstrbucó del stadístco. emplo. Dada la poblacó {,3,5,7} co µ4 y 5, calcular la dstrbucó del estadístco de de tamaño : + Valores que puede tomar el stadístco: La meda de las medas muestrales es: µ que cocde co la meda de la poblacó. La varaza de las medas muestrales poblacó dvdda por. toces: 5, que cocde co la varaza de la 8/9

9 9/9 Por lo tato, la dstrbucó del stadístco de se austa a ua dstrbucó ormal de meda µ y varaza.así pues: µ, TORMA. Teorema Cetral del Límte. Cuado la poblacó es ormal, la dstrbucó del estadístco es ormal, co meda µ y varaza. 5. RROR D MUTRO. Calculemos la varaza de la meda muestral para establecer la precsó de las estmacoes: ) ( ) ( ( ) ( ) ( )( ) + Ahora be: ( ) ( ) V ( )( ) ( )( ) ( ) ( )( ) ( ) Por otra parte: ( ) ( ) ( )( ) + 0

10 0/9 Luego: ( )( ) ( ) V ) ( usttuyedo teemos: ) ( V V V Así pues: V poblacoal aza de la fucó e V poblacoal aza fucó de la cuas e var var ) ( PROP La cuasvaraza muestral es u estmador sesgado de la varaza poblacoal. Dem. Probaremos que (s ) ( ) s ( ) ( ) s Ahora be: ( ) ( ) ( ) [ ] ( ) ( ) ( ) ( ) [ ] + ( ) ( ) ( ) ( ) + ( ) ( )( ) ( ) + ( ) ( ) ( )

11 /9 toces: ( ) ( ) [ ] s ) ( V V V A la raíz cuadrada de la varaza de la meda muestral se le llama error de muestreo, y su valor es: V o també Llamaremos Factor de Correccó para Poblacoes Ftas a. la poblacó es fta ( ) se obtee que el error de muestreo es el cocete de la dervacó típca poblacoal y la raíz cuadrada del tamaño muestral. el caso de ua proporcó, al tratarse de ua meda, resulta que la proporcó muestral es u estmador sesgado de la proporcó poblacoal y P ) ( ρ pero e este caso se puede smplfcar más ( ) ( ) PQ P P ) ( (puesto que al tomar los valores 0 y, y Q P) co lo que el error de muestreo de la proporcó es PQ PQ p 6. TIMACIÓ PUTUAL. TAMAÑO D UA MUTRA. Cosste e asgar valores a u parámetro de la poblacó a partr de los valores de la muestra, dode la meda tee u valor determado que es estmado, o calculado.

12 Para ello se usa los estmadores, que so los estadístcos que da valores apromados del parámetro que se quere estmar. stmador Parámetro µ P Π La meda µ de la poblacó es apromadamete la que obteemos como meda de la muestra, y lo msmo ocurre co la varaza. Pero para saber como es de apromado debe coocerse el grado de apromacó que vee dado por la llamada Cota de rror e. e K La cota de error la utlzamos para estmar la meda de la poblacó medate el estmador meda muestral. Debemos saber que la cota de error depede de la dspersó del estadístco. Teemos que el estadístco es: µ, co, (,, K ) e puede tomar los valores de, pues todos tee 0 o se austa a la msma dstrbucó ormal. ua muestra -dmesoal (,,, ) se tee que: dode µ, + + K+ por lo tato podemos ver que la suma de varables ormales es també ormal y so détcamete dstrbudas e depedetes. e tee que: µ, µ, Para saber cuato vale la meda de ua poblacó se obtee ua muestra y se toma la meda de la msma como estmador. l problema está e que la cota de error o es segura, ya que todavía o sabemos el valor que debe tomar K. Para ello debemos platearos que vel de cofaza queremos e uestra estmacó. /9

13 6.. vel de Cofaza. e mde e térmos probablístcos, dode K se determa e fucó del vel de cofaza: ( µ < e) P () Para que esto suceda co ua probabldad elevada, se ecesta coocer el vel de cofaza, es decr, (dode para que el vel de cofaza sea alto debe ocurrr que sea muy pequeño). l vel de cofaza se defe como la probabldad de que la dfereca etre el estmador y el parámetro que se quere estmar sea meor que la cota de error, o sea (). l vel de cofaza suele establecerse etre 0 95 y 0 99, es decr Tpfcado se tee que: P µ < K µ P < K P( Z < K ) dode Z (0,). Por lo tato teemos que K Z Y de aquí deducmos que el error es e Z Debemos saber que la cota de error depede de: De la dspersó de la poblacó. Del tamaño de la muestra. Del vel de Cofaza. emplo. otas de Boquímca {8, 8 33, 8, 8, 7, 6, 8 9, 7, 7 8, 8 5} 7'78 0'95 Podemos tomar Z Z '96 0'975 e Z '96 0 '4 y obteemos que µ 7 '78 ± ' 4 3/9

14 6.. Cálculo del Tamaño de ua Muestra que Correspode a u rror. defmos e como el error mámo admsble, y partmos de la fórmula del error e Z se tee que: e Z e Z Z Z e e sta fórmula la aplcaremos porque coocemos osotros. Z y porque e lo damos embargo, esta fórmula sólo os srve para muestreos sobre poblacoes ftas o ftas co reemplazameto. Por lo tato, para poblacoes ftas utlzaremos esta otra fórmula: e Z sta fórmula del error para poblacoes ftas aparece a partr de la de poblacoes ftas, pero añadédole u térmo llamado Factor de Correccó, que es, sedo el tamaño de la poblacó y es el tamaño de la muestra. Además, podemos decr que este factor de correccó dsmuye el error, ya que <, por razoes obvas. el caso, ahora, de que queramos calcular el tamaño de ua muestra para poblacoes ftas, utlzaremos la fórmula: + Por lo tato, recaptulado teemos que: Poblacó Ifta Poblacó Fta e rror e Z Z Tamaño de la Muestra Z e + 4/9

15 6.3. stmacó de la Varaza. També se puede estmar la varaza medate la cuasvaraza ( ) pero como Z procede de ua dstrbucó ormal y la cuasvaraza o, teemos que establecer ua ueva fórmula del error, que es: e t, Como vemos, aparece u térmo uevo que es la dstrbucó cotua t-tudet, que depede del vel de cofaza que queramos para la cota del error y de los grados de lbertad -, dode es el tamaño de la muestra. Aálogamete a lo hecho ates, podemos establecer ua fórmula para la cota del error pero e poblacoes ftas, que depede de la cuasvaraza: t, OB Vamos a establecer ua relacó etre la varaza y la cuasvaraza, de maera que podamos coocer la cota de error, coocda ua o coocda la otra. s ( ) ( ) ( ) ( ) ( ) s s o lo que es lo msmo s Por lo tato se tee que: Poblacó Ifta Poblacó Fta rror e t, ó e t, ó t, t, emplo. e quere medr la efectvdad de u somífero. Para ello se aplca a 7 persoas que duerme ua meda de 8 h. Co ua desvacó de 0 5 h. stmar la efectvdad del somífero co ua cofaza del 95%. 5/9

16 Resolucó. Como la coclusó que queremos sacar es geeral, supodremos ua poblacó fta. 7 8' s 0'5 0'95 La efectvdad del somífero es el estmador. Teemos que calcular el error, ya que 8 horas. e t, como 0 05 y -6 etoces t 0 05,6 0'5 toces e ' 0' 3 horas. 6 Luego µ ±e 8 ±0 3 horas µ (8 07,8 33) 6.4. Tamaño de la Muestra de la Varaza. ste ahora u problema, porque para coocer el tamaño de la muestra ecestamos más datos, ya que hasta ahora hemos partdo de la muestra ya etraída. Para ver el tamaño de la muestra, hemos de teer e cueta la Paradoa de Fredma que dce que cuado o coocemos la varaza y queremos saber el tamaño de la muestra, debemos usar ua de estas tres opcoes: ) La varaza de u estudo smlar. ) La varaza de ua muestra ploto. 3) Ua muestra lo más grade posble. emplo. Queremos estmar la efectvdad de u fármaco co u error de muto (mámo). Cuátos pacetes tedría que recbr el fármaco? Z e 60 0'95 0'05 '96 t, Z e 6/9

17 La epresó ateror o podemos resolverla ya que os falta la varaza y al o teer ua muestra smlar, podemos calcularla a partr de la muestra del eemplo ateror, auque la varaza de la muestra ploto o es la varaza que buscamos, pero se aproma. '96 (0'5) ' Para o perder precsó apromamos por arrba. Cuado queremos reducr el error a la mtad ecestamos aumetar el tamaño de la muestra cuatro veces. e' Z 4 Z Z e Para poblacoes pequeñas, s ésta se duplca, el tamaño de la muestra també se duplca. ésta vuelve a duplcarse, da u resultado mayor, pero llega u mometo e el que por mucho que aumete la poblacó, su tamaño o fluye e el de la muestra. Lm stmacó de la Proporcó. defmos Π como la proporcó poblacoal y defmos p como la proporcó muestral, la cual se austa a ua dstrbucó p( p) Π, dode es el tamaño muestral, se tee que las cotas de error para poblacoes ftas e ftas so: p( p) e Z Cota de error para poblacoes ftas. Y añadédole el factor de correccó: Z p( p) Cuado queramos estmar el Itervalo de Cofaza de la Proporcó Poblacoal, éste os vedrá dado por la proporcó muestral y por la cota de error. s decr: Π * * p ±e dode p * p*00 y e * e*00, que se da e tato por ceto. 7/9

18 6.6. Tamaño de ua Muestra de la Proporcó. Para ua poblacó fta se tee que, despeado de la fórmula de la cota de error: Z p( p) e Pero esta fórmula o os srve, pues o tee setdo que s queremos hallar el tamaño de la muestra, estemos utlzado la proporcó muestral. Por tato, para poder solucoar este problema, susttumos e la fórmula la proporcó muestral por la proporcó poblacoal. Z Π( Π) e l problema se platea cuado tampoco coocemos Π. toces la preguta sería Cómo estudar Π s coocerlo? La solucó a este problema cosste e elegr ua de las sguetes opcoes: ) Tomar Π de u estudo smlar. ) Tomar Π de ua muestra ploto. 3) Darle a Π el valor que haga mámo a. s decr, os plateamos el caso más desfavorable de modo que así o podamos errar, y dcho valor es Π0 5. l tamaño de ua muestra para poblacoes ftas se obtee medate la sguete fórmula: + Π OB. Podríamos establecer la relacó e dode h es el ídce de proporcó de h error. s decr, s h es porque se quere u error que sea la mtad de la proporcó poblacoal. toces, utlzado esta relacó se tee que: Z Π( Π) Z h Π Π h emplo. Qué tamaño de muestra se ecestaría para estmar el porcetae de fumadores de la Regó de Murca, sabedo que e u estudo ateror se coocó que fumaba el 30%, y que podemos permtros u error mámo del 5%? abemos que: 0'95 Z '96 e 5% e 0 05 Π 30% Π 0 3 8/9

19 Z ( ) Π Π ( '96) 0'30'7 3'7 33 e 0'05 emplo. quséramos hacer u estudo para saber a cuátos de los 4 que estamos e este aula habría que etrevstar para calcular el porcetae de fumadores bao las codcoes del eemplo ateror, se tee que: 33 3' BIBLIOGRAFÍA RCOMDADA. Itroduccó a la Teoría de la stadístca. Aut.: Mood/Graybll. d. Agular. Itroduccó a la Probabldad y la Medda. Aut. Procopo Zoroa. d. PPU 9/9

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

Inferencia Estadística

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

Más detalles

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

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

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

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

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

V II Muestreo por Conglomerados

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

1 Estadística. Profesora María Durbán

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

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

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

Más detalles

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

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

Más detalles

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

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

Más detalles

ESTADÍSTICA TEÓRICA: ESTIMADORES

ESTADÍSTICA TEÓRICA: ESTIMADORES Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez ESTADÍSTICA TEÓRICA: ESTIMADORES Estadístca Teórca: Estmadores

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

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

7. Muestreo con probabilidades desiguales.

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

Más detalles

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

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

Más detalles

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

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

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

Más detalles

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

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

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

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL. 3..- FUNDAMENTOS. La fereca estadístca proporcoa u método objetvo que establece reglas base para crtcar, rechazar y aceptar "tems" de formacó cetífca cuado prevalece codcoes

Más detalles

Teoría de Muestras e Inferencia

Teoría de Muestras e Inferencia Teoría de Muestras e Ifereca TEORÍA DE MUESTRAS E INFERENCIA. Poblacó y muestra. Métodos de muestreo 3. Dstrbucoes asocadas al proceso de muestreo 3. Dstrbucó de la meda de ua poblacó ormal 3. Dstrbucó

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

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

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

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Tema 6: Introducción al muestreo. Estimadores

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

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

Teoría de Muestras e Inferencia

Teoría de Muestras e Inferencia Teoría de Muestras e Ifereca TEORÍA DE MUESTRAS E INFERENCIA. Poblacó y muestra. Métodos de muestreo 3. Dstrbucoes asocadas al proceso de muestreo 3. Dstrbucó de la meda de ua poblacó ormal 3. Dstrbucó

Más detalles

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

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

Más detalles

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

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

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

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

Más detalles

Distribuciones Muestrales

Distribuciones Muestrales Estadístca II / Fucoes Varables Aleatoras. Ig. Dey Gozález Dstrbucoes Muestrales Muestreo Aleatoro Poblacó Muestra Herrametas Estadístcas Medaa Muestral ) ) / (( ) / ( ) / ( ; es mpar ; es par = = Meda

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

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

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

Más detalles

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 1.1. Probabldad, espaco muestral y sucesos... 11 1.1.1. Espaco muestral y sucesos... 11 1.1.. Probabldad... 14 1.1.3. Varable aleatora y fucó de dstrbucó...

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

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

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

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

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

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

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

Más detalles

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

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

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

Más detalles

Los Histogramas. Histograma simple

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

Más detalles

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

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

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

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

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

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

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

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

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

(Véase el Ejercicio 13 Beneficio de los bancos )

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

Más detalles

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

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

Más detalles

Regresión - Correlación

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

Más detalles

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

Estadística Descriptiva

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

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

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

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

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

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

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

TEMARIO DE MATEMÁTICAS [ ] III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA

TEMARIO DE MATEMÁTICAS [ ] III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA TEMARIO DE MATEMÁTICAS [07-8] TEMA 58: POBLACIÓ Y MUESTRA. CODICIOES DE REPRESETATIVIDAD DE UA MUESTRA. TIPOS DE MUESTREO. TAMAÑO DE UA MUESTRA. I. POBLACIÓ Y MUESTRA II. REPRESETACIÓ DE UA MUESTRA III.

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

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

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Aplicación de Boostrapping en Regresión I

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

Más detalles

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

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA MASTER OFICIAL EN GESTIÓN COSTERA ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS.

UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA MASTER OFICIAL EN GESTIÓN COSTERA ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS. Tema 3. ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS. 3.. INTRODUCCIÓN Detro del ámbto de problemas que se cotempla e la Gestó Costera, es frecuete ecotrarse co la cuestó de cuál es el valor de los parámetros que

Más detalles

Tema 2. Muestreo Aleatorio Simple Contenido

Tema 2. Muestreo Aleatorio Simple Contenido Tema. Muestreo Aleatoro Smple Cotedo 1) Defcó, seleccó otacó ) Estmadores de la meda el total. Propedades. Varazas error de estmacó. Límtes de cofaza. 3) Muestreo smple co resttucó 4) Estmadores de la

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

Análisis de Regresión y Correlación Lineal

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

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

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

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

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

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

Más detalles

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

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

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

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

Más detalles

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

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

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles