Capítulo 5 ESTIMACIÓN POR INTERVALOS DE CONFIANZA PARA MEDIAS POBLACIONALES EN UNA Y DOS POBLACIONES

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

Download "Capítulo 5 ESTIMACIÓN POR INTERVALOS DE CONFIANZA PARA MEDIAS POBLACIONALES EN UNA Y DOS POBLACIONES"

Transcripción

1 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista Capítulo 5 ETIMACIÓN POR INTERVALO DE CONFIANZA PARA MEDIA POBLACIONALE EN UNA Y DO POBLACIONE 5 CONCEPTO GENERALE 5 Itroducció 5 Defiició de itervalo de cofiaza 53 Iterpretació de u itervalo de cofiaza 5 CONTRUCCIÓN DE UN INTERVALO DE CONFIANZA PARA UN PARÁMETRO MEDIANTE EL MÉTODO DEL PIVOTE O CANTIDAD PIVOTAL 5 Método 5 Ejeplo 53 Cuestioes que surge al costruir u itervalo de cofiaza 53 INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN 53 Estiació para la edia de ua població oral co coocida I Error e la estiació II Deteriació del taaño uestral III Ejeplos 53 Estiació para la edia de ua població oral co descoocida I Cálculo del itervalo II Observacioes iportates III Ejeplos 54 INTERVALO DE CONFIANZA PARA MEDIA CONIDERANDO DOPOBLACIONE 54 Itroducció 54 Itervalos de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes I Itervalo de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes, co variazas coocidas II Itervalo de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes, co variazas descoocidas pero supuestas iguales III Itervalo de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes, co variazas descoocidas pero que o puede supoerse iguales IV Deteriació del taaño uestral 543 Itervalos de cofiaza para la diferecia de edias co datos apareados Págia de 8

2 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista 5 Coceptos geerales 5 Itroducció Mediate los procediietos usados e el capítulo 4 es posible costruir u bue estiador putual de u paráetro θ, que verifique, icluso, todas las propiedades exigidas al respecto i ebargo, e uchos casos, ua estiació putual o es suficiete, e el setido de que dar u úero coo estiació de u paráetro o os idica el error que coeteos e la estiació; esto es cosecuecia de la aleatoriedad del uestreo E este capítulo estudiareos el problea de obteer ua estiació de u paráetro ediate cierto itervalo uérico 5 Defiició de itervalo de cofiaza Dada ua uestra aleatoria siple (,,, ) de ua variable aleatoria se llaa itervalo de cofiaza para u paráetro θ, co ivel o coeficiete de cofiaza -, 0< <, a u itervalo aleatorio (dado que sus extreos depede de las uestras elegidas): [ θˆ (,,, ); θˆ (,,, )] () tal que para cada perteeciete al espacio paraétrico Θ : P[ θˆ (,,, ) θ θˆ (,,, )] = - α () Observar que los extreos del itervalo () so estadísticos, es decir fució de las variables aleatorias que copoe la uestra y e cosecuecia ellos isos so variables aleatorias 53 Iterpretació de u itervalo de cofiaza Veaos la iterpretació cocreta de () Para ua realizació de la uestra, digaos (x, x,, x ) obtedreos u itervalo uérico: [ θˆ ( x, x,,x ); θˆ ( x, x,, x )] que llaareos tabié haciedo abuso del leguaje: itervalo de cofiaza Observar que e este caso o tiee setido hablar de probabilidad, dado que seleccioada ua uestra (,,, ) la probabilidad de que el paráetro θ esté icluido e el itervalo () es ó 0, depediedo de que el paráetro θ esté o o esté etre los dos úeros e que se covierte θˆ (,,, ) y θˆ (,,, ) al particularizarlos para ua uestra cocreta (,,, ) i ebargo direos que teeos ua cofiaza del (-) 00% e el setido de que si toáseos ifiitas uestras y co cada ua de ellas costruyéseos el itervalo uérico correspodiete [ θˆ ( x, x,,x ); θˆ ( x, x,, x )] el (-) 00% de los isos cotedría el valor del verdadero paráetro, ietras que los restates 00 %, o upogaos que se desea calcular u itervalo de cofiaza para la edia poblacioal co coeficiete de cofiaza 0,95 = - Cóo se iterpreta los líites de cofiaza? esperaos que por lo eos 95 de cada 00 itervalos que se calcula co otras tatas uestras cotega el valor descoocido ATENCIÓN! Notar que e igú oeto decios que está detro del itervalo, sio que es el itervalo el que cotiee a Págia de 8

3 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista Para iterpretar geoétricaete el sigificado de itervalo de cofiaza, supogaos que quereos estiar la edia poblacioal de ua distribució N (, ) Extraeos 0 uestras de taaño 4 de la distribució N (, ) y hallaos los 0 itervalos de cofiaza correspodietes, co u ivel de cofiaza del 95% E la Fig se represeta e el eje horizotal el úero de uestra y e el vertical el itervalo de cofiaza asociado Adeás ua líea horizotal represeta el valor de que se pretede estiar (e este caso =, descoocido, se le dio u valor deteriado solo por razoes didácticas) La gra ayoría de los itervalos cotiee el valor correcto de, pero hay u itervalo el correspodiete a la uestra úero 3, que o lo cotiee La uestra co que se costruyó este itervalo fora parte del 5% de las uestras alas, es decir las que proporcioa itervalos equivocados Fig E la práctica solaete se seleccioa ua uestra y e cosecuecia se calcula u úico itervalo de cofiaza, la coclusió será: el itervalo cotiee al paráetro co ua cofiaza del 0,95 5 Costrucció de u itervalo de cofiaza para u paráetro θ ediate el Método del Pivote o Catidad Pivotal 5 Método ea (,,, ) ua uestra aleatoria siple de ua variable aleatoria, cuya fució de distribució depede de u paráetro descoocido θ, a la cual idicareos f(x; θ) Los itervalos de cofiaza para θ se costruye e base a u estadístico: P=P(,,, ; θ) que llaareos pivote y debe teer las siguietes características: a) Coo se ve, P depede de la uestra aleatoria y del paráetro descoocido θ; siedo θ la úica catidad descoocida b) La distribució de probabilidad de P es coocida y o depede de θ Para aplicar el étodo del pivote debeos seguir los siguietes pasos: Págia 3 de 8

4 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista Establecer el pivote Fijado u ivel de cofiaza -, deteriar costates a y b tales que: Pa P,,, ; θ b - α i es posible despejar e la expresió aterior, obtedreos dos variables aleatorias: - - θˆ,,, y θˆ,,, tales que: - - Pθˆ,,, θ θˆ,,, - α para cualquier del espacio paraétrico Co lo cual, - θˆ,, ; θˆ,,, es u itervalo de cofiaza para, co ivel de cofiaza - 5 Ejeplo ea (,,, ) ua uestra aleatoria siple de ua variable aleatoria co distribució teórica N (, ) tal que la variaza es coocida Veaos coo se obtiee u itervalo de cofiaza para olució a) es estiador putual de µ - µ b) abeos que tiee distribució N(, ) Z tiee distribució N(0, ) c) Toaos coo pivote: P=P(,,, ;) = Z su distribució es N (0,) d) Fijaos u ivel de cofiaza - y seleccioaos dos putos, por ejeplo los putos siétricos -z / y z / tales que µ α P z α/ Z z α/ P z z α/ α/ P z α/ µ z α/ así el itervalo de cofiaza correspodiete viee dado por: zα/, z α/ z siedo z / tal que (z / ) = -(/) Gráficaete: / Págia 4 de 8

5 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista 53 Cuestioes que surge al costruir u itervalo de cofiaza Al costruir u itervalo de cofiaza surge alguas cuestioes que ecioareos a) Cóo elegir el estadístico pivote? Recordeos que P debe ser ua fució de la uestra y del paráetro a estiar, cuya distribució uestral es idepediete del paráetro Coo pudo verse e el ejeplo aterior, el pivote surge de u odo bastate atural E los casos e que esto o ocurra se aplica otros étodos para costruir los itervalos de cofiaza que o será estudiados e este curso b) Cóo deteriar las costates a y b? E el ejeplo aterior se cosideró: a = -z / y b = z / e podría haber elegido otras costates de aera que la probabilidad de que P esté copredido etre ellas sea - Nos iteresará elegir a y b de fora tal que el itervalo de cofiaza sea de logitud íia, de esta fora será ayor la precisió (Puede probarse que e el ejeplo aterior la elecció efectuada cuple este requisito) c) Cóo elegir? se elegirá segú la cofiaza deseada, teiedo e cueta que e geeral, a eor, el itervalo será ás largo Del ejeplo aterior se deduce que ua fora de auetar la precisió, fijado u ivel de cofiaza, es auetar el taaño uestral La relació que existe e ese caso, etre la logitud del itervalo (L),, y es: L = zα/ Noralete se suele toar coo uo de los valores: 0,; 0,05 ó 0,0 53 Itervalos de cofiaza para la edia de ua població Costruireos aquí itervalos de cofiaza para ua edia poblacioal, segú sea coocida o descoocida 53 Estiació para la edia de ua població oral co coocida E el ejeplo aterior se vio que e este caso el itervalo es de la fora: - z / z/ I Error e la estiació Págia 5 de 8

6 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista El itervalo de cofiaza de (-) 00% proporcioa ua precisió de la exactitud de la estiació putual i es realete el valor cetral del itervalo, etoces estia a si error La ayor parte de las veces, si ebargo, o será exactaete igual a y la estiació putual o es exacta El taaño de este error será: µ - y se puede teer ua cofiaza del (-) 00% de que esta diferecia o excederá el valor zα / Esto se puede ver co facilidad si se dibuja el diagraa de u itervalo de cofiaza hipotético coo el de la figura siguiete: - z α / zα / ERROR Teiedo e cueta lo dicho podeos euciar el siguiete teorea, Teorea i es u estiador de, etoces se puede teer ua cofiaza del (-) 00% de que el error o excederá ua catidad específica E = zα / () II Deteriació del taaño uestral Ua cuestió iteresate a la que os referios iplícitaete al tratar la elecció de, es cuál debe ser el taaño uestral ecesario para que, fijado u ivel de cofiaza, se alcace ua precisió (o logitud) deseada e el itervalo? La logitud del itervalo es: L = zα / Despejado de la ecuació aterior se obtiee: 4z α / = L Tabié podeos despejar de (), de aera que os quede expresada e fució del error, así, z α / = E Debeos hacer aquí dos observacioes, a saber, a) i para se obtiee u valor fraccioario, se redodea al úero etero siguiete b) E setido estricto podeos deteriar, solo si se cooce la variaza poblacioal, de la cual se está seleccioado la uestra i os falta esta iforació se puede toar ua uestra preliiar de taaño 30 para obteer ua estiació de E este caso al usar coo aproxiació de, se puede deteriar aproxiadaete cuatas observacioes se ecesita para el grado deseado de exactitud Págia 6 de 8

7 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista III Ejeplos Ejeplo Coo cosecuecia de la falta de gas registrada e la ciudad de La Plata, e los eses de iviero, la Epresa Cauzzi - Gas Papeaa decide hacer u estudio para deteriar la catidad gastada e este cobustible para calefacció casera e u año e particular Co tal otivo se seleccioa ua uestra de = 64 hogares de la ciudad La edia uestral del gasto e gas para calefacció resultó de $83,6 e sabe por experiecia que la desviació estádar de la població es $7,8 a) Halle u itervalo de cofiaza del 95% para el gasto proedio aual e este tipo de cobustible e las viviedas de la ciudad de La Plata b) Calcule u itervalo de cofiaza del 99% para ese gasto proedio aual c) Qué coclusioes puede sacar de a) y b)? olució a) La estiació putual de es = 83, 6 0,05 El valor de z, a la derecha del cual se tiee u área de = 0, 05 y por lo tato de 0,975 a la izquierda es, z 0, 05 =,96 De aquí que el itervalo de cofiaza del 95% es: 79,4 87,95 b) Para hallar el itervalo de cofiaza del 99%, se ecuetra el valor de z, a la derecha del 0,0 cual existe u área de = 0, 005 y por lo tato, de 0,995 a la izquierda Usado la tabla de la N (0, ) resulta: z 0, 005 =, 575 y el itervalo de cofiaza del 99% es: 7,8 7,8 83,6 -,575 µ 83,6, o sipleete, 77,8 89,33 c) e observa que: la logitud del itervalo del 95% de cofiaza es: L = 8,7 la logitud del itervalo del 99% de cofiaza es: L =,53 El ivel de cofiaza establece e algua edida la logitud del correspodiete itervalo de cofiaza Auetado el ivel de cofiaza (ayor certeza), aueta la logitud (eor precisió) Podeos decir que el itervalo co 95% de cofiaza, que tiee eor logitud estia a co ayor precisió Ejeplo e quiere estiar la facturació esual proedio por luz eléctrica e el es de julio e casas de failia de la ciudad de La Plata e sabe que la desviació estádar es de $0 e quiere estiar la facturació proedio de julio co aproxiació 5$ del proedio real, co 99% de cofiaza Qué taaño de uestra se ecesita? olució = 0 Págia 7 de 8

8 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista, Estiació para la edia de ua població oral co descoocida I Cálculo del itervalo upogaos que dispoeos de: Ua uestra aleatoria de taaño, (,, ) extraída de ua població oral N (, ) co descoocida U estiador putual θˆ del paráetro, que e este caso es la edia uestral El estadístico pivote que usareos e este caso, que será: - P T dode es la desviació estádar uestral Recordareos que T tiee distribució t de tudet co = - grados de libertad El ivel de cofiaza (-) establecido a priori por el experietador (los usuales so 0,95; 0,90; 0,99) Dada la distribució del estadístico y el ivel de cofiaza, se tiee la siguiete igualdad probabilística: - P ( - t/ / ) - t dode α / ( ) P T t α / t es el valor característico de la variable T de tudet verificado que = α La expresió aterior es equivalete a: Págia 8 de 8

9 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista P ( - t / t / ) - que hace referecia a que co ua probabilidad (-) el itervalo: [ - t/ ; t/ ] cotedrá el valor edio Ejeplo El coteido de 7 recipietes siilares de vio es: 9,8; 0,; 0,4; 9,8; 0,3; 0, y 9,6 litros Ecotrar u itervalo de cofiaza del 95% para la edia de todos los recipietes, supoiedo ua distribució aproxiadaete oral olució Para los datos que se da: 0 y 0,83 Usado la tabla de la distribució t, ecotraos: t0, 05 =,447 co ν = 6 grados de libertad Por tato el itervalo de cofiaza para será: 0,83 0,83 0 -,447 0, Operado, 9,74 0,6 II Observacioes iportates a) Para estiar la edia de la població, se distiguió etre dos casos: coocida descoocida Para coocida se usó el Teorea Cetral del Líite (Distribució Noral) Para descoocida se utilizó la distribució uestral de la va T, basádose e la preisa de que la uestra se toó de ua distribució oral b) e recoieda: cuado o se puede supoer oralidad co descoocida y 30, reeplazar a por y usar el itervalo de cofiaza ± zα / dado que para ua uestra grade ( 30) se acercará ucho al verdadero valor de la desviació estádar, etoces sigue siedo aplicable el Teorea Cetral del Líite III Ejeplos Ejeplo Los siguietes datos so los pesos e graos de 6 bolsas de cierto aterial plástico que se seleccioa e u depósito co el propósito de verificar el peso proedio: 506, 508,499, 503, 504, 50, 497, 5, 54, 505, 493, 496, 506, 50, 509, 496 a) i el peso de cada bolsa es ua va oral co desviació típica de 5 graos, obteer los itervalos de cofiaza al 90, 95 y 99% para la edia del peso de las bolsas b) Deteriar el taaño uestral,, ecesario para que la logitud del itervalo, co = 0,05, sea eor o igual a ua uidad olució ea la va = peso e graos, tiee distribució N(, 5 ) Págia 9 de 8

10 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista a) Teiedo e cueta que: = 6, = 503,76 y = 5 sustituyedo estos valores e la expresió del itervalo para la edia de ua població oral, co coocida, obteeos: - z / Itervalo 0,90,64 [50,7; 505,8] 0,95,96 [50,3; 506,] 0,99,58 [500,5; 506,9] b) El taaño uestral ecesario para que la logitud del itervalo (L) sea eor o igual a la uidad, co u ivel = 0,05, es: 4z / 4, ,6 L Es decir, 385 Ejeplo i, para los datos del ejeplo aterior, fuese descoocida: a) Obteer los itervalos de cofiaza al 90, 95 y 99% para la edia del peso de las bolsas (upoer que la població es oral) b) Deteriar el taaño uestral,, ecesario para que la logitud del itervalo, co = 0,05, sea eor o igual a ua uidad olució a) Dado que es descoocida, reeplazado su valor por = 6,0 y utilizádola distribució t co 5 grados de libertad e vez de la distribució oral estádar, se obtiee los uevos itervalos presetados e la siguiete tabla: - t / Itervalo 0,90,753 [50,03; 506,47] 0,95,3 [500,45; 507,05] 0,99,947 [499,8; 508,3] b) El taaño uestral resultate e este caso, toado coo estiació de el valor calculado co la uestra dada y reeplazado t 5,/ por z /, es: 4z ( ) 4,96 ( 6,0) α / = = 59,03 L Por tato, 59 Observar que e este caso se ecesita u taaño uestral bastate ayor que el obteido e el ejeplo IV Resue e resue e u cuadro los itervalos de cofiaza para ua uestra, de la edia de ua població oral Itervalos para la edia co coocida [ - z /, z/ ] co descoocida [ - t -, /, t -, / ] co descoocida y 30 [ - zα /, zα/ 54 Itervalos de cofiaza para edias cosiderado dos poblacioes ] Págia 0 de 8

11 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista 54 Itroducció Todo proceso de experietació o de observació de u feóeo aleatorio está sujeto a la existecia de errores experietales que suele coplicar otableete la iducció de la realidad Cuado decios error experietal eglobaos la aportació a los resultados observados de todos aquellos efectos (iportates o o) que escapa al objetivo iicial de uestro estudio Cuado este error o es cotrolado por el experietador y se aifiesta co gra variabilidad e las diferetes uidades uestrales, la priera cosecuecia suele ser que los aspectos relevates y de iterés se diluye, pues aparece ocultas tras esa fuerte dispersió de los resultados Otras veces, icluso, la presecia del error experietal puede geerar iterpretacioes cotrarias a la real Por tato, u prier paso para evitar coclusioes erróeas es tratar de eliiar al áxio el error experietal La fora de realizar esto es diseñar el uestreo, cotrolado e la ayor edida posible todos esos factores que egrosa el error experietal U bue diseño y técicas eleetales de iferecia puede ser ua cobiació ucho ás eficiete que u uestreo al plaificado y u refiado y potete proceso de iferecia upogaos que se pretede coparar el tiepo edio diario que los adolescetes dedica a chatear co el que ivierte e la lectura; para ellos defiios las dos variables aleatorias siguietes: : tiepo diario dedicado a chatear Y: tiepo diario dedicado a la lectura Podeos costruir u itervalo de cofiaza para la diferecia de edias poblacioales, - Y Las dos uestras aleatorias ecesarias puede obteerse ediate los procediietos siguietes: a) eleccioar adolescetes al azar, de fora idepediete hasta forar dos grupos de taaño de igual o distito taaño, y evaluar e u grupo e Y e el otro b) eleccioar al azar u úico grupo co jóvees y evaluar cojutaete e Y e el iso grupo El uestreo propuesto e a) proporcioa dos uestras idepedietes, ya que los resultados obteidos e ua o codicioa los resultados de la otra E el uestreo propuesto e b) las dos uestras procede de uidades experietales exactaete iguales; las observacioes se recoge a pares por cada uidad uestral y se habla etoces de uestras apareadas Observar que e este caso las uestras so claraete depedietes ya que esperaos que observacioes bajas de se aparee co observacioes altas de Y y viceversa 54 Itervalos de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes ea (,,, ) y (Y, Y,, Y ) uestras aleatorias siples idepedietes (,,, ) es uestra aleatoria de ua va, que supodreos N[, ( ) ] (Y, Y,, Y ) es uestra aleatoria de ua va Y, que supodreos N[ Y, ( Y ) ] Co ellas quereos costruir itervalos de cofiaza para la diferecia de edias, - Y I Itervalo de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes, co variazas coocidas Bajo los supuestos de idepedecia de las uestras y oralidad de e Y, Págia de 8

12 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista N(µ Y N(µ Por tato, el estadístico: Y, ) Y, ) - Y N(µ - µ Y, Y ) ( - Y) - (µ - µ Y ) P = Y tiee distribució N(0, ) y puede ser usado coo estadístico pivote Podeos escribir la siguiete proposició probabilística: P[ - zα / P z α / ] = - α Reeplazado P, se obtiee, ( - Y) - (µ - µ Y ) P( - zα / z α / Y ) = - α Operado se llega a que u itervalo co (-) 00% de cofiaza para - Y es: - Y - z α / Y µ - µ Y - Y z α/ Y co z / puto crítico de la distribució oral estádar i = Y = escribios el itervalo aterior coo sigue: - Y - zα / µ - µ Y - Y zα/ Ejeplo e lleva a cabo pruebas de resistecia a la tesió sobre dos diferetes clases de largueros de aluiio utilizados e la fabricació de alas de aeroplaos coerciales De la experiecia pasada co el proceso de fabricació de largueros y del procediieto de prueba, se supoe que las desviacioes estádar de las resistecias a la tesió so coocidas Los datos obteidos se preseta e la siguiete tabla: Clase del larguero Taaño de la uestra Media uestral de la resistecia a la tesió Desviació estádar = 0 x = 87, 6 = = x = 74, 5 =,5 i y idica los verdaderos proedios de las resistecias a la tesió para las dos clases de largueros, hallar u itervalo del 90% de cofiaza para la diferecia de las edias - Págia de 8

13 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista olució Líite iferior del itervalo: x - x - z α/ = 3,- 0,88 =, kg/ Líite superior del itervalo: x - x z α/ = 3, 0,88 = 3,98 kg/ = 87,6-74,5 -,645 = 87,6-74,5, (,5) (,5) = = Luego el itervalo del 90% de cofiaza para la diferecia e la resistecia a la tesió proedio es:, µ - µ 3,98 Observar que: a) El itervalo de cofiaza hallado o icluye al cero, etoces la resistecia proedio del aluiio de clase ( ) es ayor que la del aluiio de clase ( ) b) Puede afirarse que se tiee ua cofiaza del 90% de que la resistecia proedio a la tesió del aluiio de clase es ayor que la del aluiio de clase e ua catidad que oscila etre, y 3,98 kg/ II Itervalo de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes, co variazas descoocidas pero supuestas iguales Recordeos que si y Y so coocidas y = Y = el pivote usado para hallar u itervalo de cofiaza de - Y es: ( - Y) - (µ - µ Y ) Z = Z tiee distribució N (0, ) abeos que y Y estia a y Y respectivaete Tabié sabeos que las dos variables aleatorias, ( -) ( -)Y y tiee distribució Chi Cuadrado co (-) y (-) grados de libertad respectivaete Adeás so variables aleatorias idepedietes puesto que las uestras aleatorias se seleccioaro de fora idepediete Por tato su sua: ( -) ( -)Y V = tiee distribució Chi-Cuadrado co = (-) (-) = grados de libertad Págia 3 de 8

14 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista Puede ostrarse que las expresioes para Z y V so idepedietes y tabié que siedo Z va N(0,) y V co distribució Chi-cuadrado co grados de libertad, la va Z T = V ν tiee distribució t de tudet co grados de libertad Puesto que y Y so estiadores de la variaza coú, puede obteerse u estiador cobiado de ejor que y Y por separado Este estiador, que idicareos p, es u estiador isesgado y ás eficiete que y Y ( -) ( -)Y p = - Al sustituir p e el estadístico T se obtiee, Usareos a T coo pivote Tedreos, T = ( - Y) - (µ p P - µ [-tα/ T t α / ] = - α () Y ) dode t / es el valor t co - grados de libertad, por arriba del cual ecotraos u área de / ustituyedo T e (): ( - Y) - (µ - µ Y ) P[-t α / t α / ] = - α p Operado adecuadaete se obtiee el itervalo de (-) 00%, ( x - y) - t α /s p µ - µ Y (x - y) tα/s p Naturalete, la costrucció de este itervalo requiere supoer que las variazas so iguales, auque descoocidas Para ello habrá que realizar previaete u test de hipótesis (procediieto que se verá e u capítulo posterior) para deteriar si dicha suposició es razoable Ejeplo U artículo publicado dio a coocer los resultados de u aálisis del peso de calcio e ceeto estádar y e ceeto cotaiado co ploo Los iveles bajos de calcio idica que el ecaiso de hidratació del ceeto queda bloqueado y esto perite que el agua ataque varias partes de ua estructura de ceeto Al toar diez uestras de ceeto estádar, se ecotró que el peso proedio de calcio es de 90 co ua desviació estádar de 5; los resultados obteidos co 5 uestras de ceeto cotaiado co ploo fuero de 87 e proedio co ua desviació estádar de 4 Págia 4 de 8

15 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista upógase que el porcetaje de peso de calcio está distribuido de aera oral y que las dos poblacioes orales tiee la isa desviació estádar a) Ecuetre u itervalo de cofiaza del 95% para la diferecia etre edias de los dos tipos de ceeto b) Es posible afirar que la presecia que la presecia del ploo afecte este aspecto del ecaiso de hidratació, a partir de a)? Justifique la respuesta olució a) El estiador cobiado de la desviació estádar es: ( -) ( -) Y 5 (0 -) 4 (5 -) p = = = 9,5 p = 4, Al hacer las cuetas correspodietes se obtiee el itervalo: -0,7 - Y 6,7 b) Observar que el itervalo de cofiaza del 95% icluye al cero, etoces para este ivel de cofiaza o puede cocluirse la existecia de ua diferecia etre las edias Podeos decir lo iso expresado que o hay evidecia de que la cotaiació del ceeto por ploo tega efecto sobre el peso proedio del calcio, por tato co u ivel de cofiaza del 95% o podeos afirar que la presecia del ploo afecte este aspecto del ecaiso de hidratació III Itervalo de cofiaza para la diferecia de edias de dos poblacioes orales idepedietes, co variazas descoocidas y que o puede supoerse iguales i las variazas o puede supoerse iguales, o podreos usar el pivote del caso aterior, puesto que eplea a p coo estiador de la variaza coú de abas poblacioes El estadístico pivote que usareos e este caso es: ( - Y) - (µ - µ Y ) W = Y i los taaños uestrales so grades ( 30 y 30), W tiee distribució aproxiadaete N(0, ) y el itervalo (-)00% de cofiaza para - Y, es [ - Y - z / Y ; - Y z / Y ] i los taaños uestrales so pequeños puede ostrarse que el estadístico pivote W sigue ua distribució t de tudet co = - grados de libertad, siedo u úero que cuple co, (0 áx, -) y es el etero ás próxio a, Págia 5 de 8

16 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista Y [( -) - ( -) ] Y ( -)[ ] ( -)[ ] Por tato u itervalo del (-) 00%, para - Y, es, Y Y [ - Y - t, / ; - Y t, / Ejeplo E u estudio realizado sobre el tipo de sedietos hallados e dos lugares de perforació distitos, se ha aotado los siguietes datos acerca del porcetaje e volue de arcilla presete e las uestras de sodeo: : Y: siedo = % de arcilla e el lugar A e Y = % de arcilla e el lugar B Calcular u itervalo del 95% de cofiaza para la diferecia de los valores edios de e Y olució A partir de los datos uestrales se obtiee: = 5 = 3,933 = 0,559 = Y = 8,667 Y = 4,355 upuesto que e Y so variables aleatorias orales co variazas descoocidas y distitas, ecesitaos deteriar el úero de grados de libertad de la t de tudet, para poder obteer el itervalo pedido Co los datos ateriores, = 9,378; etoces, = - 9 = 6 t,99 t, / 6; 0,05 ustituyedo los valores calculados e el itervalo, Y [ - Y - t, / ; - Y t, / el itervalo del 95% de cofiaza para - Y es [-,099;,63] Y ] IV Deteriació del taaño uestral upoiedo que elegios uestras del iso taaño e abas poblacioes ( = ), cuál es el taaño uestral ecesario para que la logitud del itervalo para la diferecia de edias, co u ivel de cofiaza prefijado (-), sea igual a ua catidad predeteriada? a) i las variazas poblacioales so coocidas, despejado e la logitud del itervalo, Y L z / se obtiee, 4 z / ( Y ) b) i las variazas so descoocidas pero puede supoerse iguales, dada ua estiació preliiar de la variaza coú p y supuesto que es suficieteete grade para L Págia 6 de 8

17 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista aproxiar la distribució t por la oral estádar, despejado de la logitud del itervalo, L = z α / p, el taaño uestral es 8z = α L/ p c) i las variazas so descoocidas y o puede supoerse iguales, supuesto que es suficieteete grade para aproxiar la distribució t por la oral estádar, el valor de que se obtiee al despejar e la logitud del itervalo, L = z es, 4z α / ( Y ) = L dode y Y so estiacioes preliiares de las variazas poblacioales α / Y 543 Itervalos de cofiaza para la diferecia de edias co datos apareados E la secció 54 trataos el problea de las uestras idepedietes y las apareadas, haciedo la observació que la pricipal característica del uestreo apareado es que abas uestras so depedietes Esta depedecia hace que los estadísticos pivote usados e el caso de idepedecia o se debe eplear cuado el uestreo se haya hecho de fora apareada, puesto que los itervalos de cofiaza hallados puede resultar deasiado grades o excesivaete pequeños El otivo de esta posible distorsió es que si las variables e Y so depedietes la Var ( - Y) Var( ) Var(Y) - Cov(, co lo que, si cosideraos las variables idepedietes y os olvidaos del tério de la covariaza, el deoiador de los estadísticos pivote puede ser equivocadaete grade o pequeño, segú coo sea la covariaza etre e Y Para evitar este problea cosideraos la ueva variable aleatoria D = Y y estiaos directaete Var (-Y) upuesto que D es oral co edia µ D = µ - µ Y y variaza D es equivalete costruir u itervalo de cofiaza para - Y que costruirlo para D De esta aera dada las diferecias D i = i Y i, obteidas a partir de las uestras apareadas y utilizado el procediieto ya descripto para la costrucció de itervalos de cofiaza para la edia de ua població oral, co variaza descoocida podeos hallar u itervalo del (- ) 00% de cofiaza para D = - Y El itervalo obteido será, D D [ D - t -, / ; D t -, / ] Ejeplo Ua cadea de egocios de electrodoésticos quiere estudiar la efectividad de ua ueva capaña televisiva sobre la veta de ua cierta arca de heladeras Para ello se recoge el úero de uidades vedidas durate u es ates y u es después de la capaña, e de Y) Págia 7 de 8

18 UNLP-Facultad de Igeiería Carreras: Ig Electróica y Electricista los egocios que copoe la cadea Los resultados obteidos está dados e la siguiete tabla, Ates Después a) Co u error del 5% hallar u itervalo de cofiaza para la diferecia de edias de uidades vedidas durate u es ates y u después Idicar las hipótesis realizadas b) e puede cosiderar efectiva la capaña publicitaria? olució a) e trata de uestras apareadas, los valores que toa la vad so:, -, -, -, -,, -4, -4, -4, -7, -, - e supoe oralidad e la diferecia e obtiee: D = D k = k 7 = - = -,5 D = 4,6875 t -; α/ = t; 0,05 =,0 4,6875 e obtiee el itervalo: (-,5 ±,0 ) = (-3,686;- 0,84) - b) Existe diferecias sigificativas, puesto que el itervalo o cotiee al cero REUMEN: INTERVALO DE CONFIANZA PARA DO MUETRA Itervalos para la diferecia de edias ( - Y ) Co y Y coocidas Y [ - Y ± zα / ] Co = Y descoocidas [ - Y ± t -; α/ p ] Co Y descoocidas y, 30 Y [ - Y ± zα / ] Co Y descoocidas y 30 ó 30 Y [ - Y ± t ν ; α/ ] Co datos apareados D [D ± t -, α/ ] Págia 8 de 8

INTRODUCCION Teoría de la Estimación

INTRODUCCION Teoría de la Estimación INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

MEDIDAS DE DISPERSION

MEDIDAS DE DISPERSION UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Uiversidad del Perú, DECANA DE AMERICA) MEDIDAS DE DISPERSION 14/06/008 Ig. SEMS .3 MEDIDAS DE DISPERSIÓN Todos los valores represetativos discutidos e las seccioes

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

PRÁCTICAS Nº 10 Y 11

PRÁCTICAS Nº 10 Y 11 PRÁCTICA Nº 10 Y 11 CONTRATE DE HIPOTEI E INTERVALO DE CONFIANZA ETADÍTICA E INTRODUCCIÓN A LA ECONOMETRÍA º LADE CURO 008-09 Profesorado: Prof. Dra. Mª Dolores Gozález Galá Prof. M ª Mar Roero Mirada

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

La característica más resaltante de la capitalización con tasa de. interés simple es que el valor futuro de un capital aumenta de manera

La característica más resaltante de la capitalización con tasa de. interés simple es que el valor futuro de un capital aumenta de manera La Capitalizació co ua Tasa de Iterés Siple El Iterés Siple La característica ás resaltate de la capitalizació co tasa de iterés siple es que el valor futuro de u capital aueta de aera lieal. Sea u pricipal

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

Tema 14: Inferencia estadística

Tema 14: Inferencia estadística Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos

Más detalles

Automá ca. Capítulo6.LugardelasRaíces. JoséRamónLlataGarcía EstherGonzálezSarabia DámasoFernándezPérez CarlosToreFerero MaríaSandraRoblaGómez

Automá ca. Capítulo6.LugardelasRaíces. JoséRamónLlataGarcía EstherGonzálezSarabia DámasoFernándezPérez CarlosToreFerero MaríaSandraRoblaGómez Autoáca Capítulo6.LugardelasRaíces JoséRaóLlataGarcía EstherGozálezSarabia DáasoFerádezPérez CarlosToreFerero MaríaSadraRoblaGóez DepartaetodeTecologíaElectróica eigeieríadesisteasyautoáca Lugar de las

Más detalles

θˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ

θˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ Iferecia Estadística 95 Capitulo VIII INFERENCIA ETADITICA Es ua rama de de la Estadística que se ocupa de los procedimietos que os permite aalizar y etraer coclusioes de ua població a partir de los datos

Más detalles

Sobre los intervalos de confianza y de predicción

Sobre los intervalos de confianza y de predicción Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de

Más detalles

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos

Más detalles

TEORÍA DE LA ESTIMACIÓN

TEORÍA DE LA ESTIMACIÓN TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.

Más detalles

DISEÑOS MUESTRALES ALFREDO ALIAGA CEPAL

DISEÑOS MUESTRALES ALFREDO ALIAGA CEPAL 475 DISEÑOS MUESTRALES ALFREDO ALIAGA CEPAL 476 Diseños uestrales ÍNDICE Páia 1. Diseño de la Muestra... 477 1.1 Marco de la ecuesta... 477 1.2 Foració de uidades de uestreo... 477 1.3 Estratificació...

Más detalles

DISEÑO Y ANÁLISIS DE DATOS II. NOVIEMBRE con la variable Y. Disponemos de las puntuaciones observadas en Y y de las puntuaciones residuales.

DISEÑO Y ANÁLISIS DE DATOS II. NOVIEMBRE con la variable Y. Disponemos de las puntuaciones observadas en Y y de las puntuaciones residuales. DIEÑO ANÁLII DE DATO II. NOVIEMBRE 00 Problea.- Relacioaos la variable X co la variable. Dispoeos de las putuacioes observadas e de las putuacioes residuales. ) Deteriar R. OL: Calculeos la sua de cuadrados

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

Más detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA I PRÁCTICA 6

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA I PRÁCTICA 6 DIEÑO Y ANÁLII DE DATO EN PICOLOGÍA I PRÁCTICA 6 Problea 1.- e desea realizar ua ivestigació que os perita coocer la relació existete etre persoalidad y tiepo de reacció. Coo rasgo de persoalidad se adopta

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció

Más detalles

Distribuciones en el muestreo, EMV

Distribuciones en el muestreo, EMV Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador

Más detalles

Diseño de la muestra. Diseño de la muestra. k r

Diseño de la muestra. Diseño de la muestra. k r Diseño de la uestra Diseño de la uestra Las uidades de aálisis de la uestra del XII Ceso Geeral de Població y Vivieda 000 se seleccioa co criterios probabilísticos para poder realizar estiacioes de los

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

Ejercicios de Combinatoria,

Ejercicios de Combinatoria, Ejercicios de Cobiatoria, 0 0 00 E ua caja hay bolas blacas, todas iguales e taaño, y otras bolas, de igual taaño que las ateriores pero todas de diferete color (o hay dos que tega el iso) De cuátas foras

Más detalles

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete

Más detalles

PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.

PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:

Más detalles

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.

1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496. GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y

Más detalles

Estimadores Puntuales: Propiedades de estimadores Sebastián Court

Estimadores Puntuales: Propiedades de estimadores Sebastián Court Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria

Más detalles

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media

Más detalles

Introducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino

Introducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras

Más detalles

Si n, m 60, los tests anteriores son válidos aunque no se verifique la hipótesis de normalidad,. H 1 : p p 0 H 1 : p > p 0 H 1 : p < p 0

Si n, m 60, los tests anteriores son válidos aunque no se verifique la hipótesis de normalidad,. H 1 : p p 0 H 1 : p > p 0 H 1 : p < p 0 Forulario Itervalos de cofiaza al ivel 1 α Para µ (X 1,, X uestra de ua va oral) [ σcoocida X σ z α/, X + σ z ] α/ σ descoocida [ X t 1,α/, X + t ] 1,α/ i 60, los itervalos ateriores so válidos auque o

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Una aplicación del procedimiento Hot Deck como método de imputación

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Una aplicación del procedimiento Hot Deck como método de imputación UNIVESIDAD NACIONA MAYO DE SAN MACOS FACUTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE ESTADÍSTICA Ua aplicació del procediieto Hot Deck coo étodo de iputació Capítulo III. Método de iputació ot deck TABAJO MONOGÁFICO

Más detalles

Estimación por intervalos

Estimación por intervalos Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo

Más detalles

TEMA 5 CONTRASTE DE HIPÓTESIS

TEMA 5 CONTRASTE DE HIPÓTESIS ESQUEMA 5.1 ITRODUCCIO. 5..-COTRASTES SOBRE LA ESPERAZA MATEMATICA DE UA POBLACIO ORMAL. 5.3.-EL PROBLEMA DE DOS MUESTRAS. 5.3.1.-COTRASTES DE IGUALDAD DE ESPERAZAS E POBLACIOES ORMALES. 5.4.-COTRASTE

Más detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 3.- INFERENCIA ESTADÍSTICA I UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a

Más detalles

El error en general podemos definirlo como la diferencia que tenemos entre el valor obtenido y el verdadero.

El error en general podemos definirlo como la diferencia que tenemos entre el valor obtenido y el verdadero. Prof. Arturo Aaya M. Se pretede e este capítulo dar ua eplicació de la Teoría de Errores, lo ás soera posible y fudaetalete práctica, que pueda servir al aluo cuado efectúe sus trabajos e el Laboratorio

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar

Más detalles

Estimación por intervalos

Estimación por intervalos Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA . Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer

Más detalles

LÍMITES DE FUNCIONES REALES CON TENDENCIA A REAL

LÍMITES DE FUNCIONES REALES CON TENDENCIA A REAL INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMÁTICAS ASIGNATURA: MATEMÁTICAS DOCENTE: JOSÉ IGNACIO DE JESÚS FRANCO RESTREPO TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO N FECHA

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA : CONCEPTOS PREVIOS. INTRODUCCIÓN. Se va a aalizar los itercabios fiacieros cosiderado u abiete de certidubre. El itercabio fiaciero supoe que u agete etrega a otro u capital (o capitales) quedado

Más detalles

TEMA 6.- INTERVALOS DE CONFIANZA

TEMA 6.- INTERVALOS DE CONFIANZA TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar

Más detalles

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo

Más detalles

Sobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017

Sobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017 Sobre los itervalos de cofiaza y de predicció Javier Satibáñez 7 de abril de 2017 Itervalos de cofiaza Se costruye itervalos de cofiaza para los parámetros poblacioales. Supogamos que teemos ua muestra

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA Métodos estadísticos y uméricos Estimació por Itervalos de cofiaa PROBLEMA REUELTO DE ETIMACIÓN POR INTERVALO DE CONFIANZA U adador obtiee los siguietes tiempos, e miutos, e 0 pruebas croometradas por

Más detalles

MATEMÁTICAS 2ºBACHILLERATO CCSSII

MATEMÁTICAS 2ºBACHILLERATO CCSSII La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida

Más detalles

Principio de multiplicación. Supongamos que un procedimiento designado como 1, puede hacerse de n 1

Principio de multiplicación. Supongamos que un procedimiento designado como 1, puede hacerse de n 1 MÉTODOS DE ENUMERACIÓN Y CONTEO. Pricipio de ultiplicació. Supogaos que u procediieto desigado coo puede hacerse de aeras. Supogaos que u segudo procediieto desigado coo se puede hacer de aeras. Tabié

Más detalles

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio. EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la

Más detalles

Números complejos. Un cuerpo conmutativo es un conjunto de números que pueden sumarse, restarse, multiplicarse y dividirse.

Números complejos. Un cuerpo conmutativo es un conjunto de números que pueden sumarse, restarse, multiplicarse y dividirse. Núeros coplejos 1. Cuerpos U cuerpo coutativo es u cojuto de úeros que puede suarse, restarse, ultiplicarse y dividirse. Los úeros racioales, esto es, los úeros que puede escribirse e fora de fracció,

Más detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo

Más detalles

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE) TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

UNIDAD 4 MODELOS PROBABILÍSTICOS

UNIDAD 4 MODELOS PROBABILÍSTICOS Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería

Más detalles

ESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA

ESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA UNP-Facultad de Igeiería Carreras: Ig. Electróica y Electricista CAPÍTUO 6 ESTIMACIÓN DE VARIANZAS PROPORCIONES POBACIONAES MEDIANTE INTERVAOS DE CONFIANZA 6.1 Itervalo de cofiaza ara la variaza de ua

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. U itervalo de cofiaza, para u parámetro poblacioal θ, a u ivel de cofiaza (1 ) 100 %, o es más que u itervalo (L i, L s

Más detalles

b n 1.8. POTENCIAS Y RADICALES.

b n 1.8. POTENCIAS Y RADICALES. .. POTENCIAS Y RADICALES. La potecia es ua epresió ateática que coprede dos partes: la base el epoete. b (b)(b)(b)(b)...dode b es la base el epoete. Para ecotrar el resultado de la potecia, la base se

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ 06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Bloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS

Bloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de

Más detalles

Estimación de Parámetros

Estimación de Parámetros Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar

Más detalles

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra

Más detalles

Tema 1. Números reales

Tema 1. Números reales Tea. Núeros reales Coceptos previos Errores absoluto y relativo La recta real, seirrectas, itervalos y etoros Notació cietífica Ejercicios CONCEPTOS PREVIOS Resuelve los siguietes tres ejercicios iiciales

Más detalles

Apéndice. A.1. Definición y notaciones.

Apéndice. A.1. Definición y notaciones. Apédice. Apédice A.1. Defiició y otacioes. Los polioios de Zerike so u cojuto ifiito de fucioes polióicas, ortogoales e el circulo de radio uidad. So uy útiles para represetar la fora del frete de oda

Más detalles

Diédrico 15. Abatimientos

Diédrico 15. Abatimientos α 2 Dibujar las proyeccioes y verdadera agitud de u robo áureo, apoyado e el plao α, cuya diagoal ayor AC, que ide 70, tiee su vértice C e la traza horizotal, α1, del plao y a la izquierda del vértice

Más detalles

Luis González Abril y Luis M. Sánchez-Reyes {luisgon, - Dpto. Economía Aplicada I Universidad de Sevilla

Luis González Abril y Luis M. Sánchez-Reyes {luisgon, - Dpto. Economía Aplicada I Universidad de Sevilla ETUDIO OBRE EL EXCEO DE AMPLITUD EN LA CONTRUCCIÓN DE INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL CON VARIANZA DECONOCIDA EN UNA POBLACIÓN NORMAL Luis Gozález Abril y Luis M. áchez-reyes {luisgo,

Más detalles

Estimación de parámetros. Biometría

Estimación de parámetros. Biometría Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes

Más detalles

ANÁLISIS DIMENSIONAL Y SEMEJANZA DINÁMICA

ANÁLISIS DIMENSIONAL Y SEMEJANZA DINÁMICA ANÁISIS IENSIONA Y SEEJANZA INÁICA PROOIPOS Y OEOS os procediietos aalíticos basados e las ecuacioes geerales de la ecáica de los fluidos, o perite resolver, adecuadaete, todos los probleas que se preseta

Más detalles

EJERCICIOS DISOLUCIONES (ejercicios fáciles para iniciarse) Primero debemos poner la fórmula con la que se calcula el %masa: masasoluto

EJERCICIOS DISOLUCIONES (ejercicios fáciles para iniciarse) Primero debemos poner la fórmula con la que se calcula el %masa: masasoluto EJERCICIOS DISOLUCIONES (ejercicios fáciles para iiciarse) Solució: Priero debeos poer la fórula co la que se calcula el %asa: asa % asa asadisolució El (copoete ioritario) es la glucosa y el disolvete

Más detalles

A lo largo de este tema vamos a considerar que en conjunto ρν no contiene al elemento 0. Por tanto ρν={1, 2, 3, }.

A lo largo de este tema vamos a considerar que en conjunto ρν no contiene al elemento 0. Por tanto ρν={1, 2, 3, }. 1. SUCESIONES DE NÚMEROS REALES. A lo largo de este tea vaos a cosiderar que e cojuto ρν o cotiee al eleeto 0. Por tato ρν={1,, 3, }. DEF Llaareos sucesió de Núeros Reales a toda aplicació f: ρν ΙΡ. Es

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de

Más detalles

UNIVERSIDAD SIMON BOLIVAR

UNIVERSIDAD SIMON BOLIVAR UNVESDAD SMON BOLVA Departaeto de Coversió y Trasporte de Eergía CONSTUCCON Y FUNCONAMENTO DE MOTOES Hoja Nº -37 CON OTO JAULA DE ADLLA El rotor jaula de ardilla, debido a su siple costrucció, robustez

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

1. Hallar un número cuadrado perfecto de cinco cifras sabiendo que el producto de esas cinco cifras es 1568.

1. Hallar un número cuadrado perfecto de cinco cifras sabiendo que el producto de esas cinco cifras es 1568. Hoja de Probleas º Algebra. Hallar u úero cuadrado perfecto de cico cifras sabiedo que el producto de esas cico cifras es 568. Solució: Sea x 0 4 x 0 3 x 3 0 x 4 0 x 5 el úero que buscaos y sea a 0 b 0

Más detalles

T5. Contrastes para los parámetros de una población Normal

T5. Contrastes para los parámetros de una población Normal Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la

Más detalles