ANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
|
|
- Aarón Alarcón Quiroga
- hace 5 años
- Vistas:
Transcripción
1 ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de regresió es ivestigar la relació estadística que existe etre ua variable depediete (Y) y ua o más variables idepedietes (X, X, X 3,... ) y así realizar la predicció de los futuros valores de la variable depediete. Para poder realizar esta ivestigació, se debe postular ua relació fucioal etre estas variables. La forma fucioal más utilizada es la relació lieal, y se da cuado solo existe ua variable idepediete, reduciedo el problema a resolver a ua líea recta: Y = β 0 + β X + ε (B.) dode los coeficietes β 0 y β so parámetros que defie la posició e icliació de la recta. Y ε es ua variable aleatoria o observable que idica el error aleatorio que se distribuye Normal co E(ε i )=0, Var(ε i )=σ costate. La estimació del modelo queda de la siguiete forma : ˆ = b + b X Y 0 Nótese que se ha usado el símbolo especial ˆ Y para represetar el valor de Y calculado por la recta. Como veremos, el valor real de Y rara vez coicide exactamete co el valor calculado, por lo que es importate hacer esta distició. 48
2 El parámetro b 0, coocido como la ordeada e el orige o itercepto, os idica cuáto es Y cuado X = 0, y es el estimador de β 0. El parámetro b, coocido como la pediete, os idica cuáto aumeta Y por cada aumeto de ua uidad e X, y es el estimador de β. Es posible obteer u estimador del error aleatorio ε a través de la diferecia etre el valor observado Y y el valor ajustado Yˆ. El problema cosiste e obteer estimacioes de los coeficietes a partir de ua muestra de observacioes sobre las variables Y y X. E el aálisis de regresió, estas estimacioes se obtiee por medio del método de míimos cuadrados. Cuado se asocia u error sustacial a los datos, la iterpolació poliomial es iapropiada y puede llevar a resultados o satisfactorios cuado se usa para predecir valores itermedios. Los datos experimetales a meudo so de ese tipo. Ua estrategia mas apropiada e estos casos es la de obteer ua fució aproximada que ajuste adecuadamete el comportamieto o la tedecia geeral de los datos, si coicidir ecesariamete co cada puto e particular. Ua líea recta puede usarse e la caracterizació de la tedecia de los datos y ua maera de determiar la líea, es ispeccioar los datos graficados y luego trazar la mejor líea a través de los putos. Por lo tato es ecesario cosiderar u criterio que cuatifique la suficiecia del ajuste. Ua forma de hacerlo es obteer ua curva que miimice la diferecia etre los datos y la curva y el método para llevar a cabo este objetivo es al que se le llama regresió co míimos cuadrados. 49
3 El ejemplo mas simple es el ajuste de ua líea recta a u cojuto de parejas de datos observadas: (x,y ), (x,y ),...,(x,y ). La expresió matemática de ua líea recta es Y = b + b X εˆ e dode b 0 y b so coeficietes que represeta la itersecció co el 0 + eje de las abscisas y la pediete, respectivamete y εˆ es el error o residuo etre el modelo y las observacioes, que se puede represetar reordeado la ecuació (B.) como ( b b X ) ˆ ε = + (B.) Y 0 Por lo tato, el error o residuo es la diferecia etre el valor real de Y y el valor aproximado, b 0 +b X, predicho por la ecuació lieal. B... Criterio de Míimos Cuadrados Ua estrategia que obtiee la mejor líea a través de los putos debe miimizar la suma de los errores residuales, como e: ˆ ε = ( Y b b X ) i i 0 i i= i= Otro criterio seria miimizar la suma de los valores absolutos de las diferecias, esto es: ˆ ε = Y b b X i i 0 i i= i= Ua tercera estrategia e el ajuste de ua líea óptima es el criterio de míimas. E este método, la líea se escoge de tal maera que miimice la distacia máxima a la que se ecuetra u puto de la líea recta. Esta estrategia esta mal codicioada para regresió ya 50
4 que ifluye de maera idebida sobre u puto extero, aislado, cuyo error es muy grade. Se debe otar que el criterio míimas alguas veces esta bie codicioado para ajustar ua fució simple a ua fució complicada. Ua estrategia que igora las restriccioes ateriores es la de miimizar la suma de los cuadrados de los residuos, S r, de la siguiete maera: ˆ ε ( ) 0 (B.3) S = = Y b b X r i i i i= i= Este criterio tiee muchas vetajas, icluyedo el que ajusta ua líea úica a u cojuto dado de datos. Ates de aalizar estas propiedades, se muestra u método que determia los valores de b 0 y b que miimiza la ecuació (B.3). B..3. Ajuste de ua recta utilizado Míimos Cuadrados Para determiar los valores de las costates b 0 y b, se deriva la ecuació (B.3) co respecto a cada uo de los coeficietes: Sr S = 0 r = i 0 i 0 0 Sr = i 0 ( Y b b X )( ) ( Y b b X ) 0 Sr S = 0 r = i ( Y b b X )( X ) i 0 i i Sr = ( Yi b0 bxi) Xi 5
5 Nótese que se ha simplificado los símbolos de la sumatoria; a meos que otra cosa se idique, todas las sumatorias va desde i= hasta. Igualado estas derivadas a cero, se geera u míimo S r. Si se hace así, las ecuacioes ateriores se expresara como: 0 = Yi b0 bxi 0 = YXi b0x i bx i Ahora cosiderado que b0 = b 0, las ecuacioes se puede expresar como u cojuto de dos ecuacioes lieales simultaeas co dos icógitas (b 0 y b ): (B.4) b0 + bx i = Yi bx 0 i + bx i = YX i i (B.5) A estas ecuacioes se les cooce como ecuacioes ormales. Se puede resolver simultáeamete y obteer: ( i) X Y X Y i i i i = Xi X b (B.6) Este resultado se puede usar juto co la ecuació (B.4) para obteer: e dode Y y X so la media de Y y X, respectivamete. b0 = Y bx (B.7) Por lo tato, la ecuació de la regresió estimada es: Yˆ = Y + b ( X X ) (B.8) 5
6 Ua vez obteida la ecuació, es posible calcular la variaza residual σ, siedo su estimador isesgado = ( i o i ) i= s Y b X b Defiiedo el coeficiete de correlació como r = ( Xi X)( Yi Y) ( Xi X) ( Yi Y) (B.9) que sólo toma valores e el itervalo [-, ], os da ua idea de hasta qué puto el ajuste lieal es razoable: Si r es próximo a, etoces el ajuste es aceptablemete bueo, distribuyédose las observacioes (X i, Y i ) alrededor de ua recta de pediete egativa. Si r es próximo a 0 etoces el ajuste o es aceptable, idicado que o existe relació lieal etre las variables. Si r es próximo a +, etoces el ajuste es aceptablemete bueo, distribuyédose las observacioes (X i, Y i ) alrededor de ua recta de pediete positiva. El cotraste de idepedecia etre las variables es más objetivo que la observació del coeficiete de correlació r. Así se platea comprobar si los datos observados corrobora o o la hipótesis ula: H 0 : "la variable explicativa X o ifluye e la respuesta Y", frete a la alterativa: H : "la variable explicativa X ifluye liealmete e la respuesta Y". Mediate el estadístico de cotraste 53
7 ( ) ( Xi X) A= b ( Yi box b ) (B.0) que se distribuye como ua t - de Studet, se puede cotrastar la hipótesis ula H 0 al ivel de sigificació α 3. Y se rechaza H 0 si A t 4 α/(-). Esto es equivalete a decir que P- valor < α, dode P-valor es calculado co la distribució del estadístico. Y decimos que la variable explicativa X ifluye liealmete e la respuesta Y...4. Regresió Múltiple E el caso más geeral de la regresió múltiple, existe dos o más variables idepedietes: Y = b + b X + b X + L + b X + ε 0 i La estimació de los coeficietes de ua regresió múltiple es u cálculo bastate complicado y laborioso, por lo que se requiere del empleo de programas de computació especializados. Si embargo, la iterpretació de los coeficietes es similar al caso de la regresió simple: el coeficiete de cada variable idepediete mide el efecto separado que Ua variable aleatoria se distribuye segú el modelo de probabilidad t de Studet co k grados de libertad, dode k es u etero positivo, si su fució de desidad es la siguiete: ( ) ( k+ ) Γ ( k + ) f() t = + t k π kγ( k ), < t x p <, dode Γ ( p) = e x dx 3 Al realizar ua prueba se puede cometer uo de los dos errores siguietes: Error tipo I, se rechaza la hipótesis ula H 0 cuado es cierta; Error tipo II, se acepta la hipótesis ula H 0 cuado es falsa. Normalmete se desea cotrolar la probabilidad de cometer u error de tipo I. Y el ivel de sigificació es la probabilidad de cometer u error de tipo I. Fijar α lleva a dividir e dos regioes el cojuto de posibles valores del estadístico de cotraste: la regió de rechazo, co probabilidad α, bajo H 0 y la regió de aceptació, co probabilidad -α, bajo H 0. Segú la forma de la regió de rechazo, u cotraste puede ser cotraste uilateral (cotraste de ua cola) o cotraste bilateral como es éste caso (cotraste de dos colas). 4 Que se calcula co la fórmula de Distribució iversa de t co probabilidad α/ y co (-) grados de libertad. 0 54
8 esta variable tiee sobre la variable depediete. El coeficiete de determiació, por otro lado, mide el porcetaje de la variació total e Y que es explicado por la variació cojuta de las variables idepedietes. Y los supuestos para que se cumpla esta ecuació so: que los ε i sea idepedietes y siga la distribució Normal, que exista relació lieal etre Y y las X i s, E(ε i )=0, Var(ε i )=σ, y que las X i s sea liealmete idepedietes. 55
CAPÍTULO 3 METODOLOGÍA. 3.1 Proyección de la Población Urbana y Rural por Grupos de Edades
CAPÍTULO 3 METODOLOGÍA 3.1 Proyecció de la Població Urbaa y Rural por Grupos de Edades 3.1.1 Població Estacioaria Sabemos que el cocepto de la tabla de mortalidad, cosiste e seguir ua geeració o cohorte
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesDe esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)
MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que
Más detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
Más detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
Más detallesUniversidad 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 detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesPROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesR-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 detallesTEMA 5: REGRESION LINEAL
ESTADÍSTICA, CURSO 008 009 TEMA 5: REGRESION LINEAL REGRESION LINEAL SIMPLE. CORRELACION. REGRESION.. Regresió lieal simple Recta de regresió: y a + b.. Ajuste de ua recta de regresió Método de míimos
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
Más detallesMINITAB y MODELOS DE REGRESIÓN
Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesT5. 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 detallesy i 0 1 x i 2 2 y i media 2 Varianza 2 i 1 Para calcular el los valores que maximizan L derivamos e igualamos a cero 2 y i 0 1 x i 0 # i 1
Demostracioes de Regresió Simple. Estimació La distribució de y es y i N 0 x i, Estimació Máximo Verosímil La fució de verosimilitud, sabiedo que y i es ua variable ormal será L exp y i 0 x i ya que la
Más detallesPRUEBAS 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 detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemáticas 1º CCSS 1 RESUMEN DISTRIBUCIONES BIDIMENSIONALES Distribucioes bidimesioales Se estudia a la vez dos variables aleatorias (geéricamete X e Y; sus valores será ( i, y i )). Correlació Al estudiar
Más detallesBloque 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 detallesTEMA 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 detalles9.3. Contrastes de una proporción
9.3. CONTRASTES DE UNA PROPORCIÓN 219 y el criterio que sumiistra el cotraste es si a teo χ 2 exp b teo = o rechazamos H 0 ; si χ 2 exp < a teo ó χ 2 exp > b teo = rechazamos H 0 y aceptamos H 1. Cotrastes
Más detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
Más detallesAnálisis 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 detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesEstimación 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 detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detalles2. Estimación de errores de medidas directas
Estimació de errores y forma de expresar los resultados de las prácticas. Error: Defiició E el laboratorio igua medida tiee ifiita precisió. Por ello, ua parte importate del proceso de medida es la estimació
Más detallesb) Encontrar: τ o σ ; π o σ ; σ y τ. 2. Usar la definición de determinante para encontrar: 4. Calcular los determinantes de las siguientes matrices:
EJERCICIOS PROPUESTOS. Tarea 3. Cosiderar las siguietes particioes de S 5 σ = 354 τ = 354 π = 453. a) Determiar el sigo de cada ua de las ateriores particioes. b) Ecotrar: τ o σ ; π o σ ; σ y τ.. Usar
Más detallesPRUEBA 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 detallesTEMA 4: CONTRASTE DE HIPOTESIS
ESTADÍSTICA, CURSO 2008 2009 TEMA 4: CONTRASTE DE HIPOTESIS HIPOTESIS ESTADISTICAS ENSAYOS DE HIPOTESIS Cocepto de hipótesis estadística Esayos de hipótesis Hipótesis ula (H 0 ) y alterativa (H ) Diferecias
Más detalles4.- Aproximación Funcional e Interpolación
4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesExplicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.
Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA CONVOCATORIA DE MAYO (011) EJERCICIO 1 El director de publicacioes de ua editorial trata de decidir si debe publicar u uevo texto de estadística. Los ateriores libros
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesParte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.
EXAMEN EXTRAORDINARIO DE PROBABILIDADE Y ETADÍTICA I JULIO 014 Realizar las pregutas e hojas separadas, idicado explícitamete todas las fórmulas que se utilice. Tato el alumo que copie como el que se deje
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detallesINFERENCIA 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 detalles17.3 Intervalos de predicción para el promedio de m observaciones futuras
4 7.3 Itervalos de predicció para el promedio de m oservacioes futuras Para reducir la icerteza de las prediccioes o alcaza co aumetar idefiidamete el tamaño de la muestra e la que se asa el ajuste. Si
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesRegresión lineal simple
Regresió lieal simple Tema 6 Estadística 2 Curso 08/09 Tema 6 (Estadística 2) Regresió lieal simple Curso 08/09 1 / 73 Itroducció Itroducció El aálisis de regresió se ocupa del aálisis de relacioes etre
Más detallesDISEÑO 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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES Humao es errar; pero sólo los ecios persevera e el error. Ciceró. ACADEMIA DE MATEMÁTICAS Uidad II: Datos Bivariados Apredizajes.
Más detallesPRÁCTICA # 3 PREPARACIÓN DE GRÁFICAS GRÁFICAS LINEALES
TEORIA PRÁCTICA # 3 PREPARACIÓN DE GRÁFICAS GRÁFICAS LINEALES Cuado se realiza experimetos usualmete se obtiee ua serie de datos, por ejemplo los mostrados e la tabla. Geeralmete, lo que se quiere es ecotrar
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesPRUEBA 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 detallesEstimación de Parámetros. Estimación de Parámetros
Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle
Más detallesIdentificación de Sistemas
Idetificació de Sistemas Estimació de Míimos Cuadrados Autor: Dr. Jua Carlos Gómez Estimació de Míimos M Cuadrados para Estructura de Regresor Lieal Se asume que la relació etrada-salida puede ser descripta
Más detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detallesESTADÍSTICA. n i Se pide:
ESTDÍSTIC Tercera Prueba de Evaluació cotiua 1 de diciembre de 16 1.- l calcular cico veces la distacia etre dos putos, obteemos los siguietes valores: 17,13m; 17,1m; 17,m; 17,65m; 17,4 a) Itervalo de
Más detallesPráctica 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 detallesEstimadores 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 detallesReserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Reserva Primera de 017 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A 17_mod3_EJERCICIO 1 (A) 4-3 0 Sea las matrices A = y B = 1-1 0 1. (1 puto) Calcule A + B 3. (1 5 putos)
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesOtro ejemplo es la tasa de cambio del tamaño de una población (N), que puede expresarse como:
SOLUCIÓN DE ECUACIONES DIFERENCIALES Autor: Keith Gregso Traducció: José Alfredo Carrillo Salazar Muchos sistemas diámicos puede represetarse e térmios de ecuacioes difereciales. Por ejemplo, la tasa de
Más detallesMétodos Numéricos (SC 854) Ajuste a curvas. 2. Ajuste a un polinomio mediante mínimos cuadrados
Métodos Numéricos SC 854 Auste a curvas c M Valezuela 007 008 7 de marzo de 008 1 Defiició del problema E el problema de auste a curvas se desea que dada ua tabla de valores i,f i ecotrar ua curva que
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesUnidad 2 Diseño de experimentos de un factor
Uidad Diseño de experimetos de u factor.. Familia Diseños para comparar tratamietos.. Diseño Complemetario al azar y ANOVA.3. Comparacioes o Pruebas de Ragos Multiples.4. Verificació Supuestos del Modelo.5.
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detalles1.1 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 detalles2.2. Estadísticos de tendencia central
40 Bioestadística: Métodos y Aplicacioes La dispersió o variació co respecto a este cetro; Los datos que ocupa ciertas posicioes. La simetría de los datos. La forma e la que los datos se agrupa. Cetro,
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
Más detallesEXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 y 13
1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 y 13 1. a) (0,5 putos) Explica brevemete el cocepto de correlació. Po dos ejemplos: uo co correlació directa y otro co correlació iversa. b) (0,5 putos) Explica
Más detallesLAS SUCESIONES Y SU TENDENCIA AL INFINITO
LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció
Más detallesEJERCICIO 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 detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesMedidas 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 detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesECUACIONES DIFERENCIALES (0256)
ECUACIONES DIFERENCIALES (056) SEMANA 0 CLASE 0 LUNES 09/04/. Presetació de la asigatura. Coteido programático, pla de evaluació, software de apoyo, bibliografía recomedada. Se sugiere ver los archivos
Más detallesÍNDICE. Índice 1. Introducción 2. Regresión Lineal Simple 3. Método de los mínimos cuadrados 4
ÍNDICE Ídice 1 Itroducció 2 Regresió Lieal Simple 3 Método de los míimos cuadrados 4 Correlació Lieal Simple Aplicació Práctica Regresió Lieal Múltiple Estimació de coeficietes Correlació Lieal Múltiple
Más detallesθˆ = 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 detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesTEST DE HIPÓTESIS. a la hipótesis que se formula y que se quiere contrastar o rechazar. Llamamos hipótesis alternativa, H
TEST DE IPÓTESIS INTRODUCCIÓN E el tema aterior vimos cómo, a partir de los datos de ua muestra, podíamos estimar u parámetro de la població (media o proporció) mediate u itervalo E este tema platearemos
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesApellidos y Nombre: Aproximación lineal. dy f x dx
INGENIERÍA DE TELECOMUNICACIÓN HOJA 0 Aproximació lieal Defiició (Diferecial).- Sea y = f ( x) ua fució derivable e u itervalo abierto que cotiee al úmero x, - La diferecial de x es igual al icremeto de
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua
Más detallesTema 2: Diagonalización de matrices cuadradas
Departameto de Aálisis Ecoómico UNIVERSIDAD DE ZARAGOZA Tema : Diagoalizació de matrices cuadradas.1. El cojuto R Defiició: Dados úmeros reales x 1, x,..., x R, se llama -tupla ordeada a x = ( x 1,, x,...,
Más detallesPaso 2: Elegir un estadístico de contraste. Como queremos hacer un contraste de hipótesis para la media, el estadístico de contraste adecuado es:
Hoja 6: Cotraste de hipótesis 1. U laboratorio farmacéutico ha elaborado u fármaco e forma de comprimidos cuyo peso sigue ua distribució Normal co ua desviació típica de 0.12 mg. Se sabe que ua dosis de
Más detallesBurgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana
Las Matemáticas para la Gestió de Carteras co Riesgo. Carteras compuestas por activos co correlacioes estadísticas arbitrarias. El caso e que se fija el redimieto esperado de la cartera Apellidos, ombre
Más detallesAlgoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Análisis de Algoritmos, marzo Test jueves.
Algoritmos y Estructuras de Datos II, Segudo del Grado de Igeiería Iformática, Test de Aálisis de Algoritmos, marzo 017. Test jueves. Para cada problema habrá que justificar razoadamete la respuesta que
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detalles