Población. Conjunto completo de individuos sobre el que estamos interesados en obtener conclusiones.
|
|
- María Teresa Soto Alcaraz
- hace 5 años
- Vistas:
Transcripción
1 Análisis de datos y gestión veterinaria Muestreo Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 16 de Noviembre de 011 Población y muestra Predecir los resultados electorales en España Población. Conjunto completo de individuos sobre el que estamos interesados en obtener conclusiones. 1
2 Población y muestra N =???? = millones de votantes Predecir los resultados electorales en España Población. Conjunto completo de votantes. Población y muestra N =???? = millones de votantes n = votantes n = votantes Muestra. Subconjunto de los valores poblacionales observados.
3 Población y muestra N =???? = millones de votantes Inferencias. Generalizaciones a partir de la muestra a la población. los estadísticos se utilizan como estimadores de los parámetros de la población, como la edad media de los votantes de la población n = votantes calculamos estadísticos, como la edad media de los votantes de la muestra Población y muestra Se puede confiar en que los estadísticos sean similares a los parámetros? N =????? 35,5 años?????? = millones de votantes n = ,5 años votantes Los parámetros son los que realmente se quieren conocer Los estadísticos son calculados y conocidos 3
4 Población y muestra Se puede confiar en que los estadísticos sean similares a los parámetros? Los parámetros no son verificables (si lo fueran, no trabajaríamos con muestras). Si, siempre que la muestra represente a la población Población y muestra N = 1 vacas Si, siempre que la muestra represente a la población 4
5 Población y muestra N = 1 vacas n = 6 vacas Si, siempre que la muestra represente a la población La muestra representa a la población si las características de la población se repiten en la muestra. Si no sabemos cómo es la población, ni Población y muestra siquiera su tamaño? La representatividad se basa en la forma en que la muestra es seleccionada (los n = mejores métodos son los que se basan en el usovotantes planeado del azar) N =???? = millones de votantes La representatividad se basa en el tamaño de la muestra (en principio, mayores tamaños mejoran la representatividad) La muestra representa a la población si las características de la población se repiten en la muestra. 5
6 Muestreo aleatorio simple Población (N): papeletas marcadas con papeletas marcadas con 0 Muestreo aleatorio simple Se le da la urna y se le informa que contiene un número determinado de papeletas con ceros y unos. Se le pide que estime sus proporciones Agita la urna (garantizamos la aleatoriedad) Saca papeletas sin reposición (n) 6
7 Muestreo aleatorio simple Dado que todos los elementos de la urna tenían la misma probabilidad de ser seleccionados, el muestreo es aleatorio, por tanto: % unos en la muestra = % unos en la urna + error aleatorio Si el muestreo es aleatorio: Estimador = Parámetro + Error aleatorio Muestreo aleatorio simple 51 unos en la muestra = unos en la muestra = unos en la muestra = Si el muestreo es aleatorio: Estimador = Parámetro + Error aleatorio 7
8 Población (N): 6 papeletas marcadas con:, 4, 6, 6, 7 y 8 µ = 5,5 Media = µ + error aleatorio 4,5 = 5,5-1 Repetimos Agitamos la urna Sacamos 4 papeletas (n), 4, 6, 6 media = 4,5 8
9 Media = µ + error aleatorio 4,5 = 5,5-1 5,0 = 5,5-0,5 Repetimos Agitamos la urna Sacamos 4 papeletas (n), 4, 6, 8 media = 5,0 Media = µ + error aleatorio 4,5 = 5,5-1 5,0 = 5,5-0,5 Agitamos 5,75 = 5,5 la + urna 0,5 Sacamos 4 papeletas (n), 6, 7, 8 media = 5,75 9
10 Si hay 6 papeletas. y se etraen sin reposición 4 cuántas muestras se pueden etraer? La variable sacamos 4 papeletas de la urna es una variable aleatoria como las estudiadas en temas anteriores (cada etracción es una variable aleatoria). La distribución de probabilidades de los posibles valores que puede tomar el estadístico (en este caso, la media) a lo largo de todas las posibles muestras con el mismo número de observaciones (se denomina distribución ) sirve para estimar el error aleatorio a través del error estándar (y proporciona la base para la inferencia). Media Muestra, 4, 6, 6 4,50, 4, 6, 7 4,75, 4, 6, 8 5,00, 4, 6, 7 4,75, 4, 6, 8 5,00, 4, 7, 8 5,5, 6, 6, 7 5,5, 6, 6, 8 5,50, 6, 7, 8 5,75, 6, 7, 8 5,75 4, 6, 6, 7 5,75 4, 6, 6, 8 6,00 4, 6, 7, 8 6,5 4, 6, 7, 8 6,5 6, 6, 7, 8 6,75 Todas las muestras tienen la misma probabilidad de ser seleccionadas (1/15) 10
11 Muestra Media, 4, 6, 6 4,50, 4, 6, 7 4,75, 4, 6, 8 5,00, 4, 6, 7 4,75, 4, 6, 8 5,00, 4, 7, 8 5,5, 6, 6, 7 5,5, 6, 6, 8 5,50, 6, 7, 8 5,75, 6, 7, 8 5,75 4, 6, 6, 7 5,75 4, 6, 6, 8 6,00 4, 6, 7, 8 6,5 4, 6, 7, 8 6,5 6, 6, 7, 8 6,75 Todas las muestras tienen la misma probabilidad de ser seleccionadas (1/15) La distribución de la media (función de probabilidad): P(4,50) = 1/15 P(6,5) = /15 P(4,75) = /15 P(6,75) = 1/15 P(5,00) = /15 P(5,5) = /15 P(5,50) = 1/15 P(5,75) = 3/15 P(6,00) = 1/15 P(4,50) = 1/15 P(6,5) = /15 P(5,00) = /15 P(5,5) = /15 P(4,75) = /15 P(6,75) = 1/15 P(5,50) = 1/15 P(5,75) = 3/15 P(6,00) = 1/15 P() 3/15 El valor esperado de la media es: / E( X) = P( ) = (4,5) + (4,75) (6,75) = 5, Por tanto, el valor esperado de la media es la media 1/15 poblacional 0 4,5 5,5 6,5 7,5 11
12 Por tanto, la suma de las 4 variables aleatorias será: n E Xi = Sacamos nµ siendo 4 papeletas n=4 i= 1 (n) Se X1 trata X de 4 variables X3 X4 aleatorias, cuya esperanza es: ( ) ( ) ( ) ( ) E X = E X = E X = E X = µ La media esperada será: ( ) E X nµ n 1 = E Xi n = = i= 1 n µ P() 3/15 La Distribución distribución de en la el media muestreo de está la media centrada en la media poblacional. /15 Por el teorema central del límite, sabemos además que sigue una distribución normal 1/15 0 4,5 5,5 6,5 7,5 1
13 Media = µ + error aleatorio 4,5 = 5,5-1 5,0 = 5,5-0,5 5,75 = 5,5 + 0,5 Cuando el número Sacamos de 4 muestras papeletas se hace muy grande, el promedio de las medias (n) es tiende a la media poblacional (µ) Dado que todos los elementos de la urna tenían la misma probabilidad de ser seleccionados, el muestreo es aleatorio, por tanto: % unos en la muestra = % unos en la urna + error aleatorio Si el muestreo es aleatorio: Estimador = Parámetro + Error aleatorio 13
14 51 unos en la muestra = unos en la muestra = unos en la muestra = Si el muestreo es aleatorio: Estimador = Parámetro + Error aleatorio 51 unos en la muestra = unos en la muestra = unos en la muestra = El error aleatorio cambia con cada etracción No es posible conocer cuánto medirá en una etracción particular Es posible calcular su tamaño probable (error estándar) 14
15 P() 3/15 /15 1/15 0 4,5 5,5 6,5 7,5 Es posible calcular su tamaño probable (error estándar) Población (N): 6 papeletas marcadas con:, 4, 6, 6, 7 y 8 µ = 5,5 Sacamos 4 papeletas (n) 15 combinaciones Sacamos 5 papeletas (n) 6 combinaciones 15
16 Sacamos 5 papeletas (n) 6 combinaciones Todas las muestras tienen la misma probabilidad de ser seleccionadas (1/6) Muestra Media, 4, 6, 6, 8 5,0, 4, 6, 6, 7 5,, 4, 6, 7, 8 5,4, 4, 6, 7, 8 5,4, 6, 6, 7, 8 5,8 4, 6, 6, 7, 8 6, La distribución de la media (función de probabilidad): P(5,0) = 1/6 P(5,) = 1/6 P(5,4) = 1/3 P(5,8) = 1/6 P(6,) = 1/6 P() P(5,0) = 1/6 P(5,) = 1/6 P(5,4) = 1/3 P(5,8) = 1/6 P(6,) = 1/6 /6 1/6 0 4,5 5,5 6,5 7,5 Es posible calcular su tamaño probable (error estándar) 16
17 P() Ambas La Error varianza estándar. distribuciones de determina la media el error se aleatorio, centranσ y en sirve Si la Indica media n se para el incrementa, tamaño poblacional. calcular probable su la tamaño varianza del probable. error aleatorio. disminuye. EE= n /6 1/6 0 4,5 5,5 6,5 7,5 P() Ambas distribuciones de la media se centran en la media poblacional. /6 Si n se incrementa, la varianza disminuye. La varianza determina el error aleatorio, y sirve 1/6 para calcular su tamaño probable. Error estándar. σ EE= Indica el tamaño probable del error aleatorio. n 0 4,5 5,5 6,5 7,5 17
18 Siempre que el muestreo sea aleatorio: Mientras mayor sea n, menor será el error aleatorio. Si n respecto a N es muy pequeño, se puede asumir que los valores individuales de la muestra se distribuyen independientemente unos de otros. El P.e. error Muestra cometido de al asumir votantes independencia sobre el escenso muy pequeño, total de por votantes lo que en las elecciones presidenciales σ españolas (N entorno a 30 millones). EE= n Probabilidad primera etracción = 1/30 millones Probabilidad segunda etracción = 1/(30 millones 1) Probabilidad 999 etracción = 1/(30 millones 999) Siempre que el muestreo sea aleatorio: Mientras mayor sea n, menor será el error aleatorio. Si n respecto a N no es muy pequeño, no se puede asumir que los valores individuales de la muestra se distribuyen independientemente unos de otros. P.e. Muestra de 4 sobres sobre 6 sobres. El error cometido al asumir independencia es muy grande, porprobabilidad lo que seprimera aplica etracción el factor= 1/6 de corrección por población Probabilidad finita segunda (N n)/(n etracción 1): = 1/(6-1) σ N EE= n Probabilidad cuarta etracción = 1/(6-3) n N 1 18
19 Si la distribución de la población es normal: X µ Z = σ Sigue una distribución normal estándar Si la distribución de la población no es normal pero n es grande, Z se considera que sigue una distribución normal estándar por el teorema central del límite. σ Distribución en el muestreo de la media X µ EE= Z = n σ La tasa de abortos en una cooperativa lechera sigue una distribución normal con media 1,% y desviación típica 3,6%. Se toma una muestra aleatoria de 9 eplotaciones. Cuál es la probabilidad de que la media sea menor del 10%? µ = 1, σ = 3,6 n = 9 X µ 10 µ 10 µ P( X < 10) = P < = P Z < σ σ σ σ 3,6 EE= σ = = = 1, n , P X P Z P Z 1, ( < 10) = < = ( < 1, 83) ( ) z( ) z( ) ( < 10) = 0,0336 P X < 10 = F 1,83 = 1 F 1,83 = 1 0,9664 P X 19
20 Distribución en el muestreo de una proporción Se le da la urna y se le informa que contiene un número determinado de papeletas con ceros y unos. Se le pide que estime sus proporciones Agita la urna (garantizamos la aleatoriedad) Saca papeletas sin reposición (n) Distribución en el muestreo de una proporción Si en la urna hay papeletas con ceros y papeletas Sea X número con unos: de éitos en n observaciones, donde la probabilidad de éito es p. P(1)=0,5 X En pˆ = la muestra (1.000), E( X) = np Var( X) = np(1 p) el número n esperado de unos será: np = ,5 = 5000 E( pˆ ) = p p(1 p) N n EE( pˆ ) = La proporción n N 1 esperada será: p(1 p) EE( pˆ ) = pˆ (np)/n = n( ,5)/1.000 p Z = = 0,5 EE( pˆ ) 0
21 pˆ p Z = EE( p ) Distribución en el muestreo de una ˆ EE( pˆ ) = proporción p(1 p) n Tras una epidemia de lengua azul en Córdoba, se estima que el 30% de las eplotaciones resulta insegura. Se toma una muestra de 50 eplotaciones para determinar la proporción de las que resultan inseguras. Hallar la probabilidad de que la proporción en la muestra esté entre el 5% y el 30%. p = 0,30 n = 50 0, 5 p pˆ p 0,35 p P( 0,5< pˆ < 0,35) = P < < = σp ˆ σp ˆ σ pˆ 0, 5 p 0,35 p = P < Z < σpˆ σ pˆ ( 0,5 ˆ 0,35) ( 1,7 1,7) P < p < = P < Z < = = F(1,7) F( 1,7) = 0,9573 (1 0,9573) = 0,9146 z z p(1 p) σp ˆ = = n 0,30 0,60 = = 0,09 50 Distribución en el muestreo de la varianza s n 1 = 1 n i= 1 ( X ) i X Si la distribución poblacional es normal, entonces: ( n ) s 1 σ sigue una distribución χ( n 1) 1
22 Distribución en el muestreo de la varianza χ( n 1) E ( χ( n 1) ) = n 1 Var( χ n ) (n - 1) = grados de libertad ( 1) = ( n 1) f(chi-cuadrado) 0,16 0,1 0,08 0, chi-cuadrado χ 5 Distribución en el muestreo de la varianza χ( n 1) E ( χ( n 1) ) = n 1 Var( χ n ) (n - 1) = grados de libertad ( 1) = ( n 1) f(chi-cuadrado) 0,1 0,08 0,06 0,04 0, chi-cuadrado χ 10
23 Distribución en el muestreo de la varianza χ υ Es la distribución de la suma de los cuadrados de variables aleatorias normales estándar independientes Si la distribución poblacional es normal, entonces: ( n ) s 1 σ sigue una distribución χ( n 1) Distribución ( n 1 ) s en el muestreo de la varianza χ σ ( n 1) Cuando una fábrica de piensos funciona adecuadamente, el peso de los sacos de 50 kg sigue una distribución normal con desviación típica 3,6. Se toma una muestra aleatoria de 4 sacos. Qué probabilidad hay de que la varianza sea superior a 30?. n = 4 σ = 3,6 σ = 1,96 ( 30) P s ( n 1) s 30( n 1) > = P > = σ σ 30 3 = P χ3 > = P 3 > 1,96 ( χ 6,94) P P ( χ3 ) ( χ3 ) > 6,5 = 0,10 > 7,81 = 0,05 ( ) 0,05< P s > 30 < 0,10 3
24 Muestreo aleatorio simple La inferencia basada en la media es robusta debido a que si la distribución de la población de la que etrae la muestra se desvía de la normal, el error cometido en el cálculo de probabilidades es pequeño. La inferencia basada en la varianza es muy sensible a las desviaciones de la distribución de la población respecto a la normal, por lo que el error cometido en el cálculo de probabilidades es grande. Sesgo Estimador = Parámetro + Error aleatorio + Sesgo 4
25 Sesgo Sesgo. Distorsión causada por la selección de la muestra, que potencia o ecluye cierto tipo de resultados. Estimador = Parámetro + Error aleatorio + Sesgo Sesgo Sesgo. Distorsión causada por la selección de la muestra, que potencia o ecluye cierto tipo de resultados. - El sesgo se controla aleatorizando el muestreo. - Cualquier tipo de selección provoca sesgo. - Es difícil de detectar. - Si se detecta, tampoco se puede corregir. 5
26 Sesgo Por ejemplo. Para estudiar la opinión de los españoles sobre la ley del aborto, hacemos una encuesta a españoles. Los encuestadores preguntan a la salida de misa en la puerta de las iglesias. La muestra es seleccionada aleatoriamente a partir del listín telefónico. Los encuestadores preguntan a padres y madres en la puerta de los colegios. Sesgo Ejemplos de sesgo. Los indecisos. Sesgo de respuesta. Sesgo de no respuesta. Sesgo del hogar. Sesgo del entrevistador. 6
Conceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesFundamentos para la inferencia. Estadística Prof. Tamara Burdisso
Fundamentos para la inferencia Estadística 018 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 016 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesTema 1: Distribuciones en el muestreo
Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesDistribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio
Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),
Más detallesESTADÍSTICA. Facultad Nacional de Ingeniería Oruro - Bolivia
ESTADÍSTICA Facultad Nacional de Ingeniería Oruro - Bolivia José Luis Zamorano Escalante Universidad Técnica de Oruro Presentación El termino estadística proviene del latín statisticum collegium ( consejo
Más detallesEnsayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES
Ensayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES Muestreo Objetivo: conocer propiedades de una población a partir de una muestra Propiedades Parámetros Los estadísticos muestrales sirven como
Más detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No.2 Nombre: Distribuciones muestrales Contetualización Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesTEMA 7. Estimación. Alicia Nieto Reyes BIOESTADÍSTICA. Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13
TEMA 7. Estimación Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13 1 Estimación Puntual 1 Estimación por intervalos Estimación por intervalos de la Media
Más detallesEstadís2ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 5. Inferencia estadís2ca
Estadís2ca Tema 5. Inferencia estadís2ca María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesMuestreo y. Distribuciones Muestrales
Muestreo y Distribuciones Muestrales Muestreo Muestreo POBLACION muestra Inferencia Estadística Conteos rápidos, preferencias electorales, etc. Tipos de Muestreo Muestreo No Probabilístico No aplican las
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesDISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES
Ensayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES Muestreo Laura A. Gonzalez Objetivo: conocer características de una población a partir de una muestra Características Parámetros Los estadísticos
Más detallesCap. 5 : Distribuciones muestrales
Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesDistribuciones habituales
Distribuciones habituales Tema 5 Eponencial Ignacio Cascos Depto. Estadística, Univerdad Carlos III 1 Ignacio Cascos Depto. Estadística, Univerdad Carlos III 2 Objetivos Adquirir soltura con el manejo
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesMuestreo y distribuciones muestrales.
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Introducción 2 La media muestral Esperanza y varianza de la media muestral La
Más detallesCap 7 Intervalos de Confianza
Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesTécnicas de Muestreo I
1 / 39 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM agosto 2018 2 / 39 Temario 1. Introducción. Definición de conceptos elementales 2. Muestreo
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesTeoría de la decisión
Unidad 7.. Definiciones. Muestreo aleatorio y estadístico. Estadísticos importantes. Técnica de muestreo. Transformación integral Muestreo: selección de un subconjunto de una población ) Representativo
Más detallesVariables aleatorias continuas
//2 Análisis de datos y gestión veterinaria Variables aleatorias continuas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 8 de Noviembre de 2
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesExamen Final A Total puntos: /100. Buena suerte y éxito! Utilice la siguiente información para responder a las preguntas 1 al 5.
Universidad de Puerto Rico, Recinto de Río Piedras Instituto de Estadística y Sistemas Computarizados de Información Estadísticas para administración de empresas (ESTA 3041) Nombre: Número de estudiante:
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
Más detallesDistribuciones Muestrales e Intervalos de Confianza
Distribuciones Muestrales e Intervalos de Confianza Sesión 5 Dr. Carlos J. Vilalta (DAP) Estadística - Curso propedéutico MAPP 2016 Centro de Investigación y Docencia económicas (CIDE) Contacto: carlos.vilalta@cide.edu
Más detallesEsquema Matemáticas CCSS
Esquema Matemáticas CCSS 4. Inferencia Conocer el vocabulario básico de la Inferencia Estadística: población, individuos, muestra, tamaño de la población, tamaño de la muestra, muestreo aleatorio. Conocer
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTécnicas de investigación cuantitativas: Tema 4: MUESTREO PROBABILÍSTICO
Técnicas de investigación cuantitativas: Tema 4: MUESTREO PROBABILÍSTICO Grado en Criminología Curso 2014/2015 Técnicas de investigación cualitativa y cuantitativa Diseño muestral Recordemos (Tema 3):
Más detallesJuan Carlos Colonia DISTRIBUCIONES MUESTRALES
Juan Carlos Colonia DISTRIBUCIONES MUESTRALES POBLACIÓN Es el conjunto de individuos u objetos que poseen alguna característica común observable y de la cual se desea obtener información. El número de
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. μ zα
Se sabe que la estatura de los individuos de una población es una variable aleatoria que sigue una distribución normal con desviación típica 6 cm. Se toma una muestra aleatoria de 5 individuos que da una
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciencias Sociales Tema 10. Estimación de una proporción Cap. 0 del manual Tema 10. Estimación de una proporción Introducción 1. Distribución en el muestreo de una proporción.
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesTEOREMA DEL LÍMITE CENTRAL
Material de clase n 2 Domingo 13 Junio TEOREMA DEL LÍMITE CENTRAL A medida que n se vuelve más grande, la distribución de las medias muestrales se aproxima a una distribución normal con una media x = µ
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. µ zα, µ+ zα
En una población una variable aleatoria sigue una ley Normal de media desconocida y desviación típica. a) Observada una muestra de tamaño 400, tomada al azar, se ha obtenido una media muestral igual a
Más detallesTEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesAnálisis de datos y gestión n veterinaria. Tema 1 Estadística descriptiva. Prof. Dr. José Manuel Perea Muñoz
Análisis de datos y gestión n veterinaria Tema 1 Estadística descriptiva Prof. Dr. José Manuel Perea Muñoz Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, de Septiembre
Más detallesInferencia estadística en la EBAU de Murcia INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA
INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA 1. (Septiembre 2017) El consumo de carne por persona en un año para una población es una variable aleatoria con distribución normal con desviación típica igual
Más detallesFundamentos para la inferencia. Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Nota periodística Perfil 22/3/2015 Scioli y Macri, con ventaja en la pelea por el ballottage http://www.perfil.com/politica/scioli-y-macri-con-ventaja-en-la-pelea-por-el-ballottage-20150322-0002.html
Más detallesBioestadística: Inferencia Estadística. Análisis de Una Muestra
Bioestadística: Inferencia Estadística. Análisis de Una Muestra M. González Departamento de Matemáticas. Universidad de Extremadura Estimación Puntual e Intervalos de Confianza Planteamiento del Problema
Más detalles1. Muestreo e Inferencia Estadística
Tema 6: Introducción a la Inferencia Estadística Objetivos Introducir los conceptos elementales en esta parte de la asignatura. Tratar con muestras aleatorias y su distribución muestral en ejemplos de
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesEXAMEN DE ESTADÍSTICA Junio 2012
EXAMEN DE ESTADÍSTICA Junio 2012 Apellidos: Nombre: DNI: GRUPO: 1. En una población se han realizado 120 observaciones sobre las variables X e Y, obteniéndose la siguiente tabla de frecuencias absolutas
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesUnidad 5.- TEORÍA DE MUESTRAS
CONCEPTOS GENERALES Unidad 5.- TEORÍA DE MUESTRAS Se llama POBLACIÓN al conjunto de todos los elementos que poseen una determinada característica. Los distintos elementos de la población se llaman INDIVIDUOS.
Más detallesTema 8. Muestreo. Indice
Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José
Más detallesVariables aleatorias
Análisis de datos y gestión veterinaria Variables aleatorias discretas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 3 de Noviembre de 2011
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detallesUniversidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 7: HERRAMIENTAS INFERENCIALES. DISTRIBUCIONES ASOCIADAS AL Uiversidad MUESTREO de Oviedo. Facultad de Ecoomía y Empresa. Grado e ADE. 7.1.- Distribucioes Métodos
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre (s)
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIONES
Más detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Más detallesPráctica 6: Fundamentos de la Inferencia. Teorema Central del Límite.
: Fundamentos de la Inferencia. Teorema Central del Límite. 1. Dada una población de media µ = 400 y varianza σ 2 = 1.600. Se obtiene una muestra aleatoria de tamaño 35. Detallar bajo qué condiciones se
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA Usando el modelo de probabilidad clásico de Laplace:
MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA 2011-2012 EJERCICIO 1 (1º) Calcular la probabilidad de que al lanzar dos dados la puntuación de uno de ellos sea menor que la del otro. Usando
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detalles