Métodos Bayesianos (Convocatoria Febrero 2005)
|
|
- María Rosario Franco Zúñiga
- hace 5 años
- Vistas:
Transcripción
1 Dpto. Métodos Cuantitativos en Economía y Gestión Univ. de Las Palmas de G.C. Licenciatura en Economía Cuarto curso Curso 04/05 Métodos Bayesianos (Convocatoria Febrero 005) EJERCICIO 1. El método estándar de cribado para la detección de una enfermedad falla en un 15 % de los pacientes que actualmente tienen la enfermedad. Un nuevo método ha sido desarrollado y deseamos compararlo utilizando una muestra de tamaño n = 75. Sea φ la tasa de fallos del nuevo método. Si de los 75 pacientes, el nuevo método ha fallado en y = 6 casos, se pide: 1. Para una a priori B(1, 6) para φ, obtener la distribución a posteriori.. Obtener la estimación clásica de φ y comparar con la media a posteriori de la distribución obtenida anteriormente. Calcular la varianza a posteriori. Obtener también la probabilidad (a posteriori) de que el nuevo método sea mejor que el estándar. EJERCICIO. Una empresa desea contratar publicidad en una determinada página web pues piensa que dicha presencia le resultará beneficiosa. Para ello desea estudiar el número de visitas diarias que tiene dicha página. El número de visitas sigue una distribución de Poisson, P(λ). Para una muestra de tamaño n, x 1,..., x n, indica el número de visitas en cada uno de esos días, se pide: 1. Obtener una distribución a priori conjugada para el proceso de muestreo anterior e identificar la a posteriori.. Obtener una distribución a priori impropia no informativa tipo Jeffreys para dicho muestreo e identificar la a posteriori. Relacionar con la anterior. 3. Construir una tabla para comparar las dos situaciones anteriores respecto de las medidas de interés siguientes: estimador bayesiano bajo pérdidas cuadráticas y absolutas, moda a posteriori e intervalo bayesiano a posteriori al 95 %, cuando los datos observados fueron: 400, 300, 900, 450, 30, 100, 700, 110, 400, 35. Para el caso informativo, utilizar una priori con media 30 y varianza Supongamos ahora que estamos interesados en el test de hipótesis H 0 : λ = 300 vs H 1 : λ = 450. Para un caso no informativo, construir el factor Bayes, B 01, y obtenerlo con los datos anteriores. Comentar. 5. Con los datos del apartado 3 y bajo una a priori Jeffreys como la del apartado, obtener las probabilidades a posteriori para el test: H 0 : λ 300 vs H 1 : 300 < λ 500. Comentar.
2 EJERCICIO 3. Supongamos que disponemos de 0 observaciones de una distribución normal con media µ desconocida y varianza σ, conocida: Se pide: Calcular el HDI al 90 % para la distribución a posteriori de la media suponiendo una distribución a priori conjugada con media 0 y varianza 1. Construir una tabla para diferentes valores de la varianza muestral:, 10, 100, 500, y comentar los resultados.. Idem al anterior, pero con una a priori no informativa del tipo π(µ) 1. (Ayuda: debe calcularse analíticamente la distribución a posteriori y luego utilizar FirstBayes para obtener el intervalo bayesiano) 3. Realizar el mismo análisis anterior pero con ambos parámetros desconocidos y discutir la influencia de la varianza en el análisis. EJERCICIO 4. Consideremos que en los datos anteriores X N (0, σ ). Supongamos que estamos interesados en el contraste: H 0 : σ = 1 vs H 1 : σ = 4. Para una información a priori desinformativa para ambas hipótesis, obtener el factor Bayes obtenido en dicho contraste. IMPORTANTE Las calificaciones globales de la asignatura se depositarán en la página web el próximo 5 de febrero de 005, en su apartado de docencia->métodos Bayesianos o bien directamente a través del campus virtual de la asignatura, donde también se depositará un ejemplar resuelto del examen. La revisión de exámenes será los días 8 de febrero y 1 de marzo de 005, de 10:00 a 11:00 a.m. en el despacho D4.09.
3 Soluciones A continuación se presentan los cálculos básicos para obtener las soluciones de los ejercicios. EJERCICIO La verosimilitud asociada será l(y φ) φ 6 (1 φ) 69, que junto con la a priori seleccionada π(φ) (1 φ) 5, nos proporciona una a posteriori, π(φ y) φ 6 (1 φ) 74, que corresponde a una distribución B(7, 75).. La estimación clásica conocemos que es el cociente y n = 6 = 0,08(8 %). La media a posteriori 75 (que es el estimador bayesiano bajo pérdidas cuadráticas) es 0,085366( 8,54 %). La varianza a posteriori es 0, La probabildad a posteriori de que el nuevo método sea mejor es Pr(φ < 15 %) = Pr(φ < 0,15) = 0, EJERCICIO. La función de verosimilitud será: f(x 1,..., x n λ) e nλ λ nx. 1. Puesto que se trata de una verosimilitud de tipo Poisson, su densidad conjugada sabemos que es de tipo Gamma, G(α, β) : π(λ) λ α 1 e βλ, λ > 0. Por tanto, la a posteriori será: es decir, G(α + nx, n + β). π(λ x) f(x λ)π(λ) λ α+nx 1 e (n+β)λ,. Para la obtención de la densidad tipo Jeffreys procederemos de la siguiente manera: En consecuencia, log f λ log f Por tanto, E λ Jeffreys será: log f(x 1,..., x n λ) = nλ + (nx) log λ + cte.. n + nx λ = log f λ nx λ. = nλ λ. Luego, I (λ x) = n, y en consecuencia, la densidad tipo λ π(λ) 1 λ = λ 1/, que puede intrepretarse como caso límite de una densidad Gamma del tipo: G( 1, β) con β 0. La a posteriori será pues: es decir, G(nx + 1, n). π(λ x) λ 1/ λ nx e nλ = λ nx 1/ e nλ,
4 3. Observemos que para la a priori informativa, los valores de α y β se deducen de la relación: α β = 30 y α β = 10 α = (3) 10 = 1040 y β = 3. Puesto que nx = 400,5 y n = 10, ahora utilizamos FirstBayes directamente desde su icono de distribuciones para obtener las medidas de interés (también pueden cargarse los datos y hacer un análisis con datos de Poisson). Los resultados obtenidos son: Priori informativa Priori Jeffreys Media a post. 91,55 400,55 Mediana a post. 91,54 400,5 Moda 91,5 400,55 HDI 95 % [86,39; 96,7] [388,17; 41,98] Como puede observarse los resultados dependen bastante de la elección de la densidad a priori. 4. Para el test propuesto tenemos: π 0 = π 1 = 1. Por tanto, el factor Bayes será: B 01 = p 0π 1 = p 0 = f(x λ ( ) nx 0) p 1 π 0 p 1 f(x λ 1 ) = e n(λ 0 λ 1 ) λ0. Para nuestro ejemplo, n = 10, nx = 4005, tenemos B 01 = e 1500 ( 3 ) Es decir, hay evidencia muestral para apoyar la hipótesis alternativa frente a la nula. 5. Debemos calcular p 0 = Pr H 0 cierta x = Pr λ 300 x y p 1 = Pr H 1 cierta x = Pr 300 < λ 500 x, usando como a priori G(1/, 0), que como sabemos produce una a posteriori G(nx + 1, n) que en nuestro caso es G(4005,5, 10). Basta usar FirstBayes para obtener estas cantidades: p 0 = 0, p 1 = 1 y por tanto a posteriori H 1 es infinitamente más creible que H 0. EJERCICIO Basta utilizar FirstBayes para un análisis conjugado Normal Normal: - Verosimilitud, N (µ, σ ) : f(x 1,..., x n µ) exp 1 n (x i µ) σ - Priori, N (µ 0, σ0) : π(µ) exp 1 (µ µ 0 ) σ0 Los resultado obtenidos pueden verse en la siguiente tabla: HDI 90 % HDI 90 % σ Priori inf. Priori no inf. [19,68; 0,67] [19,67; 0,7] 10 [19,18; 1,08] [19,03; 1,36] 100 [18,53; 1,53] [16,5; 3,88] 500 [18,39; 1,6] [11,97; 8,4] λ 1
5 . Para una a priori π(µ) 1, la a posteriori se obtiene de manera usual multiplicando priori por verosimilitud, de donde se deduce fácilmente que π(µ x) N (x, σ /n). Los intervalos obtenidos pueden verse en la columna correspondiente a una a priori noinformativa de la tabla anterior. Como observamos las diferencias fundamentales aparecen para varianza muy alta en los datos muestrales. 3. Se trata de hacer un análisis de población normal con ambos parámetros desconocidos y conocimiento a priori vago. Su implementación en FirstBayes es inmediata y el intervalo obtenido es: [19,69; 0,69]. Como vemos muy próximo a aquellos intervalos obtenidos bajo varianza conocida pero baja. EJERCICIO 4. El factor Bayes será: B 01 = p 0π 1 p 1 π 0 = f(x 1,..., x n σ = 1) f(x 1,.., x n σ = 4), con π 0 = π 1 = 1 (pues nos indican información a priori desinformativa) y siendo f(x 1,..., x n σ ) = 1 exp 1 n (x i 0). Luego tendremos: (π) n/ (σ ) n/ σ B 01 = (σ1) n/ exp 1 (σ0) n/ exp 1 n (x i 0) σ0 n (x i 0) σ 1 = ( σ 1 σ 0 ) n/ exp 1 ( ) ( ) σ 1 σ0 n (x σ1σ 0 i 0). En nuestro caso, B 01 = 4 10 exp 1 ( ) (x i 0) 5,5; con (x i 0) = 3,
Licenciatura en Economa Cuarto curso Curso 01/02. Metodos Bayesianos (28/01/2002)
Dpto. Metodos Cuantitativos en Economa y Gestion Univ. de Las Palmas de G.C. Licenciatura en Economa Cuarto curso Curso 0/0 Metodos Bayesianos (8/0/00) EJERCICIO.Consideremos el caso de una rueda de reconocimiento
Más detalles2.2. Análisis bayesiano para datos de Poisson
2.2. Análisis bayesiano para datos de Poisson 73 éste no es un problema sencillo de resolver pues la diferencia de Betas no es, en general, otra distribución Beta. Sin embargo, existe una manera adecuada
Más detalles2.3. Análisis bayesiano para datos normales
2.3. Análisis bayesiano para datos normales 87 2.3. Análisis bayesiano para datos normales Otra de las situaciones más frecuentes en la práctica estadística es aquella en la que nos encontramos con datos
Más detallesTema 6: Introducción a la Inferencia Bayesiana
Tema 6: Introducción a la Inferencia Bayesiana Conchi Ausín Departamento de Estadística Universidad Carlos III de Madrid concepcion.ausin@uc3m.es CESGA, Noviembre 2012 Contenidos 1. Elementos básicos de
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
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 detallesEstadística Bayesiana
Universidad Nacional Agraria La Molina 2017-1 Teoría de la decisión Riesgo de Bayes La teoría de decisión es un área de suma importancia en estadística ya que muchos problemas del mundo real pueden tomar
Más detallesPROFESOR: LUIS E. NIETO BARAJAS. Ejercicios de clase
Ejercicios de clase EJERCICIO 1. Problema de decisión. Un estudiante debe decidir entre repasar con mucho detalle una de las dos partes de un curso, o repasar con menos detalle las dos partes, antes del
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 detallesClasificación. Aurea Grané. Análisis Discriminante
Diplomatura en Estadística 1 Diplomatura en Estadística 2 Análisis discriminante Análisis Discriminante y Clasificación Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid Supongamos
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
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 detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesAplicación de la distribución empírica: Tests de bondad de ajuste
Aplicación de la distribución empírica: Tests de bondad de ajuste 4 de marzo de 2009 Test de bondad de ajuste Supongamos que se dispone de una m.a.s de tamaño n de una población X con distribución desconocida
Más detallesInferencia bayesiana
Capítulo 2 Inferencia bayesiana Desarrollaremos a continuación las técnicas explicadas en el capítulo anterior referentes a la estimación bayesiana para los modelos prácticos más habituales. 2.1. Análisis
Más detallesTema 4 - Introducción
Tema 4 - Introducción 1 Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Cómo obtener estimadores? Tema
Más detallesTema 7: Ejercicios de Inferencia en una población Normal
Tema 7: s de Inferencia en una población Normal Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I3 En una explotación minera las rocas
Más detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesEXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 2006
EXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 6 Problema ( ptos) Considera un experimento aleatorio con espacio muestral Ω. a) Definir una σ-álgebra A sobre Ω. b) Dar
Más detallesPREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
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 detallesLee, Capítulo 3, Secciones 3.1,3.2,3.4 y 3.5. Gelman et al, Capítulo 2, Secciones
CAPÍTULO 3: DISTRIBUCIONES CON- JUGADAS Para leer Lee, Capítulo 3, Secciones 3.1,3.2,3.4 y 3.5. Gelman et al, Capítulo 2, Secciones 2.4 2.7. Ejemplo 18 Supongamos que en la situación del Ejemplo 13, se
Más detallesTema 6: Introducción a la inferencia estadística
Tema 6: Introducción a la inferencia estadística Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 6: Introducción a la inferencia estadística
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesRelación de Problemas. Tema 5
Relación de Problemas. Tema 5. Supongamos que tenemos una muestra aleatoria simple de tamaño n de una v.a. X que sigue una distribución geométrica con función de probabilidad P (X = k) = p( p) k Calcular
Más detallesIntroducción a la inferencia estadística
M. Wiper Estadística 1 / 15 Introducción a la inferencia estadística Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 15 Objetivo Introducir la distribución
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesEstimación por intervalos
Capítulo 9 Estimación por intervalos 9.1. Introducción En este capítulo se desarrolla la estimación por intervalos donde el proceso de inferencia se realiza de la forma θ C, donde C = Cx) es un conjunto
Más detallesCapítulo 3. Estimación estadística de modelos probabilistas
Capítulo 3. Estimación estadística de modelos probabilistas 3.1. Muestreo aleatorio. 3.2. Estimación puntual. 3.3. Estimación por intervalos de confianza. 3.4. Contrastes de hipótesis. 3. Estimación estadística
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
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 detalles3 ESTIMACION. 3.1 Introducción
3 ESTIMACION 3.1 Introducción En un problema estadístico, si los datos fueron generados a partir de una distribución de probabilidad F(x) desconocida, la Inferencia Estadística permite decir algo respecto
Más detallesBernardo y Smith (1994), Sección 5.3. Gelman et al (1995), Capítulo 4, Secciones y Apéndice B.
CAPÍTULO 6. MUESTRAS GRANDES Para leer Bernardo y Smith (1994), Sección 5.3. Gelman et al (1995), Capítulo 4, Secciones 4.1 4.3 y Apéndice B. Si la muestra es muy grande, está claro que los valores de
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
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 detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesTema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.
Tema 3 - Introducción 1 Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesRegresión Lineal Múltiple
Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta
Más detallesHipótesis Alternativa H 1 : ϑ Θ 1
INFERENCIA ESTADÍSTICA Tema 3.3: Contrastes de signicación Objetivos Dominar el esquema conceptual y el lenguaje propios de los contrastes de hipótesis. Construir contrastes de hipótesis para los parámetros
Más detallesDefinición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
Más detallesESTADÍSTICA. Tema 4 Intervalos de confianza
ESTADÍSTICA Grado en Biología Tema 4 Intervalos de confianza Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo Estadística. Tema 4: Intervalos
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...
Más detalles2 La precisión en los modelos clásicos. estimador por punto para el parámetro e 3θ para una población de Poisson
POR QUÉ LA INFERENCIA ESTADISTICA BAYESIANA M. A. Gómez Villegas 1 Introducción En este artículo se pretende justificar por qué se debe utilizar la aproximación bayesiana a la inferencia estadística. Como
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesRepaso de Probabilidad y Estadística
Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesEstadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con
Hasta ahora hemos supuesto que conocemos o podemos calcular la función/densidad de probabilidad (distribución) de las variables aleatorias. En general, esto no es así. Más bien se tiene una muestra experimental
Más detallesPPTCEG061EM33-A17V1. Distribución normal 1
PPTCEG061EM33-A17V1 Distribución normal 1 Propiedades distribución normal Distribución normal tipificada Es una distribución estadística continua cuya función de densidad es simétrica, y cuya forma se
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesEstadística II Ejercicios Tema 2
Estadística II Ejercicios Tema 2 1. Una empresa farmacéutica está preocupada por controlar el nivel de impurezas en uno de sus productos; su objetivo es que la concentración de las impurezas no supere
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
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 detallesTema 8: Contrastes de hipótesis
Tema 8: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesMATEMATICAS III (Lic. en Economía. 14/07/04) Convocatoria adelantada de Septiembre
Departamento de Métodos Cuantitativos en Economía y Gestión Universidad de Las Palmas de G.C. MATEMATICAS III (Lic. en Economía. 14/7/4) Convocatoria adelantada de Septiembre 1. (*) Sea f(x, y) : { ax
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 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 detallesEstadística Clase 3. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase 3 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri 1. Pasos en un proceso estadístico 1. Plantear una hipótesis sobre una población.. Diseñar
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
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 detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
Más detallesLos estimadores mínimo cuadráticos bajo los supuestos clásicos
Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesPrincipios de reducción de la data
Capítulo 6 Principios de reducción de la data 6.1. Introducción Un experimentador usa la información en una muestra X 1,, X n para realizar el proceso de inferencia sobre algun parámetro desconocido θ.
Más detallesEstimación Bayesiana y Máximo a Posteriori
Estimación Bayesiana y Máximo a Posteriori Alvaro Gómez & Pablo Musé {agomez, pmuse}@fing.edu.uy Departamento de Procesamiento de Señales Instituto de Ingeniería Eléctrica Facultad de Ingeniería Marzo
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Pasos en un proceso estadístico. Inferencia Estadística 3. Estimación Puntual
Más detallesInferencia Estadística. Estimación y Contrastes
y y M Dolores Redondas dolores.redondas@upm.es E.U. Arquitectura Técnica U.P.M. Curso 2009-2010 Introducción Identicación del comportamiento de una variable El reconocimiento del comportamiento de una
Más detallesTeórica básica. Incluimos. - Temas
Teórica básica Incluimos - Temas 1 - Tema 1: Fenómenos aleatorios. Conceptos de probabilidad. Propiedades. Independencia de sucesos. Teorema de Bayes. - Tema 2: Variables aleatorias. Variables discretas.
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesEXAMEN DE ESTADÍSTICA Junio 2011
EXAMEN DE ESTADÍSTICA Junio 2011 Apellidos: Nombre: DNI: GRUPO: 1. Sea X una variable aleatoria discreta. Determine el valor de k para que la función p(x) { k/x x 1, 2, 3, 4 0 en otro caso sea una función
Más detalles10.1 Enfoque Bayesiano del problema de la estimación
Chapter 10 Estimadores de Bayes 10.1 Enfoque Bayesiano del problema de la estimación puntual Consideremos nuevamente un problema estadístico de estimación paramétrico. Se observa un vector X = X 1,...,
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesComportamiento asintótico de estimadores
Comportamiento asintótico de estimadores Seguimos con variable X con función de densidad/masa f (x; θ). Queremos estimar θ. Dada una muestra aleatoria, definimos un estimador T = h(x 1,..., X n ) Esperamos/deseamos
Más detallesTema 4. Intervalos de confianza. Estadística Aplicada (Bioquímica). Profesora: Amparo Baíllo Tema 4: Intervalos de confianza 1
Tema 4. Intervalos de confianza Estadística Aplicada (Bioquímica). Profesora: Amparo Baíllo Tema 4: Intervalos de confianza 1 Definición Sea X una v.a. con distribución de probabilidad dada por un modelo
Más detallesComparación de métodos de aprendizaje sobre el mismo problema
Comparación de métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación. Test de
Más detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
Más detallesPreguntas más Frecuentes: Tema 8
Preguntas más Frecuentes: Tema 8 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 8.1, por qué se escoge n =?. En el ejemplo 8.1, si n fuera igual a 3 habría que obtener
Más detallesTEST DE RAZÓN DE VEROSIMILITUD GENERALIZADA
TEST DE RAZÓN DE VEROSIMILITUD GENERALIZADA JUAN C. MANRÍQUEZ 1, LUIS CID 2 y MARCELA VALDEZ 3 1 Universidad del Bío Bío, Facultad de Ciencias, Departamento de Matemáticas jcmanriq@ubiobio.cl 2 Universidad
Más detallesAnálisis de datos Categóricos
Introducción Universidad Nacional Agraria La Molina 2017-1 Variable cualitativa Variable respuesta cualitativa Variable respuesta y explicativa Variable de conteo y proporción Escalas de medición Una variable
Más detallesTécnicas de Inferencia Estadística II. Tema 2. Contrastes de hipótesis en poblaciones normales
Técnicas de Inferencia Estadística II Tema 2. Contrastes de hipótesis en poblaciones normales M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 2. Contrastes
Más detallesEstadística Bayesiana
Modelos uniparamétricos Universidad Nacional Agraria La Molina 2017-1 Modelos uniparamétricos Se tiene una secuencia de ensayos independientes de Bernoulli y 1,, y n. Sea y el número total de éxitos en
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE
PROCESO DE COORDINACIÓN DE LAS ENSEÑANZAS PR/CL/001 ASIGNATURA 55000643 - PLAN DE ESTUDIOS 05IR - CURSO ACADÉMICO Y SEMESTRE 2018/19 - Primer semestre Índice Guía de Aprendizaje 1. Datos descriptivos...1
Más detallesProfesor: Carlos Valle Página:
Capítulo 8 Contraste de Hipótesis I Semestre 6 Profesor: Carlos Valle Página: www.inf.utfsm.cl/~cvalle e-mail: cvalle@inf.utfsm.cl Contraste de Hipótesis Contrastar una Hipótesis Estadísticamente es juzgar
Más detallesContrastes para los parámetros de dos poblaciones Normales independientes. Varianzas desconocidas iguales
Contrastes para los parámetros de dos poblaciones Normales independientes. Ejercicios Tema 6 (Resuelto). Problema 4 En un estudio se determinaron las tasas de ramoneo de dos especies de erizo de mar, Paracentrotus
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
Más detalles