DISTRIBUCIONES MUESTRALES
|
|
- Antonio Paz Rivero
- hace 5 años
- Vistas:
Transcripción
1 UNIDAD II DISTRIBUCIONES MUESTRALES Competecia: -El estudiate debe saber utilizar las diferetes distribucioes muestrales,es decir las diferetes distribucioes de cualquier estadístico estimado a partir de muestras aleatorias para realizar eficietemete la Iferecia Estadística Objetivos. -Utilizar correctamete el cocepto de muestra aleatoria e las diferetes distribucioes muestrales,para realizar geeralizacioes respecto de ua població e base a estadísticos Descripció geeral de la uidad: -Esta uidad comprede el desarrollo de los siguietes coceptos:oblació-arámetro Muestra aleatoria-estadístico; Distribució muestral:de la Media,Diferecia de Medias,de la roporció y la diferecia de roporcioes,de la Variaza y razó de Variazas,co sus respectivas distribucioes especiales como: la t studet,la Normal,La Chi Cuadrado y La F de Fisher. Lectura:Millar/Freud/Joso robabilidad y Estadística para Igeieros Edo.de Méico 99 gs. 87 al 05 Bibliografía Básica: Moya y Saravia (988) robabilidad e Iferecia Estadística((ª ed) erú.ags.559 al 63 Referecia electróica: 4.html 37
2 INTRODUCCIÓN Se llama distribució muestral, cuado la variable resulta ser u estadístico o estadígrafo, calculado e base a los datos de ua m.a. Estos estadísticos se utiliza para realizar iferecia estadística para la toma de decisioes, respecto algua característica de la població ó respecto a la distribució de la misma. ara desarrollar las distribucioes muéstrales es ecesario recordar alguos coceptos básicos: OBLACION f();();x,y Estadísticamete població es el cojuto de todas las observacioes posibles que puede tomas ua v.a. X. or lo tato la distribució de la població es la distribució de la v.a. X. Las poblacioes de acuerdo a su magitud puede ser: OBLACIONES FINITAS (N) So aquellas que está limitadas o acotadas OBLACIONES INFINITAS So aquellas que o está imitadas, estadísticamete las poblacioes muy grades se las cosidera ifiitas. - El proceso para obteer la iformació de toda la població es el CENSO ARÁMETROS So todas las medidas descriptivas que caracteriza a la població como por ejemplo la media μ, la variaza etc. Los parámetros se deota co las letras griegas NUESTRA ALEATORIA (m.a ) ua m.a. de tamaño es u subcojuto represetativo de la població, el proceso para obteer la iformació se llama muestreo Estadístico, so todas las medidas descriptivas que se obtiee a partir de la iformació de al m.a. como por ejemplo: la media, la variaza S etc. Geeralmete se las deota co las letras españolas. DEFINICIÓN DE m.a. Dada ua població f();() ó X co media μ y variaza Se llama m.a. De tamaño al cojuto de.v.a X, X,... X tal que satisface requisitos:. X i so idepedietes dode la distribució cojuta es 38
3 a) Si X es discreta ( X, X,... X ) ( X) ( X )... p( X ) Π( ) b) Sí X e cotiua f ( X, X,... X ) f ( X) f ( X )... f ( X ) Πf ( ). X i tiee la misma distribució X a) f( i ) f()ó ( i ) (); i, b) E( ) μ ; V ( ) i i Nota. Esta defiició es valida cuado:. La població es ifiita co ó si reposició. La població es fiita, co reposició Ejemplo Sea ua població X N (μ, ), se toma u m.a. tamaño X, X,... X a) Escribir la fució de probabilidad cojuta de la m.a. b) Sí 6 ; μ0; 5 Calcular la probabilidad de que b) X +X 3 + X 4 -X 6 sea mayor que 5 DEFINICIÓN como X N (μ, ) sabemos que f() Π μ a) la fució de probabilidad cojuta de la m.a. de tamaño es μ f(x, X,... X ) f ( i ) f ( )... f ( ) Πf ( i ) [ f ( i )] e Π b) Sí X +X 3 + X 4 -X 6 Y por la propiedad reproductiva Y N(μ y y ), dode: μ y E(Y)E(X +X 3 + X 4 -X 6 ) E(X )+E(X 3 )+E( X 4 )-E(X 6 ) y V(Y) V(X +X 3 + X 4 -X 6 ) V(X )+V(X 3 )+V( X 4 )-V(X 6 ) y 0 Y μy Mediate el teorema cetral del limite Z ; (0.) Y 5 40 Y > 5 Z > > Z Z F [ ] [ ] [ ] ( ) 5 DISTRIBUCIÓN MUESTRAL DE LA MEDIA Sea ua població X co media μ y variaza del cual se toma ua m.a. de tamaño : X, X,... X del cual se obtiee su media muestral Se cumple: e 39
4 a) E ( ) μ; b) V ( ) ( μ ) c) Z ; N (0.) Nota ) Cuado N μ j cuado 30, o importa si la població es discreto o cotiuo ) Cuado si X N(μ, ) N μ 3) Si el muestreo es si reemplazo de ua població fiita de tamaño N Ejemplo V( ) N factor de correcció N Supoiedo que ua població costa de los siguietes valores observados:3,4,7,9,. Calcular a) La media y Variaza poblacioales b) Determiar la distribució muestral de la media de la m.a. de tamaño escogidos co reposició 5 8 c) Se etrae ua m.a de tamaño 36 co reposició cual la [ ] SOLUCIÓN i Como N μ 7 N ( ) μ ; b) La distribució muestral de la media se obtiee mediate: 40
5 ( 3.3) ( 3.4) ( 3.7) ( 3.9) ( 4.3) ( 4.4) ( 4.7) ( 4.9) ( 7.3) ( 7.4) ( 7.7) ( 7.9) ( 9.3) ( 9.4) ( 9.7) ( 9.9) (.3) (.4) (.7) (.9) ( 3.) 7.5 ( 4.) 8 ( 7.) 9.5 ( 9.) 0.5 (.) ( ) ( ) TOTAL ( ) 9 5 μ E V ( ) ( ) ( ) ( ) μ c) Se etrae ua m.a. tamaño 36 co reposició 36 sabemos que μ, y Z μ ( 5 7) 36 ( 8 7) Z [ 3.65 Z.83] [ Z.83] [ Z 3.65] F( 3.65) F(.83) ( μ ) DISTRIBUCIONES ESECIALES UTILIZADAS EN RUEBAS Cuado las m.a, so pequeñas <30 o se puede supoer que la distribució muestral es NORMAL, TAMOCO SE UEDE ALICAR EL teorema cetral del limite, por lo que se debe recurrir otras distribucioes muéstrales las especiales que esté relacioadas co la NORMAL;etre estas distribucioes teemos: la CHI-cuadrado, la t-studet y la F de Fisher DISTRIBUCIÓN CHI CUADRADO X R Ó X Es u caso particular de la distribució gamma, tiee muchas aplicacioes etre ellas para la costrucció de IC y las pruebas de Hipótesis de la Variaza 4
6 DEFINICION Sea r v.a. idepedietes: Z,Z, Z r tal que Z i N (0.) Sumado los cuadrados Z + Z + Z r Z i X r grados de libertas, Sii FUNCIÓN DE DENSIDAD r i R f V X ( ) X e ; 0 r r η( ) ;esc < X < R3 R7 R0 Dode η fució gamma r grados de libertad o Nº de variables CARACTERÍSTICAS ) A medida que aumete los grados de libertad tiede a ormalizarse ) LA MEDIA μ E ( ) r 3) LA VARIANZA E( ) r ROIEDAD RERODUCTIVA Sea K v.a. idepediete: X, X,... X k tal que Xi ~ X (ri) Si sumamos X i ~ X k r i i FUNCIÓN DE DISTRIBUCIÓN F() [ X ] f ( ) F( ) d 0 Cuado [ > X ] [ X ] USO DE TABLAS Dada la importacia y la complejidad de su calculo, se tiee cofeccioado tablas, e base a la fució de distribució co etradas, dode: 4
7 La ra columa represeta los grados de libertad r La ra fila represeta el ivel de sigificacia ó probabilidad 0 La itersecció de fila columa de le valor critico Ejemplo X ~ X 6 Determiar las siguietes probabilidades a) [ 7.9] b) [ 38.88] c) [ ] 40 d) [ ] SOLUCIÓN Como v6 a) [ 7.9] [ X ] X b) [ 38.88] [ < 38.88] [ < X ] c) [ ] [ 45.64] [ 3.84] [ X ] [ X ] d) [ 40] [ X ] mediate iterpolació Ejemplo Si X X r hallar los valores críticos: a) a tal que [ a] si r 30 b) a y b tal que [ a b] 0.95 si r 3 ; además ( > b) c) a tal que ( a) 0.05 si r 8 a) [ a] si r 30 [ 59.7] a b) [ a b] 0.95 ( b) ( a) como ( > b) 0.05 ( b) b 4. 7 c) ( a) 0.05 si r 8 43
8 iterpolado.8 a.65 a a a DISTRIBUCIÓN MUESTRAL DE LA VARIANZA DEFINICIÓN Sea ua v.a. ó ua població X N(μ, ) dode μ,y so descoocidos, por lo tato se toma ua m.a. de tamaño para estimar la media y la variaza S tal que ( ) a) y S.so dos estadísticos idepedietes dode i S además la ( ) variaza muestral isesgada es ˆ i S b) El estadístico ( ) ˆ S X (-) g.d.l. cuado c) ( ) ( ) E S S d) X (-) g.d.l. Ejemplo Se tiee ua població X N(μ, )del cual se toma ua m.a. tamaño 5 y se tiee S. Calcular: S a) ; ˆ S b) SOLUCION a) 44
9 S b).947 [ 0.307( 0.5) X.947(5) ] [ X ] [ X ] [ [ X < X ] [ X < X ] X 4 [ 0.339(4) X 0.084(4) ] ˆ S X ] [ X.9396] [ X.9396] [ DISTRIBUCIÓN t STUDENT (T) ]; - Es otra distribució relacioada co la NORMAL y la gamma que se usa pricipalmete e las estimacioes y e las pruebas de hipótesis de la media cuado las m.a. so pequeñas:<30 DEFINICIÓN Sea variables aleatorias idepedietes: - Z N(0.); Y X R dividiedo ambas variables Z T Y r Se dice que tiee ua distribució t-studet co v grados de libertad Sii FUNCION DE ROBABILIDAD f () t r + ( ) η rπη ( ) [ + ] t : < < r r t Esta distribució está completamete determiado solo por el parámetro r Gráficamete tiee las siguietes características N(0.) ) Es simétrica co respecto t0μ ) Cuado o v se hace grade tiede a ormalizarse 3) Tiee mayor dispersió que la ormal r5 r3 t0μ 45
10 ESERANZA MATEMÁTICA ( ) t f ( t) dt 0; r E( ) μ E T > VARIANZA ( ) r V ( T) E( t ) μt t f ( t) dt 0 ; v > r USO DE TABLAS Dada la importacia e la Estadística Iferecial y la complejidad de su calculo, se tiee cofeccioado tablas co etradas. Esta tabla esta cofeccioada e fució de la acumulada [ T t] Dode e la primera fila se tiee los percetiles o probabilidades e la primera columa se tiee los grados de libertad ó r, la itersecció de fila columa correspode a los valores críticos orque t t [ T t ] f ( t) dt f(t) Como la distribució es simétrica t t i Ejemplo t Determiar el valor critico de [ T ] SOLUCIÓN [ T.76] EJEMLO co v5 g.d.l. t 0.90 Determiar el valor crítico de [ T ] SOLUCIÓN co v5 g.d.l. t 0.0 [ T t ] [ T t ] [ T.476]
11 DISTRIBUCIÓN DE ( μ ) LA V. A. O ESTADÍSTICO Ejemplo S t (-) g.d.l. Si es la media y S es la variaza de ua m.a. de tamaño 9 seleccioado de ua població NORMAL co media μ 90 Calcular [ T ] [ T ] [ [ T.83 9] s 8 8 T DISTRIBUCIÓN F O DE FISHER X F( r, r )ó Esta distribució especial geeralmete se utiliza para comparar las variazas de v.a idepedietemete o de poblacioes ormales, mediate los IC y las pruebas de hipótesis sobre sus variazas mediate la razó de las mismas DEFINICIÓN Sea v.a. idepedietes V r y r r f ; r, r ] Si se dode U r F F ( r r ) g. d. l. Sii V r FUNCIÓN DE DENSIDAD v v v + v η( ) v v f F ( Z ) ;0 < Z < v v η( ) η( ) 0 Cuya gráfica os permite determiar sus características ) A medida que aumeta los grados de libertad tiee a ormalizarse de maera positiva f f () F(0.) F(0.) 47
12 MEDIA v μ F) E( F) μ ; v v ( ) VARIANZA > ( v + v ) ) ( v 4) Zv ( F) V ( F) ; v v ( v > 4 FUNCIÓN DE DISTRIBUCIÓN O ACUMULADA F() F ( ) [ F f ] Cuado [ F > F ] [ F f ] - f v. critico USO DE TABLAS Se tiee 3 etradas: La ra columa represeta los g.d.l. del deomiado r La da columa represeta la probabilidad (p ) La ra fila represeta los grados de libertad (g.d.l.) del umerador r La itersecció de filas columas os da el valor critico f Ejemplo Si X F(4.5) hallar probabilidades a) [ 7.39] b) [ >.4] c) [ 8] d) [ ] Solució Como v 4: v 5 a) [ 7.39] [ f ] >.4.4 f b) [ ] [ ] [ ]
13 [ ] [ ] 9773 c) f 0. iterpolado Ejemplo Si F F(6,0) Hallar el valor c (valor crítico) tal que a) [ c] c 0. b) [ ] 05 SOLUCIÓN a) [ c] 0.99 [ 0.46] 0.99 c [ c] 0.05 [ < c] 0.05 ( < c) 0.95 b) [ 3.] 0.95 c 3. DISTRIBUCIÓN MUESTRAL DE LA ROORCION Sea ua població X b(.p) Dode se descooce p, se toma ua m.a. tamaño : X, X + X X X,... X se estima la proporció p Dode ) E( p) μ p E E( ) de la distribució biomial E()p reemplazado E ( p) p p V ( p) V V ( ) ) de la biomial V() pq pq pq pq pq ( p) V ( p) p Ó p p p 3) Cuado la v. a. c. Z :Z N(0.) pq Nota Si la m.a. de tamaño se obtiee de ua població fiita de tamaño N Si reemplazo pq N p N Z p p pq N N : Z N(0.) El factor de correcció por cotiuad e la distribució muestral de proyecció es 49
14 Ejemplo Supoiedo que u lote de 50 ordeadores hay 0 defectuosos Cual la probabilidad de que e ua m.a. de tamaño, ordeadores elegidos al azar ) Co reposició a)5 b)60 :i)0%; ii) más de 0% ordeadores sea defectuosos ) SIN REOSICION SOLUCION 0. co reposició :5; p 0: q a) i) X b(5;0.0) dode X: Nº de C ordeadores etre 5 co reposició 5 5 ( ) ( 0.0) (0.80) : R 0,,... 5 el 0% de [ p 0.0] ( ) ( 0.0)( 0.8) [ p > 0.0] p[ X > ] [ X ] B(;5;0.0) ii ) b) i) co 60 como >30 podemos aproimar mediate la ormal [ p 0.0] [ ] corrigiedo [.5.5] Estadarizado mediate.5 p Z F(0.6) 0.7 Z 60(0.0) 60(0.)(0.80) ( ) Z [ 0.6 Z 0.6] [ 0.6] [ z 0.6] F( 0.6) F( 0.6) F( 0.6) + F( 0.6) 60 Aplicado la verdadera distribució de la proporció, mediate p p Z dode el factor de correcció es pq 48 Mediate la biomial ( ) ( 0.0) ( 0.8)
15 ( p 00) 0.0 p (60) (60) [ 0.97 p ] ; estadarizado Z (0.0)(0.80) (0.0)(0.80) [ 0.6 Z 0.6] [ z 0.6] [ z 0.6] F( 0.6) F( 0.6) F( 0.6) F( F( 0.6) (0.5636) 0. 7 ii) [ p > 0. 0] Biomialmete [ > ] [ ] ( ) la aproimació a la ormal, mediate ± 0.5 p Z p pq 0 [ + 0.5] [ mediate la distribució de la proporció p p Z cuyo factor de correcció es + 0.6) como es demasiado largo recurrimos mediate ]dode p(60)(0.) estadarizado z [ z 0.6] F(0.6) pq [ p > 0.0] [ p 0.0] p (60) [ 0.083] ta p > es darizado Z (0.0)(0.80) z Z [ 0.6] F( 0.6)
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
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 detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detalles) 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 detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más 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 detallesINTRODUCCION Teoría de la Estimación
INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede
Más detallesINFERENCIA ESTADÍSTICA
FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció
Más 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 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 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 detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más 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 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 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 detallesNúmero de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
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 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 detallesUT-4: Distribuciones fundamentales de muestreo y descripción de datos
UT-4: Distribucioes fudametales de muestreo y descripció de datos Sub tema: Muestreo aleatorio. Distribucioes muestrales. Distribucioes muestrales de medias. Teorema del límite cetral. Aplicacioes. DF
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 detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
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 detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
Más detallesEstimación de parámetros. Biometría
Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes
Más detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
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 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 detallesPráctica 2 VARIABLES ALEATORIAS CONTINUAS
Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
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 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 detallesSUMA DE VARIABLES ALEATORIAS
SUMA DE VARIABLES ALEATORIAS do C. 018 Clase Nº 9 Mg. Stella Figueroa Teorema Cetral del Límite El teorema afirma que la distribució de la suma de u gra úmero de variables aleatorias tiee aproximadamete
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 detallesEjemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis
Ejemplo Solució ) Se trata de ua distribució muestral de diferecia de proporcioes. Se evalúa dos tipos diferetes de solucioes para pulir, para su posible uso e ua operació de pulido e la fabricació de
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 detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
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 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 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 detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesAnálisis estadístico de datos simulados Estimadores
Aálisis estadístico de datos simulados Estimadores Patricia Kisbye FaMAF 11 de mayo, 2010 Aálisis estadístico Iferecia estadística: Elegir ua distribució e base a los datos observados. Estimar los parámetros
Más detallesEn esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.
Capítulo 6 Muestreo Estadístico E esta tema setaremos las bases del muestreo estadístico y estudiaremos las distribucioes de alguos estadísticos a partir de ua muestra. 6.1. Coceptos básicos Auque e el
Más detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
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 detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
Más 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 detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
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 detallesPROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)
TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA
Más 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 detallesCurso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)
Curso de Estadística Aplicada a las Ciecias Sociales Tema 10. Estimació de ua proporció Cap. 0 del maual Tema 10. Estimació de ua proporció Itroducció 1. Distribució e el muestreo de ua proporció. Estimadores
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 detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribucioes de probabilidad discretas Departameto de Ciecias del Mar y Biología Aplicada Itroducció Iferecia estadística: Parte de la estadística que estudia grades colectivos a partir
Más detalles04/05/2015. Ángel Serrano Sánchez de León
04/05/05 Ágel Serrao Sáchez de Leó 04/05/05 Ídice Itroducció: Població y Muestra Tipos de muestreo Distribucioes muestrales De la media Diferecia de medias De ua proporció Diferecia de proporcioes Iferecia
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 detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más 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 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 detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos
Más detallesINFERENCIA ESTADÍSTICA
X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació
Más detalles1. Muestreo Aleatorio Simple
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisió y Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. U itervalo de cofiaza, para u parámetro poblacioal θ, a u ivel de cofiaza (1 ) 100 %, o es más que u itervalo (L i, L s
Más detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados. Sexo
EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Código asigatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier modelo) Calificació
Más detallesE.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PARTE : ESTADÍSTICA INFERENCIAL 0. RECORDATORIO Estadística iferecial.
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 detalles13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media
Más 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 detallesCAPÍTULO 7 DISTRIBUCIONES EN EL MUESTREO Introducción
CAPÍTULO 7 DISTRIBUCIONES EN EL MUESTREO 7.. Itroducció Geeralmete, las poblacioes tiee tamaños que hace que estudiarla e su totalidad sea poco práctico desde diversos putos de vista; costo, tiempo, tipo
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media
Más detallesDISTRIBUCIONES EN EL MUESTREO
7/9/08 DISTRIBUCIONES EN EL MUESTREO Uidad 4 08 Las estadísticas pesadas como variables aleatorias Ejemplo: u experimeto E cosiste e elegir =5 alícuotas de agua del río y medir la cocetració de arséico:
Más detallesIntervalos de Confianza
Itervalos de Cofiaza 1.- Se quiere estudiar la vida útil de uas uevas pilas que se va a lazar al mercado. Para ello se examia la duració de 40 de ellas, resultado ua media de 63 horas. Supoiedo que el
Más detallesTEMA 4- MODELOS CONTINUOS
TEMA 4- MODELOS CONTINUOS 4.1. Itroducció. 4.2. Distribució uiforme cotiua de parámetros a y b. X Ua, b 4.3. Distribució Gamma de parámetros y. X, Casos particulares: 4.3.1.Distribució Expoecial. X Exp
Más detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
Más detallesEstimación por intervalos
Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /
Más 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 detallesMétodos de Análisis Cuantitativo
Métodos de Aálisis Cuatitativo Fórmulas E este documeto se lista las fórmulas trabajadas e las clases del curso de Métodos de Ivestigació Cuatitativa (GES204) de la Facultad de Gestió y Alta Direcció de
Más detallesIntroducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino
Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras
Más detallesSobre los intervalos de confianza y de predicción
Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de
Más detallesTema 11. Soluciones a los ejercicios adicionales
Tema. Solucioes a los ejercicios adicioales. El peso e Tm) de la captura diaria realizada por u barco pesquero, se aproxima a ua distribució ormal. Etre qué valores oscilará el peso medio co ua cofiaza
Más detallesFormulas. Población infinita. Población finita
Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza
Más detallesTEMA 6.- INTERVALOS DE CONFIANZA
TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método
Más detallesTEMA 6 MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO
.- Itroducció: TEMA MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO Los aálisis estadísticos que se realiza e el mudo real tiee como objetivo estudiar las propiedades características de las poblacioes
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 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 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 detalles