UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013
|
|
- Juan Antonio Villalobos Domínguez
- hace 5 años
- Vistas:
Transcripción
1 UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013 Apellidos Nombre N o lista Grupo El fichero datos 15m.sgd contiene información sobre las siguientes variables: SEXO (Sexo del conductor: 1=Mujer, 0=Hombre), MOTOR (1 = Marca 1, 0 = Marca 0), NEUMATICOS (1 = modelo 1, 0 = modelo 0), CIUDAD ( % de km que se hacen en ciudad), LITROS100 (Litros de consumo a los 100 km), LITROSMES (Litros de consumo al mes). 1. Conteste a las siguientes cuestiones rellenando los huecos. a) (0.25 puntos) El consumo medio en litros a los 100 km es 7, 66071, mientras que el consumo mediano es 7. b) (0.25 puntos) El porcentaje de hombres con neumáticos del modelo 1 es 48, 15 %, mientras que el de mujeres es 51, 85 %. c) (0.25 puntos) El 25 % de los hombres consume más de 82, 1824 litros de gasolina al mes. d) (0.25 puntos) El porcentaje de hombres que realizan más de un 20 % y a lo sumo un 30 % de kilómetros en ciudad es 43, 14 %. 2. (0.5 puntos) Para la variable LITROSMES, se puede asumir Normalidad en ambos tipos de motor según el test Chi-cuadrado de bondad de ajuste? (α = 0,05) p-valor contraste χ 2 Conclusiones P (LITROSMES > 80) p valor> 0, 05. MOTOR Marca 1 0, (8 d.f.) No rechazamos la o hipótesis que 0, , (14 d.f.) hipótesis que proviene de una Normal, con parámetros N(73, 9044; (5, 96138) 2 ) p valor> 0, 05. MOTOR Marca 0 0, (10 d.f.) No rechazamos la o hipótesis que 0, , (18 d.f.) hipótesis que proviene de una Normal, con parámetros N(80, 068; (5, 04078) 2 ) 3. (0.5 puntos) El modelo de neumático ha sido elegido libremente por cada conductor, existe una diferencia significativa en la preferencia por uno u otro neumático?
2 Datos de H 0 H 1 Tipo de p-valor Conclusiones la muestra n = 112 contraste p-valor> 0, 05. Podemos ˆp = 0, 482 ó p = 1 2 p 1 2 De 0,77681 admitir que no existe ˆp = 0, 518 proporciones ninguna diferencia significativa en la preferencia de los neumáticos 4. (0.5 puntos) Es la variabilidad del consumo mensual de combustible la misma en ambos tipos de motores? (α = 0,05). Datos de H 0 H 1 Tipo de p-valor Conclusiones la muestra contraste n 1 = 71 Ratio entre p-valor> 0, 05 n 2 = 41 σ 1 = σ 2 σ 1 σ 2 varianzas 0,21777 Podemos afirmar que ˆσ 1 = 5, ˆσ 2 = 5, variabilidad del consumo mensual de combustible es la misma 5. (0.5 puntos) Podemos afirmar que los coches con motor tipo 0 consumen, en media, más litros de combustible al mes que los coches con motor tipo 1? (α = 0,05) Datos de H 0 H 1 Tipo de p-valor Conclusiones la muestra contraste n 1 = 71 Diferencia de p-valor< 0, 05 n 2 = 41 µ 1 µ 2 µ 1 > µ 2 medias 2,86953E-8 Podemos afirmar que ˆµ 1 = 80, 068 o los coches con motor tipo ˆµ 2 = 73, 9044 µ 1 = µ 2 0 consumen, en media, más litros de combustible al mes que los coches con motor tipo 1 6. El diámetro (mm) de ciertas tuberías se sabe que sigue distrubición normal y va a utilizarse para controlar su proceso de producción mediante gráficos de control para la media y los rangos. La columna tuberias contiene los diametros correspondientes a una sucesión de 16 muestras de 4 tuberías cada una. a) (0.75 puntos) Para estimar los parámetros del proceso, hubo que eliminar alguna muestra? Si, cuáles? 12 (47) y 13 (357). b) (0.75 puntos) Cuál es la capacidad estimada del proceso? 39, 9639, y el índice de capacidad?0, c) (0.5 puntos) Para ser útil, el diámetro de una tubería debe estar entre los 330 y los 350 mm. Cuál es la proporción de tuberías defectuosas fabricadas en condiciones de control? 0,
3 Sea X N(342, 857; (6, 66065) 2 ). P (defectuosos) = 1 P (bueno) = 1 P (330 < X < 350) = 1 0, 8315 = 0, d) (0.75 puntos) Las tuberías se embalan en lotes de 20, cuál es la probabilidad de que un lote tenga, al menos, 3 tuberías defectuosas? Sea X Bin(0, ; 20). Entonces, P (X 3) = 1 P (X < 3) = 1 P (X 2) = 1 (P (X = 0) + P (X = 1) + P (X = 2)) = 1 (0, , , ) = 1 0, = 0, e) (0.5 puntos) Si el proceso sufre una variación de 10 mm en la media, cuál es la probabilidad de detección de esta alteración en el gráfico de medias? Sea Y N(332, 857; (6, 66065) 2 ) ; Y N(332,857; (6,66065) 2 /4). P (Y 332,866) + P (Y 352,848) = 0, El fichero datos reg 15m.sf6 muestra los datos de una encuesta sobre Calidad Docente a 1089 alumnos de Universidad. La variable a explicar es Aumenta Interes que es la valoración a si tras cursar la materia ha aumentado su interés por la misma. Las explicativas son Profesor que es la valoración dada al profesor, Trabajo Personal, valoración dada al propio trabajo personal, Lecturas valoración de la lista de lecturas dada por el profesor, Material valoración del material dado por el profesor y Master que es una variable que toma el valor 1 si el alumno es de máster y 0 si es de grado. Se pide: 1. (1.25 punto) Realizar las cuatro regresiones simples para explicar Aumenta Interes. Escribirlas correctamente indicando en todas ellas si la variable es significativa y porqué. Analizar y hacer diagnosis únicamente de la regresión correspondiente a Profesor. Cuánto varía Aumenta Interes al variar Profesor? Cuál de las regresiones es la mejor y porqué?
4 Profesor (Con análisis completo) Aumenta interes = 1, , (Profesor) (38, 4374) R 2 = 57, 725 % El estadístico t en valor absoluto es mayor que 2, por lo que la variable Profesor es significativa. Podemos verificar en la fig. 1, que los residuos carecen de estructura, por lo que nuestra estimación es correcta. Si Profesor aumenta en 1 unidad, entonces Aumenta interes aumenta en 0, unidades. Figura 1: Residuals vs. Predicted Trabajo Personal (Únicamente escribir) Aumenta interes = 1, , 56604(Trabajo personal) (33, 7616) R 2 = 51, 3017 % El estadístico t en valor absoluto es mayor que 2, por lo que la variable Trabajo Personal es significativa.
5 Material (Únicamente escribir) Aumenta interes = 1, , 4792(Material) (23, 0509) R 2 = 32, 9344 % El estadístico t en valor absoluto es mayor que 2, por lo que la variable Material es significativa. Lecturas (Únicamente escribir) Aumenta interes = 0, , (Lecturas) (30, 146) R 2 = 45, 6495 % El estadístico t en valor absoluto es mayor que 2, por lo que la variable Lecturas es significativa. En base al porcentaje de variabilidad explicada de la variable dependiente (R 2 ), el mejor modelo sería el basado en Profesor ya que consigue explicar el mayor porcentaje de variabilidad de la variable dependiente. 2. (0.5 puntos) Realizar la regresión múltiple con las cuatro variables cuantitativas, escribirla correctamente, analizarla e indicar si existe algún problema. Aumenta interes = 0, , (Profesor) + 0, (Trabajo personal) (9, 54326) (3, 17344) (0, 0015) +0, (Material) + 0, (Lecturas) (8, 11424) (1, 65691) (0, 0975) R 2 ajustado = 61, 202 % Podemos observar que la variable Lecturas tiene un p- valor > 0, 05 y el estadístico t es menor que 2, por lo que no es una variable significativa, por lo tanto debemos eliminarla del modelo. 3. (1.25 punto) Realizar la mejor regresión posible con 3 o más variables cuantitativas y escribirla correctamente. Realizar la diagnosis de la misma e indicar las variaciones de Aumenta Interes si varían las variables presentes en la regresión
6 Después de analizar todas las posibles regresiones que se pueden generar con las variables, se ha escogido el siguiente modelo, Aumenta interes = 0, , (Profesor) + 0, (Trabajo personal) (11, 001) (3, 4036) (0, 0007) +0, (Material) (9, 21295) R 2 ajustado = 61, 1393 % ya que porcentaje de variabilidad explicada de la variable dependiente (R 2 ), era el mayor de todos los posibles modelos. Podemos verificar en la fig. 3, que los residuos carecen de estructura, por lo que nuestra estimación es correcta. Si Profesor aumenta en 1 unidad, y el resto de las variables permanecen constantes, entonces Aumenta interes aumenta en 0, unidades. Si Trabajo personal aumenta en 1 unidad, y el resto de las variables permanecen constantes, entonces Aumenta interes aumenta en 0, unidades. Si Material aumenta en 1 unidad, y el resto de las variables permanecen constantes, entonces Aumenta interes aumenta en 0, unidades. Figura 2: Residuals vs. Predicted 4. (0.75 puntos) Introducir en la regresión del apartado 3. la variable Máster, escribir el modelo, indicar si es significativa y cuantificar el efecto que tiene el que un estudiante sea de Máster en Aumenta interés
7 Aumenta interes = 0, , (Profesor) + 0, (Trabajo personal) (11, 5258) (3, 3012) (0, 0010) +0, (Material) + 0, (Master) (9, 60947) (8, 00919) Como el estadístico t de la variable Master es mayor que 2, podemos concluir que la variable es significativa. Si un estudiante es de Master, entonces Aumenta interes aumenta en 0, unidades.
UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno mañana)
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno mañana) N o lista Grupo El fichero FrenosITV.sf3 contiene información sobre 10 variables
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno tarde)
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno tarde) N o lista Grupo El fichero FrenosITV.sf3 contiene información sobre 10 variables
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 12 de mayo de 2015 (turno tarde)
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 12 de mayo de 2015 (turno tarde) N o lista Grupo El fichero electricidad.sgd contiene información sobre 14 variables
Más detallesb) (0.5 puntos) Dibuja un histograma para el Precio Promedio Industrial. Qué cola de la distribución es más larga, la derecha o la izquierda?
frecuencia El fichero electricidad.sgd contiene información sobre 14 variables relativas a la energía eléctrica consumida en los 50 estados de los EEUU, conjuntamente con Washington, D.C., durante los
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 12 de mayo de 2015 (turno mañana)
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 12 de mayo de 2015 (turno mañana) N o lista Grupo El fichero electricidad.sgd contiene información sobre 14
Más detalles1. Contesta las siguientes cuestiones rellenando los huecos.
El fichero electricidad.sgd contiene información sobre 14 variables relativas a la energía eléctrica consumida en los 50 estados de los EEUU, conjuntamente con Washington, D.C., durante los primeros 11
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013 N o lista Grupo El fichero datos 17m.sgd contiene información sobre los 327 vuelos comerciales
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 detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
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 detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 11 de mayo de 2017 (turno de mañana)
UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 11 de mayo de 2017 (turno de mañana) Nombre Apellidos N o Lista Grupo Problema 1 Una de las bases de datos más famosas en Estadística
Más detallesEstadística. Convocatoria extraordinaria. Junio de Nombre. Titulación Grupo
Estadística. Convocatoria extraordinaria Junio de 2015 Nombre. Titulación Grupo Pregunta 1 (0.5 puntos) Histogram 1 Boxplot A Density 0.0 0.3 0.6 0 2 4 6 8 0 2 4 6 Histogram 2 Boxplot B Density 0.00 0.15-2
Más detallesEstadística. Convocatoria ordinaria
Estadística. Convocatoria ordinaria Nombre Número de Examen Titulación... Grupo... Este examen puntúa sobre 20 puntos Problema 1. En un grupo de familias, un 10% ha cambiado de coche y también ha cambiado
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 detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 11 de mayo de 2017 (turno de mañana)
UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 11 de mayo de 2017 (turno de mañana) Nombre Apellidos N o Lista Grupo Problema 1 Una de las bases de datos más famosas en Estadística
Más detallesEjercicio Heterocedasticidad_2
Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5
Más detallesCuaderno de prácticas de Estadística
Cuaderno de prácticas de Estadística Nombre. Grupo. Titulación Este cuaderno se entregará al profesor del grupo reducido (prácticas) el último día de clase. Es imprescindible entregarlo para poder acceder
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
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 detallesEstadística. Convocatoria ordinaria
Estadística. Convocatoria ordinaria Nombre Número de Examen Titulación... Grupo... Este examen puntúa sobre 20 puntos Problema 1. En un grupo de familias, un 10% ha cambiado de coche y también ha cambiado
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
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 detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesExamen de Estadística. 2 de julio de Grupo... Titulación...
Examen de Estadística 2 de julio de 2014 Nombre Número Grupo... Titulación... 1. Se dispone de un test para detectar la presencia de contaminantes en una bebida. Dicho test indica presencia de contaminantes
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detallesEconometría Aplicada
Econometría Aplicada Inferencia estadística, bondad de ajuste y predicción Víctor Medina Intervalos de confianza Intervalos de confianza Intervalos de confianza Intervalos de confianza La pregunta que
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 detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
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 detallesEXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)
EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.
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 detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesNombre: Solución: a) N(
1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media µ = 100 meses y desviación típica σ = 12 meses. Determínese el mínimo tamaño
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesTema 9: Introducción al problema de la comparación de poblaciones
Tema 9: Introducción al problema de la comparación de poblaciones Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesRelación 3 de problemas
ESTADÍSTICA II Curso 2016/2017 Grado en Matemáticas Relación 3 de problemas 1. La Comunidad de Madrid evalúa anualmente a los alumnos de sexto de primaria de todos los colegios sobre varias materias. Con
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 detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesEconometría I (LADE). Curso 2001/2002 PRÁCTICA 08
PRÁCTICA 08 HETEROCEDASTICIDAD Y NORMALIDAD En el fichero Datos08.wf1 tenemos la renta y consumo anual (en dólares) para 500 familias con el que se pretende estimar el siguiente modelo: C i = β + β R +
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 21 - Junio - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que,
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesSimulación a Eventos Discretos. Clase 8: Análisis de resultados
Simulación a Eventos Discretos Clase 8: Análisis de resultados Muestras independientes Los resultados de una corrida de una simulación estocástica (denominados respuestas), son muestras de alguna distribución.
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 11 de mayo de 2017 (turno de tarde)
UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 11 de mayo de 2017 (turno de tarde) Nombre Apellidos N o Lista Grupo Problema 1 El archivo moluscos.sgd contiene diversas medidas
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesSoluciones a los nuevos ejercicios propuestos
Soluciones a los nuevos ejercicios propuestos 1 Soluciones a los nuevos ejercicios propuestos 1. Sea X la cantidad de calcio en sangre del paciente (en mg. por cada 100 ml. de sangre). X N(µ, σ 2 ). Tenemos
Más detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detalles12. (SEPTIEMBRE 2004) Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos
DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei EJERCICIOS DE SELECTIVIDAD 1. (JUNIO 2000) Una variable aleatoria X tiene distribución normal siendo su desviación típica igual a 3.
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesEjercicios resueltos
UNIDAD TEMÁTICA 7 CONTRASTE DE HIPÓTESIS ENUNCIADO 1 Se ha realizado una encuesta en una población mediante una muestra de 200 personas resultando 72 fumadores. (a Estima la proporción de fumadores así
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Análisis de Regresión Modelo Supuestos Multiple 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 Consumo Energetico Gráfico de Dispersión 110.000 105.000
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesTema 8: Ejercicios de Comparación de poblaciones
Tema 8: s de Comparación de poblaciones Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I4 Se quiere comparar rodamientos de agujas
Más detallesPrincipios de Bioestadística
Principios de Bioestadística Dra. Juliana Giménez www.cii.org.ar Nos permite Llegar a conclusiones correctas acerca de procedimientos para el diagnostico Valorar protocolos de estudio e informes Se pretende
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 detalles= 15 CALIFICACION:
6 + 4 + 5 = 15 CALIFICACION: Vacacion.xls Este fichero está adaptado del fichero vacation.gdt del libro de Hill et al.(2008) que se puede descargar en: http://gretl.sourceforge.net/gretl data.html PARTE
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesMatemáticas Aplicadas a las Ciencias Sociales II Hoja 6: Inferencia Estadística. Estimación de la Media
Matemáticas Aplicadas a las Ciencias Sociales II Hoja 6: Inferencia Estadística. Estimación de la Media Ejercicio 1: El peso en gramos del contenido de las cajas de cereales de una cierta marca se puede
Más detallesGUÍA DE STATGRAPHICS 5.1
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA UNIVERSITARIA DE ARQUITECTURA TÉCNICA DEPARTAMENTO DE MATEMÁTICA APLICADA A LA ARQUITECTURA TÉCNICA GUÍA DE STATGRAPHICS 5.1 (Versión castellana) GUÍA DE STATGRAPHICS
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesCALIFICACION: 287,33 218, sí 1 sí 1. Se especifica el siguiente modelo de regresión para el precio de las viviendas: G i =
6 + 5 = 11 CALIFICACION: PARTE 1 (6 puntos) Una empresa inmobiliaria desea conocer los determinantes del precio de la vivienda en una ciudad de tamaño medio Para ello recoge información sobre las siguientes
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 detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesÍndice. Diseños factoriales. José Gabriel Palomo Sánchez E.U.A.T. U.P.M. Julio de 2011
Diseños factoriales José Gabriel Palomo Sánchez gabrielpalomo@upmes EUAT UPM Julio de 2011 Índice 1 Diseños factoriales con dos factores 1 Denición 2 Organización de los datos 3 Ventajas de los diseños
Más detallesInferencia con una variable Tema 2
Inferencia con una variable Tema 2 1. Contraste sobre una proporción 2. Bondad de ajuste 3. Contraste de hipótesis sobre una media 3.1. Con σ 2 conocida, prueba Z 3.2. Con σ 2 desconocida, prueba T 4.
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesEstadística. Convocatoria ordinaria. Mayo de Nombre. Titulación Grupo
Estadística. Convocatoria ordinaria Mayo de 2015 Nombre. Titulación Grupo Problema 1 (1.75 puntos) En una ciudad, el 40% de las personas son rubias, el 30% tiene los ojos azules y el 10% son rubios con
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
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 detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detalles(1 punto) (1.5 puntos)
Ejercicios de inferencia estadística. 1. Sea la población {1,2,3,4}. a) Construya todas las muestras posibles de tamaño 2, mediante muestreo aleatorio simple. b) Calcule la varianza de las medias muestrales.
Más detallesEl modelo de regresión múltiple
El de regresión múltiple Simple El de regresión múltiple es la extensión a k variables explicativas del de regresión simple. La estructura del de regresión múltiple es la siguiente: y = f (x 1,..., x k
Más detallesContrastes de hipótesis
M. Wiper Estadística 1 / 16 Contrastes de hipótesis Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 16 Objetivo Ilustrar las ideas básicas de las contrastes
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesNombre Nº de Examen Titulación Grupo. P(aceptación)= 0.8* *0.75 = =0.37
Examen de Estadística Convocatoria ordinaria. Mayo de 2018 Nombre Nº de Examen Titulación Grupo 1. Una empresa va a comercializar hamburguesas vegetarianas. Dentro de su plan de lanzamiento está estudiando
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesU ED Tudela Diseños de investigación y análisis de datos - Tema 2
Diseños de investigación y análisis de datos Preguntas de exámenes TEMA 2: CONTRASTE DE HIPÓTESIS EN DISEÑOS DE UNA MUESTRA 1.- El valor crítico se obtiene: A) A partir del nivel de significación adoptado.
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 detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detallesExamen de Estadística 2 Ingeniería Industrial Cuestiones
Examen de Estadística 2 Ingeniería Industrial Cuestiones Nota importante: Las respuestas correctas contarán 1 punto. Las incorrectas valdrán -0.33 (-1/3) para las preguntas con 4 respuestas y 0.25 (-1/4)
Más detallesRegresión lineal simple
Regresión lineal simple Unidad 1 Javier Santibáñez IIMAS, UNAM jsantibanez@sigma.iimas.unam.mx Semestre 2018-2 Javier Santibáñez (IIMAS, UNAM) Regresión simple Semestre 2018-2 1 / 62 Contenido 1 Planteamiento
Más detalles= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesNombre Nº de Examen Titulación Grupo
Examen de Estadística Convocatoria ordinaria. Mayo de 2018 Nombre Nº de Examen Titulación Grupo 1. Una empresa va a comercializar hamburguesas vegetarianas. Dentro de su plan de lanzamiento está estudiando
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)
ESTADISTICA AVANZADA Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman) Factor Análisis de la Variancia El análisis de varianza One Way es una generalización de la Prueba t para mas
Más detalles