Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Documentos relacionados
ESTADÍSTICA poblaciones

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

REGRESIÓN LINEAL SIMPLE

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

Aproximación a la distribución normal: el Teorema del Límite Central

Estadística Espacial. José Antonio Rivera Colmenero

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

MEDIDAS DE TENDENCIA CENTRAL

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

Tema 2: Distribuciones bidimensionales

V II Muestreo por Conglomerados

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

TEMA 4: VALORACIÓN DE RENTAS

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

6. ESTIMACIÓN PUNTUAL

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Estadística descriptiva

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

TEMA 2: LOS NÚMEROS COMPLEJOS

ESTADÍSTICA DESCRIPTIVA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

2.5. Área de una superficie.

Capítulo V Análisis de regresión y correlación

1.1 INTRODUCCION & NOTACION

Frecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti

CENTRO DE MASA centro de masas centro de masas

ESTADÍSTICA. Unidad didáctica ESTADÍSTICA: CONCEPTOS BÁSICOS Caracteres y variables estadísticos

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

LOS NÚMEROS COMPLEJOS

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva Introducción

5.3 Estadísticas de una distribución frecuencial

ESTADÍSTICA DESCRIPTIVA

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

Tema 21: Distribución muestral de un estadístico

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:

UNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA

Tema 1.3_A La media y la desviación estándar

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

Cálculo y EstadísTICa. Primer Semestre.

Tema 2: Semiconductores intrínsecos y extrínsecos

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

LECCIONES DE ESTADÍSTICA

Distribución conjunta de variables aleatorias

ANÁLISIS MULTIVARIADO PARA RIESGOS

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Muestra: es un subconjunto, extraído de la población, cuyo estudio sirve para inferir características de toda la población

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

-Métodos Estadísticos en Ciencias de la Vida

5- VARIABLES ALEATORIAS BIDIMENSIONALES


( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Descripción de una variable

Tecnológico de Estudios Superiores de Cuautitlán Izcalli DIVISIÓN DE INGENIERÍA ELECTRÓNICA

Ejercicios resueltos de funciones generatrices. Matemática discreta 4º Ingeniería Informática

q q q q q q n r r r qq k r q q q q

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

2 - TEORIA DE ERRORES : Calibraciones

Simulación de sistemas discretos

Análisis estadístico de datos muestrales

ADMINISTRACIÓN FINANCIERA. - Cálculo Financiero Teoría y Práctica

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS

7ª SESIÓN: Medidas de concentración

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

Análisis avanzado Bondad de ajuste Simulaciones

Sesión 4: Estadística descriptiva y exportación de resultados

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

INTRODUCCIÓN. Técnicas estadísticas

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

Transcripción:

Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t k 5. MODELO DE SNEDECOR, m, Bblografía: Tema (ág. 33-339) y Tablas II, III, IV y V del aédce fal Ejerccos recomedados:, 5,, 9,, 3, 4, 6, 9,,, 6, 9, 3, 3, 33, 34, 35, 36, 4, 46, 5, 54 y 56. Carme méez

Aálss de Datos I Esquema del Tema La mayor arte de las varables cotuas també tee asocada su fucó de desdad de robabldad y su fucó de dstrbucó. E alguos casos se ajusta a u modelo teórco. Aquí veremos cco modelos ara varables cotuas.. EL MODELO RECTANGULAR Es la equvalete a la dstrbucó uforme de las varables dscretas. Por tato, ua varable aleatora se ajusta a este modelo s todos los valores co robabldad o ula tee la msma fucó de desdad. Gráfcamete se rereseta medate:. f(x) (x) - + - +. EL MODELO NORMAL, N(; ) La curva Normal además de ua fórmula matemátca es u feómeo atural uesto que es frecuete ecotrarse varables co dstrbucoes Normales. El modelo Normal Exste u valor cetral (la meda),, dode se cocetra la mayor arte de los dvduos. (x ) N ( ) A medda que os alejamos de (a la derecha, co utuacoes altas y a la zda. co bajas) el úmero de dvduos se reduce. - + se dstrbuye Normalmete co arámetros y Es decr: ~ N (; ) ( ) / s su fucó de desdad es: f ( x) e Para varables tfcadas: u asecto más secllo: z, esta fórmula toma z / f ( z) e ( z ) -3 - - N(; ) 3 Teorema de la Tfcacó: Para varables Normales, la fucó de dstrbucó asocada a u valor x es la msma que la asocada a ese valor e tícas (z ). Esto es: (x ) = (z ) Ejemlo: ~ N (; )... La varable se dstrbuye Normalmete co meda = y desvacó tíca = z ~ N (; )... La varable z se dstrbuye Normalmete co meda y desvacó tíca Carme méez z

Aálss de Datos I Esquema del Tema Tablas estadístcas Las tablas co la robabldad corresodete a los valores de está e tícas z. orma de cosultar la tabla (ver Tabla II e ág. 49-43 del lbro): z -3,. (z ) Área or la zda. (z ) 3, z Ejemlo: Para buscar la robabldad asocada a u valor e la tabla Normal: º. Tfcar la utuacó: z º. P ( x ) P (z z ) = (z ) P ( x ) P (z z ) = - P (z z ) = - (z ) P (x x ) P (z z z ) = (z ) - (z ) La varable estatura e ua muestra de estudates de bachlllerato se dstrbuye N (7; ).. Probabldad de que u sujeto mda al meos 65 cm: P ( 65) P (z 65 7 ) P (z -,65) = - P (z -,65) = -,643 =,7357. Probabldad de que u sujeto mda etre 6 y 74 cm: P (6 74) P ( 6 7 z 74 7 ) = P (-,5 z,5) = (,5) - (-,5) = =,695 -,43 =,9 Aroxmacó de la Bomal a la Normal: La dstrbucó Normal se utlza ara aroxmar las robabldades asocadas al modelo bomal ~ B (N; ) cuado N >. Para ello se calcula las utuacoes tícas realzado la correccó or cotudad: (,5) E ( ) z ; Dode: E() = N ; ( ) N ( ) ( ) y se busca el área de robabldad asocada e las tablas de la Normal tfcada. 3. MODELO CHI-CUADRADO DE PEARSON, k Defcó: S T z z... z k [dode z, z,..., z k so valores de la dstrbucó N (; )] k Etoces T (se dstrbuye segú) ~ k Notacó: k ; dode = robabldad acumulada k = grados de lbertad (g.l.) + Proedades: - El modelo refleja ua dstrbucó asmétrca ostva que sólo toma valores ostvos - Parámetros: E( k) = k y ( k) = k - S ~ a e Y ~ b (sedo e Y deedetes) y se defe T = + Y, etoces T ~ a + b - tede a la Normal cuado k - Tablas estadístcas: Tabla III (ág. 44-45 del lbro). Ejemlo:,5 6 =,635 Carme méez 3

Aálss de Datos I Esquema del Tema 4. MODELO t DE STUDENT, t k Defcó: S ~ N (; ) Y ~ k Etoces z T T (se dstrbuye segú) ~ t k Y k k / k / - Notacó: t k ; dode = robabldad acumulada k = grados de lbertad (g.l.) Proedades: - El modelo t k refleja ua dstrbucó smétrca y astótca or ambas colas - Parámetros: E (t k) = y (t k) = k / k - t de Studet tede a la Normal cuado k - Tablas estadístcas: Tabla IV (ág. 46 del lbro). Como la dstrbucó es smétrca, solo vee la mtad de la tabla. Por tato hay que teer e cueta que: P(t k T) = P(t k -T) y P(t k T) = P(t k -T). Ejemlo:,t 5 =,9. Por tato: P(t 5,9) =, = P(t 5 -,9) y P(t 5,9) =, = P(t 5 -,9). t t k + 5. MODELO DE SNEDECOR, m, Defcó: S Etoces ~ m Y ~ / m / m T T ~ m, Y / / Notacó: ; dode = rob. acumulada, m, m = g.l. de y = g.l. de Y Proedades: m m, - La forma del modelo de dstrbucó de Sedecor es como la de (asmétrca ostva y astótca sólo or la cola derecha). - Parámetros: E( m, ) y ( m) ( m), m( 4)( ) (sólo s > ) - S W = T z /, etoces: W / k k / k y W ~ k. Dode:,k EW ( ) y ( W) k - de Sedecor tede a la Normal cuado m y k - Tablas estadístcas: Tabla V (ág. 47-43 del lbro). Ejemlo:, 6, 5 =,3 - Proedad de la versó: També uede usarse la fórmula m,, m E el ejemlo ateror:, 6,5, 3,9 5,6 3, + k ( k) ( k4)( k) Carme méez 4

Aálss de Datos I Esquema del Tema 6. EJERCICIOS Ejercco La varable CI se dstrbuye N (; 5) e la oblacó de estudates uverstaros. Se seleccoa ua muestra aleatora de sujetos. S se extrae u sujeto al azar:. Cuál es la robabldad de que utúe e CI como máxmo?. Cuál es la robabldad de que utúe e CI al meos 95? 3. Cuál es la robabldad de que utúe e CI etre 9 y 99? 4. Qué utuacó e CI tee ua robabldad acumulada de,5793? 5. Qué utuacó e CI ocua el cetl 65? 6. Etre qué valores está el 5% medo de las observacoes? 7. Cuátos sujetos suera la utuacó CI =? Ejercco Ua emresa ecesta seleccoar sujetos extrovertdos y co fludez verbal ara realzar tareas comercales. Se reseta 4 caddatos. Se establece como crtero seleccoar aquellos sujetos que suere el cetl 75 e ambas. Se sabe que la extroversó () sgue u modelo N(; ) y la fludez verbal (Y) u modelo N(; 3) y que ambas varables so deedetes.. Cuátos sujetos será seleccoados?. Qué utuacoes drectas se debe suerar e extroversó y fludez verbal ara ser seleccoado? 3. S extraemos al azar a de los caddatos, calcule la robabldad de que meos de la mtad suere la utuacó 9,6 e extroversó. Ejercco 3 La varable se dstrbuye segú co grados de lbertad.. S se extrae u sujeto al azar, calcule la robabldad de que o suere el valor 9,34. Calcule el valor de tal que la robabldad de obteer como máxmo ese valor sea,7 3. Calcule la robabldad de observar valores e la varable etre 3,94 y 3,44 4. Calcule la utuacó que corresode al cetl (e drectas, dferecales y tícas) 5. Calcule la robabldad de que la varable adote como mímo el valor 5,97 6. Calcule la utuacó que corresode a la robabldad acumulada de,99 Ejercco 4 La varable se dstrbuye segú t de Studet co 5 grados de lbertad.. S se extrae u sujeto al azar, calcule la robabldad de que o suere el valor,6. Calcule el valor de tal que la robabldad de obteer como máxmo ese valor sea,7 3. Calcule la robabldad de observar valores e etre -,36 y,36 4. Qué valor corresode a la medaa? 5. S dvdmos la dstrbucó e cuatro artes guales, Qué valores geera dcha artcó? Ejercco 5 La varable se dstrbuye segú 7,. S se extrae u sujeto al azar, calcule la robabldad de que o suere el valor 3,5. Calcule el valor de tal que la robabldad de obteer como mímo ese valor sea,75 3. Calcule la robabldad de observar valores e etre,9 y 7,694 4. Qué valor corresode al rmer cuartl? Carme méez 5