Juan José Hernández Ocaña
|
|
- Antonia Belmonte Torregrosa
- hace 6 años
- Vistas:
Transcripción
1 Juan José Hernández Ocaña
2 L A e s t a d í s t i c a i n fe r e n c i a l n o s permite estimar los p a r á me t r o s de l a p o b l a c ió n a partir d e l a n á l i s i s d e datos de u n a mu e s t r a. S i a s u m i mos que n o c o n o c e m o s e l verdade r o va l o r de lo s p a r á me t r o s de l a p o b l a c ió n e s t a r ía mo s c o n s i d e r a n d o q u e n o p o d e mo s d e s c r i b i r u n fenóme n o e n p a r t i c u l a r me d i a n t e u n m o d e lo p r o b a b i l í s t i c o. N o o b s t a n t e, p o d e mos o b t e n e r i n fo r m a c i ó n a c e r c a de lo s p a r á me t r o s de u n a p o b l a c i ó n d e a c u e r d o a u n mode l o de p r o b a b i l i d a d me d i a n t e l a o b s e r vació n r e p e t i d a de l a v a r i a b l e d e r e s p u e s t a a t r a vés de u n a mues t r a a le at o r i a s im p le d e t a m a ñ o n d e l a població n. Pa r a e l l o pode mos e mp l e a r d o s méto d o s : L a E s t i m a c ió n o el con t r a s t e o p r u e b a d e h i p ó t e s i s. ESTIMACIÓN CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA
3 E s t i m a c ión Entenderemos por estimación de un parámetro al cálculo del valor de éste a través de una muestra y en este caso tenemos dos opciones para su estimación 1.- Llamaremos estimación puntual cuando empleamos directamente los valores de un solo estadístico sobre una muestra dada estimaciones puntuales. 2.-Estimación por intervalo de confianza.- Se calcula un intervalo de confianza en el que razonablemente se encuentra el valor estimado con un nivel de confianza prefijado en términos de probabilidad Qué es Estimación puntual? U n estimado r puntual es un estadís t i c o aplic a d o a la d e t e r m i n a c i ó n de lo s c a r a c t e r e s p o b l a c i o n a l e s que se p r e t e n d e i n fe r i r Es un valor individual que se usa para estimar el valor de un parámetro de población Entre los estimadores puntuales más comunes tenemos: La proporción muestral del número de éxitos (distribución binomial) La media muestral para la distribución de Po isson y distribución Normal.
4 Estimadores sin sesgo Estimadores con sesgo Aquellos cuyos resultados que consideran a todas las muestras posibles coinciden con los parámetros poblacionales Media Mediana Proporción Rango Varianza Desviación estándar (siempre y cuando el tamaño de la muestra sea grande el sesgo es pequeño ) La estimación tiene el objetivo de obtener estadísticas que nos permitan conocer las características más relevantes de una población, utilizando la información de una muestra. La principal desventaja es que su resultado varía de una muestra a otra Cuáles son las propiedades que debe tener un estimador para tener confianza en su estimación? Insesgadez o Si el valor esperado del estadístico de muestra es igual al parámetro poblacional que se estima, se dice que es un estimador insesgado del parámetro poblacional Eficiencia o Se dice que un estimador puntual con menor desviación estándar tiene una mayor eficiencia relativa que otro Consistencia Un estimador es consistente si sus valores tienden a acercarse al parámetro de la población conforme se incrementa el tamaño de la muestra
5 Por ejemplo si ahora mismo quisiéramos conocer la edad promedio de las estudiantes mujeres en un salón de clases, una estimación puntual sería obtener el promedio de una muestra y quizás nos den los siguientes resultados en el caso de una muestra de tamaño 10 muestra 1 muestra 2 muestra 3 muestra todas media media media Media Como podemos ver el resultado varía de acuerdo a la muestra empleado y todas varían respecto al verdadero valor de la población y esta variación depende de manera directa del tamaño de la muestra y de la propia distribución de los datos de la población
6 Como ejercicio tomen 5 muestras de tamaño 5 de la columna de todas y vean que cada una de las medias les dará diferente. Todas varían entre sí y todas varían respecto al valor de la media, es la variación natural de los datos, esto es, la propia variabilidad de este grupo de datos. Podemos estimar el valor de una media de la población que no conocemos a partir de una media muestral? Cómo hacerlo si hay una variación? Qué se requiere para asegurar la confiabilidad de la estimación? Para ello es importante ahora conocer el concepto de margen de error. Margen de error Cuando reunimos un conjunto de datos muestrales, podemos calcular la media de la muestra y por lo general esa media de la muestra es diferente a la media poblacional La diferencia entre la media de la muestra y la media poblacional es un error (E) que podemos calcular en términos de probabilidad En otras palabras podríamos calcular el valo r de un parámetro considerando un margen de error y ese error dependería de las características de la muestra empleada E n t o n c e s l l a m a r e mos al Error de mue s t r e o a l v a l o r a b s o l u t o d e l a difer e n c i a entre un estimador puntual i n s e s g a d o y e l p a r á me t r o d e l a p o b l a c i ó n y ese va l o r l o p o d r í a mos c a l c u l a r s i c o n o c e mos e l v a l o r d e l a media de l a p o b l a c i ó n como lo fue e n e l e j e r c i c i o que h i c i m o s P e r o e n muc h a s oca s i o n e s no con o c e mo s e l v a l o r de la m e d i a d e l a población y po r e l l o no es posible determinar el valor del error muestral pero si podemos hacer estimaciones sobre su valor empleando la media de la muestra.
7 Qué tendríamos que hacer para hacer una estimación con un margen de error pequeño? Si se puede: Podemos emplear la estimación con un intervalo de confianza Qué es in intervalo de confianza? E s u n i n t e r va l o de va l o r e s que se u s a n para estimar e l v a l o r r e a l d e u n p a r á me t r o d e l a po b l a c i ó n Es un rango de números, llamado intervalo, construido alrededor de la estimación puntual L o s i n t e r v a lo s d e c o n f i a n z a n o s permiten realizar una e s t i m a c i ó n d e lo s v a l o r e s de l a p o b l a c i ó n e m p le a n d o datos m u e s t r a l e s 1. Consisten emplear un rango de valores asoci ado a un nivel de confianza con lo que podemos determinar valores en términos de probabilidad 2. El ancho del intervalo depende de tres factores a. Nivel de confianza que se determine b. tamaño de la muestra c. desviación estándar de los datos
8 Cómo se representa? (1- α) es el nivel de confianza Nos indica en términos de probabilidad que porcentaje de la población se encuentra en un intervalo específico. El nivel de confianza es la probabilidad de encontrar el parámetro de la población en un intervalo de confianza determinado, siempre y cuando el proceso de estimación se repita un gran número de veces Nos sirve para estimar el valor de una media poblacional, que no conocemos, a partir de los valores de la media de una muestra y en términos de probabilidad. No sabemos cuál es el valor de la media poblacional, pero si podemos predecir su valor dentro de un intervalo con un nivel de confianza específico.
9 Cómo lo calculamos? A µ B Habría que calcular el intervalo entre los puntos A y B y dentro de cuales se encuentra el valor de la media poblacional µ Si tenemos un nivel de confianza del 95%, tendríamos que el valor de z en el punto A sería y en el punto B sería 1.96 (este cálculo se vio en el tema de curva normal). Si aplicamos la ecuación de la distribución muestral y despejamos µ Donde x es la media de la muestra µ es la media de la población es la deviación estándar de la población n es el tamaño de la muestra
10 Para el valor en el punto A Para el punto B Añadamos un concepto adicional Cuando hacemos una medición en cualquier variable tenemos siempre un error que le llamaremos error de medición y que se debe a la precisión del instrumento con el que se haga la medición. Por ejemplo al medir la estatura podemos emplear un metro y calcular el valor para un persona de 1,75, pero si volvemos a medir, quizás se obtenga y si lo hacemos nuevamente, podría obtener Toda esta variación puede adjudicarse a la precisión de nuestro instrumento y a la capacidad de quien realiza la medición. Por ello podríamos decir que cuando estimamos el valor de la media poblacional a partir de la media de la muestra podemos tener un error de medición o margen de error
11 Donde E sería el valor del error y si este lo medimos en términos de probabilidad Por lo que podemos decir que el error lo podemos calcular: Así que podemos estimar el valor de un intervalo en donde se encuentra la media poblacional, si calculamos el valor del error y lo sumamos y restamos al valor de la media Cuántos casos tenemos para calcular el valor de un intervalo de una sola muestra? Son tres y son los siguientes 1. Para estimar la media poblacional µ de una variable cuantitativa emplear el estadístico z si a. La muestra es aleatoria simple b. Se conoce el valor de la desviación estándar de la población c. Los datos se distribuyen normalmente
12 2. Para estimar la media poblacional µ de una variable cuantitativa emplear el estadístico t a. La muestra es aleatoria simple b. No se conoce el valor de la desviación estándar de la población y se estima a partir del valor de la desviación estándar de la muestra c. Los datos se distribuyen normalmente 3. Para estimar la proporción de la población hay que emplear el estadístico z a. La muestra es aleatoria simple b. Se conoce el valor de la proporción de la población c. Los datos se distribuyen normalmente Hagamos un ejemplo para el caso 1 U n a e n c u e s t a d e s a t i s f a c c i ó n d e l s e r v i c i o al clie n t e e n c o n t r ó en una mue s t r a d e 100 clie n t e s u n p r o me d i o d e 82 puntos. Co n s i d e r e que se les pidió q u e c a l i f i c a r a n e l s e r v i c i o con u n a p u n t u a c i ó n d e s d e 0 a 100 punto s. S i m u e s t r a s anterio r e s n o s i n d i c a n q u e l a d e s v i a c i ó n e s t á n d a r d e l a po b l a c i ó n e s d e 20 p u n t o s. Estime el intervalo de confianza para un 95% de confianza y considere que los datos se distribuyen normalmente. Tenemos los siguientes datos Media de la muestra 82; tamaño de la muestra 100, desviación estándar de la población 20 y nivel de confianza es 95% (z =1.96), por lo que el cálculo del error quedaría:
13 Ahora lo restamos y sumamos a la media para conocer el intervalo Por lo que podemos decir que la media de la población se encuentra entre y con un nivel de confianza del 95% Y lo representamos así (78.08, 85.92) Ejemplo caso 2 (Uso de estadístico t) U n a c o m p a ñ í a farmac é u t i c a está probando u n a n u e va d r o g a p a r a a l i v i a r e l d o l o r, pero e x i s t e p r e o c u p a c i ó n en s a b e r s i e s t e p r o d u c t o aumenta e l r i t m o c a r d í a c o. La s 14 pers o n a s evaluadas t u v i e r o n e n p r o m e d i o u n va l o r de 5 5 e n l a escala e m p le a d a a n t e s de to ma r el medicame n t o. L o s datos se p r e s e n t a n en la siguie n t e t a b l a y con s i d e r e que se d i s t r i b u ye n no r ma l m e n t e C o n s t r u ya u n i n t e r v a l o de confianza d e 9 5 % C u á l e s serían sus conclus i o n e s
14 Recordemos que estamos ahora con una distribución t y en la cual tenemos que considerar que el valor crítico de t depende del tamaño de la muestra y que su cálculo involucra el uso del concepto de grados de libertad ya revisado. Por lo que los datos nos quedan así : Media de la muestra 67; desviación estándar de la muestra 14.53; tamaño de la muestra 14; grados de libertad 13 (n-1) y por ello el valor critico de t para dos colas es de 2.16 Podemos afirmar que la media de la población se puede estimar dentro de un intervalo que va desde y con un 95% de confianza.
15 Caso tres, estimación de la proporción de una población Empleamos la siguiente fórmula Donde Po es la proporción de la población. p es la condición de éxito de la muestra y 1- p ( q) es la condición de fracaso de la muestra Recordemos que empleamos la distribución normal como aproximación de la distribución binomial. Y en este sentido se sigue el modelo de Bernulli donde solo hay dos posibles resultados (llamados éxito y fracaso) y donde la suma de p + q = 1 Por lo que q = 1 p Por lo que podemos sustituir en la fórmula original a 1- p como q
16 Veamos un ejemplo U n a e m p r e s a t e l e f ó n i c a de s e a estima r l a pro p o r c ió n d e h o g a r e s q u e contrataría una línea te le fó n i c a a d i c i o n a l. Se s e le c c io n ó a una muestra de 500 h o g a r e s. Los resultados indican que 135 de l o s h o g a r e s contrataría una línea adicio n a l. C o n s t r u ya u n a estimac i ó n d e l i n t e r v a l o de c o n f i a n z a d e l 9 9% d e l a p r o p o r c i ó n p o b l a c i o n a l d e h o g a r e s que contratarían una línea adic i o n a l. Entonces nuestros datos son: 135 es éxito (contratan una línea) mientras que 365 es el fracaso (no contratan una línea) z = 2.58 para un nivel de confianza de 99% Así la proporción de la muestra queda como
17 Por lo que podemos decir que la proporción de la población se encuentra dentro del intervalo que comprende el valor de y con un nivel de confianza del 99%. Bibliografía Anderson: Estadística para negocios. Cengage 2011 México 11va edición Triola, Mario : Estadística. Pearson, México novena edición.
18
Tema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
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 detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesDistribución Muestral.
Distribución Muestral jujo386@hotmail.com Uno de los objetivos de la Estadística es tratar de inferir el valor real de los parámetros de la población Por ejemplo Cómo podríamos asegurar que una empresa
Más detallesDistribución normal estándar. Juan José Hernández Ocaña
Distribución normal estándar Juan José Hernández Ocaña Tipos de variables jujo386@hotmail.com Tipos de variables Cualitativas Son las variables que expresan distintas cualidades, características o modalidades.
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
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 detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesINFERENCIA DE LA PROPORCIÓN
ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En
Más detallesALGUNAS CUESTIONES DESTACABLES EN INFERENCIA ESTADÍSTICA
ALGUNAS CUESTIONES DESTACABLES EN INFERENCIA ESTADÍSTICA Las encuestas sociológicas suelen trabajar con muestras. Sería demasiado costoso entrevistar al total de la población española adulta, que suele
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesTeléfono:
Apartado postal 17-01-218 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: ESTADISTICA II CÓDIGO: 15017 CARRERA: Economía NIVEL: Cuarto No. CRÉDITOS: SEMESTRE / AÑO ACADÉMICO: III semestre 2011-2012 PROFESOR:
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesMedidas de centralización
1 1. Medidas de centralización Medidas de centralización Hemos visto cómo el estudio del conjunto de los datos mediante la estadística permite realizar representaciones gráficas, que informan sobre ese
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detalles= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =
El peso en kg de los estudiantes universitarios de una gran ciudad se supone aproximado por una distribución normal con media 60kg y desviación típica 8kg. Se toman 100 muestras aleatorias simples de 64
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 13 Inferencia en una población Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar el procedimiento de pruebas en la inferencia estadística. Aplicar
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
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 detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Más detalles3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
Más detallesT E X T O D E L M A N U A L D E H T M L, W E B M A E S T R O, P O R F R A N C I S C O A R O C E N A
T E X T O D E L M A N U A L D E H T M L, W E B M A E S T R O, P O R F R A N C I S C O A R O C E N A Q U E S E E N C U E N T R A E N I N T E R N E T E N : h t t p : / / w w w. l a n d e r. e s / w e b m
Más detallesA qué nos referimos con medidas de dispersión?
Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesESTIMACIÓN PARAMÉTRICA E INTERVALOS DE CONFIANZA. Juan José Hernández Ocaña
ESTIMACIÓN PARAMÉTRICA E INTERVALOS DE CONFIANZA Juan José Hernández Ocaña LA estadística inferencial nos permite estimar los parámetros de la población a partir del análisis de datos de una muestra. Si
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesEjercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL
Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesTeoría del muestreo. Tipos de muestras
Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesTEOREMA DEL LÍMITE CENTRAL
Material de clase n 2 Domingo 13 Junio TEOREMA DEL LÍMITE CENTRAL A medida que n se vuelve más grande, la distribución de las medias muestrales se aproxima a una distribución normal con una media x = µ
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesCómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.
Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesDIRECCIÓN ACADÉMICA PLANEACIÓN DIDÁCTICA
DEPARTAMENTO ACADÉMICO LICENCIATURA EN ACADEMIA ASIGNATURA SERIACIÓN CUATRIMESTRE EN QUE SE IMPARTE DIRECCIÓN de LICENCIATURAS EJECUTIVAS INGENIERÍA INDUSTRIAL y de SISTEMAS MATEMÁTICAS PROBABILIDAD y
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
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 detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesM i. Los datos vendrán en intervalos en el siguiente histograma de frecuencias acumuladas se ilustra la mediana.
Medidas de tendencia central y variabilidada para datos agrupados Media (media aritmética) ( X ) Con anterioridad hablamos sobre la manera de determinar la media de la muestra. Si hay muchos valores u
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesLa distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detalles