Estadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
|
|
- José Antonio Martín Camacho
- hace 5 años
- Vistas:
Transcripción
1 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 claramente en cada cuadernillo su nombre, número de orden en el grupo y grupo reducido de clase 1. (3,5 puntos) La aerolínea FastAir ha lanzado una campaña de publicidad en la que anuncia que sus vuelos en cierta ruta son más puntuales que los de la competencia. Un vuelo se considera puntual si el retraso en la hora de salida no supera los 15 minutos. Una organización de consumidores se propone contrastar dicha afirmación, para lo cual recopila datos de puntualidad en 35 vuelos de FastAir y 50 vuelos de otras aerolíneas, de los cuales fueron puntuales 31 y 36 vuelos, respectivamente. a) (1 punto) Plantea el contraste de hipótesis apropiado, identificando las hipótesis nula y alternativa; indica el estadístico de contraste. b) (0,5 puntos) Determina la región de rechazo del contraste y resuelve el mismo con un nivel de significación del 2%. c) (0,5 puntos) Calcula el p-valor del contraste. d) (0,25 puntos) Determina para qué niveles de significación no se rechaza la hipótesis nula con los datos obtenidos. e) (0,25 puntos) Interpreta los resultados. Qué muestran estos sobre la evidencia disponible y la publicidad de FastAir? f ) (1 punto) Calcula el valor (aproximado) de la potencia del contraste anterior para un nivel de significación del 2 %, si la diferencia (poblacional) entre las proporciones de vuelos puntuales es igual a 0,1. Interpreta tu resultado. Solución. a) Se trata de un contraste para la diferencia entre dos proporciones, con muestras grandes independientes de dos poblaciones. Denotamos por p 1 y p 2 las proporciones de vuelos puntuales de FastAir y de la competencia, respectivamente. El contraste de hipótesis es: H 0 : p 1 p 2 (o también H 0 : p 1 = p 2 ) vs. H 1 : p 1 > p 2. El estadístico de contraste es Z = ˆp 1 ˆp 2 ˆp 0 (1 ˆp 0 ) ( aprox. ) N(0, 1), z = n 2 donde ˆp 0 = ( p 1 + n 2 p 2 )/( + n 2 ) (1 85 )( ) 1,84, b) Se rechaza H 0 si z > z 0,02 2,055 (RR 0,02 = {z z > 2,055}). Por tanto, con los datos obtenidos no se rechaza H 0 con un nivel de significación del 2%. c) El p-valor del contraste vale P {Z > 1,84} 0,0329. d) Con los datos obtenidos no se rechaza la hipótesis nula para niveles de significación α 0,0329. e) Los resultados muestran una evidencia moderada de que los vuelos de FastAir son más puntuales que los de la competencia, como indica su publicidad, ya que, por ejemplo, se rechaza H 0 con un nivel de significación del 4%. Sin embargo, la evidencia en favor de la publicidad de FastAir no es muy fuerte, ya que no podemos rechazar H 0 con un nivel de significación del 3%. f ) El cálculo de la potencia se basa en la relación potencia = P (rechazar H 0 p 1 p 2 = 0, 1). Como la región de rechazo es RR 0,02 = {z z > 2,055}, la potencia vendrá dada por P ˆp 1 ˆp 2 ˆp 0 (1 ˆp 0 ) ( ) > 2,055 p p 2 = 0, 1, n 2
2 pero como bajo p 1 p 2 = 0, 1 se tiene que podemos escribir que potencia = P Y + Y ˆp 1 ˆp 2 0, 1 ˆp 0 (1 ˆp 0 ) ( aprox. ) N(0, 1), n 2 0, 1 ˆp 0 (1 ˆp 0 ) ( ) > 2, n 2 = P (Y > 0,944) = 0,172, = P Y > 2, , 1 (1 85 )( un valor muy reducido de la potencia, debido a que 0, 1 está muy próximo al valor 0 correspondiente a la hipótesis nula. Una solución más correcta (pero posiblemente menos immediata) teniendo en cuenta que p 1 p 2, sería trabajar con Y ˆp 1 ˆp 2 0, 1 ˆp 1(1 ˆp 1) + ˆp2(1 ˆp2) n 2 aprox. N(0, 1), de manera que, usando ˆp 1 = 31/35 = 0,886 y ˆp 2 = 36/50 = 0,72, potencia = P Y 0, 1 + > 2,055 = P Y > 2,055 ˆp 1(1 ˆp 1) + ˆp2(1 ˆp2) n 2 = P (Y > 0,853) = 0,197, ) 0, 1 0,886 0, ,72 0, (2,5 puntos) Se quiere comparar el nivel de dificultad de los exámenes parciales primero (P 1 ) y segundo (P 2 ) de la asignatura Estadística II. Para ello, suponiendo que el nivel de dificultad de cada parcial se refleje en las notas obtenidas por los estudiantes (sea X la variable aleatoria asociada a la nota obtenida en P 1 e Y la variable aleatoria asociada a P 2 ), se han seleccionado al azar 9 estudiantes y se han observado las siguientes notas: Estudiante x y a) (1 punto) Dada la naturaleza de las dos muestras disponibles, plantea el contraste oportuno para evaluar si el nivel de dificultad de P 2 ha sido más bajo que el nivel de dificultad de P 1. Indica los supuestos bajo los que vas a realizar este contraste. Especifica las hipótesis nula y alternativa y soluciona el contraste proporcionando el valor del estadístico adecuado y la forma de la región de rechazo para α = 0,05. b) (1 punto) Ahora suponemos que la muestra de X se ha obtenido de manera independiente respecto a la muestra de Y, y que X e Y siguen distribuciones normales con varianzas conocidas: σx 2 = 2,9 y σy 2 = 3,1, respectivamente. Plantea nuevamente un contraste para evaluar si el nivel de dificultad de P 2 ha sido mas bajo que el nivel de dificultad de P 1. Especifica las hipótesis nula y alternativa, y soluciona el contraste proporcionando el valor del estadístico adecuado y su p-valor. Indica tus conclusiones si α = 0,05. c) (0,5 puntos) Indica si las siguientes afirmaciones son verdaderas o falsas, justificando tus respuestas: 1) Los contrastes de los apartados 2a y 2b siempre llevan a conclusiones diferentes, manteniendo los mismos datos, si el nivel de significación es suficientemente reducido. 2) El contraste del apartado 2a no se puede llevar a cabo a menos que las dos poblaciones sean normales.
3 Solución. a) Dado que las muestras son pareadas, podemos emplear un contraste para la diferencia entre dos medias para muestras pareadas, y construir la tabla de las diferencias D = X Y observadas en la muestra disponible: Estudiante D Como el tamaño de la muestra es reducido, supondremos que D sigue una distribución normal con varianza poblacional desconocida. Nuestras hipótesis nula y alternativa serán H 0 : D 0 0, H 1 : D 0 < 0. El contraste planteado puede estudiarse considerando el estadístico y la región de rechazo (n 1 = 8) T = D s d / n t n 1, RR 0,05 = {t : t < t 8;0,05 } = {t : t < 1,860}. Dados los datos del ejercicio, el valor del estadístico es t = d s d / n = 0,3 0,43/3 = 2,09, y como t = 2,09 RR 0,05, en este caso rechazamos la hipótesis nula. Podemos concluir que los datos contienen suficiente evidencia en favor de que las notas del Parcial 2 hayan sido en promedio más altas que las notas del Parcial 1, y eso implicaría que el nivel de dificultad del Parcial 2 ha sido más bajo que el nivel de dificultad del Parcial 1. b) Dado que ahora las muestras son independientes y las poblaciones normales y con varianzas conocidas, podemos emplear un contraste para la diferencia entre dos medias para dos poblaciones normales con varianzas conocidas y considerar el estadístico X Z = Ȳ N(0, 1). σ 2 X n X + σ2 Y n Y El contraste tendrá las siguientes hipótesis nula y alternativa: Dados los datos del ejercicio, el valor del estadístico es y su p-valor es H 0 : µ X µ Y 0, H 1 : µ X µ Y < 0, x = 6,17, ȳ = 6,47, σ 2 X = 2,9, σ 2 Y = 3,1, n X = n Y = 9, z = x ȳ = σ 2 X n X + σ2 Y n Y 6,17 6,47 2, ,1 9 = 0,37, P (Z 0,37) = P (Z 0,37) = 0,3557. Como el p-valor es mayor que α, no podemos rechazar la hipótesis nula. Podemos concluir que los datos no contienen suficiente evidencia en favor de que las notas del Parcial 2 hayan sido en promedio más altas que las notas del Parcial 1.
4 c) Estas dos afirmaciones son: 1) Falsa. Para niveles de significación muy reducidos tendemos a no rechazar la hipótesis nula en cualquier contraste (a menos que el valor muestral del estadístico coincida exactamente con el valor bajo la hipótesis nula), y por tanto la conclusión tiende a ser la misma en ambos casos. 2) Falsa. Si el tamaño muestral es elevado, el teorema central del límite implica que la distribución de D es aproximadamente normal, y se puede llevar a cabo el contraste basado en esta propiedad. (Otra respuesta posible es que basta con que la diferencia de las dos poblaciones sea normal, para cualquier tamaño muestral.) 3. (4 puntos) Se ha realizado una encuesta de calidad docente en la Universidad a alumnos de la misma para estimar el aumento de interés (I) por una determinada asignatura por parte de los alumnos, en función de la valoración dada a su trabajo personal (T ) por dichos alumnos. Las dos variables se han valorado en una escala (continua) de 1 a 5. Se ha realizado un análisis de regresión con Excel obteniéndose los siguientes valores: I i = 3441,25, T i = 3481,11, Ii 2 = 11292,88, Ti 2 = 11768,99. En base a las tablas anteriores calcule: a) (0,25 puntos) El coeficiente de determinación indicando su interpretación. b) (0,25 puntos) El coeficiente de correlación indicando su interpretación. c) (0,5 puntos) Calcula un intervalo de confianza al 95 % para la pendiente del modelo. d) (0,5 puntos) Qué interés I estimas que tendrá un alumno que valore su trabajo personal como 3,5? Calcula un intervalo de confianza al 95 % asociado a dicha estimación. e) (0,5 puntos) Se podría afirmar que a medida que aumenta el trabajo personal del alumno el interés por la asignatura disminuye en promedio? Contrástalo a un 5 % de significación. Para poder estimar mejor la variable interés del alumno (I) se han añadido a la regresión anterior las siguientes variables explicativas, también valoradas de 1 a 5: Profesor : valoración dada al profesor. Lecturas : valoración de las lecturas repartidas por el profesor. Material : valoración del material repartidas por el profesor. Se ha obtenido la siguiente tabla ANOVA para el modelo multivariante resultante:
5 f ) (0,5 puntos) Calcula un intervalo de confianza al 90 % para el coeficiente de la variable Lecturas en el modelo de regresión múltiple. Basándote en este intervalo, comenta sobre la significación de la variable Lecturas en el modelo múltiple. g) (0,5 puntos) Calcula una estimación de la varianza del error del modelo utilizando un estimador insesgado. h) (1 punto) Responde verdadero o falso a las siguientes cuestiones razonando tu respuesta: Solución. 1) Podemos decir que el modelo de regresión lineal múltiple es globalmente significativo. 2) La variable explicativa Material no es significativa al 1 % de significación. 3) La variable explicativa Profesor tiene un mayor efecto en el interés del alumno por la asignatura que el resto de las variables explicativas. 4) El coeficiente de determinación en este modelo es 0,3865. a) Tenemos que R 2 = SCM SCT = 188,97 368,33 = 0,513, y por tanto podemos explicar el 51,3 % de la variabilidad de la variable Interés del alumno por la asignatura con el valor de la variable Valoración que hace el alumno de su Trabajo Personal. b) Obtenemos ρ = R 2 = 0,513 = 0,716. Se puede decir que existe una correlación lineal entre las variables Interés y Trabajo personal positiva, puesto que la pendiente es positiva, y fuerte, puesto que el valor es mayor que 0,6. c) El intervalo de confianza para β 1 se obtiene aplicando la fórmula [ ] ˆβ 1 t n 2;α/2 s 2 R (n 1)s 2 T ya que T es la variable independiente del modelo. De la tabla ANOVA tenemos que la varianza residual vale s 2 R = 0,1657; de la tabla adjunta también tenemos que ˆβ 1 = 0,5659. De los datos incluidos obtenemos que la varianza de la variable Trabajo personal es ( ) s 2 T = 1 Ti 2 n n 1 T 2 = 0,5469. i Por último, de la tabla de la normal (al ser n elevado) t 1082;0,025 z 0,025 = 1,96. Con todos estos datos obtenemos que d) Dado que el modelo de regresión es obtenemos una predicción puntual para T 0 = 3,5, IC 0,95 (β 1 ) = [0,5331; 0,5987]. Î = 1, ,5659T, I 0 = 1, ,5659 3,5 = 3,3376. El intervalo de confianza pedido vendrá dado por [ ( 3,3376 1,96 0, ) ] (3,5 3,211)2 + = [1,8873; 4,7878] ,5469 e) El contraste a realizar es H 0 : β 1 0 H 1 : β 1 < 0 De la tabla obtenemos el valor de estadístico T 0 = 33,763, y la región de rechazo viene dada por RR α = {t 0 < t n 2;α }. Utilizamos la aproximación de la t de Student (al ser n muy elevado) por la normal t n 2;0,05 z 0,05 = 1,645. No se puede rechazar la hipótesis nula por lo que no se puede afirmar que a medida que aumenta la Valoración del trabajo personal disminuya el Interés del alumno a un 5 % de significación.,
6 f ) De los datos en la tabla, este intervalo tiene la forma IC 0,9 (β 2 ) = [0,053 t 1079;0,05 0,032] = [0,0004; 0,1056]. Como el valor 0 no pertenece al intervalo, la variable es (individualmente) significativa para un nivel de confianza del 10 %. g) El estimador insesgado de la varianza del error es la varianza residual, que de la tabla indicada vale s 2 R = 0,131. h) Para las preguntas Verdadero/Falso tenemos: 1) Verdadero, puesto que el contraste de la tabla ANOVA rechaza que el modelo no sea significativo globalmente, dado el valor del estadístico F = 428,06 y el p-valor asociado, aproximadamente igual a 0 (6, ) 2) Falso, ya que si hacemos el contraste H 0 : β 1 = β 2 = β 3 = β 4 = 0 H 1 : algún β j 0 H 0 : β 4 = 0 H 1 : β 4 0 rechazamos la hipótesis nula puesto que el estadístico t 0 = 8,10 y el p-valor del contraste es casi nulo (1, ) así que la variable sí es significativa. 3) Verdadero, porque si miramos los coeficientes de las pendientes parciales observamos que es el mayor coeficiente. Si variamos un punto la valoración del Profesor, la variable Interés del alumno aumenta en 0,385 en promedio, si el resto de las variables explicativas se mantienen constantes. Este el es el mayor valor de los coeficientes estimados. 4) Falso, ya que R 2 = SCM/SCT = 225,95/368,33 = 0,6134
Estadística 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 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 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 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 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 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 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 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 detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
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 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 detallesContrastes sobre la media Sea X 1, X 2,..., X n una m.a.s. extraída de una población normal X con media desconocida µ. Se desea contrastar:
sobre la media Sea X 1, X 2,..., X n una m.a.s. extraída de una población normal X con media desconocida µ. Se desea contrastar: H 0 : µ = µ 0 Si H 0 es cierta, X N(µ 0, σ), de donde D 1 = X µ 0 n σ N(0,
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 detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
Más 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 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 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 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 detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesEstadística II Ejercicios Tema 2
Estadística II Ejercicios Tema 2 1. Una empresa farmacéutica está preocupada por controlar el nivel de impurezas en uno de sus productos; su objetivo es que la concentración de las impurezas no supere
Más detallesPrácticas Tema 2: El modelo lineal simple
Prácticas Tema 2: El modelo lineal simple Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 2.1- Se han analizado sobre una muestra de 10 familias las variables
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesGUIA DOCENTE ESTADÍSTICA II
GUIA DOCENTE 2016-17 ESTADÍSTICA II Mayo 2016 DATOS GENERALES Nombre del curso: Código: ESTADÍSTICA II 801101, ADE 801916, MKCD Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
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 detallesNORMAS El examen consta de dos partes: Diez Cuestiones: (tiempo: 60 minutos)
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 detalles1. Estimar el porcentaje de bolsas con peso menor de seis kilos suministrado por el mayorista.
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 6, curso 2006 2007. Ejercicio 1 (Junio 2006, técnicos). Si el intervalo de confianza al 95 % para la media de
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 detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más 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 detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más 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 detallesTema 7: Ejercicios de Inferencia en una población Normal
Tema 7: s de Inferencia en una población Normal Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I3 En una explotación minera las rocas
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
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 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 detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
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 detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más 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 detallesTema 8: Contrastes de hipótesis
Tema 8: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesPrácticas Tema 5. Ampliaciones del Modelo lineal básico
Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
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 detallesTécnicas de Inferencia Estadística II. Tema 2. Contrastes de hipótesis en poblaciones normales
Técnicas de Inferencia Estadística II Tema 2. Contrastes de hipótesis en poblaciones normales M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 2. Contrastes
Más detallesPrácticas Tema 4: Modelo con variables cualitativas
Prácticas Tema 4: Modelo con variables cualitativas Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 4.1- Se dispone de información sobre 16 familias sobre
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 detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesEstadística II Ejercicios Tema 4
Estadística II Ejercicios Tema 4 1. Los siguientes datos muestran la estatura (en cm.) y el peso (en Kg.) para una muestra de cinco alumnos de una clase: estatura (cm.) peso (Kg.) 154 60 158 62 162 61
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 detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
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 detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detallesPrueba de Hipótesis. Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional
Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea para la toma de decisión, es decir aceptar o rechazar el supuesto
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesTema 5: Contraste de hipótesis
Tema 5: Contraste de hipótesis 1 (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Conceptos fundamentales: hipótesis nula y alternativa,
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 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 detallesSoluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015
Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015 Conteste todas las preguntas en dos horas y media. Pregunta 1 (33 puntos: Un investigador está considerando las
Más detallesTEMA 4 Regresión logística
TEMA 4 Regresión logística José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Variable respuesta dicotómica. Ejemplo. El
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región
Más detalles1) Características del diseño en un estudio de cohortes.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de cohortes CONCEPTOS CLAVE 1) Características del diseño en un estudio de cohortes. ) Elección del tamaño
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 detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesCAPÍTULO 5. Proyecciones de las Fuentes de Empleo Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes
CAPÍTULO 5 Proyecciones de las Fuentes de Empleo 5.1. Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes de Empleo a Nivel Nacional. Para la proyección de las fuentes de empleo
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
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 FINAL ESTADÍSTICA GENERAL (Ejemplo 4)
EXAMEN FINAL ESTADÍSTICA GENERAL (Ejemplo 4) Apellido y nombre: - Este examen contiene 15 preguntas con 5 respuestas propuestas cada una. Identificar y marcar la única respuesta correcta en cada caso.
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 detallesEjemplo 6.2. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 6.2 Inferencia en el Modelo de Regresión Lineal General Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 6.2 Inferencia
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 detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
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 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 detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesEstadística I Tema 7: Estimación por intervalos
Estadística I Tema 7: Estimación por intervalos Tema 7: Estimación por intervalos Ideas a transmitir Definición e interpretación frecuentista. Intervalos de confianza para medias y varianzas en poblaciones
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
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 detallesECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación
ECONOMETRÍA I Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA
Más detallesConceptos básicos de inferencia estadística (II): Contrastes de hipótesis (repaso)
Conceptos básicos de inferencia estadística (II): Contrastes de hipótesis (repaso) Tema 1 (II) Estadística 2 Curso 08/09 Tema 1 (II) (Estadística 2) Contrastes de hipótesis Curso 08/09 1 / 21 Contrastes
Más detallesTema 5.5: Contrastes de hipótesis
Tema 5.5: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesb) Sí, con nivel de significación α = 0.05
MÉTODOS ESTADÍSTICOS EN ANTROPOLOGÍA SOCIAL Código de carrera: 59 Código de asignatura: 404 curso2004-05convocatoria Septiembre 1 a P.P. examen tipo B Señale TIPO DE EXAMEN en la hoja de lectura óptica,
Más detallesb) No puede afirmarse
MÉTODOS ESTADÍSTICOS EN ANTROPOLOGÍA SOCIAL Código de carrera: 59 Código de asignatura: 404 curso2004-05convocatoria Septiembre 1 a P.P. examen tipo A Señale TIPO DE EXAMEN en la hoja de lectura óptica,
Más detallesIntroducción a la Inferencia Estadística
Introducción a la Inferencia Estadística Prof. Jose Jacobo Zubcoff Universidad de Alicante 2008 1 Introducción En este tema explicaremos los contrastes para la media de una población normal. e estudiarán
Más detallesTécnicas de Inferencia Estadística II. Tema 4. Contrastes para la mediana y otros cuantiles
Técnicas de Inferencia Estadística II Tema 4. Contrastes para la mediana y otros cuantiles M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2016/17 Contenidos 1.
Más detallesTEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
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 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 detallesRegresión Simple. Leticia Gracia Medrano. 2 de agosto del 2012
Regresión Simple Leticia Gracia Medrano. lety@sigma.iimas.unam.mx 2 de agosto del 2012 La ecuación de la recta Ecuación General de la recta Ax + By + C = 0 Cuando se conoce la ordenada al origen y su pendiente
Más detallesKIBBUTZ.ES. Si se pretende comprobar si la proporción de niños es igual a la de niñas en la población de la que proceden los datos:
Modelo C. Septiembre 015. No debe entregar los enunciados Fórmula de corrección: Aciertos (Errores / ) Material permitido: Formulario y cualquier tipo de calculadora en la que no se pueda introducir texto
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 detallesMétodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos...............................................................
Más detalles