y k k=1 k=1 n k=1 l=1 = 1 2
|
|
- Teresa de la Fuente Espejo
- hace 5 años
- Vistas:
Transcripción
1 Muestreo. Tarea. Semestre Profesora: Guillermina Eslava Gómez. Ayudante: Graciela Martínez Sánchez Fecha de entrega: viernes 27 de febrero en clase Resolver en equipos de a 6 alumnos. Las tareas se entregan en hojas blancas y bien escritas, manuscritas o en latex. Precede a examen del viernes 6 de marzo.. Los diseños muestrales donde las probabilidades de inclusión de primer orden son constantes se llaman diseños autoponderados, y son muy buscados por que facilitan el análisis estadístico de la información generada con ellos. El muestreo aleatorio simple es un diseño autoponderado, donde además de tener probabilidades de inclusión de primer orden constantes, también tiene probabilidades de inclusión de segundo orden constantes y estrictamente positivas: π i = n N, π ij = n(n ), i, j =,..., N, i j. N(N ) i) Desarrolle las expresiones específicas correspondientes al estimador Horvitz- Thompson, t π = k=, V ( t π ) = V ( t π ) = k= l= N k= N l= (l π l ) l (l π l ) π l,. π l ii) Demuestre que para este diseño específico, que satisface ser de tamaño de muestra constante, el estimador de la varianza Horvitz-Thompson coincide con el estimador de Yates-Grundy, es decir, V HT ( t π ) = k= l= l π l l π l = 2 k= l= l π l ( ) 2 = l π V Y G. l 2. Al considerar un muestreo específico, las mediciones de interés pueden ser consideradas como variables continuas o discretas. Por ejemplo, Y puede corresponder al ingreso total del hogar y tratarse como una variable contínua. O bien Y puede representar la presencia o ausencia de un atributo y entonces ser una variable binaria (0, ), en este caso la expresión del estimador Horvitz-Thompson, de su varianza y de su varianza estimada toman expresiones aún más específicas. Cuando el diseño muestral es un aleatorio simple, la media estimada de una variable binaria toma la forma de una proporción: n i= y i/n = y n = P n = P, lo que se conoce como muestreo aleatorio simple para proporciones. Usando las expresiones derivadas en el ejercicio i) y considerando que y i = 0 ó y i =, derive las expresiones específicas en función de P N ó P n para un muestreo aleatorio simple para proporciones.
2 3. En un sector de la industria se llevó a cabo una encuesta con el fin de estimar el grado de abstencionismo de los trabajadores en días hábiles. Se tomó una muestra aleatoria simple de,000 trabajadores de una población total de 36,000, y se les preguntó el número de días que faltaron al trabajo en los últimos seis meses, sin incluir días festivos o faltas por enfermedad. Se observó lo siguiente. Ausencias Número de trabajadores i) Dé el conjunto de probabilidades de inclusión de primer y de segundo orden, {π i ; i =,...N}, {l ; k, l :,...N}. ii) Es el diseño autoponderado? Dé el conjunto de factores de expansión o pesos muestrales. iii) Estime el número total de ausencias ocurridas en el grupo de trabajadores en los últimos seis meses, t π. iv) Estime el número promedio de ausencias por trabajador en los últimos seis meses, t π /N. v) Calcule la varianza de los estimadores en iii) y iv), y reporte un intervalo de confianza aproximado (para muestras grandes) al 95% para el total de dias ausentes en el grupo y para el número promedio de ausencias por trabajador, ] P [ t π t (n ) V ( t π ) < t < t π + t (n ) V ( t π ) = α, P ] [ˆt π /N t (n ) V ( t π /N) < t/n < t π /N + t (n ) V ( t π /N) = α. Nota: Para el cálculo de los estimadores puede usar la fórmula general o bien la fórmula especifica correspondiente al diseño. Recuerde que ˆV (ˆt π ) = l π l = N 2 ( n l π l N ) n i= (y i ȳ s ) 2 n n k,l s Cálculo auxiliar 0 i= (y i ȳ s ) 2 = Use el valor de t (39) = 2.0. Considere el problema presentado en la pregunta anterior. Suponga que se desea estimar la proporción, P, de trabajadores calificados como faltístas, aquellos que faltaron más de tres días. i) Estime la proporción de trabajadores faltistas, P. ii) Estime la proporción de trabajadores no faltistas, Q = P. iii) Estime la varianza de cada estimador estimador, V ( P ) y V ( Q). iv) De un intervalo de confianza para la proporción P de maestros faltistas. Recuerde que ˆV ( ˆP ) = ˆV ( ˆt πn ) = ( n ˆP ˆQ ). N n 2
3 5. Suponga que se desea conducir una encuesta acerca de un aspecto sensitivo en una población, e.g. para estimar la proporción P de individuos que alguna vez hayan consumido drogas no prescritas por el médico, y se procede como sigue. Se selecciona una muestra aleatoria simple de tamaño n de una población de N individuos, a cada uno se le pide responder, con probabilidades respectivas α y α, la pregunta A ó la pregunta B de forma confidencial, sin revelar que pregunta contestaron. Pregunta A Ha consumido alguna vez drogas? Pregunta B El día de su cumpleaños es en el mes de abril? De las n personas encuestadas, n contestaron Sí. i) Suponiendo que un doceavo de la población tiene cumpleaños en el mes de abril, indique como estimaría P. ii) Discuta el efecto de la elección de diferentes valores de α, y explique las ventajas posibles de este esquema de muestreo. iii) Compare su resultado con el caso extremo, pero más usual, donde α = : esto es cuando no se usa la pregunta B. Este ejercicio es un ejemplo del método de respuesta aleatorizada, ó del principio de la pregunta irrelevante. 6. Sea N = 6 y n = 3. Suponga que son conocidos todos los valores de la variable Y en la población. y = 9, y 2 = 02, y 3 = 5, y = 33, y 5 = 90, y 6 = 75 El objetivo es estimar la media poblacional Y. Para esto se proponen dos diseños de muestreo: Diseño. Se puede elegir entre ocho muestras posibles. En la tabla siguiente se presentan los subíndices de los elementos que conforman cada muestra posible así como la probabilidad de seleccionar cada una de ellas: s {, 3, 5} {, 3, 6} {,, 5} {,, 6} {2, 3, 5} {2, 3, 6} {2,, 5} {2,, 6} p(s) Diseño 2. Se puede elegir entre tres muestras posibles. En la tabla siguiente se presentan los subíndices de los elementos que conforman cada muestra posible así como la probabilidad de seleccionar cada una: s {,, 6} {2, 3, 6} {, 3, 5} p(s) 2 i) Calcule la media poblacional ii) Considere como estimador de Y a Ŷ = s estimador Ŷ para cada diseño de muestreo. y i. Encuentre la distribución del n iii) Calcule la media y varianza de Ŷ para cada diseño de muestreo. iv) Calcule el sesgo y el error cuadrático medio de Ŷ para cada diseño de muestreo. v) Cuál diseño de muestreo considera que es el mejor? Por qué? 3
4 7. Considere una población U = {u, u 2, u 3 } y el diseño de muestreo siguiente: p({u, u 2 }) = 2, p({u, u 3 }) =, p({u 2, u 3 }) =. i) Calcula todas las probabilidades de inclusión de primer y segundo orden. ii) Determine la función de probabilidad del estimador Horvitz-Thompson para el total de la variable Y, t yπ. Esta función deberá estar en términos de los valores y i s. Suponga que = k U. iii) Calcule E( t yπ ) y V ( t yπ ). iv) Considere el estimador de V ( t yπ ) propuesto por Horvitz & Thompson, V ( t yπ ). Calcule la función de probabilidades de este estimador, su esperanza y su varianza. V ( t yπ ) = (l π l ) l π l k s l s v) Considere el estimador de V ( t yπ ) propuesto por Yates et al., V ( t yπ ). Calcule la función de probabilidades de este estimador, su esperanza y varianza. V ( t yπ ) = 2 k s l s (l π l ) ( ) 2. l π l vi) Comente sobre las ventajas y desventajas de los dos estimadores de la varianza considerados en este ejemplo particular.. Considere una población de 0 estaciones de servicio y suponga que se requiere estudiar el precio por litro de un tipo de gasolina. Los precios de la gasolina durante dos meses consecutivos, Mayo y Junio, aparecen en la tabla siguiente: Estación Mayo Junio i) Se requiere estimar la evolución del precio promedio por litro entre Mayo y Junio. Para esto se elige como parámetro la diferencia de los precios promedios de cada mes y como estimador de éste la diferencia entre las medias muestrales de cada mes. Considere las dos estrategias siguientes: a) Se seleccionan n estaciones (n < 0) en Mayo mediante un muestreo aleatorio simple y n estaciones en Junio también mediante un muestreo aleatorio simple, de manera que las dos muestras son completamente independientes. b) Se seleccionan n estaciones en Mayo mediante un muestreo aleatorio simple, y estas mismas n estaciones se consideran para el mes de Junio. Compare la eficiencia de las dos estrategias planteadas.
5 ii) Ahora suponga que el parámetro a estimar es el precio promedio de un litro de gasolina en los dos periodos. Considere como estimador el promedio de las medias muestrales de cada mes, compare la eficiencia de las dos estrategias planteadas en i). Hint: Observe que en un caso las muestras son independientes y por lo tanto los estimadores son independientes, por otro lado, se puede calcular la covarianza de dos estimadores expresando estos últimos en función de variables indicadoras. 9. Sea U una población de tamaño N. Suponga que se selecciona una muestra aleatoria simple s de tamaño fijo n de U. i) Suponga que se selecciona una muestra s 2 de tamaño n 2 de U \ s mediante un muestreo aleatorio simple. Considere la muestra s = s s 2. Determine la función diseño p(s). En ocasiones es conveniente aumentar la muestra seleccionada en un principio, por ejemplo, cuando los estimadores obtenidos son muy poco precisos o la tasa de no respuesta esperada es elevada. Este es un ejemplo en el que la selección de la muestra inicial se realiza mediante un muestreo aleatorio simple a muestra complementaria también se selecciona mediante un muestreo aleatorio simple. ii) Suponga que se requiere estimar Y y se define el estimador siguiente: donde 0 < θ <, Y = Y θ = θŷ + ( θ)ŷ 2, k s n y Ŷ 2 = k s 2 n 2. Muestre que para todo θ, Ŷ θ es un estimador insesgado de Y. iii) Encuentre el valor de θ con el que se obtiene el estimador óptimo entre la clase de estimadores de la forma Ŷ θ. 0. Considere una población de tamaño N y que de ésta se selecciona una muestra mediante un muestreo aleatorio simple con reemplazo de tamaño m = 3 extracciones. Sea s la muestra ordenada seleccionada incluyendo repeticiones y sea s la muestra obtenida omitiendo orden y con solamente los elementos distintos. i) Calcule la probabilidad R i, i =, 2, 3, de que la muestra s contenga exactamente i unidades distintas. ii) Muestre que el diseño de s condicionado a su tamaño n s es un muestreo aleatorio simple sin reemplazo con tamaño fijo. iii) Dé el diseño asociado a s. Hint: Para iii) puede condicionar en n s y usar lo obtenido en ii).. Ejercicios de Särndal: 2., 2.3, 2., 2.5, 2.6 y
TALLER DISEÑOS DE MUESTREO ESTADÍSTICO
TALLER DISEÑOS DE MUESTREO ESTADÍSTICO Profesor: Giovany Babativa. (Ejer..7 Lohr) Para cada una de las siguientes encuestas, describa la población objetivo, el marco de muestreo, la unidad de muestreo
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 detallesGuillermina Eslava. Semestre
Muestreo Bietápico Guillermina Eslava Semestre 2015-2 1 / 20 1 2 Varianza para diseños de muestreo multietápico donde la primera etapa es con reemplazo 3 Estimadores de razón 4 Comentarios sobre calibración
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
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 detallesPráctica 6: Fundamentos de la Inferencia. Teorema Central del Límite.
: Fundamentos de la Inferencia. Teorema Central del Límite. 1. Dada una población de media µ = 400 y varianza σ 2 = 1.600. Se obtiene una muestra aleatoria de tamaño 35. Detallar bajo qué condiciones se
Más detallesCapítulo 8 Métodos de Muestreo y el Teorema de Límite Central
Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central Objetivos: Al terminar este capítulo podrá: 1. Explicar por qué una muestra es la única forma posible de tener conocimientos acerca de una
Más detallesTécnicas de Muestreo I
1 / 39 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM agosto 2018 2 / 39 Temario 1. Introducción. Definición de conceptos elementales 2. Muestreo
Más detallesTécnicas de Muestreo I
1 / 33 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM septiembre 2018 Estimadores de Razón bajo m.a.s.) 2 / 33 3 / 33 Estimadores de Razón Se
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 detallesAsignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA
Asignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA Typeset by FoilTEX 5.1 MÉTODO DE LA CANTIDAD PIVOTAL X
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 detallesMuestreo en Poblaciones Finitas
Introducción al Muestreo en Poblaciones Finitas 1/32 Muestreo en Poblaciones Finitas Introducción y Conceptos Básicos José A. Mayor Gallego Departamento de Estadística e Investigación Operativa Universidad
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 detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
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 detallesDiseño de muestra para una encuesta de salida en una segunda vuelta presidencial
XXVII Simposio Internacional de Estadística 5th International Workshop on Applied Statistics Medellín, Antioquia, Colombia, 8 al 12 de agosto de 2017 Diseño de muestra para una encuesta de salida en una
Más detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesTribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado
Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Pruebas selectivas para el ingreso en el Cuerpo Superior de Estadísticos del Estado. Orden ECC/1517/2015, de 16 de Julio (BOE 27/07/2015).
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 detallesMuestreo en Poblaciones Finitas
Diseños Muestrales Complejos 1/35 Muestreo en Poblaciones Finitas Diseños Muestrales Complejos José A. Mayor Gallego Departamento de Estadística e Investigación Operativa Universidad de Sevilla Curso 2014-2015
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 11 Estimadores puntuales y de intervalo Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de los estimadores puntuales y de intervalo.
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detallesNombre: Solución: a) N(
1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media µ = 100 meses y desviación típica σ = 12 meses. Determínese el mínimo tamaño
Más detallesESTADÍSTICA 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 detallesTema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.
Tema 3 - Introducción 1 Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores
Más detallesImplicaciones del disen o de muestreo y el me todo de estimacio n del error esta ndar
Implicaciones del disen o de muestreo y el me todo de estimacio n del error esta ndar Direccio n de Pruebas y Medicio n, Subdireccio n de Ana lisis M.C. Jose Gustavo Rodrı guez Jime nez 25 de Septiembre
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 detalles1. Estimación. f(y) = θ e y θ, y > 0 0, en otro punto
1. Estimación Definición: Un estimador es una regla que indica cómo calcular el valor de una estimación con base en las mediciones que contien una muestra. Definición: Si ˆθ es un estimador puntual de
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesEJERCICIOS DISTRIBUCIONES MUESTRALES
EJERCICIOS DISTRIBUCIONES MUESTRALES 1. Se desea tomar una muestra aleatoria de tamaño n = 200 de la población estudiantil de la FES-C, que vamos a suponer asciende a N = 12000 estudiantes, con el objeto
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 5 Distribución de la Media Muestral Pedro Elosegui 1 2 Métodos y Distribuciones de Muestreo En estadística nos gustaría contar con los parámetros
Más detallesMuestreo en Poblaciones Finitas
Información Adicional. Estimadores de Razón y Regresión 1/25 Muestreo en Poblaciones Finitas Información Adicional. Estimadores de Razón y Regresión José A. Mayor Gallego Departamento de Estadística e
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesProf. Angel Zambrano ENERO 2009 Universidad de Los Andes Escuela de Estadística
Prof. Angel Zambrano ENERO 009 Universidad de Los Andes Escuela de Estadística Muestreo: Es una metodología que apoyándose en la teoría estadística y de acuerdo a las características del estudio, indica
Más detallesTÉCNICAS DE MUESTREO I MUESTREO ESTRATIFICADO
TÉCNICAS DE MUESTREO I MUESTREO ESTRATIFICADO Profesor: Ing. Celso Gonzales C. Mg.Sc CONTENIDO Introducción Muestreo Estratificado. Definiciones. Estimación de parámetros, tipos de asignación. CARACTERISTICAS
Más detallesAnálisis Estadístico en Simulaciones. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Análisis Estadístico en Simulaciones UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En una simulación las variables aleatorias son la entrada para
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN CARRERA DE INGENIERÍA AGRÍCOLA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN CARRERA DE INGENIERÍA AGRÍCOLA Séptimo semestre Nombre de la Asignatura: Inferencia Estadística Adscrita al departamento
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS
ANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Porqué muestrear? Para qué muestrear? Estimar parámetros de población Prueba de hipótesis Exploratorio
Más detallesDistribuciones Muestrales e Intervalos de Confianza
Distribuciones Muestrales e Intervalos de Confianza Sesión 5 Dr. Carlos J. Vilalta (DAP) Estadística - Curso propedéutico MAPP 2016 Centro de Investigación y Docencia económicas (CIDE) Contacto: carlos.vilalta@cide.edu
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesTEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesEstimación de Parámetros
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación
Más detallesSPSS. Módulo de Muestras Complejas. José Antonio Mayor Gallego. I.E.A. Curso de SPSS Mayo de 2009
SPSS. Módulo de Muestras Complejas José Antonio Mayor Gallego Departamento de Estadística e Investigación Operativa Universidad de Sevilla. Facultad de Matemáticas I.E.A. Curso de SPSS Mayo de 2009 Prof.
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
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 detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detalles12. (SEPTIEMBRE 2004) Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos
DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei EJERCICIOS DE SELECTIVIDAD 1. (JUNIO 2000) Una variable aleatoria X tiene distribución normal siendo su desviación típica igual a 3.
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesMuestreo en Poblaciones Finitas
Estratos y Conglomerados 1/35 Muestreo en Poblaciones Finitas Estratos y Conglomerados José A. Mayor Gallego Departamento de Estadística e Investigación Operativa Universidad de Sevilla Septiembre de 2011
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
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 detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesIntervalos de confianza Muestras grandes. Estadística Cátedra Prof. Tamara Burdisso
Intervalos de confianza Muestras grandes Por qué un intervalo de confianza? En la Unidad 3 revisamos los conceptos de población y muestra. Los parámetros poblacionales son la media μy la varianza σ 2.
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
Más detallesEUSKAL ESTATISTIKA ERAKUNDA INSTITUTO VASCO DE ESTADÍSTICA. Estimación de los coeficientes de variación en la Encuesta Industrial
Estimación de los coeficientes de variación en la Encuesta Industrial 1 Índice 1. Breve descripción de la Encuesta Industrial 1.1. Objetivos de la operación...3 1.2. Ámbito de la operación...3 1.3. Diseño
Más detallesTema 6. Estimación puntual
1 Tema 6. Estimación puntual En este tema: Planteamiento del problema. Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Métodos
Más detallesCDEE. Cuestiones 3er Ejercicio. 0 si x 1. k(x + 1) + x2 1. k(x + 1) x si x > 1
CUESTIÓN 1: El tiempo de retraso, medido en minutos, del AVE Madrid-Sevilla sigue una variable aleatoria continua con función de distribución: 0 si x 1 F (x) = k(x + 1) + x2 1 2 si 1 < x 0 k(x + 1) x2
Más detallesDiseño de la muestra censal 2010
Diseño de la muestra censal 2010 i Presentación El Instituto Nacional de Estadística y Geografía (INEGI) realizó el Censo de Población y Vivienda del 31 de mayo al 25 de junio de 2010. El presente documento
Más detallesUniversidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detallesEJEMPLO PROCESO DE MUESTREO SE QUIERE REALIZAR UN ESTUDIO SOBRE EMPRESAS QUE COMPRAN QUIMICOS DEL PAIS (USA)
EJEMPLO PROCESO DE MUESTREO SE QUIERE REALIZAR UN ESTUDIO SOBRE EMPRESAS QUE COMPRAN QUIMICOS DEL PAIS (USA) Proceso de muestreo Pasos para seleccionar una muestra: Paso 1. definir la población: elementos,
Más detallesa. Elija una muestra aleatoria simple de tamaño n=6 de esta población. Use una tabla de números aleatorios o Excel para la
Ejercicios Unidad I 1. Suponga que estamos investigando sobre el porcentaje de alumnos que trabajan de una población de 20 alumnos de la Universidad de Talca. Base de datos de la población: Nombre Alumno
Más detallesESTADÍSTICA (PEBAU 2017)
ESTADÍSTICA (PEBAU 2017) 1 En una muestra aleatoria de 100 individuos se ha obtenido, para la edad, una media de 17.5 años. Se sabe que la edad en la población de la que procede esa muestra sigue una distribución
Más detalles(1 punto) (1.5 puntos)
Ejercicios de inferencia estadística. 1. Sea la población {1,2,3,4}. a) Construya todas las muestras posibles de tamaño 2, mediante muestreo aleatorio simple. b) Calcule la varianza de las medias muestrales.
Más 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 detallesPROCESO DE MUESTREO MERCADOTECNIA II
PROCESO DE MUESTREO MERCADOTECNIA II PROCESO DE MUESTREO El proceso de diseño del muestreo incluye cinco etapas. Estas etapas están interrelacionadas en forma cercana y relevante con todos los aspectos
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesTALLER 1 ESTADISTICA II
TALLER 1 ESTADISTICA II Profesor: Giovany Babativa Distribuciones Muestrales 1. Suponga que la variable aleatoria Z sigue una distribución normal estándar, Halle: a. P (Z < 1,2) b. P (Z > 1,2) c. P ( 1,7
Más detallesNOTA ESTADÍSTICA ENCUESTA SUPLEMENTARIA DE INGRESOS (ESI)
NOTA ESTADÍSTICA ENCUESTA SUPLEMENTARIA DE INGRESOS (ESI) Julio de 2017 Los errores de muestreo existen como consecuencia de la utilización de una parte de la población para estimar características de
Más detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Más detalles28 de marzo del 2012 Curso: Teoría del Riesgo. Tarea 1
Tarea 1 Facultad de ciencias. UNAM. Profesor: Angel Manuel Godoy Aguilar Grupo: 6134 Instrucciones: Resuelva los siguientes ejercicios de manera clara, ordenada y con buena presentación. La parte correspondiente
Más detallesTema 6. Estimación puntual
Tema 6. Estimación puntual Contenidos Planteamiento del problema Criterios de comparación de estimadores: Insesgadez Estimadores de mínima varianza Error cuadrático medio Consistencia Métodos para obtener
Más detallesEncuesta Demográfica Retrospectiva 2017
Encuesta Demográfica Retrospectiva 07 EDER Diseño muestral Instituto Nacional de Estadística y Geografía Encuesta Demográfica Retrospectiva 08 EDER Diseño muestral Obras complementarias publicadas por
Más detallesLEC/LADE/LECD/LADED CURSO 2006/07 HOJA DE PROBLEMAS 3 INTERVALOS DE CONFIANZA
LEC/LADE/LECD/LADED CURSO 2006/07 HOJA DE PROBLEMAS 3 INTERVALOS DE CONFIANZA 1.-Los dirigentes de una empresa agroalimentaria piensan que el éxito de venta de su producto en Andalucía es el mismo que
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA Usando el modelo de probabilidad clásico de Laplace:
MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA 2011-2012 EJERCICIO 1 (1º) Calcular la probabilidad de que al lanzar dos dados la puntuación de uno de ellos sea menor que la del otro. Usando
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
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 detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L
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 detallesTema 6: Ejercicios de Inferencia con muestras grandes
Tema 6: s de Inferencia con muestras grandes Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA 15 de Mayo 2008 I4 Y JUN1998 En una encuesta
Más detallesCUESTIONES TEÓRICAS ESTADÍSTICA
Gestión Aeronáutica: Estadística Teórica Facultad Ciencias Económicas y Empresariales Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández CUESTIONES TEÓRICAS ESTADÍSTICA Gestión
Más detallesTema 6 Algunas distribuciones importantes Hugo S. Salinas
Algunas distribuciones importantes Hugo S. Salinas 1 Distribución binomial Se han estudiado numerosas distribuciones de probabilidad que modelan características asociadas a fenómenos que se presentan frecuentemente
Más detallesEconometría II. Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios
Econometría II Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios 1. Problema En el chero "Produccio.xls" se presenta la información sobre la producción Y, trabajo X 2 y capital X 3 en el sector
Más detallesEjercicio 1(12 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Primer Parcial Montevideo, 30 de mayo de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(12 puntos) En las elecciones departamentales se
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesSILABO DEL CURSO TEORÍA DE MUESTREO
FACULTAD DE ESTUDIOS DE LA EMPRESA CARRERA DE MARKETING SILABO DEL CURSO TEORÍA DE MUESTREO 1. DATOS GENERALES 1.1. Carrera Profesional : Marketing 1.2. Departamento : Marketing 1.3. Tipo de Curso : Obligatorio
Más detallesEjercicios Distribución Discretas
1 Ejercicios Distribución Discretas Distribución Binomial 1. Sea X Bin(15; 0,3). Calcular las siguientes probabilidades. a) P (X = 8) b) P (X 10) c) P (X > 8) d) P (6 < X < 11) 2. Sea X Bin(8; 0,45). Calcular
Más detallesTEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-)
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD INGENIERIA DE TELECOMUNICACIONES TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-) 1. Un proceso industrial fabrica
Más detalles