X : “Sueldo de los empleados de una empresa de servicios”

Slides:



Advertisements
Presentaciones similares
Comparación de dos poblaciones
Advertisements

Estimación de una probabilidad en muestras pequeñas
MÉTODOS ESTADÍSTICOS.
Riesgo de Diabetes e IMC por regiones en mujeres
Test de Hipótesis.
Fco. Javier Burguillo Universidad de Salamanca
IreneMACCESO AL TRABAJO, IGUALDAD EN EL TRABAJO
INTERVALO DE CONFIANZA PARA UNA MEDIA
DISTRIBUCIONES MUESTRALES, DE LAS MUESTRAS O DE MUESTREO
4. 0 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 4
DISTRIBUCION BINOMIAL
Muestreo Introducción Suma muestral Media muestral
Universidad Mexicana en Línea Carrera: Administración Pública Asignatura: Estadística Tutor: Leonardo Olmedo Alumno: Alfredo Camacho Cordero Matrícula:
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
CB y Bootstrap Lic. Luis Francisco Zaldívar MSE. Herramienta Bootstrap Mide nivel de confianza y exactitud de parámetros estadísticos del Perfil de Riesgo.
ESTADISTICA TEMA y 223.
DISTRIBUCION NORMAL GRUPO # 7 JUAN BANIGNO RATLIFF
ANALISIS DE FRECUENCIA EN HIDROLOGIA (3)
AGENDA Distribuciones de probabilidad discreta
Maestría en Transporte Estadística Capítulo 1. Objetivos ¿Cómo se determinan las magnitudes para planificación de transporte, operación de transporte,
INSTITUTO NACIONAL DE OSICALA
Contraste de proporciones
TAMAÑO MINIMO DE MUESTRA PARA COMPARACIONES DE PROMEDIOS Mario Briones L. MV, MSc 2005.
Muestreo PoblaciónMuestra. ☺☻☼♀♂♠♣♥♦♪♫▼►☺☻☼♀♂♠♣♥♦♪♫▼♦♪♫▼► ►☼♂♠♣♫▼►♀♂♠♣☺☻☼♥♦♪♫♥♦♪♫▼►▼►♀♂♠ ☺☻☼♀♂♠♠♣♫▼►♀♂♠♣☺♠♣♫▼►♀♂♠♠♣♥♦♪♀ ♣☺☼♀♂♠♣♫▼►♀♂♠♣☺☻☼♥♣♫▼►♀♂♠☻☻☼♀♂

Teoría de Probabilidad Dr. Salvador García Lumbreras
Estadística Aplicada Descripción del Curso Este curso trata sobre la presentación de modelos Probabilísticos y Estadísticos aplicados en las distintas.
PRUEBAS ESTADISTICAS NO PARAMETRICAS
Evaluación de estadística (Caracterización de variables Cuantitativas) Imagínese que usted ha sido contratado por el secretario de salud para elaborar.
Caso anorexia Jesús Martínez
ACCESO AL TRABAJO, IGUALDAD EN IGUALDAD EN EL TRABAJO
Su valor de verdad solo es VERDADERO SI todos sus operandos son VERDADEROS, de lo contrario su valor de verdad es FALSO. A B A ^ B V F V V F F F V F.
Laboratorio de Estadística administrativa Distribuciones de Muestreo Teorema del límite central Tamaño de muestra Marzo de 2007.
Estadística Inferencial
 510/todos-los-detectives-se-llaman- flanagan_ _776.jpg 
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 LA BINOMIAL Y LA NORMAL U.D. 12 * 2º BCS.
ESTADISTICA ADMINISTRATIVA I MAGAÑA GONZALES ALEXIA MEX MARTINEZ BRANDON BERNABE MOO ULLOA VANESSA CRISTEL.
EQUIPO DE DOCENTES DISTRIBUCIONES DE PROBABILIDAD Variable aleatoria discreta.
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Distribuciones discretas: Bernouilli, binomial, Poisson y multivariante. Las distribuciones discretas son aquellas.
DISTRIBUCIONES DE Probabilidad
INFERENCIA ESTADÍSTICA
Introducción al seguro de vida
Distribución de Poisson
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
ESTADÍSTICAS INFERENCIALES
ESTADISTICA APLICADA I UNIDAD: INFERENCIA ESTADISTICA
7.1 Procedimientos paramétricos para datos cuantitativos
DISTRIBUCIONES EN EL MUESTREO
Valor que toma la variable aleatoria
Clase 8: Contraste de Hipótesis
Estadística.
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
puede o no ser verdadero, relativo a una o más poblaciones.
Cuantos estudiantes hay en 1-1.
Principios de Estadística
ROLANDO REYES PROFESOR DE FÍSICA Y MATEMÁTICAS. Verdadero o Falso.
GIOVANNY ANDRES ARENAS UNIVERSIDAD DE IBAGUE-COREDUCACIÓN
La mayoría de las variables aleatorias que se presentan en los estudios relacionados con las ciencias sociales, físicas y biológicas, por ejemplo, el peso.
La mayoría de las variables aleatorias que se presentan en los estudios relacionados con las ciencias sociales, físicas y biológicas, por ejemplo, el peso.
TABLA DE CONTINGENCIA  Una tabla de contingencia es una es una distribución (una matriz) en filas y columnas en la que los individuos de una población.
PROBABILIDAD DOCENTE: EDWIN ANDRÉS PERDOMO. CONCEPTOS BÁSICOS EXPERIMENTO ALEATORIO EPACIO MUESTRAL SUCESO O EVENTO.
PROBABILIDAD Y ESTADISTICA
ESTADÍSTICA INFERENCIAL Docente: Mg. YOANDRY RIVERO PADRON TERCER SEMESTRE.
Cuantos estudiantes hay en 9-1.
EJERCICIO HIPERGEOMÉTRICA
PRUEBAS ESTADISTICAS NO PARAMETRICAS. Pruebas tradicionales Necesitan la especificación de una distribución Son métodos robustos para las distribuciones.
Unidades I y II Evaluación de Proceso Nº1
Menú principal Terminar presentación Ejercicio 5-6 El peso neto (en oz) de un producto blanqueador se va a monitorear con una gráfica de control utilizando.
Bioestadística Sesión 7: Probabilidad José Aurelio Pina Romero
La empresa perez S.A de C.V sus trabajadores ganan $30.00 la hora y hacen galletas el precio de tal producto es de $5.00 por unidad. Pero el mes siguiente.
Transcripción de la presentación:

X : “Sueldo de los empleados de una empresa de servicios” n = 635 empleados xmáx = $8000 P67 = $1300 R = $7010  xmín = $8000 - $7010 = $990 s = $955,25 P($2240 < X < $2960) = 0 Verdadero Verdadero Verdadero Falso Falso Verdadero

X : “Sueldo de los empleados de una empresa de servicios” n = 635 empleados xmáx = $8000 P67 = $1300 R = $7010  xmín = $8000 - $7010 = $990 s = $955,25 P($2240 < X < $2960) = 0 Falso Verdadero Falso CV = s / x = 0,6239  x = s / CV = $955,25 / 0,6239 = $1531,09 CV = s / x = 1  x = s / CV = $955,25 / 1 = $955,25

P(  - k < X <  + k ) > 1 - 1/k2 X : “Sueldo de los empleados de una empresa de servicios” nH = 495 empleados nM = 140 empleadas Teorema de Chebyshev P(  - k < X <  + k ) > 1 - 1/k2 xH = $1593,08 xM = $1312,14 P ($48,65 < X < $3137,51) > 1 - 1/k2 sH = $1029,62 sM = $576,61  ~ ~ $1593,08 – k.$1029,62 = $48,65 xH = $1100 xM = $1100 k = 1,5 $1593,08 + k.$1029,62 = $3137,51 Q3H = $1700 Q3M = $1300 P($48,65 < X < $3137,51) > 1 - 1/(1,5)2 P($48,65 < X < $3137,51) > 0,5556

nH = 495 empleados nM = 140 empleadas P(H) = 495/635 = 0,7795 P(M) = 140/635 = 0,2205 G : “Que el empleado/a gane más de $1500” P(G / H) = 198/495 = 0,40 H : “Que el empleado sea hombre” P(G / M) = 25/140 = 0,1786 M : “Que el empleado sea mujer” P(G  H) = 198/635 = 0,3118 P(G  M) = 25/635 = 0,0394 X : Cantidad de hombres que ganan más de $1500 entre cuatro hombres X  Binomial ( n = 4 ; p = 0,4 ) P ( X  1 ) = 1 – P ( X < 1 ) = 1 – F ( 0 ) = 1 – f ( 0 ) = 1 – 0,1296 = 0,8704 Y : Cantidad de hombres que ganan más de $1500 entre cuatro elegidos de una población de 495 hombres con 198 que ganan más de $1500 Y  Hipergeométrica ( N = 495; M = 198 ; n = 4 ) P ( Y  1 ) = 1 – P ( Y < 1 ) = 1 – F ( 0 ) = 1 – f ( 0 ) = 1 – C198,0 . C297,4 / C495,4 = 0,8714

nH = 495 empleados nM = 140 empleadas P(H) = 495/635 = 0,7795 P(M) = 140/635 = 0,2205 G : “Que el empleado/a gane más de $1500” P(G / H) = 198/495 = 0,40 H : “Que el empleado sea hombre” P(G / M) = 25/140 = 0,1786 M : “Que el empleado sea mujer” P(G  H) = 198/635 = 0,3118 P(G  M) = 25/635 = 0,0394 P ( / M ) G = P (  M ) / P ( M ) = G (115 / 635) / (140 / 635) = 115 / 140 = 0,8214

nH = 495 empleados nM = 140 empleadas P(H) = 495/635 = 0,7795 P(M) = 140/635 = 0,2205 G : “Que el empleado/a gane más de $1500” P(G / H) = 198/495 = 0,40 H : “Que el empleado sea hombre” P(G / M) = 25/140 = 0,1786 M : “Que el empleado sea mujer” P(G  H) = 198/635 = 0,3118 P(G  M) = 25/635 = 0,0394 a) P ( G  H ) = 198 / 635 = 0,3118 b) P (  M ) G = 115 / 635 = 0,1811 c) P ( ) G = 412 / 635 = 0,6488

nH = 495 empleados nM = 140 empleadas P(H) = 495/635 = 0,7795 P(M) = 140/635 = 0,2205 G : “Que el empleado/a gane más de $1500” P(G / H) = 198/495 = 0,40 H : “Que el empleado sea hombre” P(G / M) = 25/140 = 0,1786 M : “Que el empleado sea mujer” P(G  H) = 198/635 = 0,3118 P(G  M) = 25/635 = 0,0394 X : Cantidad de personas que hay que seleccionar hasta encontrar a una que reciba un sueldo de más de $1500 ¿ X  Geométrica ( p = 223/635 = 0,3512 )? ¿Son eventos independientes? P ( G’1  G’2  G3 ) = P ( G’1 ) . P ( G’2 / G’1 ) . P (G3 / G’1  G’2 ) = = 412/635 . 411/634 . 223/633 = 0,1482

nH = 495 empleados nM = 140 empleadas P(H) = 495/635 = 0,7795 P(M) = 140/635 = 0,2205 G : “Que el empleado/a gane más de $1500” P(G / H) = 198/495 = 0,40 H : “Que el empleado sea hombre” P(G / M) = 25/140 = 0,1786 M : “Que el empleado sea mujer” P(G  H) = 198/635 = 0,3118 P(G  M) = 25/635 = 0,0394 X : Cantidad de personas que reciben un salario mayor a $3500

T : Tiempo que demandan las uniones Tipo A T  Exponencial(  = 1/ = 1/ = 1/18 ) P ( T < 14 ) = F (14 ) = 1 – e-(1/18).14 = 1 – 0,4594 = 0,5406

X : Cantidad de soldaduras defectuosas en una muestra de tamaño 2, extraída de una población de tamaño 12 con 3 soldaduras defectuosas X  Hipergeométrica ( N = 12 ; M = 3 ; n = 2 ) P ( X = 0 ) = C3,0 . C9,2 / C12,2 = 0,545455

X : Cantidad de soldaduras de bajo riesgo defectuosas entre 5 soldaduras X  Binomial ( n = 5 ; p = 0,01 ) P ( X = 1 ) = f ( 1 ) = 0,0480

X : Estatura de los soldadores Y : Cantidad de soldadores que miden entre 175 y 185 centímetros X  Normal (  = 176,60 cm ; 2 = (5,9 cm)2 ) Y  Binomial ( n = 60 ; p = ? ) p = P ( 175 < X < 185 ) = P ( -0,27 < Z < +1,42 ) = = 0,92220 – 0,39358 = 0,52862 Y  Binomial ( n = 60 ; p = 0,52862 ) E (Y) = n.p = 60 . 0,52862 = 31,7172 trajes

X : Resistencia a compresión del hormigón sin aditivos X  Normal (  = ? ; 2 = ? ) P20 = 28,99 MPa P96 = 32,10 MPa x = z .  +   28,99 = - 0,84 .  +  32,10 = + 1,75 .  +   = 30 Mpa  = 1,2 MPa 