@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TEMA 14 * INFERENCIA ESTADÍSTICA MATEMÁTICAS A. CS II.

Slides:



Advertisements
Presentaciones similares
Estimación de una probabilidad en muestras pequeñas
Advertisements

Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace
Inferencia Estadística
Bioestadística Diplomado en Sanidad
Estimación por intervalos de confianza.
Estimación por Intervalos de confianza
TEMA 14 * INFERENCIA ESTADÍSTICA
2. ESTIMACIÓN Depto. Matemáticas – IES Elaios
Distribución muestral de la Media
FUNCIONES ELEMENTALES
Estadística Administrativa I
TEOREMA CENTRAL DEL LÍMITE Tema 13.3 * 2º BCS
Inferencia Estadística
Tema 10 * Integrales DEFINIDAS
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TIPOS DE ERRORES Tema 14.4 * 2º BCS.
Unidad V: Estimación de
@ Angel Prieto BenitoMatemáticas Aplicadas CS I1 DISTRIBUCIÓN NORMAL Tema 15.
ESTADISTICA TEMA 14.
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 CONTRASTE PARA LA MEDIA Tema 14.2 * 2º BCS.
INTERVALO DE CONFIANZA
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 NIVEL DE CONFIANZA Tema 13.5 * 2º BCS.
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TEMA 14 * INFERENCIA ESTADÍSTICA MATEMÁTICAS A. CS II.
1). Decir si cada una de Las siguientes afirmaciones es verdadera o falsa. Taller a) Para un tamaño de población y una varianza muestral dados, cuando.
Unidad V: Estimación de
ESTADISTICA TEMA y 223.
ESTIMACION En varios pasajes de este libro hemos planteado la dificultad que se confronta en las investigaciones, de llegar a conclusiones sobre una población.
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
Tema 8: Estimación 1. Introducción.
TEMA 15 * CONTRASTES DE HIPÓTESIS
Tema 14 DISTRIBUCIÓN Angel Prieto Benito
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 CONTRASTES DE HIPÓTESIS Tema 14 * 2º BCS.
Inferencia Estadística
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 INFERENCIA ESTADÍSTICA Tema 13.4 * 2º BCS.
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TEMA 14 * INFERENCIA ESTADÍSTICA MATEMÁTICAS A. CS II.
@ Angel Prieto BenitoMatemáticas Acceso a CFGS1 DISTRIBUCIÓN NORMAL Bloque IV * Tema 178.
Matemáticas Aplicadas CS I
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 DISTRIBUCIÓN NORMAL MATEMÁTICAS A. CS II Tema 13.
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 DISTRIBUCIÓN BINOMIAL MATEMÁTICAS A. CS II Tema 12.
Tema 7: Introducción a la inferencia estadística
Tema 7: Introducción a la inferencia estadística
DISTRIBUCIÓN BINOMIAL

@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TEMA 15 * CONTRASTES DE HIPÓTESIS MATEMÁTICAS A. CS II.
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TEMA 15 * CONTRASTES DE HIPÓTESIS MATEMÁTICAS A. CS II.
Estimación y contraste de hipótesis
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 DISTRIBUCIÓN NORMAL MATEMÁTICAS A. CS II Tema 13.
@ Angel Prieto BenitoApuntes 2º Bachillerato C.S.1 MATEMÁTICAS A. CS II Tema II Matrices.
ESTIMACIÓN DE PARÁMETROS
Matemáticas 2º Bachillerato CS
La doctora Inferencia Estadística: Efectos secundarios
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 DISTRIBUCIÓN BINOMIAL MATEMÁTICAS A. CS II Tema 12.
Intervalos de confianza
Estadística Experimental
INFERENCIA ESTADÍSTICA
Laboratorio de Estadística administrativa Distribuciones de Muestreo Teorema del límite central Tamaño de muestra Marzo de 2007.
@ Angel Prieto BenitoMatemáticas Aplicadas CS I1 U.D. 14 * 1º BCS DISTRIBUCIÓN BINOMIAL.
UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE CIENCIAS ECONOMICAS INFERENCIA ESTADISTICA TEMA: ESTIMACION PUNTUAL, PROPIEDADES DE LAS ESTIMACIONES;
@ Angel Prieto BenitoMatemáticas Aplicadas CS I1 DISTRIBUCIÓN NORMAL U.D. 15 * 1º BCS.
TAMAÑO DE LA MUESTRA. Para definir el tamaño de la muestra se debe tener en cuenta los recursos disponibles y las necesidades del plan de análisis, el.
DISTRIBUCIÓN “t” DE STUDENT
POBLACIÓN Y MUESTRA CÁLCULO DEL TAMAÑO MUESTRAL. Descripción e inferencia Población Muestra Muestreo Inferencia Resultado.
Tema : DISTRIBUCIÓN EN EL MUESTREO DEL ESTIMADOR : “ MEDIA MUESTRAL “ A partir de una población si pudieramos realizar un Censo obtendríamos los parámetros.
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
Estadística Inferencial
@ Angel Prieto BenitoMatemáticas 2º Bachillerato C.S.1 INTEGRALES U.D. 10 * 2º BCS.
TAMAÑO DE LA MUESTRA Alvaro Alfredo Bravo Dpto. de Matemáticas y Estadística Universidad de Nariño - Colombia.
CLARA ESPINO ESTIMULACION ESTADISTICA. Tarea 3. Estimulación puntual Si a partir de las observaciones de una muestra se calcula un solo valor como estimación.
INTERVALO DE CONFIANZA
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 INFERENCIA ESTADÍSTICA U.D. 14 * 2º BCS.
INFERENCIA ESTADÍSTICA
Transcripción de la presentación:

@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TEMA 14 * INFERENCIA ESTADÍSTICA MATEMÁTICAS A. CS II

@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS2 Tema 14.8 * 2º B CS NIVEL DE CONFIANZA PARA LA PROPORCIÓN

@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS3 INTERVALO DE CONFIANZA Se desea estimar la proporción de elementos, p, que posee una cierta característica. Para ello se recurre a una muestra de tamaño n, en la que se obtiene una proporción muestral pr. El error máximo admisible sabemos que era: E = z α/2.√p.q/n En caso de proporciones debemos asegurarnos que p.n > 5 y q.n > 5 para que realmente exista una distribución normal. Y además es necesario que la muestra sea grande n > 30. Cumpliendo las dos premisas anteriores, el error máximo admisible o cota de error para la estimación de p es: E = z α/2.√pr.(1 – pr)/n El intervalo de confianza de p con un nivel de confianza (1 – α).100% es: (pr – z α/2.√[pr.(1 – pr)/n], pr + z α/2.√[pr.(1 – pr)/n] )

@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS4 EJEMPLO_1 Se toma una muestra de 500 adultos. De ellos, 200 leen habitualmente el periódico. Hallar, con un nivel de confianza del 95%, un intervalo para estimar la proporción p de lectores adultos. Resolución: Una probabilidad o nivel de confianza del 95% significa: 1 – α = 0,95  α/2 = 0,025  z α/2 = 1,96 La proporción muestral es: pr = 200/500 = 0,40 Tenemos n=500 y pr=0,40  Hallamos 1 – pr = 0,60 El error máximo admisible o cota de error para la estimación de p es: E = z α/2.√pr.(1 – pr)/n = 1,96. √0,40.0,60/500 = 1,96.0,0219 = 0,04294 El intervalo pedido es: ( pr – E, pr + E)= (0,40 – 0,04294, 0,40 + 0,04294) = (0’3570, 0’4429) Con un nivel de confianza del 95%, la proporción de lectores adultos de toda la población oscila entre el 35,70% y el 44,29 %

@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS5 EJEMPLO_2 Se toma una muestra de 500 adultos. De ellos, 200 leen habitualmente el periódico. Con un nivel de confianza del 95%, el intervalo donde se encuentra la proporción p de lectores adultos es (0’3570, 0’4429). La cota de error ha sido de 0, Queremos repetir la experiencia para conseguir una cota de error de 0,02 con el mismo nivel de confianza. ¿Qué tamaño debe tener la muestra?. Resolución: Conocemos z α/2 = 1,96 y E = 0,02 El error máximo admisible o cota de error para la estimación de p es: E = z α/2.√pr.(1 – pr)/n Tomamos como pr el valor de pr de la muestra anterior, pues no podemos saber su valor sin estudiar la muestra; pero si sabemos que estará muy próximo al valor anterior. 0,02 = 1,96. √0,40.0,60/n  (0,02 / 1,96) 2 = 0,24/n 0, n = 0,24  n = 0,24 / 0, = 2305,47 La muestra debe ser de 2306 adultos.

@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS6 EJEMPLO_3 A partir de una muestra de 141 adultos se ha estimado una proporción mediante el intervalo de confianza (0,15, 0,19). ¿Cuál es el nivel de confianza con el que se ha hecho la estimación?. Resolución: pr es el valor medio del intervalo: pr = (0,15+0,19)/2=0,17 El error E es la mitad de la longitud del intervalo: E =0,04/2 = 0,02 El error máximo admisible o cota de error para la estimación de p es: E = z α/2.√pr.(1 – pr)/n 0,02 = z α/2 √0,17.(1 – 0,17)/141 0,02 = z α/2 0,0316  z α/2 = 0,02 / 0,0316 = 0,6331 P(Z > z α/2 ) = α/2  P(Z > 0,6331) = 1 – P(Z< 0,6331) Por Tablas: P(Z< 0,6331) = 0,7366 Luego P(Z > 0,6331) = 1 – 0,7366 = 0,2633 α/2 = 0,2633  α = 0,5266  (1 – α) = 0,4733 La estimación se ha realizado con un nivel de confianza del 47,33%, muy bajo.