Este documento presenta información sobre estadística inferencial y distribuciones muéstrales. Explica conceptos como el teorema del límite central, la distribución muestral de la media y la varianza. Además, detalla los contenidos, resultados de aprendizaje y habilidades que los estudiantes desarrollarán al aprender sobre técnicas de muestreo probabilístico y no probabilístico, y determinación del tamaño de la muestra.
Este documento explica cómo construir distribuciones muestrales de medias para una población, incluyendo los pasos para: 1) determinar el número de muestras posibles, 2) listar todas las muestras, 3) calcular la media de cada muestra, 4) agrupar las medias y calcular la media de medias, 5) calcular el error típico de la muestra y la población. Proporciona ejemplos para muestras con y sin reposición de tamaños 2 y 3 elementos seleccionados de poblaciones dadas.
Este documento explica cómo construir distribuciones muestrales de medias para una población, incluyendo los pasos para: 1) determinar el número de muestras posibles, 2) listar todas las muestras, 3) calcular la media de cada muestra, 4) agrupar las medias y calcular la media de medias, 5) calcular la desviación típica de la muestra y la población. Proporciona ejemplos para ilustrar cómo aplicar estos pasos para muestras con y sin reposición de diferentes tamaños.
El documento introduce conceptos estadísticos como muestreo, distribuciones muestrales, teorema del límite central y estimadores. Explica que las distribuciones muestrales de medias y proporciones tienden a una distribución normal a medida que aumenta el tamaño de la muestra. También define varianza muestral y presenta ejemplos para ilustrar los conceptos.
El documento resume conceptos clave de estadística inferencial como intervalos de confianza y pruebas de hipótesis. Explica técnicas de muestreo como muestreo aleatorio simple, sistemático y estratificado. Luego define distribuciones muestrales, incluyendo la media muestral y error típico. Finalmente, introduce el teorema del límite central, el cual establece que la distribución muestral de la media se aproxima a una distribución normal a medida que el tamaño de la muestra aumenta.
El documento habla sobre conceptos estadísticos como media, varianza, desviación estándar y probabilidad. Explica cómo calcular la media de una muestra, la varianza y desviación estándar como medidas de dispersión de los datos, y los principios básicos del conteo de permutaciones y combinaciones para calcular probabilidades. Incluye ejemplos numéricos para ilustrar los conceptos.
Este documento describe diferentes tipos de muestreo y estadísticos para resumir datos de una muestra. Explica que el muestreo aleatorio permite generalizar sobre una población cuando no es posible analizar todos sus elementos. Luego define estadísticos como la media, la mediana y la moda para describir los datos de una muestra, y estadísticos como la varianza y la desviación estándar para medir su variabilidad. Finalmente, analiza la distribución de probabilidad de estos estadísticos al tomar múltiples muestras de
Este documento presenta una introducción a las medidas de tendencia central y dispersión en estadística. Explica las cinco medidas de tendencia central más comunes (media, mediana, moda, media armónica y media geométrica) y cómo calcularlas. También describe tres medidas de dispersión (rango, varianza y desviación estándar) y los pasos para calcular la varianza y desviación estándar de una muestra de datos. El objetivo es que los estudiantes aprendan a identificar y calcular estas medidas para resumir y describir conjuntos de datos.
Este documento describe la distribución muestral y sus características principales. Una distribución muestral es la distribución de probabilidad de una estadística muestral calculada a partir de todas las muestras posibles de tamaño n elegidas al azar de una población. Generalmente nos interesa conocer la forma funcional, media y desviación estándar de la distribución muestral. El documento explica cómo varían estas características dependiendo de si el muestreo es con o sin reemplazo y si la población es finita
Este documento explica cómo construir distribuciones muestrales de medias para una población, incluyendo los pasos para: 1) determinar el número de muestras posibles, 2) listar todas las muestras, 3) calcular la media de cada muestra, 4) agrupar las medias y calcular la media de medias, 5) calcular el error típico de la muestra y la población. Proporciona ejemplos para muestras con y sin reposición de tamaños 2 y 3 elementos seleccionados de poblaciones dadas.
Este documento explica cómo construir distribuciones muestrales de medias para una población, incluyendo los pasos para: 1) determinar el número de muestras posibles, 2) listar todas las muestras, 3) calcular la media de cada muestra, 4) agrupar las medias y calcular la media de medias, 5) calcular la desviación típica de la muestra y la población. Proporciona ejemplos para ilustrar cómo aplicar estos pasos para muestras con y sin reposición de diferentes tamaños.
El documento introduce conceptos estadísticos como muestreo, distribuciones muestrales, teorema del límite central y estimadores. Explica que las distribuciones muestrales de medias y proporciones tienden a una distribución normal a medida que aumenta el tamaño de la muestra. También define varianza muestral y presenta ejemplos para ilustrar los conceptos.
El documento resume conceptos clave de estadística inferencial como intervalos de confianza y pruebas de hipótesis. Explica técnicas de muestreo como muestreo aleatorio simple, sistemático y estratificado. Luego define distribuciones muestrales, incluyendo la media muestral y error típico. Finalmente, introduce el teorema del límite central, el cual establece que la distribución muestral de la media se aproxima a una distribución normal a medida que el tamaño de la muestra aumenta.
El documento habla sobre conceptos estadísticos como media, varianza, desviación estándar y probabilidad. Explica cómo calcular la media de una muestra, la varianza y desviación estándar como medidas de dispersión de los datos, y los principios básicos del conteo de permutaciones y combinaciones para calcular probabilidades. Incluye ejemplos numéricos para ilustrar los conceptos.
Este documento describe diferentes tipos de muestreo y estadísticos para resumir datos de una muestra. Explica que el muestreo aleatorio permite generalizar sobre una población cuando no es posible analizar todos sus elementos. Luego define estadísticos como la media, la mediana y la moda para describir los datos de una muestra, y estadísticos como la varianza y la desviación estándar para medir su variabilidad. Finalmente, analiza la distribución de probabilidad de estos estadísticos al tomar múltiples muestras de
Este documento presenta una introducción a las medidas de tendencia central y dispersión en estadística. Explica las cinco medidas de tendencia central más comunes (media, mediana, moda, media armónica y media geométrica) y cómo calcularlas. También describe tres medidas de dispersión (rango, varianza y desviación estándar) y los pasos para calcular la varianza y desviación estándar de una muestra de datos. El objetivo es que los estudiantes aprendan a identificar y calcular estas medidas para resumir y describir conjuntos de datos.
Este documento describe la distribución muestral y sus características principales. Una distribución muestral es la distribución de probabilidad de una estadística muestral calculada a partir de todas las muestras posibles de tamaño n elegidas al azar de una población. Generalmente nos interesa conocer la forma funcional, media y desviación estándar de la distribución muestral. El documento explica cómo varían estas características dependiendo de si el muestreo es con o sin reemplazo y si la población es finita
Este documento presenta un resumen de medidas de tendencia central y medidas de dispersión. Explica que las medidas de tendencia central como la media, mediana y moda describen el centro de un conjunto de datos, mientras que las medidas de dispersión como el rango, varianza y desviación estándar miden qué tan dispersos están los datos. Proporciona fórmulas y ejemplos para calcular cada medida. El objetivo es que los estudiantes conozcan y sepan calcular estas medidas estadísticas básicas.
Este documento trata sobre el Teorema del Límite Central. Explica que cuando el tamaño de la muestra es grande, la distribución de muestreo de la media se aproxima a una distribución normal, independientemente de la distribución de la población. También introduce conceptos como estadígrafos, muestreo aleatorio simple, ley de los grandes números y distribuciones muestrales basadas en la normalidad.
Este documento presenta información sobre distribuciones muestrales y técnicas de muestreo. Explica conceptos como error de muestreo, distribución muestral, media muestral y varianza muestral. También describe diferentes tipos de muestreo como probabilístico y no probabilístico, e incluye ejemplos para ilustrar conceptos como distribución muestral y error de muestreo.
Este documento presenta un texto sobre problemas de inferencia estadística. En el Capítulo 1 se introduce la distribución normal y el teorema del límite central. Se define la distribución normal indicando sus características geométricas y estadísticas. Luego, se explica la distribución normal estándar y cómo usar la tabla de distribución normal para calcular probabilidades. Finalmente, se indica que entre μ - σ y μ + σ se encuentra el 68.27% de las observaciones de una distribución normal.
Este documento presenta los conceptos básicos de la inferencia estadística. Introduce la inferencia estadística y el muestreo aleatorio simple. Explica las distribuciones asociadas al muestreo como la Chi-cuadrado, t-Student y F de Snedecor. Finalmente, describe las distribuciones de estadísticos muestrales como la media, varianza y proporción.
El documento resume conceptos sobre distribuciones muestrales de la media y proporciones. Explica que la distribución muestral de la media describe las posibles medias de muestras extraídas de una población y su media es igual a la media poblacional. También define la distribución muestral de proporciones y explica cómo calcular la media y desviación estándar para muestras con y sin reemplazamiento. Finalmente, señala que la distribución muestral de la media se aproxima a una normal para muestras grandes seg
El documento describe las distribuciones muestrales de la media y las proporciones. Explica que la distribución muestral de la media describe todas las posibles medias de las muestras obtenidas de la población. Muestra un ejemplo numérico para calcular las medias muestrales. También explica que cuando la muestra es grande, la distribución muestral de la media se aproxima a una distribución normal según el teorema del límite central. Finalmente, define la distribución muestral de proporciones y cómo calcular su media y des
Este documento resume los métodos de estimación de parámetros para problemas con una y dos muestras en inferencia estadística. Explica cómo estimar la media de una población a partir de una muestra, incluyendo el cálculo de intervalos de confianza tanto cuando la varianza se conoce como cuando no. También cubre la estimación para muestras relacionadas y el uso de la distribución t cuando la varianza es desconocida.
Este documento presenta un resumen de 3 oraciones o menos:
El documento introduce las distribuciones muestrales y explica que cuando se toman muestras de una población, los estadísticos calculados a partir de las muestras (como la media) siguen distribuciones de probabilidad específicas. Además, desarrolla el Teorema del Límite Central, el cual establece que para muestras grandes, la distribución de la media muestral se aproxima a una distribución normal. Finalmente, presenta ejemplos para
1) La inferencia estadística permite deducir cómo se distribuye una población o las relaciones entre variables a partir de una muestra, utilizando técnicas estadísticas y matemáticas válidas y una muestra representativa y de tamaño suficiente. 2) Los conceptos básicos incluyen población, muestra, muestreo aleatorio, parámetro, estadístico y sus propiedades. 3) La distribución de muestreo de la media y la varianza pueden aproximarse a distribuciones normales y t-student, respect
Este documento resume tres distribuciones de probabilidad discretas: la distribución binomial, la hipergeométrica y la de Poisson. Explica que la distribución binomial modela experimentos con dos resultados posibles, la hipergeométrica experimentos de muestreo sin reposición de una población finita dividida en dos clases, y la de Poisson eventos aleatorios en el tiempo. Además, proporciona ejemplos y fórmulas para calcular probabilidades usando cada distribución.
El documento trata sobre inferencia estadística. Explica que la inferencia estadística comprende métodos para deducir las características de una población a partir de una muestra. Luego describe diferentes tipos de muestreo probabilístico como el aleatorio simple y estratificado. También define conceptos como muestra, distribución muestral, distribución de probabilidad discreta y continua, y el teorema central del límite. Por último, presenta algunos ejemplos para ilustrar estos conceptos.
Este documento trata sobre estadística y probabilidad. Explica conceptos como distribuciones muestrales, muestras aleatorias simples, estadísticas y estadísticos. Además, describe la distribución de la media muestral y cómo sigue una distribución normal según el Teorema Central del Límite. Por último, presenta un ejemplo numérico para ilustrar estas ideas.
Este documento presenta los conceptos fundamentales de las distribuciones muestrales y la prueba z. Explica cómo generar distribuciones muestrales mediante el muestreo de una población y calcula la probabilidad de obtener cada valor del estadístico. Luego, ilustra cómo aplicar la prueba z utilizando un ejemplo sobre el rendimiento de lectura de estudiantes para determinar si la diferencia entre la media muestral y la poblacional es estadísticamente significativa.
El documento describe diferentes técnicas de muestreo estadístico. Explica que el muestreo aleatorio simple asigna la misma probabilidad de selección a cada elemento de la población. También describe el muestreo sistemático, donde se calcula un intervalo de selección dividiendo el tamaño total entre el tamaño de la muestra deseada. El objetivo del muestreo es obtener una muestra representativa de la población que permita hacer inferencias sobre esta de manera eficiente.
Este documento presenta conceptos básicos de estadística aplicada. Explica que la estadística se ocupa de recopilar y analizar datos para tomar decisiones. Define población, muestra, frecuencia, variable, media, mediana, varianza y desviación estándar. También introduce conceptos como distribución normal, estandarización y probabilidad. El objetivo es proporcionar las bases para realizar análisis estadísticos.
Este documento presenta plantillas para realizar un análisis FODA (Fortalezas, Oportunidades, Debilidades, Amenazas). Incluye instrucciones para completar las plantillas FODA para empresas y de forma personal. Proporciona dos plantillas alternativas para cada tipo de análisis, con secciones para listar los elementos FODA organizados por temas o categorías. El propósito es identificar los factores internos y externos positivos y negativos para apoyar el proceso de toma de decisiones.
La auditoría de gestión analiza las prácticas de gestión de una empresa para establecer recomendaciones de mejora. Se diferencia de la auditoría financiera en que examina la eficiencia, eficacia y economía de la gestión en lugar de opiniones sobre estados financieros. Las motivaciones para una auditoría de gestión incluyen reorganizaciones, reestructuraciones, fusiones o cambios en el mercado o la legislación.
Este documento presenta un resumen de medidas de tendencia central y medidas de dispersión. Explica que las medidas de tendencia central como la media, mediana y moda describen el centro de un conjunto de datos, mientras que las medidas de dispersión como el rango, varianza y desviación estándar miden qué tan dispersos están los datos. Proporciona fórmulas y ejemplos para calcular cada medida. El objetivo es que los estudiantes conozcan y sepan calcular estas medidas estadísticas básicas.
Este documento trata sobre el Teorema del Límite Central. Explica que cuando el tamaño de la muestra es grande, la distribución de muestreo de la media se aproxima a una distribución normal, independientemente de la distribución de la población. También introduce conceptos como estadígrafos, muestreo aleatorio simple, ley de los grandes números y distribuciones muestrales basadas en la normalidad.
Este documento presenta información sobre distribuciones muestrales y técnicas de muestreo. Explica conceptos como error de muestreo, distribución muestral, media muestral y varianza muestral. También describe diferentes tipos de muestreo como probabilístico y no probabilístico, e incluye ejemplos para ilustrar conceptos como distribución muestral y error de muestreo.
Este documento presenta un texto sobre problemas de inferencia estadística. En el Capítulo 1 se introduce la distribución normal y el teorema del límite central. Se define la distribución normal indicando sus características geométricas y estadísticas. Luego, se explica la distribución normal estándar y cómo usar la tabla de distribución normal para calcular probabilidades. Finalmente, se indica que entre μ - σ y μ + σ se encuentra el 68.27% de las observaciones de una distribución normal.
Este documento presenta los conceptos básicos de la inferencia estadística. Introduce la inferencia estadística y el muestreo aleatorio simple. Explica las distribuciones asociadas al muestreo como la Chi-cuadrado, t-Student y F de Snedecor. Finalmente, describe las distribuciones de estadísticos muestrales como la media, varianza y proporción.
El documento resume conceptos sobre distribuciones muestrales de la media y proporciones. Explica que la distribución muestral de la media describe las posibles medias de muestras extraídas de una población y su media es igual a la media poblacional. También define la distribución muestral de proporciones y explica cómo calcular la media y desviación estándar para muestras con y sin reemplazamiento. Finalmente, señala que la distribución muestral de la media se aproxima a una normal para muestras grandes seg
El documento describe las distribuciones muestrales de la media y las proporciones. Explica que la distribución muestral de la media describe todas las posibles medias de las muestras obtenidas de la población. Muestra un ejemplo numérico para calcular las medias muestrales. También explica que cuando la muestra es grande, la distribución muestral de la media se aproxima a una distribución normal según el teorema del límite central. Finalmente, define la distribución muestral de proporciones y cómo calcular su media y des
Este documento resume los métodos de estimación de parámetros para problemas con una y dos muestras en inferencia estadística. Explica cómo estimar la media de una población a partir de una muestra, incluyendo el cálculo de intervalos de confianza tanto cuando la varianza se conoce como cuando no. También cubre la estimación para muestras relacionadas y el uso de la distribución t cuando la varianza es desconocida.
Este documento presenta un resumen de 3 oraciones o menos:
El documento introduce las distribuciones muestrales y explica que cuando se toman muestras de una población, los estadísticos calculados a partir de las muestras (como la media) siguen distribuciones de probabilidad específicas. Además, desarrolla el Teorema del Límite Central, el cual establece que para muestras grandes, la distribución de la media muestral se aproxima a una distribución normal. Finalmente, presenta ejemplos para
1) La inferencia estadística permite deducir cómo se distribuye una población o las relaciones entre variables a partir de una muestra, utilizando técnicas estadísticas y matemáticas válidas y una muestra representativa y de tamaño suficiente. 2) Los conceptos básicos incluyen población, muestra, muestreo aleatorio, parámetro, estadístico y sus propiedades. 3) La distribución de muestreo de la media y la varianza pueden aproximarse a distribuciones normales y t-student, respect
Este documento resume tres distribuciones de probabilidad discretas: la distribución binomial, la hipergeométrica y la de Poisson. Explica que la distribución binomial modela experimentos con dos resultados posibles, la hipergeométrica experimentos de muestreo sin reposición de una población finita dividida en dos clases, y la de Poisson eventos aleatorios en el tiempo. Además, proporciona ejemplos y fórmulas para calcular probabilidades usando cada distribución.
El documento trata sobre inferencia estadística. Explica que la inferencia estadística comprende métodos para deducir las características de una población a partir de una muestra. Luego describe diferentes tipos de muestreo probabilístico como el aleatorio simple y estratificado. También define conceptos como muestra, distribución muestral, distribución de probabilidad discreta y continua, y el teorema central del límite. Por último, presenta algunos ejemplos para ilustrar estos conceptos.
Este documento trata sobre estadística y probabilidad. Explica conceptos como distribuciones muestrales, muestras aleatorias simples, estadísticas y estadísticos. Además, describe la distribución de la media muestral y cómo sigue una distribución normal según el Teorema Central del Límite. Por último, presenta un ejemplo numérico para ilustrar estas ideas.
Este documento presenta los conceptos fundamentales de las distribuciones muestrales y la prueba z. Explica cómo generar distribuciones muestrales mediante el muestreo de una población y calcula la probabilidad de obtener cada valor del estadístico. Luego, ilustra cómo aplicar la prueba z utilizando un ejemplo sobre el rendimiento de lectura de estudiantes para determinar si la diferencia entre la media muestral y la poblacional es estadísticamente significativa.
El documento describe diferentes técnicas de muestreo estadístico. Explica que el muestreo aleatorio simple asigna la misma probabilidad de selección a cada elemento de la población. También describe el muestreo sistemático, donde se calcula un intervalo de selección dividiendo el tamaño total entre el tamaño de la muestra deseada. El objetivo del muestreo es obtener una muestra representativa de la población que permita hacer inferencias sobre esta de manera eficiente.
Este documento presenta conceptos básicos de estadística aplicada. Explica que la estadística se ocupa de recopilar y analizar datos para tomar decisiones. Define población, muestra, frecuencia, variable, media, mediana, varianza y desviación estándar. También introduce conceptos como distribución normal, estandarización y probabilidad. El objetivo es proporcionar las bases para realizar análisis estadísticos.
Similar a Estadística Inferencial Semana 1.pptx (20)
Este documento presenta plantillas para realizar un análisis FODA (Fortalezas, Oportunidades, Debilidades, Amenazas). Incluye instrucciones para completar las plantillas FODA para empresas y de forma personal. Proporciona dos plantillas alternativas para cada tipo de análisis, con secciones para listar los elementos FODA organizados por temas o categorías. El propósito es identificar los factores internos y externos positivos y negativos para apoyar el proceso de toma de decisiones.
La auditoría de gestión analiza las prácticas de gestión de una empresa para establecer recomendaciones de mejora. Se diferencia de la auditoría financiera en que examina la eficiencia, eficacia y economía de la gestión en lugar de opiniones sobre estados financieros. Las motivaciones para una auditoría de gestión incluyen reorganizaciones, reestructuraciones, fusiones o cambios en el mercado o la legislación.
Este documento presenta una introducción a la teoría del consumidor. Explica que la teoría del consumidor estudia cómo las personas deciden gastar su dinero considerando sus preferencias y restricciones presupuestarias. Describe las preferencias de los consumidores, la clasificación de bienes según su sustituibilidad, y el concepto de curvas de indiferencia. Finalmente, proporciona un ejemplo numérico para ilustrar las preferencias de un consumidor entre dinero y filete.
El documento explica los conceptos de efecto precio, efecto sustitución y efecto renta en la demanda. Indica que el efecto precio es la suma del efecto sustitución y efecto renta. Presenta ejemplos para ilustrar cómo calcular estos efectos usando los enfoques de Slutsky y Hicks y cómo clasificar los bienes como normales, inferiores o de Giffen dependiendo de los signos de los efectos. Finalmente, compara los cálculos de los efectos para un ejemplo particular usando ambos enfoques.
Este documento presenta información sobre la asignatura de Economía Ambiental. Explica los componentes, resultados de aprendizaje, contenidos procedimentales y actitudinales. Detalla las unidades que comprenden conceptos como fallos de mercado, valor y precio, eficiencia del mercado y bienes públicos. Además, introduce temas como teoría del valor, teoría de las preferencias y medidas de bienestar económico.
Este documento presenta información sobre métodos de valoración económica de recursos naturales. Explica conceptos clave como valoración económica ambiental, capital natural, servicios ecosistémicos y bienestar humano. También analiza los fundamentos teóricos de la valoración, incluyendo el valor económico total y las fallas de mercado que surgen al valorar recursos ambientales. El objetivo final es generar herramientas para la toma de decisiones ambientales que maximicen el bienestar social.
Este documento presenta conceptos clave sobre economía ambiental, incluyendo fallos de mercado, valor, precio, eficiencia del mercado y bienes públicos. Explica las teorías del valor y cómo se diferencian el valor y el precio. También describe estrategias para fijar precios como valor para el cliente, costos, ajustes por segmentos y psicológicos. Finalmente, propone actividades para analizar la valoración de ecosistemas y tendencias en servicios ecosistémicos.
Este documento describe los conceptos generales de los modelos de negocio circulares, incluyendo cinco tipos principales y cómo transformar modelos de negocio lineales en circulares. También presenta ejemplos exitosos como Ecovative Design, que produce biomateriales a partir de procesos naturales, y Adidas, que fabrica zapatos con plástico recuperado de los océanos.
Este documento presenta un resumen de 3 oraciones o menos de la unidad 3 de la asignatura Economía Ambiental. La unidad analiza los métodos de valoración económica de los recursos naturales, incluyendo métodos indirectos como el análisis de conjoint. El análisis de conjoint es explicado a través de un ejemplo que estima la preferencia de los pasajeros entre el precio y tiempo de espera de los autobuses. Finalmente, se describen los pasos generales para aplicar un estudio de conjoint.
Este documento presenta una introducción a la gestión de proyectos. Explica conceptos clave como proyecto, gestión de proyectos, ciclo de vida del proyecto y fases de la gestión de proyectos. Luego presenta un caso de trabajo sobre la creación de una ruta de compras para revitalizar el comercio en una zona. Finalmente, detalla las secciones en las que se dividirá el análisis de la gestión del proyecto propuesto.
Este documento presenta varios métodos para valorar activos intangibles como la salud y el medio ambiente. Describe métodos indirectos como los costes de reposición y las medidas defensivas, que estiman los costes asociados con reemplazar o proteger un activo. También describe métodos directos como la valoración contingente que pide a las personas su disposición a pagar. Explica cómo aplicar estos métodos para valorar funciones como la prevención de la erosión del suelo y los cambios en las tasas de morbilidad.
Este documento presenta información sobre el curso de Economía Ambiental. Incluye el plan de estudios con los objetivos, contenidos y metodología a seguir. Explica conceptos clave como servicios ecosistémicos y métodos para su clasificación. También analiza las relaciones entre los ecosistemas y el bienestar humano, así como factores que influyen en los ecosistemas. Finalmente, discute enfoques para la valoración económica, ambiental y social de los servicios de los ecosistemas.
Este documento resume las principales contribuciones de las ciencias sociales entre 1900 y 1965 por disciplina y áreas de atención. Muestra que la psicología, economía, política, estadística matemática, sociología, filosofía y antropología hicieron importantes contribuciones en teoría, método y resultados. La psicología fue la disciplina con más contribuciones, seguida de economía y política. Las áreas de mayor atención fueron teoría, método y resultados.
El documento discute los conceptos de crecimiento y desarrollo económicos desde la perspectiva de la geografía económica. Explica que el crecimiento se refiere al aumento del PIB, mientras que el desarrollo también considera el bienestar humano. Identifica varios factores que influyen en el crecimiento como el capital humano, físico y tecnológico, así como factores institucionales. Finalmente, señala que el desarrollo y crecimiento no son inherentemente "buenos" o "malos",
El documento trata sobre conceptos básicos de macroeconomía. Explica que la macroeconomía estudia la producción, el empleo y los precios a corto plazo, así como el crecimiento económico a largo plazo. Sus objetivos principales son lograr un alto nivel de producción y empleo con estabilidad de precios. Mide las variables macroeconómicas como el PIB, IPC y tasa de desempleo.
Este documento presenta un modelo de gestión de la innovación en 5 pasos: 1) Vigilar el entorno para identificar oportunidades, 2) Focalizar en las opciones más prometedoras, 3) Capacitarse con los recursos necesarios, 4) Implantar la innovación, y 5) Aprender de los resultados. También define la innovación y discute tipos como radical vs incremental, de producto vs proceso, y tirado por el mercado vs empujado por la tecnología. El modelo busca gestionar la innovación de manera sistemática para mant
El documento presenta una introducción a conceptos económicos como el equilibrio de mercado, el excedente del consumidor y del productor, y cómo estos conceptos miden el bienestar económico. Explica que en competencia perfecta, el equilibrio de mercado maximiza el bienestar total alcanzando una asignación eficiente de recursos. También analiza cómo los impuestos afectan el equilibrio de mercado y el bienestar, desplazando la curva de demanda y cambiando los precios y cantidades de equilibrio.
Karl Marx propone una teoría del valor-trabajo según la cual el valor de una mercancía está determinado por la cantidad de trabajo socialmente necesario para producirla, en contraste con otras teorías que consideran el trabajo como un factor intrínseco del valor. Marx argumenta que el valor de una mercancía depende de la organización social y las relaciones de producción más que de su utilidad o contenido material. El valor de una mercancía representa la cantidad de trabajo abstracto privado e independiente requerido socialmente para producirla con el fin de satisfacer necesidades ajenas.
Este documento presenta conceptos clave de la teoría del valor de Marx. Explica que el valor de una mercancía se basa en la cantidad de trabajo socialmente necesario para producirla. Define los tipos de trabajo, capital, valor y formas que toma el valor como concreto, dinero y general. También distingue entre capital constante, variable y la plusvalía creada por el trabajo.
Este documento resume las ideas y contribuciones de varios pensadores económicos clásicos como Adam Smith, David Ricardo y Francios Quesnay. Explica brevemente las escuelas mercantilista y fisiócrata, así como conceptos como la "mano invisible" y la teoría de los costos comparativos. El documento analiza los orígenes del pensamiento económico y su evolución a través de los siglos.
José Luis Jiménez Rodríguez
Junio 2024.
“La pedagogía es la metodología de la educación. Constituye una problemática de medios y fines, y en esa problemática estudia las situaciones educativas, las selecciona y luego organiza y asegura su explotación situacional”. Louis Not. 1993.
El curso de Texto Integrado de 8vo grado es un programa académico interdisciplinario que combina los contenidos y habilidades de varias asignaturas clave. A través de este enfoque integrado, los estudiantes tendrán la oportunidad de desarrollar una comprensión más holística y conexa de los temas abordados.
En el área de Estudios Sociales, los estudiantes profundizarán en el estudio de la historia, geografía, organización política y social, y economía de América Latina. Analizarán los procesos de descubrimiento, colonización e independencia, las características regionales, los sistemas de gobierno, los movimientos sociales y los modelos de desarrollo económico.
En Lengua y Literatura, se enfatizará el desarrollo de habilidades comunicativas, tanto en la expresión oral como escrita. Los estudiantes trabajarán en la comprensión y producción de diversos tipos de textos, incluyendo narrativos, expositivos y argumentativos. Además, se estudiarán obras literarias representativas de la región latinoamericana.
El componente de Ciencias Naturales abordará temas relacionados con la biología, la física y la química, con un enfoque en la comprensión de los fenómenos naturales y los desafíos ambientales de América Latina. Se explorarán conceptos como la biodiversidad, los recursos naturales, la contaminación y el desarrollo sostenible.
En el área de Matemática, los estudiantes desarrollarán habilidades en áreas como la aritmética, el álgebra, la geometría y la estadística. Estos conocimientos matemáticos se aplicarán a la resolución de problemas y al análisis de datos, en el contexto de las temáticas abordadas en las otras asignaturas.
A lo largo del curso, se fomentará la integración de los contenidos, de manera que los estudiantes puedan establecer conexiones significativas entre los diferentes campos del conocimiento. Además, se promoverá el desarrollo de habilidades transversales, como el pensamiento crítico, la resolución de problemas, la investigación y la colaboración.
Mediante este enfoque de Texto Integrado, los estudiantes de 8vo grado tendrán una experiencia de aprendizaje enriquecedora y relevante, que les permitirá adquirir una visión más amplia y comprensiva de los temas estudiados.
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARIS”. Esta actividad de aprendizaje propone el reto de descubrir el la secuencia números para abrir un candado, el cual destaca la percepción geométrica y conceptual. La intención de esta actividad de aprendizaje lúdico es, promover los pensamientos lógico (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia y viso-espacialidad. Didácticamente, ésta actividad de aprendizaje es transversal, y que integra áreas del conocimiento: matemático, Lenguaje, artístico y las neurociencias. Acertijo dedicado a los Juegos Olímpicos de París 2024.
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...Juan Martín Martín
Criterios de corrección y soluciones al examen de Geografía de Selectividad (EvAU) Junio de 2024 en Castilla La Mancha.
Soluciones al examen.
Convocatoria Ordinaria.
Examen resuelto de Geografía
conocer el examen de geografía de julio 2024 en:
https://blogdegeografiadejuan.blogspot.com/2024/06/soluciones-examen-de-selectividad.html
http://blogdegeografiadejuan.blogspot.com/
2. UNIDAD 1
CD CP CA
1.1 1.1 1.1
1.2 1,2 1,2
1.3 1,3 1,3
Nº
HORAS
UNIDAD
Distribuciones muéstrales y técnicas de muestreos
COMPONENTES
RESULTADOS DE APRENDIZAJE DE LA ASIGNATURA: Desarrolla la capacidad de seleccionar la técnica de muestreo más adecuada considerando la teoría
sobre distribuciones muéstrales.
CONTENIDOS ACTITUDINALES
(ACTITUDES Y VALORES)
CONTENIDOS PROCEDIMENTALES
(HABILIDADES)
CONTENIDO A DESARROLLAR
• Identifica y aplica las técnicas de
muestreo probabilístico.
• Identifica y aplica las técnicas de
muestreo no probabilístico.
• Determina el tamaño de la muestra
adecuada, considerando la información
disponible.
• Muestra interés por las
ciencias estadísticas.
• Valora la importancia de
identificar y aplicar una
correcta técnica de muestreo.
• Muestra rigurosidad al
aplicar las técnicas de
muestreo.
12
• Identifica las condiciones para la
aplicación del teorema del límite central.
• Examina la distribución muestral de la
media.
• Examina la distribución muestral de la
varianza.
12 12
• Es honesto y muestra respeto
por los procedimientos que
permiten generar resultados
confiables.
36
• Teorema del límite central.
• Distribución muestral de la media.
• Distribución de la varianza.
• Técnicas de muestreo
probabilístico.
• Técnicas de muestreo no
probabilístico.
• Determinación del tamaño de la
muestra.
3. CONTENIDO
Distribución muestral de la media.
SUBCONTENIDO
Prueba de diagnóstico, para medir conocimientos
previos.
SEMANA UNIDAD
Socialización del programa analítico, sistema de
evaluación, aspectos institucionales y normativos.
1/16 1 1,1
Teorema del límite central.
5. Teorema del límite central.
El Teorema Central del Límite dice que si
tenemos un grupo numeroso de variables
independientes y todas ellas siguen el mismo
modelo de distribución (cualquiera que éste sea), la
suma de ellas se distribuye según una distribución
normal. Este teorema se aplica tanto a suma de
variables discretas como de variables continuas.
7. La gráfica de la función densidad, conocida como campana de Gauss, se
expone a continuación para la variable normal tipificada oestándar,
definida para μ=0 y σ=1 :
8. Ejemplo : la variable "tirar una moneda al
aire" sigue la distribución de Bernoulli. Si
lanzamos la moneda al aire 50 veces, la
suma de estas 50 variables (cada una
independiente entre sí) se distribuye según
una distribución normal.
9. Los parámetros de la distribución normal son:
⦿ Media : n * m (media de la variable
individual multiplicada por el número de
variables independientes)
⦿ Varianza : n * s2 (varianza de la variable
individual multiplicada por el número de
variables individuales)
10. El teorema del límite central garantiza una
distribución normal cuando n es suficientemente
grande.
Si n > 30, se puede usar el TLC.
Si la distribución madre es normal, la distribución
de la media muestral también es normal,
independientemente del tamaño.
x ≈ N(μx; σx) Þ x ≈ N(μx; σx)
11. La aproximación entre las dos distribuciones es, en
general, mayor en el centro de las mismas que en sus
extremos o colas, motivo por el cual se prefiere el
nombre "teorema del límite central" ("central" califica al
límite, más que al teorema).
Este teorema, perteneciente a la teoría de la
probabilidad, encuentra aplicación en muchos campos
relacionados, tales como la inferencia estadística o la
teoría de renovación.
12.
13. Si se sabe que la dureza Rockwell de pernos
de cierto tipo tiene un valor medio de 50 y
desviación estándar de 1,5.
a)Si la distribución es normal, ¿cuál es la
probabilidad de que la dureza muestral media
para una muestra aleatoria de 9 pernos sea por
lo menos 52?
b)¿Cuál es la probabilidad (aproximada) de
que la dureza muestral media para una muestra
aleatoria de 40 pernos sea al menos 52?
μ = 50
σ = 1,5
x ≈ N(50; 1,5)
Ejemplo 1:
14. a)
n = 9
x = 52
x ≈ N(50; 1,5.√9)
z = (x - μ)/(σ/√n)
La probabilidad de que la media muestral sea superior a
52 es:
⦿ 𝑃 𝑋 ≥ 52 = 1 − 𝑃(𝑋 < 52)
⦿ = 1 − 𝑃(𝑍 <
52−50
)
⦿ = 1 − 𝑃(𝑍 < 4)
⦿ ≅ 1-1 ≅ 0
1,5
√9
16. Se lanza una moneda al aire 100
veces, si sale cara le damos el
valor 1 y si sale cruz el valor 0.
Calcular la probabilidad de que en
estos 100 lanzamientos salgan
más de 60 caras.
Ejemplo 2:
17. ⦿E(X)=0,5
⦿Var(X)=0,25
⦿La variable suma de estas 100 variables
independientes se distribuye, por tanto,
según una distribución normal.
⦿Media = 100 * 0,5 = 50
⦿Varianza = 100 * 0,25 = 25
18. ⦿Para ver la probabilidad de que salgan
más de 60 caras calculamos la variable
normal tipificada equivalente:
⦿Por lo tanto:
⦿ P (X > 60) = P (Y > 2,0) = 1- P (Y < 2,0)
= 1 - 0,9772 = 0,0228
19. ⦿la probabilidad de que al tirar 100 veces
la moneda salgan más de 60 caras es
tan sólo del 2,28%.
20.
21. ⦿ El diámetro interior de un anillo de pistón
seleccionado al azar es una variable aleatoria
con valor medio de 12cm y desviación estándar
de 0.04cm
⦿ a) Si x es el diámetro medio de la muestra para
una muestra aleatoria de n=16 anillos
⦿¿Cuál sería la probabilidad de que el diámetro de
los anillos sea mayor a 12,5 cm?
Ejercicio 1:
22. DISTRIBUCIÓN MUESTRAL DE LA MEDIA
Objetivo:
• Diseñar de forma práctica una distribución muestral para
la media de la población explicando la relación que
guardan estadísticos y parámetros, es decir las
relaciones entre las medidas calculadas en la población y
las calculadas en las muestras.
23. DEFINICIÓN DISTRIBUCION MUESTRAL
DISTRIBUCION MUESTRAL: Es el conjunto de estadísticos (valores que
resultan del análisis de muestreo), que pueden obtenerse de las
diferentes muestras de igual tamaño que conforman una población
determinada.
DISTRIBUCION MUESTRAL DE MEDIAS
Es una distribución de probabilidades de todas las medias posibles de
las muestras de igual tamaño que se pueden extraer de poblaciones
dadas.
Para realizar una distribución muestral de medias es necesario seguir
los siguientes pasos:
24. DISTRIBUCIÓN MUESTRAL DE MEDIAS.
5. Cálculo de la media poblacional (la media de la población dada)
6. Confirmar que
7. Calculo del error típico
8. Confirmar que
1.Determinar el # de muestras Muestreo con reposición: Muestreo sin reposición
Para: Muestreo con reposición
Error típico para muestra
Para: Muestreo sin reposición
Error típico para muestra
Error típico para población
f
x f.X f (X X )2
2. Listar todas las muestras
3. Calcular la media (x) para cada muestra.
4. Agrupación de media(x) y calculo de la media de medias (X). Completar la siguiente tabla.
Error típico para población
Tabla para encontrar la desviación ()
x
Donde:
n: son los elementos que se toman de la población
N: son el total de elementos de la población
() se determina de la misma manera que para muestreo con
reposición.
x
f (x x)2
f
x
f (x x)2
f
(X X )2
25. DISTRIBUCION MUESTRAL DE MEDIAS
Cómo determinar el número de muestras y como listar las muestras.
1.Se tiene la siguiente población: N= A,B,C,D.
(N= 4 elementos)
Determine cuántas muestras de dos elementos (n=2) se pueden obtener y haga un listado
de esas muestras.
Utilice los dos métodos: muestreo con reposición y sin reposición.
Muestreo con reposición
Número de muestras que se obtienen al seleccionar dos elementos de cuatro.
N=4 n=2
Habrán 16 muestras de 2 elementos
N= A,B,C,D.
Listar muestras: cada elemento de la población se relaciona con todos los elementos.
Nn
42
16
AA BA CA DA
AB BB CB DB
AC BC CC DC
AD BD CD DD
26. Muestreo sin reposición
Número de muestras que se obtienen al seleccionar dos elementos de cuatro.
N=4 n=2
Se tendrán 6 muestras de 2 elementos
Listar muestras: como no se permite repetición; El primer elemento de la población se relaciona
con todos los elementos que aparecen después de él. El segundo elemento se relaciona, con
todos los elementos que están después de él. El tercer elemento se relaciona con todos los que
están después de él. Y así sucesivamente.
N= A,B,C,D.
DISTRIBUCION MUESTRAL DE MEDIAS
NCn 4C2 6
AB BC CD
AC BD
AD
27. EJEMPLOS
DISTRIBUCIÓN MUESTRAL DE MEDIAS (CON REPOSICIÓN)
1. Para la siguiente población: haga una distribución muestral de medias para una
selección de 2 elementos.
N= 1,3,5,7
Solución:
DISTRIBUCIÓN MUESTRAL DE MEDIAS.
1.Determinar el # de muestras (muestreo con reposición)
N= 4 elementos n= 2 elementos
2. Listar todas las muestras
N= 1,3,5,7
para cada muestra.
Nn
42
16
1,1 3,1 5,1 7,1
1,3 3,3 5,3 7,3
1,5 3,5 5,5 7,5
1,7 3,7 5,7 7,7
3. Calcular la media x
muestras
x muestras
x muestras
x muestras
x
1,1 (1+1)/2= 1 3,1 (3+1)/2= 2 5,1 (5+1)/2= 3 7,1 (7+1)/2= 4
1,3 (1+3)/2= 2 3,3 (3+3)/2= 3 5,3 (5+3)/2= 4 7,3 (7+3)/2= 5
1,5 (1+5)/2= 3 3,5 (3+5)/2= 4 5,5 (5+5)/2= 5 7,5 (7+5)/2= 6
1,7 (1+7)/2= 4 3,7 (3+7)/2= 5 5,7 (5+7)/2= 6 7,7 (7+7)/2= 7
28. (la media de la población dada).
5. Cálculo de la media poblacional
N= 1,3,5,7
6. Comprobar que
DISTRIBUCIÓN MUESTRAL DE MEDIAS (CON REPOSICIÓN)
x f
f X (X X
)2
f (X X
)2
Prob.
1 1 1x1=1 9 9 1/16
2 2 2x2=4 4 8 2/16
3 3 3x3=9 1 3 3/16
4 4 4x4=16 0 0 4/16
5 3 5x3=15 1 3 3/16
6 2 6x2=12 4 8 2/16
7 1 7x1=7 9 9 1/16
Total
: ∑
16 64 40 16/16
4. Agrupación de media x y calculo de la media de medias x . Completa r la siguiente tabla.
En la primer columna escribimos todas las medias que
resultaron , y en la segunda, el número de veces que se
repite cada una de ellas.
Media de medias
X
f X
64
4
f 16
x
1357
4
N 4
x4
29. Para: Muestreo con reposición
Error típico para muestra
Error típico para población
Donde:
n: son los elementos que se toman de la población
N: son el total de elementos de la población
Tabla para encontrar la desviación ()
x
N= 1,3,5,7
DISTRIBUCIÓN MUESTRAL DE MEDIAS (CON REPOSICIÓN)
7. Calculo del error típico (usar formulas para muestreo con reposición)
Error típico para la muestra: N=4 elementos n=2
elementos
Error típico para la población:
f (x x)2
40
x 1.58
16
f
N
(x )2
n
x
x
1 (1-4)2= 9
3 (3-4)2=1
5 (5-4)2=1
7 (7-4)2=9
∑ 20
(x)2
4
5
N
(x )2
20
4
5
n 2
x 1.58
8. Comprobar que xx
x x 1.58
f (x x)2
x
f
30. EJEMPLOS
DISTRIBUCIÓN MUESTRAL DE MEDIAS (SIN REPOSICIÓN)
1. Para la siguiente población: haga una distribución muestral de medias para una
selección de 2 elementos.
N= 2,4,6,8
Solución:
DISTRIBUCIÓN MUESTRAL DE MEDIAS.
1.Determinar el # de muestras (SIN REPOSICIÓN
N= 4 elementos n= 2 elementos
2. Listar todas las muestras
N= 2,4,6,8
3. Calcular la media para cada muestra.
NCn 4C2 6
2,4 4,6 6,8
2,6 4,8
2,8
x
muestras x muestras x
2,4 (2+4)/2= 3 4,6 (4+6)/2= 5
2,6 (2+6)/2= 4 4,8 (4+8)/2= 6
2,8 (2+8)/2= 5 6,8 (6+8)/2= 7
31. EJEMPLOS
(la media de la población dada).
5. Cálculo de la media poblacional
N= 2,4,6,8
6. Comprobar que
x f f x (x x)2
f (x x)2 Prob.
3 1 3x1=3 4 4 1/6
4 1 4x1=4 1 1 1/6
5 2 5x2=10 0 0 2/6
6 1 6x1=6 1 1 1/6
7 1 7x1=7 4 4 1/6
Total :
∑
6 30 10 6/6
DISTRIBUCIÓN MUESTRAL DE MEDIAS (SIN REPOSICIÓN)
4. Agrupación de media x y cálculo de la media de medias x. Completar la siguiente tabla.
En la primer columna escribimos todas las medias que
resultaron , y en la segunda, el numero de veces que se
repite cada una de ellas.
Media de medias
x
f x
30
5
f 6
x
2468
5
N 4
x5
32. EJEMPLOS
Para: Muestreo sin reposición
Error típico para muestra
Error típico para población
Tabla para encontrar la desviación ()
x
Donde:
n: son los elementos que se toman de la población
N: son el total de elementos de la población
DISTRIBUCIÓN MUESTRAL DE MEDIAS (SIN REPOSICIÓN)
7. Calculo del error típico (usar formulas para muestreo sin reposición) N= 2,4,6,8
Error típico para la muestra: N=4 elementos n=2
elementos
Error típico para la población:
f (x x)2
10
x 1.29
6
f
N
(x )2
.
N n
n
x
N 1
x
2 9
4 1
6 1
8 9
∑ 20
(x)2
5
5
N
(x )2
20
4
2
n
N n 5 4 2
x . . 1.29
N 1 4 1
8. Comprobar que xx
x x 1.29
x
f (x x)2
f
33. Ejercicio.
Sea la población de 5 calificaciones: 4,5,6,7 y 8.
Construya la distribución de medias respectivas con y
sin reposición para una muestra de tamaño 2 y sin
reposición para una muestra de tamaño 3.