Este documento presenta conceptos estadísticos como distribución muéstral, estimación, diferencia de medias y proporciones. Explica que la distribución muéstral representa todas las muestras posibles de una población, y la estimación provee valores aproximados de parámetros poblacionales. Incluye ejemplos de cálculos de intervalos de confianza para medias y proporciones usando distribuciones normales y t-student. Concluye resaltando la importancia de los modelos estadísticos para el análisis descript
Este documento presenta una introducción a las medidas estadísticas descriptivas como la media, la mediana, la moda, los cuartiles, la varianza, la desviación estándar y el coeficiente de variación. Explica cómo calcular cada medida y provee ejemplos numéricos. Adicionalmente, recomienda un video complementario para explicaciones visuales y concluye agradeciendo la atención del lector.
Este documento trata sobre distribuciones muestrales y estimación. Explica que una distribución muestral es la distribución de probabilidad de un estimador que resulta de considerar todas las muestras posibles de una población. La estimación tiene como objetivo principal generalizar las conclusiones de una muestra a la población completa. El documento incluye ejemplos de distribuciones muestrales de medias, diferencias de medias, proporciones y diferencias de proporciones.
El documento presenta los resultados de una encuesta realizada a 275 personas adultas en cuatro sectores de la ciudad de Huancán sobre su opinión acerca del uso de la píldora del día siguiente. Se muestran los datos clasificados por sector y opinión a favor, en contra o sin opinión. Se busca determinar si los cuatro sectores son homogéneos en su opinión sobre el tema, con un 99% de confianza, usando la prueba Ji-cuadrada. También se explica brevemente esta prueba estadística no paramétric
Este documento presenta conceptos básicos de estadística como distribuciones muestrales, estimación puntual e intervalos de confianza. Explica que una distribución muestral describe la variabilidad de un estadístico al tomar muestras repetidas de una población. También introduce la noción de estimar parámetros poblacionales a partir de muestras y calcular intervalos de confianza para dichas estimaciones.
Este documento presenta información sobre el teorema del límite central. Explica que este teorema establece que la distribución de las medias muestrales seguirá una distribución normal cuando la muestra es suficientemente grande. También indica que la media muestral se acercará a la media de la población a medida que aumente el tamaño de la muestra. Por último, proporciona fórmulas para calcular la probabilidad de que la media o proporción muestral se encuentre dentro de ciertos rangos.
DISTRIBUCIÓN MUESTRAL
Una distribución muestral es la distribución de probabilidad de un estimador o estadígrafo que resulta de considerar todas las muestras posibles que pueden ser tomadas de una población. Es decir, si se toman todas las muestras posibles y se obtienen los diferentes valores para un estimador y su respectiva probabilidad, a esta distribución que se forma, es lo que se denomina Distribución Muestral.
Este documento presenta información sobre la distribución muestral de diferencias de medias y proporciones. Explica que la diferencia entre las medias de dos muestras sigue una distribución normal que puede usarse para evaluar si hay diferencias entre las medias poblacionales. También describe cómo la diferencia entre proporciones muestrales de dos poblaciones binomiales se aproxima a una distribución normal para muestras grandes. Incluye ejemplos numéricos para ilustrar los conceptos.
Este documento presenta una introducción a las medidas estadísticas descriptivas como la media, la mediana, la moda, los cuartiles, la varianza, la desviación estándar y el coeficiente de variación. Explica cómo calcular cada medida y provee ejemplos numéricos. Adicionalmente, recomienda un video complementario para explicaciones visuales y concluye agradeciendo la atención del lector.
Este documento trata sobre distribuciones muestrales y estimación. Explica que una distribución muestral es la distribución de probabilidad de un estimador que resulta de considerar todas las muestras posibles de una población. La estimación tiene como objetivo principal generalizar las conclusiones de una muestra a la población completa. El documento incluye ejemplos de distribuciones muestrales de medias, diferencias de medias, proporciones y diferencias de proporciones.
El documento presenta los resultados de una encuesta realizada a 275 personas adultas en cuatro sectores de la ciudad de Huancán sobre su opinión acerca del uso de la píldora del día siguiente. Se muestran los datos clasificados por sector y opinión a favor, en contra o sin opinión. Se busca determinar si los cuatro sectores son homogéneos en su opinión sobre el tema, con un 99% de confianza, usando la prueba Ji-cuadrada. También se explica brevemente esta prueba estadística no paramétric
Este documento presenta conceptos básicos de estadística como distribuciones muestrales, estimación puntual e intervalos de confianza. Explica que una distribución muestral describe la variabilidad de un estadístico al tomar muestras repetidas de una población. También introduce la noción de estimar parámetros poblacionales a partir de muestras y calcular intervalos de confianza para dichas estimaciones.
Este documento presenta información sobre el teorema del límite central. Explica que este teorema establece que la distribución de las medias muestrales seguirá una distribución normal cuando la muestra es suficientemente grande. También indica que la media muestral se acercará a la media de la población a medida que aumente el tamaño de la muestra. Por último, proporciona fórmulas para calcular la probabilidad de que la media o proporción muestral se encuentre dentro de ciertos rangos.
DISTRIBUCIÓN MUESTRAL
Una distribución muestral es la distribución de probabilidad de un estimador o estadígrafo que resulta de considerar todas las muestras posibles que pueden ser tomadas de una población. Es decir, si se toman todas las muestras posibles y se obtienen los diferentes valores para un estimador y su respectiva probabilidad, a esta distribución que se forma, es lo que se denomina Distribución Muestral.
Este documento presenta información sobre la distribución muestral de diferencias de medias y proporciones. Explica que la diferencia entre las medias de dos muestras sigue una distribución normal que puede usarse para evaluar si hay diferencias entre las medias poblacionales. También describe cómo la diferencia entre proporciones muestrales de dos poblaciones binomiales se aproxima a una distribución normal para muestras grandes. Incluye ejemplos numéricos para ilustrar los conceptos.
1. Este documento describe la distribución muestral de diferencias de medias y proporciones. 2. Explica que las medias muestrales de dos grupos siguen una distribución normal y se puede calcular la probabilidad de que la diferencia sea mayor a cierto valor. 3. También explica que las proporciones muestrales siguen una distribución binomial y provee ejemplos para calcular probabilidades sobre diferencias de proporciones.
Este documento trata sobre conceptos estadísticos como distribuciones de muestreo, estimación estadística e intervalos de confianza. Explica qué son las distribuciones de muestreo y cómo se pueden aproximar a distribuciones asintóticas. Luego define la estimación estadística y los diferentes métodos como estimación puntual, por intervalos y bayesiana. Finalmente, cubre temas como distribuciones normales, t de Student e intervalos de confianza para proporciones.
Este documento presenta información sobre pruebas de hipótesis para la media poblacional, incluyendo: 1) definiciones de conceptos clave como variable, parámetro, estimador, hipótesis estadística y estadístico de prueba; 2) los pasos para realizar una prueba de hipótesis, como establecer las hipótesis nula y alternativa, seleccionar el estadístico de prueba, y evaluar las hipótesis; y 3) ejemplos resueltos de pruebas de hipótes
Este documento presenta información sobre pruebas de hipótesis para la media poblacional, incluyendo: 1) definiciones de conceptos clave como variable, parámetro, estimador, hipótesis estadística y estadístico de prueba; 2) los pasos para realizar una prueba de hipótesis, como establecer las hipótesis nula y alternativa, seleccionar el estadístico de prueba, y evaluar las hipótesis; y 3) ejemplos resueltos de pruebas de hipótes
Distribucion muestrales y estimacion presentacionJose Diaz
Este documento presenta información sobre distribución de muestras y estimación. Explica conceptos como distribución de muestras, estimación puntual, intervalos de confianza y pruebas de hipótesis. Incluye ejemplos para ilustrar cómo aplicar estos conceptos estadísticos para estimar parámetros poblacionales a partir de muestras.
Este documento presenta información sobre pruebas estadísticas para comparar medias poblacionales. Explica que la distribución normal es un modelo teórico útil para aproximar variables aleatorias, y que la prueba t es adecuada cuando las muestras son pequeñas o se desconoce la varianza poblacional. También incluye ejemplos numéricos para ilustrar cómo aplicar la prueba t de dos muestras y la distribución t de Student.
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 presenta conceptos básicos de inferencia estadística como población, muestra, muestra aleatoria, estadísticas de tendencia central y dispersión. Explica la distribución muestral de la media y el teorema del límite central. Finalmente, introduce el criterio del p-valor para realizar inferencias sobre parámetros poblacionales a partir de muestras.
El documento describe conceptos estadísticos como la inferencia estadística, distribuciones de probabilidad, distribuciones discretas y continuas, la importancia de la distribución normal, propiedades de la distribución normal, contraste de hipótesis de normalidad, muestreo y diferentes métodos de muestreo como el estratificado, por conglomerados y sistemático, error estándar, teorema del límite central y la regla empírica de las tres desviaciones estándar.
Este documento presenta información sobre un curso de técnicas e instrumentos de investigación impartido por la Dra. Tula Sánchez en la Universidad Nacional Mayor de San Marcos. El curso cubrirá temas como población y muestra, determinación del tamaño de la muestra, y tipos de muestreo como probabilístico y no probabilístico. Contará con varios ponentes que brindarán información sobre estos temas.
Este documento presenta información sobre pruebas de hipótesis, la t de Student y chi cuadrado. El objetivo es aplicar estos conocimientos de estadística inferencial para resolver problemas relacionados con el comercio exterior. Se explican los conceptos clave de cada tema y se proporcionan ejemplos para ilustrar su aplicación.
El Teorema Central del Límite establece que la distribución muestral de la media tenderá a una distribución normal cuando el tamaño de la muestra es grande, independientemente de la distribución de la población. Generalmente se considera que una muestra de al menos 30 observaciones es lo suficientemente grande. Si la distribución de la población es simétrica, una muestra de al menos 15 observaciones puede ser suficiente. Cuando la varianza de la población es desconocida, la distribución t de Student se usa para estimar intervalos de confianza para
Este documento describe varias medidas de dispersión como el rango, la desviación estándar, la varianza y el coeficiente de variación. Explica que estas medidas muestran cuán alejados están los valores de una variable de la media y cuán homogénea o variable es la distribución. También distingue entre la desviación estándar de una población y de una muestra.
Este documento describe varias medidas de dispersión como el rango, la desviación estándar, la varianza y el coeficiente de variación. Explica cómo calcular cada una y cuándo usar la desviación estándar de una población versus una muestra. También diferencia entre parámetros y estadísticas con respecto a la desviación estándar de una población y una muestra.
1) El documento introduce tres problemas relacionados con muestreo y estimación de parámetros poblacionales. 2) Explica que el primer problema involucra teoría de muestras, el segundo involucra inferencia estadística, y el tercero involucra contraste de hipótesis. 3) Define conceptos clave como población, muestra, parámetros poblacionales, estadísticos muestrales, y diferentes tipos de muestreo como aleatorio simple y sistemático.
Este documento presenta un resumen de las pruebas paramétricas Z y T de Student. Explica que estas pruebas se utilizan para comparar las medias de dos muestras independientes o pareadas con el fin de determinar si existen diferencias significativas entre ellas. Describe los pasos para calcular la prueba T de Student, incluyendo el cálculo del error estándar y la comparación de la media muestral con la poblacional para verificar la hipótesis nula.
DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN DE LOS PARÁMETROS DE UNA POBLACIÓNvanessamadriz1109
El documento describe varios conceptos estadísticos relacionados con el muestreo y la estimación de parámetros poblacionales. Explica las distribuciones muestrales de la media, la varianza, la proporción y la diferencia de medias, así como estimadores puntuales como la media y proporción muestrales. También cubre intervalos de confianza para medias en muestras grandes y pequeñas y distribuciones como la normal y t-student.
Este documento presenta una introducción a los modelos de probabilidad y distribuciones de probabilidad, incluyendo distribuciones discretas como la de Bernoulli y binomial, y distribuciones continuas como la normal. Explica conceptos clave como experimentos aleatorios, variables aleatorias, parámetros de distribución, y cómo los modelos de probabilidad permiten representar fenómenos reales de manera simplificada mediante afirmaciones probabilísticas. También incluye ejemplos para ilustrar diferentes tipos de experimentos y distribuciones.
1. Este documento describe la distribución muestral de diferencias de medias y proporciones. 2. Explica que las medias muestrales de dos grupos siguen una distribución normal y se puede calcular la probabilidad de que la diferencia sea mayor a cierto valor. 3. También explica que las proporciones muestrales siguen una distribución binomial y provee ejemplos para calcular probabilidades sobre diferencias de proporciones.
Este documento trata sobre conceptos estadísticos como distribuciones de muestreo, estimación estadística e intervalos de confianza. Explica qué son las distribuciones de muestreo y cómo se pueden aproximar a distribuciones asintóticas. Luego define la estimación estadística y los diferentes métodos como estimación puntual, por intervalos y bayesiana. Finalmente, cubre temas como distribuciones normales, t de Student e intervalos de confianza para proporciones.
Este documento presenta información sobre pruebas de hipótesis para la media poblacional, incluyendo: 1) definiciones de conceptos clave como variable, parámetro, estimador, hipótesis estadística y estadístico de prueba; 2) los pasos para realizar una prueba de hipótesis, como establecer las hipótesis nula y alternativa, seleccionar el estadístico de prueba, y evaluar las hipótesis; y 3) ejemplos resueltos de pruebas de hipótes
Este documento presenta información sobre pruebas de hipótesis para la media poblacional, incluyendo: 1) definiciones de conceptos clave como variable, parámetro, estimador, hipótesis estadística y estadístico de prueba; 2) los pasos para realizar una prueba de hipótesis, como establecer las hipótesis nula y alternativa, seleccionar el estadístico de prueba, y evaluar las hipótesis; y 3) ejemplos resueltos de pruebas de hipótes
Distribucion muestrales y estimacion presentacionJose Diaz
Este documento presenta información sobre distribución de muestras y estimación. Explica conceptos como distribución de muestras, estimación puntual, intervalos de confianza y pruebas de hipótesis. Incluye ejemplos para ilustrar cómo aplicar estos conceptos estadísticos para estimar parámetros poblacionales a partir de muestras.
Este documento presenta información sobre pruebas estadísticas para comparar medias poblacionales. Explica que la distribución normal es un modelo teórico útil para aproximar variables aleatorias, y que la prueba t es adecuada cuando las muestras son pequeñas o se desconoce la varianza poblacional. También incluye ejemplos numéricos para ilustrar cómo aplicar la prueba t de dos muestras y la distribución t de Student.
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 presenta conceptos básicos de inferencia estadística como población, muestra, muestra aleatoria, estadísticas de tendencia central y dispersión. Explica la distribución muestral de la media y el teorema del límite central. Finalmente, introduce el criterio del p-valor para realizar inferencias sobre parámetros poblacionales a partir de muestras.
El documento describe conceptos estadísticos como la inferencia estadística, distribuciones de probabilidad, distribuciones discretas y continuas, la importancia de la distribución normal, propiedades de la distribución normal, contraste de hipótesis de normalidad, muestreo y diferentes métodos de muestreo como el estratificado, por conglomerados y sistemático, error estándar, teorema del límite central y la regla empírica de las tres desviaciones estándar.
Este documento presenta información sobre un curso de técnicas e instrumentos de investigación impartido por la Dra. Tula Sánchez en la Universidad Nacional Mayor de San Marcos. El curso cubrirá temas como población y muestra, determinación del tamaño de la muestra, y tipos de muestreo como probabilístico y no probabilístico. Contará con varios ponentes que brindarán información sobre estos temas.
Este documento presenta información sobre pruebas de hipótesis, la t de Student y chi cuadrado. El objetivo es aplicar estos conocimientos de estadística inferencial para resolver problemas relacionados con el comercio exterior. Se explican los conceptos clave de cada tema y se proporcionan ejemplos para ilustrar su aplicación.
El Teorema Central del Límite establece que la distribución muestral de la media tenderá a una distribución normal cuando el tamaño de la muestra es grande, independientemente de la distribución de la población. Generalmente se considera que una muestra de al menos 30 observaciones es lo suficientemente grande. Si la distribución de la población es simétrica, una muestra de al menos 15 observaciones puede ser suficiente. Cuando la varianza de la población es desconocida, la distribución t de Student se usa para estimar intervalos de confianza para
Este documento describe varias medidas de dispersión como el rango, la desviación estándar, la varianza y el coeficiente de variación. Explica que estas medidas muestran cuán alejados están los valores de una variable de la media y cuán homogénea o variable es la distribución. También distingue entre la desviación estándar de una población y de una muestra.
Este documento describe varias medidas de dispersión como el rango, la desviación estándar, la varianza y el coeficiente de variación. Explica cómo calcular cada una y cuándo usar la desviación estándar de una población versus una muestra. También diferencia entre parámetros y estadísticas con respecto a la desviación estándar de una población y una muestra.
1) El documento introduce tres problemas relacionados con muestreo y estimación de parámetros poblacionales. 2) Explica que el primer problema involucra teoría de muestras, el segundo involucra inferencia estadística, y el tercero involucra contraste de hipótesis. 3) Define conceptos clave como población, muestra, parámetros poblacionales, estadísticos muestrales, y diferentes tipos de muestreo como aleatorio simple y sistemático.
Este documento presenta un resumen de las pruebas paramétricas Z y T de Student. Explica que estas pruebas se utilizan para comparar las medias de dos muestras independientes o pareadas con el fin de determinar si existen diferencias significativas entre ellas. Describe los pasos para calcular la prueba T de Student, incluyendo el cálculo del error estándar y la comparación de la media muestral con la poblacional para verificar la hipótesis nula.
DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN DE LOS PARÁMETROS DE UNA POBLACIÓNvanessamadriz1109
El documento describe varios conceptos estadísticos relacionados con el muestreo y la estimación de parámetros poblacionales. Explica las distribuciones muestrales de la media, la varianza, la proporción y la diferencia de medias, así como estimadores puntuales como la media y proporción muestrales. También cubre intervalos de confianza para medias en muestras grandes y pequeñas y distribuciones como la normal y t-student.
Este documento presenta una introducción a los modelos de probabilidad y distribuciones de probabilidad, incluyendo distribuciones discretas como la de Bernoulli y binomial, y distribuciones continuas como la normal. Explica conceptos clave como experimentos aleatorios, variables aleatorias, parámetros de distribución, y cómo los modelos de probabilidad permiten representar fenómenos reales de manera simplificada mediante afirmaciones probabilísticas. También incluye ejemplos para ilustrar diferentes tipos de experimentos y distribuciones.
ESPERAMOS QUE ESTA INFOGRAFÍA SEA UNA HERRAMIENTA ÚTIL Y EDUCATIVA QUE INSPIRE A MÁS PERSONAS A ADENTRARSE EN EL APASIONANTE CAMPO DE LA INGENIERÍA CIVIŁ. ¡ACOMPAÑANOS EN ESTE VIAJE DE APRENDIZAJE Y DESCUBRIMIENTO
1. REPÚBLICA BOLIVARIANA DE
VENEZUELA INSTITUTO
UNIVERSITARIO POLITÉCNICO
“SANTIAGO MARIÑO”
EXTENSIÓN BARCELONA
Profesor: Bachiller:
Pedro Beltrán Luz Cona
25879311
Barcelona, Julio 2020
Distribuciones Muéstrales y
estimación
2. Introducción
La presente investigación está orientada a dar una
definición clara y explicativa de los diferentes conceptos tales
como: Distribución muéstrales, estimación, diferencia de dos
medias y diferencia de dos Porciones, Estimación por intervalos
de la media en muestras grandes y en muestras pequeñas,
Distribución normal y distribución de la t- student, Estimación
por intervalos de proporciones, además de eso, se dará
ejemplos prácticos que analizan situaciones reales que se
presentan en alunas profesiones, mucha veces estas situaciones
parecen complejas, sin embargo, con estos métodos se hacen
más sencillas.
3. Distribución muéstrales y
estimación
Distribución muéstrales: es lo que
resulta de considerar todas las muestras
posibles que pueden ser tomadas de
una población.
Estimación: es un conjunto de técnicas
que permiten dar un valor aproximado
de un parámetro de una población.
4. Ejemplo de distribución muéstrales
Una población se compone de tres números 2,4,6.
considerar todas las muestras de tamaño n=2. Hallar:
a) La media
b) Desviación típica
a) µ=(2+4+6)/2=12/2 = µ= 6
b) σ = σ=
σ = = σ = 4,47
5. Determinar un intervalo de confianza al nivel α=0.05para la
probabilidad de que un recién nacido sea niño, si en una
muestra de tamaño123se han contabilizado67niños
Ejemplo de estimación
Como α=0.05, Zα/2=Z0.025=1.96 y además p=67/123=0.54,
con n=123 se tiene que
IC=(0.54±1.96 (0.54 x 0.46)/123)= (0.046,0.633)
contendrá a la proporción de recién nacidos con una
probabilidad del 95 %
6. Distribución muéstrales de medias de,
diferencia de dos medias y diferencia
de dos Porciones
Diferencia de dos medias: Es una distribución de
probabilidades de todas las medias posibles de las
muestras de igual tamaño que se pueden extraer de
poblaciones dadas.
Diferencia de dos Porciones: permite contrastar a partir
de dos muestras aleatorias e independientes la
estimación obtenida del total de observaciones.
7. En un estudio para comparar los pesos promedios de niños
y niñas de sexto grado en una escuela primaria se usará
una muestra aleatoria de 10 niños y otra de 13 niñas. Se
sabe que tanto para niños como para niñas los pesos
siguen una distribución normal. El promedio de los pesos
de todos los niños de sexto grado de esa escuela es de 50
libras y su desviación estándar es de 7.71 libras, mientras
que el promedio de los pesos de todas las niñas de sexto
grado de esa escuela es de 43 libras y su desviación
estándar es de 6.123 libras. ¿En cuál de la probabilidad de
que el promedio de los pesos de los 10 niños sea al menos
10 libras más grande que el de las 13 niñas?
Ejemplo distribución de las diferencias de
dos medias muestrales
8. μ1= 50 libras µ1-µ2=7 X1-X2 = 10
μ2= 43 libras
σ1= 7.71 libras P(X1-X2)10)
σ2= 6.123 libras X1-X2 -- µ1-µ2
n1= 10 niños Z= 2 2
n2= 13 niñas σ1/n1 + σ2/n2
10 - 7 3
Z= = = 1,01
2 2
7.71/10 + 6.123/13 2,96
P= 0,5 – 0,3438 = 15,52%
Por lo tanto, la probabilidad de que el promedio de los pesos
de la muestra de niños sea al menos 10 libras más grande
que el de la muestra de las niñas es 15,52%
9. Ejemplo distribución de las diferencias dos
proporciones
El porcentaje de fumadores de una universidad es de 60%,
calculado de una muestra de 400 estudiantes. Para combatir
el habito de fumar se tomó una muestra de 600 personas, se
encontró que el porcentaje de fumadores es de 43%
P1= 43% 43/100 = 0,43
P2= 60% 60/100 = 0,6 P1 – P2
n1= 600% Z=
n2= 400% p.q (1/n1 + 1/n2)
n1p1 + n2p2 600x0,43 + 400x0,60 258 + 240
P= = =
n1 + n2 600 + 400 1000
11. Estimación puntual
Es un valor único, que representa la
estimación del parámetro de que se
trate.
Ejemplo cuando decimos que la
estimación de notas promedio de un
curso es 18 puntos o si decimos que el
sueldo promedio de un grupo de
maestro es Bs 4000.
12. Estimación por intervalos de la media en
muestras grandes y en muestras pequeñas
Se utiliza muestras pequeñas cuando la
distribución de donde proviene la muestra tenga
un comportamiento normal, cuando los tamaños
de las muestras fueran mayores o iguales a 30. ...
Por lo general éste se denomina como un intervalo
de confianza de muestra grande.
13. Distribución normal y distribución
de la t- student
La distribución t es una distribución de
probabilidad que estima el valor de la
media de una muestra pequeña
extraída de una población que sigue
una distribución normal y de la cual no
conocemos su desviación típica.
14. Ejemplo de distribución normal
En un examen de estadística se obtuvo una calificación
promedio de 16 puntos con una desviación típica de 6
puntos. Determinar los valores normalizados de los
estudiantes cuyas calificaciones fueron 14 y 19 puntos.
X - µ 14 – 16 -2
1er estudiante: Z1= = = = -0,3
σ 6 6
X - µ 19 – 16 3
2do estudiante: Z2= = = = 0,5
σ 6 6
15. Estimación por intervalos de
proporciones
Consiste en establecer el intervalo de valores
donde es más probable se encuentre el
parámetro.
Ejemplo
16. Conclusión
Las diapositivas anteriormente presentadas nos
reflejan la conceptualización de ciertos términos
estadísticos en su mayoría ejemplificados y que nos dan
una visión clara en todos los aspectos de la aplicación
de modelos estadísticos tanto en el aspecto descriptivo
como inferencial.
17. Bibliografía
-www.uv.es › Inferencial › 5_estimacin_por_intervalos
consultada el (16/07/20)
- economipedia.com › definiciones › estimacion-
puntual. Consultada el (16/07/20)
-AMDAN N (2001) Métodos Estadísticos en Educación.
Edición EBUC. Caracas.( p. 171).