SlideShare una empresa de Scribd logo
1 de 5
Nombre: Cristina Carvaca
Fecha: 11 Febrero del 2018
Tema:
Distribución T Student
Introducción
La distribución de Student fue descrita en 1908 por William Sealy Gosset. Gosset
trabajaba en una fábrica de cerveza, Guinness, que prohibía a sus empleados la
publicación de artículos científicos debido a una difusión previa de secretos industriales.
De ahí que Gosset publicase sus resultados bajo el seudónimo de Student.
Es una distribución de probabilidad que surge del problema de estimar la media de
una población normalmente distribuida cuando el tamaño de la muestra es pequeña.
Aparece de manera natural al realizar la prueba t de Student para la determinación de las
diferencias entre dos medias muestrales y para la construcción del intervalo de
confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce
la desviación típica de una población y ésta debe ser estimada a partir de los datos de una
muestra.
Caracterización
La distribución t de Student es la distribución de probabilidad del cociente
Donde
ESTIMACIÓN: Este término indica que a partir de lo observado en una muestra se
extrapola o generaliza dicho resultado muestral a la población total, de modo que lo
estimado es el valor generalizado a la población. Consiste en la búsqueda del valor de los
parámetros poblacionales objeto de estudio. Puede ser puntual o por intervalo de
confianza:
- Puntual: cuando buscamos un valor concreto.
-Intervalo de confianza: cuando determinamos un intervalo, dentro del cual se supone
que va a estar el valor del parámetro que se busca con una cierta probabilidad.
Estimadores puntuales que consisten en un sólo valor o estadística muestral que se usa
para estimar el verdadero valor del parámetro poblacional.
Estimadores por Intervalo que consiste en dos valores entre los cuales esperamos que
se encuentre el verdadero valor del parámetro.
Donde y son función del estimador puntual de θ.
Algunas propiedades deseables de los estimadores son las siguientes:
-Que en promedio los estimadores sean igual al parámetro poblacional que estiman. Es
decir, que el estimador sea Insesgado
-Que tenga varianza más pequeña que otros estimadores. A esta propiedad se le llama
eficiencia.
-Consistencia cuando la diferencia entre el estimador y el parámetro se hace más pequeña
conforme el tamaño de muestra crece.
Grados de libertad
Existe una distribución t distinta para cada uno de los posibles grados de libertad. Es el
número de valores que podemos elegir libremente.
Tamaño de la muestra
En muchas ocasiones no se conoce σ y el número de observaciones en la muestra n < 30.
En probabilidad y estadística, La distribución-t o distribución t de Student es una
distribución de probabilidad que surge del problema de estimar La media de una
población normalmente distribuida cuando el tamaño de La muestra es pequeño. A La
teoría de pequeñas muestras también se le llama teoría exacta del muestreo, ya que
también La podemos utilizar con muestras aleatorias de tamaño grande. Veremos un
nuevo concepto necesario para poder entender la distribución t Student.
Ejemplo 1
Un fabricante de focos afirma que su producto durará un promedio de 500 horas de
trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor
y calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho con esta afirmación. ¿Qué
conclusión deberá él sacar de una muestra de 25 focos cuya duración fue?
v = n-1 = 24
t = 2.22
Se puede concluir que la media poblacional no es 500, porque la muestra poblacional está
por encima de esta, y por lo tanto debería estar por encima de 500.
Ejemplo 2
Encontrar el intervalo de confianza con un nivel de confianza del 95% para una muestra
de 30, teniendo como media 7.93 y como desviación estándar a 1.25. GL= 29, t=2.045.
El intervalo de confianza es desde 7,46 hasta 8,40.
Ejemplo 3
Supongamos que las calificaciones de una prueba están distribuidos normalmente con una
media de 100. Ahora supongamos que seleccionamos 20 estudiantes y les hacemos un
examen. La desviación estándar de la muestra es de 15. ¿Cuál es la probabilidad de que
el promedio en el grupo de muestra sea cuando más 110?
Datos
Número de grados de libertad: n-1 = 20 -1 = 19
La media de la población es igual a 100
La media de la muestra es igual a 110
La desviación estándar de la muestra es igual a 15
El valor t es
t nos da un resultado de probabilidad acumulada de 0.996. Esto implica que hay una
probabilidad de 99.6% de que el promedio en la muestra sea no mayor de 110.
INDICES FINANCIEROS BURSATILES
Web grafías:
http://www.academiadeinversion.com/indices-bursatiles-que-son-para-que-sirven-tipos-
y-ejemplos/
file:///C:/Users/Jefferson/Downloads/clase8-091122173548-phpapp01.pdf
http://juancarlosvergara.50webs.org/Apuntes/Ejercicios%20Parte%20I.pdf
http://lcolladotor.github.io/courses/Courses/MEyAdDG/day2/Estimaci%C3%B3n.pdf
Índice Función País
DowJones
Industrial
Average
Indicador del mercado de acciones. Constituido por las 30
empresas más poderosas de la Bolsa de Valores de New
York, con excepción de transporte y servicios públicos
Estados Unidos
S&P 500 Índice compuesto por 500 de las mayores compañías tanto
de la Bolsa de Nueva York (NYSE) como del Nasdaq.
Estados Unidos
Nasdaq
100
Índice bursátil compuesto por las 100 mayores compañías
no financieras del Nasdaq.
Estados Unidos
BOVESPA Indicador más representativo de la evolución de precios del
mercado accionario de Brasil y muestra el comportamiento
de las principales acciones transadas en el mercado de Sao
Paulo.
Brasil
IGBC Regula los mercados de renta fija, renta variable y derivados
a través de su negociación y registro.
Colombia
IPC
MEXICO
El índice de precios y cotizaciones (IPC) es el indicador de
la evolución del mercado accionario en su conjunto. Este
índice refleja cuanto ganó o perdió la Bolsa Mexicana de
Valores (BMV) en una jornada.
México
Merval El criterio de selección para que las empresas puedan cotizar
en éste se realiza en base al volumen de operaciones y el
número de transacciones realizadas en los últimos seis
meses. Se hace cada tres meses
Argentina
Nikkei 225 es el índice bursátil más influyente del mercado japonés y
está compuesto por 225 valores correspondientes a las
empresas más grandes y de mayor liquidez que cotizan en la
Bolsa de Tokio
Japón
CAC 40 Consiste en la media aritmética ponderada por
capitalización. Incluye 40 valores cotizados en el principal
segmento del mercado de valores de París, elegidos por su
capitalización y liquidez
Francia
Ibex 35 Permite observar la rentabilidad de las acciones españolas.
Muestra el estado de la bolsa y es un buen indicador del
estado de la economía española.
España

Más contenido relacionado

La actualidad más candente

Prueba del t student
Prueba del t studentPrueba del t student
Prueba del t student
Leticia KN
 
Medidas de Centralidad y Dispersión
Medidas de Centralidad y Dispersión Medidas de Centralidad y Dispersión
Medidas de Centralidad y Dispersión
Paula Diaz
 
Resumen estadistica descriptiva resumen
Resumen estadistica descriptiva resumenResumen estadistica descriptiva resumen
Resumen estadistica descriptiva resumen
Carlo Herrera
 
Definición de algunos terminos estadisticos
Definición de algunos terminos estadisticosDefinición de algunos terminos estadisticos
Definición de algunos terminos estadisticos
luisenriquefm196
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
Ekthor Daniel R G
 
F:\planteamiento de hipótesis en mas de dos poblaciones
F:\planteamiento de hipótesis en mas de dos poblacionesF:\planteamiento de hipótesis en mas de dos poblaciones
F:\planteamiento de hipótesis en mas de dos poblaciones
Lizeth
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
Ana kristell
 

La actualidad más candente (20)

Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
 
Prueba del t student
Prueba del t studentPrueba del t student
Prueba del t student
 
Distribución Muestral
Distribución MuestralDistribución Muestral
Distribución Muestral
 
Introd. a estadistica inferencial y distribución normal
Introd. a estadistica inferencial y distribución normalIntrod. a estadistica inferencial y distribución normal
Introd. a estadistica inferencial y distribución normal
 
Estadistica 2
Estadistica 2Estadistica 2
Estadistica 2
 
Medidas de Centralidad y Dispersión
Medidas de Centralidad y Dispersión Medidas de Centralidad y Dispersión
Medidas de Centralidad y Dispersión
 
Conceptos BáSicos Estadisticos (Medicion)
Conceptos BáSicos Estadisticos (Medicion)Conceptos BáSicos Estadisticos (Medicion)
Conceptos BáSicos Estadisticos (Medicion)
 
Medidas descriptivas
Medidas descriptivasMedidas descriptivas
Medidas descriptivas
 
Estadistica 2020
Estadistica 2020Estadistica 2020
Estadistica 2020
 
Distribuciones de probalidad
Distribuciones de probalidadDistribuciones de probalidad
Distribuciones de probalidad
 
T student 1
T student 1T student 1
T student 1
 
Resumen estadistica descriptiva resumen
Resumen estadistica descriptiva resumenResumen estadistica descriptiva resumen
Resumen estadistica descriptiva resumen
 
Definición de algunos terminos estadisticos
Definición de algunos terminos estadisticosDefinición de algunos terminos estadisticos
Definición de algunos terminos estadisticos
 
Medidas de tendencia central 1
Medidas de tendencia central 1Medidas de tendencia central 1
Medidas de tendencia central 1
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
 
Estadística curso completo2
Estadística curso completo2Estadística curso completo2
Estadística curso completo2
 
Interpretacion y Reportes de Resultados de Estadística Descriptiva
Interpretacion y Reportes de Resultados de Estadística DescriptivaInterpretacion y Reportes de Resultados de Estadística Descriptiva
Interpretacion y Reportes de Resultados de Estadística Descriptiva
 
F:\planteamiento de hipótesis en mas de dos poblaciones
F:\planteamiento de hipótesis en mas de dos poblacionesF:\planteamiento de hipótesis en mas de dos poblaciones
F:\planteamiento de hipótesis en mas de dos poblaciones
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
 

Similar a T student carvaca_cristina

Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
Hector Funes
 
Tamaño de la muestra original
Tamaño de la muestra originalTamaño de la muestra original
Tamaño de la muestra original
laura ochoa
 
Tamaño de la muestra original
Tamaño de la muestra originalTamaño de la muestra original
Tamaño de la muestra original
laura ochoa
 
Capítulo 01 lind marchal mason
Capítulo 01   lind marchal masonCapítulo 01   lind marchal mason
Capítulo 01 lind marchal mason
albertososa
 

Similar a T student carvaca_cristina (20)

S12-Cap9-intervalos de confianza.pptx
S12-Cap9-intervalos de confianza.pptxS12-Cap9-intervalos de confianza.pptx
S12-Cap9-intervalos de confianza.pptx
 
Clase 2 estadistica
Clase 2 estadisticaClase 2 estadistica
Clase 2 estadistica
 
Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
 
estimacion
estimacionestimacion
estimacion
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Psico. 11ava estimadores de medias y proporciones
Psico. 11ava estimadores de medias y proporcionesPsico. 11ava estimadores de medias y proporciones
Psico. 11ava estimadores de medias y proporciones
 
Términos Básicos en Estadística
 Términos Básicos en Estadística Términos Básicos en Estadística
Términos Básicos en Estadística
 
Tamaño de la muestra original
Tamaño de la muestra originalTamaño de la muestra original
Tamaño de la muestra original
 
Tamaño+de..
Tamaño+de..Tamaño+de..
Tamaño+de..
 
Tamaño de la muestra original
Tamaño de la muestra originalTamaño de la muestra original
Tamaño de la muestra original
 
Conceptos Estadísticos Básicos ccesa007
Conceptos Estadísticos Básicos  ccesa007Conceptos Estadísticos Básicos  ccesa007
Conceptos Estadísticos Básicos ccesa007
 
PRESENTACIÓN ESTADÍSTICA
PRESENTACIÓN ESTADÍSTICAPRESENTACIÓN ESTADÍSTICA
PRESENTACIÓN ESTADÍSTICA
 
Estimaciones estadisticas
Estimaciones estadisticasEstimaciones estadisticas
Estimaciones estadisticas
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Capítulo 01 lind marchal mason
Capítulo 01   lind marchal masonCapítulo 01   lind marchal mason
Capítulo 01 lind marchal mason
 
Capítulo 01
Capítulo 01Capítulo 01
Capítulo 01
 
Epidemiología (epidemiometria)
Epidemiología (epidemiometria)Epidemiología (epidemiometria)
Epidemiología (epidemiometria)
 
Probabilidad y estadística
Probabilidad y estadísticaProbabilidad y estadística
Probabilidad y estadística
 
Estádistica Inferencial clase 3 (1) (1).pptx
Estádistica Inferencial clase 3 (1) (1).pptxEstádistica Inferencial clase 3 (1) (1).pptx
Estádistica Inferencial clase 3 (1) (1).pptx
 
Diapositiva estadistica
Diapositiva estadisticaDiapositiva estadistica
Diapositiva estadistica
 

Último

S01.s1 - Clasificación de las Industrias.pdf
S01.s1 - Clasificación de las Industrias.pdfS01.s1 - Clasificación de las Industrias.pdf
S01.s1 - Clasificación de las Industrias.pdf
SalomeRunco
 
647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf
647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf
647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf
MirkaCBauer
 
6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...
6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...
6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...
jose880240
 
Unidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docx
Unidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docxUnidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docx
Unidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docx
AlanCarrascoDavila
 

Último (20)

Semana 1 - Introduccion - Fluidos - Unidades.pptx
Semana 1 - Introduccion - Fluidos - Unidades.pptxSemana 1 - Introduccion - Fluidos - Unidades.pptx
Semana 1 - Introduccion - Fluidos - Unidades.pptx
 
1.1 Los 14 principios del Toyota Way -2024.pdf
1.1 Los 14 principios del Toyota Way -2024.pdf1.1 Los 14 principios del Toyota Way -2024.pdf
1.1 Los 14 principios del Toyota Way -2024.pdf
 
S01.s1 - Clasificación de las Industrias.pdf
S01.s1 - Clasificación de las Industrias.pdfS01.s1 - Clasificación de las Industrias.pdf
S01.s1 - Clasificación de las Industrias.pdf
 
50870516-hidroponia. descargado en novppt
50870516-hidroponia. descargado en novppt50870516-hidroponia. descargado en novppt
50870516-hidroponia. descargado en novppt
 
Practica_Calificada_03333333333333333.pdf
Practica_Calificada_03333333333333333.pdfPractica_Calificada_03333333333333333.pdf
Practica_Calificada_03333333333333333.pdf
 
Trabajo de cristalografia. año 2024 mes de mayo
Trabajo de cristalografia. año 2024 mes de mayoTrabajo de cristalografia. año 2024 mes de mayo
Trabajo de cristalografia. año 2024 mes de mayo
 
ESPECIFICACIONES TECNICAS MURO DE CONTENCION.docx
ESPECIFICACIONES TECNICAS MURO DE CONTENCION.docxESPECIFICACIONES TECNICAS MURO DE CONTENCION.docx
ESPECIFICACIONES TECNICAS MURO DE CONTENCION.docx
 
PRACTICAS_DE_AUTOMATIZACION_industrial (1).pdf
PRACTICAS_DE_AUTOMATIZACION_industrial (1).pdfPRACTICAS_DE_AUTOMATIZACION_industrial (1).pdf
PRACTICAS_DE_AUTOMATIZACION_industrial (1).pdf
 
Cuestionario 20222222222222222222222224.pdf
Cuestionario 20222222222222222222222224.pdfCuestionario 20222222222222222222222224.pdf
Cuestionario 20222222222222222222222224.pdf
 
herrramientas de resistividad para registro de pozos.pptx
herrramientas de resistividad para registro de pozos.pptxherrramientas de resistividad para registro de pozos.pptx
herrramientas de resistividad para registro de pozos.pptx
 
DIFERENCIA DE COMPRESION Y TENSION EN UN CUERPO
DIFERENCIA DE COMPRESION Y TENSION EN UN CUERPODIFERENCIA DE COMPRESION Y TENSION EN UN CUERPO
DIFERENCIA DE COMPRESION Y TENSION EN UN CUERPO
 
UNIDAD III Esquemas de comunicacion pptx
UNIDAD III Esquemas de comunicacion pptxUNIDAD III Esquemas de comunicacion pptx
UNIDAD III Esquemas de comunicacion pptx
 
REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...
REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...
REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...
 
Balance materia y energia procesos de Secado
Balance materia y energia procesos de SecadoBalance materia y energia procesos de Secado
Balance materia y energia procesos de Secado
 
647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf
647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf
647913404-06-Partes-principales-de-las-Perforadoras-manuales-1.pdf
 
Convocatoria de Becas Caja de Ingenieros_UOC 2024-25
Convocatoria de Becas Caja de Ingenieros_UOC 2024-25Convocatoria de Becas Caja de Ingenieros_UOC 2024-25
Convocatoria de Becas Caja de Ingenieros_UOC 2024-25
 
6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...
6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...
6.1-Proclamación de la II República, la Constitución y el bienio reformista-L...
 
Ficha Técnica -Cemento YURA Multiproposito TIPO IP.pdf
Ficha Técnica -Cemento YURA  Multiproposito TIPO IP.pdfFicha Técnica -Cemento YURA  Multiproposito TIPO IP.pdf
Ficha Técnica -Cemento YURA Multiproposito TIPO IP.pdf
 
Unidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docx
Unidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docxUnidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docx
Unidad 2 Métodos Numéricos. Solución de ecuaciones algebraicas.docx
 
Diseño digital - M. Morris Mano - 3ed.pdf
Diseño digital - M. Morris Mano - 3ed.pdfDiseño digital - M. Morris Mano - 3ed.pdf
Diseño digital - M. Morris Mano - 3ed.pdf
 

T student carvaca_cristina

  • 1. Nombre: Cristina Carvaca Fecha: 11 Febrero del 2018 Tema: Distribución T Student Introducción La distribución de Student fue descrita en 1908 por William Sealy Gosset. Gosset trabajaba en una fábrica de cerveza, Guinness, que prohibía a sus empleados la publicación de artículos científicos debido a una difusión previa de secretos industriales. De ahí que Gosset publicase sus resultados bajo el seudónimo de Student. Es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeña. Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muestrales y para la construcción del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviación típica de una población y ésta debe ser estimada a partir de los datos de una muestra. Caracterización La distribución t de Student es la distribución de probabilidad del cociente Donde
  • 2. ESTIMACIÓN: Este término indica que a partir de lo observado en una muestra se extrapola o generaliza dicho resultado muestral a la población total, de modo que lo estimado es el valor generalizado a la población. Consiste en la búsqueda del valor de los parámetros poblacionales objeto de estudio. Puede ser puntual o por intervalo de confianza: - Puntual: cuando buscamos un valor concreto. -Intervalo de confianza: cuando determinamos un intervalo, dentro del cual se supone que va a estar el valor del parámetro que se busca con una cierta probabilidad. Estimadores puntuales que consisten en un sólo valor o estadística muestral que se usa para estimar el verdadero valor del parámetro poblacional. Estimadores por Intervalo que consiste en dos valores entre los cuales esperamos que se encuentre el verdadero valor del parámetro. Donde y son función del estimador puntual de θ. Algunas propiedades deseables de los estimadores son las siguientes: -Que en promedio los estimadores sean igual al parámetro poblacional que estiman. Es decir, que el estimador sea Insesgado -Que tenga varianza más pequeña que otros estimadores. A esta propiedad se le llama eficiencia. -Consistencia cuando la diferencia entre el estimador y el parámetro se hace más pequeña conforme el tamaño de muestra crece.
  • 3. Grados de libertad Existe una distribución t distinta para cada uno de los posibles grados de libertad. Es el número de valores que podemos elegir libremente. Tamaño de la muestra En muchas ocasiones no se conoce σ y el número de observaciones en la muestra n < 30. En probabilidad y estadística, La distribución-t o distribución t de Student es una distribución de probabilidad que surge del problema de estimar La media de una población normalmente distribuida cuando el tamaño de La muestra es pequeño. A La teoría de pequeñas muestras también se le llama teoría exacta del muestreo, ya que también La podemos utilizar con muestras aleatorias de tamaño grande. Veremos un nuevo concepto necesario para poder entender la distribución t Student. Ejemplo 1 Un fabricante de focos afirma que su producto durará un promedio de 500 horas de trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho con esta afirmación. ¿Qué conclusión deberá él sacar de una muestra de 25 focos cuya duración fue? v = n-1 = 24 t = 2.22 Se puede concluir que la media poblacional no es 500, porque la muestra poblacional está por encima de esta, y por lo tanto debería estar por encima de 500.
  • 4. Ejemplo 2 Encontrar el intervalo de confianza con un nivel de confianza del 95% para una muestra de 30, teniendo como media 7.93 y como desviación estándar a 1.25. GL= 29, t=2.045. El intervalo de confianza es desde 7,46 hasta 8,40. Ejemplo 3 Supongamos que las calificaciones de una prueba están distribuidos normalmente con una media de 100. Ahora supongamos que seleccionamos 20 estudiantes y les hacemos un examen. La desviación estándar de la muestra es de 15. ¿Cuál es la probabilidad de que el promedio en el grupo de muestra sea cuando más 110? Datos Número de grados de libertad: n-1 = 20 -1 = 19 La media de la población es igual a 100 La media de la muestra es igual a 110 La desviación estándar de la muestra es igual a 15 El valor t es t nos da un resultado de probabilidad acumulada de 0.996. Esto implica que hay una probabilidad de 99.6% de que el promedio en la muestra sea no mayor de 110.
  • 5. INDICES FINANCIEROS BURSATILES Web grafías: http://www.academiadeinversion.com/indices-bursatiles-que-son-para-que-sirven-tipos- y-ejemplos/ file:///C:/Users/Jefferson/Downloads/clase8-091122173548-phpapp01.pdf http://juancarlosvergara.50webs.org/Apuntes/Ejercicios%20Parte%20I.pdf http://lcolladotor.github.io/courses/Courses/MEyAdDG/day2/Estimaci%C3%B3n.pdf Índice Función País DowJones Industrial Average Indicador del mercado de acciones. Constituido por las 30 empresas más poderosas de la Bolsa de Valores de New York, con excepción de transporte y servicios públicos Estados Unidos S&P 500 Índice compuesto por 500 de las mayores compañías tanto de la Bolsa de Nueva York (NYSE) como del Nasdaq. Estados Unidos Nasdaq 100 Índice bursátil compuesto por las 100 mayores compañías no financieras del Nasdaq. Estados Unidos BOVESPA Indicador más representativo de la evolución de precios del mercado accionario de Brasil y muestra el comportamiento de las principales acciones transadas en el mercado de Sao Paulo. Brasil IGBC Regula los mercados de renta fija, renta variable y derivados a través de su negociación y registro. Colombia IPC MEXICO El índice de precios y cotizaciones (IPC) es el indicador de la evolución del mercado accionario en su conjunto. Este índice refleja cuanto ganó o perdió la Bolsa Mexicana de Valores (BMV) en una jornada. México Merval El criterio de selección para que las empresas puedan cotizar en éste se realiza en base al volumen de operaciones y el número de transacciones realizadas en los últimos seis meses. Se hace cada tres meses Argentina Nikkei 225 es el índice bursátil más influyente del mercado japonés y está compuesto por 225 valores correspondientes a las empresas más grandes y de mayor liquidez que cotizan en la Bolsa de Tokio Japón CAC 40 Consiste en la media aritmética ponderada por capitalización. Incluye 40 valores cotizados en el principal segmento del mercado de valores de París, elegidos por su capitalización y liquidez Francia Ibex 35 Permite observar la rentabilidad de las acciones españolas. Muestra el estado de la bolsa y es un buen indicador del estado de la economía española. España