Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tabla de Contenido
Introducción……………………………………………………………… pág,3
Planteamiento del Problema………………………………………………pag,4
Objetivo General…………………………………………………………..pág,5
Objetivos Específicos……………………………………………………..pag,6
Justificación……………….……………………………………………...pág,7
Diseño Metodológico……………………………………………………..pag,8
Marco Teórico…………………………………………………………….pag,9
Resultados………………………………………………………………...pág,10
Conclusiones……………………………………………………………..pág,13
Webgrafía y bibliografía…….…………………………………………....pág,14
Caso Práctico 3
Introducción
CASO PRÁCTICO
Dada una población en la que se analiza la variable aleatoria ξ: N(μ, σ), se desea
estimar σ2 = V(ξ).
Para ello se proponen tres estimadores:
1. σ21 = S2x = ∑(xi – ax)2 / n
2. σ22 = S21 = ∑(xi – ax)2 /(n -1)
3. σ23 = d2x = ∑(xi - μ)2/ n
CUESTIÓN: ¿cuál tiene menor E.C.M?
TEORÍA DE LA PROBABILIDAD
En una determinada empresa hay tres departamentos: Departamento de Marketing,
Departamento Financiero y Departamento de Tecnología. Se efectúa una encuesta para
decidir si se debería aceptar o no una oferta realizada por otra empresa, y que incumbe a
todos los empleados. La siguiente tabla nos da los resultados de lo que han votado los
empleados en función del departamento.
TEORÍA DE LA PROBABILIDAD
3. El evento “el empleado ha votado SÍ” y el evento “el empleado ha votado NO” son dos
eventos dependientes. ¿Verdadero o falso?
4. Si se respetan los resultados de la empresa, ¿se aceptará la oferta realizada?
Caso Práctico 5
Objetivo General
Objetivos Específicos
1. Establecer las diferencias entre los diferentes estimadores con respecto al ECM.
Justificación
Diseño Metodológico
Marco Teórico
Estimador es un estadístico (es decir, es una función de la muestra) usado para estimar un
parámetro desconocido de la población. Por ejemplo, si se desea conocer el precio medio de
un artículo (el parámetro desconocido) se recogerán observaciones del precio de dicho
artículo en diversos establecimientos (la muestra) y la media aritmética de las
observaciones puede utilizarse como estimador del precio medio. Para cada parámetro
pueden existir varios estimadores diferentes. En general, escogeremos el estimador que
posea mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y
robustez (consistencia).
El ECM es el segundo momento (sobre el origen) del error, y por lo tanto incorpora tanto
la varianza del estimador así como su sesgo. Para un estimador insesgado, el ECM es la
varianza del estimador. Al igual que la varianza, el ECM tiene las mismas unidades de
medida que el cuadrado de la cantidad que se estima. En una analogía con la desviación
estándar, tomando la raíz cuadrada del ECM produce el error de la raíz cuadrada de la
media o la desviación de la raíz cuadrada media (RMSE o RMSD), que tiene las mismas
unidades que la cantidad que se estima; para un estimador insesgado, el RMSE es la raíz
cuadrada de la varianza, conocida como la desviación estándar.
Para finalizar relaciono los Eventos dependientes dos o más eventos serán dependientes
cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia
del otro (o otros). Cuando tenemos este caso, empleamos entonces, el concepto de
probabilidad condicional para denominar la probabilidad del evento relacionado. La
expresión P(A|B) indica la probabilidad de ocurrencia del evento A sí el evento B ya
ocurrió.
Caso Práctico 10
Resultados
Dada una población en la que se analiza la variable aleatoria ξ: N(μ, σ), se desea
estimar σ2 = V(ξ).
RTA/
n= 7
ax = 1
xi = 4
μ=2
r=8
𝑑𝑥 2 = ∑(𝑥𝑖−𝑢𝑥)²/𝑛, si m= x
Por lo tanto, La respuesta correcta es la opción 1. σ21 = S2x = ∑ (xi – ax)2 / n, donde la
desviación típica es σ21, y el estimador tiene menos sesgo, es decir, tiene mayor
exactitud.
RTA/
𝑃 = (𝑛 / ) = 7 /9 , 𝑃 ( 𝑛 /f) = 3 /8 y 𝑝 = ( 𝑛/ 𝑡 ) = 6 /12
(𝑛) = 7 /29 + 3 /29 + 6 /29 = 16/ 29 = 0,551724= 0,55 x 100 = 55% (empleados que
votaron por el NO)
Lo realice por otro método y me dio igual lo publicaré como aporte al foro.
𝑃 ( 𝑚 /𝑛 ) = 𝑃 ( 𝑚 /𝑛 ) /𝑃(𝑛)
𝑃 (𝑚 /𝑛) = (7/29) ÷ (16/29) = 7 /16 = 0,4375 ≈ 0,44 x 100 = 44% (empleados que
votaron por el No sea del departamento de marketing)
3. El evento “el empleado ha votado SI” y el evento “el empleado ha votado NO son
dos eventos dependientes. ¿Verdadero o falso?
Caso Práctico 13
Conclusiones
Webgrafía y Bibliografía
https://www.economiasimple.net/glosario/teorema-de-bayes
http://www.estadistica.net/Algoritmos2/estimadores.pdf
https://www.ugr.es/~eues/webgrupo/Docencia/MonteroAlonso/estadisticaII/tema1.pdf
https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/independent-
dependent-events
https://www.centro-virtual.com/campus/mod/scorm/player.php?a=1206¤torg=ORG-
81B0313A-492F-10D3-0AD3-906C6E5A2B8C&scoid=2530
https://sites.google.com/site/estadisticadescriptivaenedu/home/estimacion-por-intervalos-
1/propiedades-de-estimadores
Montgomery, D. C y Runger, R. (2008). Probabilidad y Estadística Aplicadas a la
Ingeniería. 2da. Edición. Limusa Wiley. Mexico.