Prácticasyproblemasdediseño de experimentos de una vía.
|
|
- María Nieves Vázquez Godoy
- hace 8 años
- Vistas:
Transcripción
1 Práctica 2 Prácticasyproblemasdediseño de experimentos de una vía. 2.1 Problemas de diseño de experimentos de una vía con ordenador. Problema 2.1. Una fábrica de herramientas desea comprobar si la resistencia de unas piezas mecánicas que le proporcionan cuatro suministradores diferentes depende del suministrador. Para ello recoge una muestra aleatoria de cada suministrador y somete a cada una de las piezas a una prueba de resistencia que consiste en observar el número de veces que soporta una presión hasta estropearse. Los resultados del experimento son los de la tabla adjunta: Sumin. A Sumin. B Sumin. C Sumin. D Resistencia Desarrollo del Problema 2.1. Utilizando el Statgraphics se siguen los siguientes pasos. 1. Crear un fichero con los datos del problema. El fichero tendrá seis variables: cuatro variables con los datos de cada suministrador, una variable con todos los datos de la variable respuesta (resistencia) y la variable del factor (suministrador). 2. Hacer un estudio descriptivo analítico y gráfico de la variable resistencia según el factor resistencia. Se utiliza el módulo describe > numeric data > subset analysis. 11
2 12 web Juan Vilar Observar los estadísticos básicos de cada grupo y de la tabla de medias. Observar con atención los siguientes gráficos: gráfico de puntos de la variable respuesta frente al factor, gráfico de medias de los grupos, gráfico de las desviaciones típicas de los grupos y el gráfico de cajas múltiple. Obtener conclusiones. 3. Elestudiodelainfluencia del factor y la construcción de la tabla ANOVA se hace en el módulo compare > analysis of variance > one-way anova Este módulo permite realizar un estudio completo del problema. Se pueden realizar los siguientes análisis: - Hacer un estudio descriptivo análogo al del apartado anterior. - Construir la tabla ANOVA y contrastar la influencia del factor. - Calcular intervalos de confianza para las medias de grupos. - Hacer contrastes múltiples por diferentes métodos. - Contrastar la hipótesis de homocedasticidad. - Hacer el contraste no paramétrico de Krustal-Wallis sobre la influencia del factor. - Dibujar gráficos descriptivos análogos a los del apartado anterior. - Dibujar diferentes gráficos de residuos para contrastar las hipótesis básicas. 4. Se guardan los residuos en una variable (también es conveniente guardar los residuos estandarizados). 5. Con el estudio realizado ya se puede tener un conocimiento razonable acerca del cumplimiento o no de las hipótesis básicas. En todo caso un análisis más detallado sobreesteparticularseobtienecomosigue: Hipótesis de normalidad: el módulo describe > distribution > distribution fitting proporciona diferentes contrastes de normalidad y gráficos que ayudan a estudiar la hipótesis de normalidad (gráfico de simetría, histograma, empírica y densidad teórica, gráfico Q Q). El gráfico de normalidad se obtiene en plot > exploratory plot > normal probability plot. 6. Hipótesis de homocedasticidad: el módulo one-way anova proporciona diferentes contrastes de homocedasticidad (Cochran, Bartlett, Hartley y Levene) y diferentes gráficos donde se puede contrastar esta hipótesis. Trabajando con la variable de residuos se puede hacer el contraste de Romero-Zúnica (tabla ANOVA de un factor donde la variable respuesta es la de residuos al cuadrado) y el gráfico de cajas múltiple de los residuos frente al factor.
3 Prácticas y problemas de diseño de experimentos de una vía Detectar datos atípicos: se utiliza el módulo describe > numeric data > outlier identification en el que se presentan diferentes métodos numéricos y gráficos para detectar datos atípicos entre los residuos. 8. Hipótesis de independencia: considerando la variable de residuos como una serie de tiempo se puede estudiar la independencia de la misma en el módulo special > time-series analysis > descriptive methods que permite obtener la función de autocorrelación (f.a.s.), los contrastes de rachas y el contraste de Box-Pierce (Box-Ljung), también se presentan las gráficas de residuos frente al índice y el correlograma. Si se considera que los residuos tienen mucha variabilidad se puede obtener una serie suavizada de los mismos utilizando los métodos de medias móviles en el módulo special > time-series analysis > smoothing. Problema 2.2. El fichero problema-2-2 contiene datos de una muestra de 155 coches. En base a esta muestra, estudiar: 1. La influencia del factor origen de los coches (origin) en la variable de interés inversa del consumo (mpg: millas por galón). 2. La influencia del año de fabricación (year) en la variable de interés aceleración de los coches (accel). 3. La influencia del año de fabricación (year) en el precio de los coches (price). 2.2 Contrastes de hipótesis no paramétricas. Problema 2.3. Durante la segunda guerra mundial se dividió el mapa de Londres en cuadrículas de 1/4 Km 2 y se contó el número de bombas caídas en cada cuadrícula durante un bombardeo alemán. Los resultados obtenidos fueron los siguientes: x i : impactos en la cuadrícula o i : frecuencia observada A partir de estos datos deducir si el bomardeo se hacía de forma aleatoria o se perseguía un determinado objetivo militar Solución al Problema 2.3. Del contexto de los datos parece razonable intentar ajustar una distribución de Poisson.
4 14 web Juan Vilar Se estima el parámetro λ ˆλ = x = P xi o i P oi = = = Se calculan las probabilidades teóricas e ˆλ i ˆλx p i = P (X = x i )=. x i! Se obtiene la tabla del contraste chi cuadrado de ajuste de una distribución (E i O i ) 2 x i p i E i = p i 576 O i E i Q = En la Figura 2.1. se representa la distribución ajustada ,5 0,5 1,5 2,5 3,5 4,5 5,5 Figura 2.1. Histograma y distribución de Poisson ajustado. Bajo la hipótesis nula (la variable en estudio es de Poisson) el estadístico Q sigue una distribución con grados de libertad, de donde ³ p valor =1 P χ 2 4 < = =
5 Prácticas y problemas de diseño de experimentos de una vía. 15 Se acepta la hipótesis de que la distribución de la variable en estudio es de Poisson. Problema 2.4. Se ha observado el tiempo de funcionamiento de diez impresoras de un determinado modelo antes de tener la primera avería, los datos se han tomado con unidad cien horas de funcionamiento. Una vez ordenada la muestra de menor a mayor, los resultados son los de la tabla adjunta: En base a estos datos ajustar una distribución utilizando el contraste de Kolmogorov- Smirnov. Solución al Problema 2.4: Por el contexto del problema es razonable suponer que las observaciones siguen una distribución exponencial. La función de densidad es y, la función de distribución es Se estima el parámetro λ = 1 E (X), Se calcula la tabla del contraste K-S: f (x) =λe λx si x > 0 F (x) =P (X x) =1 e λx si x > 0. ˆλ = 1 x = = x i F (x i ) F n (x i 1 ) F n (x i ) D (x i ) KS =
6 16 web Juan Vilar En la tabla KS se observa que al valor KS = le corresponde un p valor = Se acepta la hipótesis de que las observaciones siguen una distribución exponencial. Problema 2.5. El ordenador DEC-20 era utilizado en las universidades americanas en la década de los ochenta. Los datos de la tabla adjunta indican el número de averías que tenía uno de estos ordenadores en 128 semanas consecutivas de funcionamiento. Se puede ajustar a estos datos una distribución de Poisson? En caso negativo proponer una distribución alternativa (los datos están en el fichero problema-2-5) Problema 2.6. Los datos de la tabla adjunta indican los tiempos, en segundos, que tarda en realizar una operación un cajero automático de una entidad bancaria (los datos están en el fichero problema-2-6) Hacer un estudio descriptivo de estos datos. 2. Puede suponerse que estos datos siguen una distribución normal?
7 Prácticas y problemas de diseño de experimentos de una vía Los datos de la muestra han sido recogidos de forma consecutiva durante un día, puede suponerse que son independientes?. Problema 2.7. En la tabla adjunta se presentan los datos del tiempo transcurrido, en días, entre dos terremotes ocurridos en algún lugar. Se consideran los terremotos con una magnitud superior a grados en la escala Richter o en el que murieron más de personas. Los datos se recogían entre el 16 de Diciembre de 1902 y el 4 de Marzo de En base a estos datos, los terremotos ocurren de forma aleatoria?, el tiempo entre dos terremotos se puede ajustar por una distribución exponencial?, (los datos están en el fichero problema- 2-7) Problemas resueltos de diseño de experimentos de una vía. Problema 2.8. (Diseño de experimentos con un factor fijo) Un campus universitario tiene cuatro facultades. Se quiere estudiar la variable tiempo que tarda un alumno en hacer una consulta en la base de datos de la biblioteca de su facultad. Para ello se ha recogido una muestra aleatoria cuyos resultados son los de la tabla adjunta. Analizar estos datos y estudiar la influencia del factor facultad en la variable de interés. Arquitectura Informática Derecho Caminos
8 18 web Juan Vilar Solución al Problema 2.8. La media y desviación típica de cada una de las facultades y del total es: ˆµ =ȳ = 1 X n y ij = ij s 2 Y = 1 X µ 1 X n ij y2 ij n ij y ij = = = s Y = = (desviación típica muestral) ŝ 2 Y = s2 Y = = ŝ Y = = (cuasi-desviación típica muestral) La suma de cuadrados global es: En cada grupo se obtiene scg = X ij (y ij ȳ ) 2 = Facultad Media Cuasi-Varianza Cuasi-Desviación típica Arquitectura ȳ 1 = ŝ 2 1 = ŝ 1 = Informática ȳ 2 = ŝ 2 2 = ŝ 2 = Derecho ȳ = ŝ 2 3 = ŝ 3 = Caminos ȳ 4 = ŝ 2 4 = ŝ 4 = TOTAL ȳ = ŝ 2 Y = ŝ Y = El contraste sobre la influencia del factor facultad es ( H0 : µ 1 = µ 2 = µ 3 = µ 4 ) H 1 : existen medias diferentes A la vista de los resultados sobre la media del cuadro anterior se puede intuir que se va a rechazar H 0 y,portanto,elfactor facultad influyeenlavariabledeinterés. Se calcula la tabla ANOVA. Teniendo en cuenta que la predicción en cada facultad coincide con la media condicionada: Predicciones ˆµ 1 =ȳ 1 = ˆµ 2 =ȳ 2 = ˆµ 3 =ȳ 3 = ˆµ 4 =ȳ 4 =
9 Prácticas y problemas de diseño de experimentos de una vía. 19 La suma de cuadrados explicada por el factor 4X Xn i sct (facultad) = (ȳ i ȳ ) 2 = La suma de cuadrados residual i=1 j=1 4X n i (ȳ i ȳ ) 2 = i=1 = = scr = scg sct = = También se puede calcular scr directamente a partir de los residuos (siempre los hay que calcular para contrastar las hipótesis básicas), scr = X ij e 2 ij = X ij (y ij ȳ i ) 2 = = = La tabla ANOVA es Tabla ANOVA Suma de cuad. Gr. lib. Varianzas F p valor sct s 2 e = scr ŝ 2 R = scg ŝ 2 Y = Se rechaza H 0 para cualquier valor de α > y se concluye que el factor facultad essignificativo. Intervalos de confianza al 90% para los diferentes parámetros del modelo: Intervalo de confianza para la varianza: σ 2 (n I)ŝ 2 R σ 2 = σ 2 χ 46 = = χ σ 2 χ = = = σ = Intervalo de confianza para σ : σ
10 20 web Juan Vilar Intervalo de confianza para µ i µ i ȳ i s ŝ 2 R n i t n I = µ p /10 = µ t 46 = = t µ t = = µ ± = ± = , De forma análoga se obtienen intervalos de confianza para las otras medias, IC (µ 2 )=( , ) IC (µ 3 )=( , ) IC (µ 2 )=( , ) Intervalo de confianza para la diferencia de medias. Se hace para µ 1 µ 2 (µ 1 µ 2 ) ( ) r (µ 1 µ 2 ) (ȳ 1 ȳ 2 ) ŝ R s 1 n n 2 t n I = = (µ 1 µ 2 ) (µ 1 µ 2 ) = t 46 = = t (µ 1 µ 2 ) t = (µ 1 µ 2 ) ± = ± = , Puede considerarse que existe una diferencia significativa entre la media de ArquitecturaylamediadeInformática. Haciendo todos los intervalos de confianza para la diferencias de medias se obtienen dos grupos homogéneos: Grupo 1: Informática y Caminos Grupo 2: Arquitectura y Derecho. En las siguientes figuras se representan tres gráficas que ayudan a entender que existe influencia del factor facultad y que los residuos verifican las hipótesis estructurales: - Figura 2.2. Gráfico de cajas múltiple para los datos del problema según el factor. - Figura 2.3. Gráfico de medias condicionadas con int. confianza según el factor.
11 Prácticas y problemas de diseño de experimentos de una vía Figura 2.4. Gráfico de residuos del modelo frente a predicciones. 1 facultad Figura 2.2. Gráfico de cajas múltiple. Means and 90,0 Percent LSD Intervals Figura 2.3. Gráfico de medias condicionadas residual predicted Figura 2.4. Gráfico de residuos frente a predicciones.
12 22 web Juan Vilar Problema 2.9. (Diseño de experimentos con un factor aleatorio). En una empresa de montaje trabajan 135 operarios que realizan un determinado trabajo (T). La dirección de la empresa está interesada en conocer si influye el factor operario en la variable tiempo de realización del trabajo T.Paraelloseeligencinco operarios al azar y se controla el tiempo en minutos que tardan en realizar el trabajo T en diez ocasiones. Los resultados del experimento son los de la tabla adjunta. Qué conclusiones se deducen de este experimento? Oper.1 Oper.2 Oper.3 Oper.4 Oper Solución al Problema 2.9. Es un diseño de experimentos con un factor (el factor operario ) que es aleatorio. Las medias y cuasi-desviaciones típicas en cada grupo (operario) son Operador Media Cuasi-Varianza Cuasi-Desviación típica Operador 1 ȳ 1 = ŝ 2 1 = ŝ 1 = Operador 2 ȳ 2 = ŝ 2 2 = ŝ 2 = Operador 3 ȳ 3 = ŝ 2 3 = ŝ 3 = Operador 4 ȳ 4 = ŝ 2 4 = ŝ 4 = Operador 5 ȳ 5 = ŝ 2 5 =100 9 ŝ 5 = TOTAL ȳ = ŝ 2 Y = ŝ Y = De donde scg = X ij (y ij ȳ ) 2 = En este caso el modelo matemático es y ij = µ + T i + ε ij, T i N ³ 0, σ 2 T, ε ij N ³0, 2 σ El objetivo es la realización del contraste: ( H0 : σ 2 T =0 ( µ 1 = µ 2 = µ 3 = µ 4 ) ) H 1 : existe variabilidad debida al factor Las predicciones son Predicciones ˆµ 1 = ˆµ 2 = ˆµ 3 = ˆµ 4 = ˆµ 5 =64 0 7
13 Prácticas y problemas de diseño de experimentos de una vía. 23 Cálculo de la suma de cuadrados explicada por el factor 5X Xn i 4X sct (operador) = (ȳ i ȳ ) 2 = n i (ȳ i ȳ ) 2 = i=1 = 10 j=1 i=1 " ( ) 2 +( ) 2 +( ) 2 + +( ) 2 +( ) 2 # Finalmente se obtiene La tabla ANOVA es = scr = scg sct = = Tabla ANOVA Suma de cuad. Gr. lib. Varianzas F p valor sct s 2 T = scr ŝ 2 R = scg ŝ 2 Y = Se rechaza H 0 para cualquier valor de α > y se concluye que el factor operador es significativo, esto es, hay variabilidad entre los diferentes operadores. Estimación de las varianzas del modelo: ŝ 2 R E (SCMR) =σ 2 ˆσ 2 =ŝ 2 R = E (SCMT) = σ 2 + cσ 2 T ˆσ 2 T = ŝ2 T ŝ2 R c = = σ 2 Y = σ2 + σ 2 T ˆσ2 Y =ˆσ2 +ˆσ 2 T = = Al igual que en el problema anterior las siguientes gráficas ayudan a comprender e interpretar la resolución del problema: Figura 2.5. Gráfico de cajas múltiple para los datos del problema según el factor. Figura 2.6. Gráfico de medias condicionadas con intervalos de confianza según el factor. Figura 2.7. Gráfico de residuos frente a predicciones.
14 24 web Juan Vilar 1 operario tiempo Figura 2.5. Gráfico de cajas múltiple. Means and 90,0 Percent LSD Intervals tiempo operario Figura 2.6. Gráfico de medias condicionadas. 9 6 residual predicted tiempo Figura 2.7. Gráfico de residuos frente a predicciones.
15 Prácticas y problemas de diseño de experimentos de una vía Problemas propuestos de diseño de experimentos de una vía. Problema Sehaestudiadoelcontenidoenplata(tantoporcientodeplata)demonedasde Bizancio descubiertas en Chipre. Nueve de las monedas eran de la Epoca I, en el reinado del Rey Manuel I ( ), siete monedas eran de la Epoca II, cuatro de la Epoca III y siete de la Epoca IV. En base a estos datos existen diferencias significativas del contenido de plata en las monedas según las diferentes épocas? En particular, existe una diferencia significativa del contenido en plata de las monedas del reinado del Rey Manuel I con las otras épocas? Epoca I Epoca II Epoca III Epoca IV Problema En la tabla adjunta se presentan los tiempos, en segundos, de coagulación de la sangre extraída a 40 animales alimentados con cuatro dietas distintas (A, B, C, D). El muestreo se ha realizado de forma que las dietas se han asignado al azar y las muestras de sangre fueron extraídas y analizadas en orden aleatorio. En base a estos datos hay evidencias suficientes que indiquen la existencia de diferencias reales entre los valores medios de las distintas dietas? Analizar los residuos. En particular se tienen dudas acerca de las hipótesis de normalidad y homocedasticidad Dieta A Dieta B Dieta C Dieta D Problema Un departamento universitario desea contrastar si en los resultados de los alumnos en el aprendizaje de una asignatura influye el profesor que la imparte. Para ello se eligen aleatoriamente muestras de alumnos de los cuatro profesores que imparten la asignatura: Juan, Luis, Pedro y Pablo, para que realizen un examen obteniendo los siguientes resultados en una puntuación de 0 a 80. Qué conclusiones se deducen?.
16 26 web Juan Vilar Juan Luis Pedro Pablo Problema Se sabe que el dióxido de carbono tiene un efecto crítico en el crecimiento biológico. Cantidades pequeñas de CO 2 estimulan el crecimiento de muchos organismos, mientras que altas concentraciones inhiben el crecimiento de la mayor parte de ellos. Este último efecto se utiliza comercialmente cuando se almacenan productos alimenticios perecederos. Se realizó un estudio para investigar el efecto de CO 2 sobrelatasadecrecimientodel Pseudomonasfragi, un corruptor de alimentos. Se administró CO 2 a cinco presiones atmosféricas diferentes. La respuesta anotada es el cambio porcentual en la masa celular después de un tiempo de crecimiento de una hora. Se utilizaron diez cultivos en cada nivel, obteniéndose los datos de la tabla adjunta. Qué conclusiones se deducen del estudio estadístico de estos datos? Los resultados del experimento se presentan en la tabla adjunta. Nivel del factor, presión en atmósferas de CO Problema Una empresa de enlatado decide comprar nuevas máquinas y dispone de cuatro ofertas. Antes de elegir decide realizar una prueba para saber si las cuatro máquinas ofertadas pueden producir la misma cantidad de unidades por hora. Para ello, observa la producción de las cuatro máquinas y observa los resultados que se reflejan en la tabla adjunta. Qué conclusiones se deducen de este experimento? maq.a maq.b maq.c maq.d
17 Prácticas y problemas de diseño de experimentos de una vía. 27 Problema Una cadena de supermercados desea determinar si los empleados de caja, que se supone tienen un mismo nivel de capacidad, tardan el mismo tiempo en atender a los clientes. Para ello, se han seleccionado cinco empleados al azar y se ha observado el tiempo que han tardado en atender a los clientes. Los resultados son los de la tabla adjunta, Cajero.1. Cajero.2. Cajero.3. Cajero. 4. Cajero En base a estos datos: 1. Escribir el modelo matemático adecuado al problema. Cuál es la hipótesis nula a contrastar? 2. Calcular la tabla ANOVA. Contrastes relacionados. Conclusiones. 3. Calcular el coeficiente de determinación. 4. Analizar los residuos del modelo. Problema Los datos de la tabla adjunta indican la salinidad (partes por mil) de diferentes muestras tomadas en el lago Binimi (Bahamas) en tres zonas diferentes, elegidas de forma aleatoria entre toda la extensión del lago. En base a estos datos, se puede afirmar que la salinidad en el lago es constante? Zona I Zona II Zona III Problema Los datos de la tabla adjunta indican el peso de los depósitos de corcho de 28 árboles en cada una de las direcciones: norte, sur, este y oeste. Se quiere contrastar la hipótesis de que las medias de los pesos son iguales en todas las direcciones.
18 28 web Juan Vilar 1. Hacer un estudio descriptivo de cada una de las cuatro variables. 2. Calcular la tabla ANOVA. Conclusiones. 3. Análisis de los residuos. 4. Calcular intervalos de confianza para las medias y para la diferencia de medias. 5. Se ha elegido la muestra de forma conveniente? Proponer un muestreo alternativo. 6. Sería razonable utilizar un modelo de bloques? En caso afirmativo cómo se recogería la muestra? Con el nuevo modelo cambian las conclusiones? Norte Este Sur Oeste Norte Este Sur Oeste Problema Un ingeniero civil está interesado en determinar si cuatro métodos diferentes para estimar la frecuencia de inundaciones producen estimaciones equivalentes del flujo máximo, medido en pies cúbicos por segundo, cuando se aplican a una misma cuenca. Cada procedimiento se evaluó seis veces en la misma cuenca y las observaciones son las de la tabla adjunta. Realizar el análisis estadístico y comprobar la heterocedasticidad de los residuos. Qué transformación es más apropiada para conseguir varianza constante?. Método Método Método Método
19 Prácticas y problemas de diseño de experimentos. 29 Problema Interesa determinar el efecto de cambiar el número de revoluciones por minuto (rpm) de una bomba rotatoria que impulsa un líquido por un circuito. Las rpm se controlan directamente mediante el tacómetro situado en la consola de la bomba. La tasa de corriente del fluído se mide en litros por minuto. Se seleccionan 5 niveles equiespaciados de rpm: 10, 75, 100, 125 y 150 rpm (codificados respectivamente del 1 al 5). Los resultados de las observaciones se recogen en el fichero problema En base a estos datos: 1. Calcular la tabla ANOVA y contrastar la hipótesis el número de rpm no afecta a la tasa de corriente del líquido. 2. Conclusiones del estudio. 3. Calcular un intervalo de confianza para la varianza al 90%. Problema El fichero problema-2-20 contiene variables que representan conjuntos de residuos obtenidos al ajustar un diseño de experimentos de un factor con cinco niveles (se tienen veinte observaciones en cada nivel). Analizar cada uno de estos conjuntos de residuos y estudiar si verifican las hipótesis estructurales del modelo.
20 30 web Juan Vilar
Prácticas y problemas de diseño de experimentos de una vía.
Capítulo 1 Prácticas y problemas de diseño de experimentos de una vía. 1.1. Problemas de diseño de experimentos de una vía con ordenador. Problema 2.1. Una fábrica de herramientas desea comprobar si la
Más detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detallesDiseño Estadístico de Experimentos
Capítulo 3 Diseño Estadístico de Experimentos Una prueba o serie de pruebas en las cuales se introducen cambios deliberados en las variables de entrada que forman el proceso, de manera que sea posible
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis
Más detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detalles2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p
Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesExperimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.
Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesIES Fco Ayala de Granada Junio de 2012 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO 4 (COMÚN) OPCIÓN A EJERCICIO 1 (A) Sea el recinto determinado
Más detalles6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)
1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido
Más detallesProblemas. Intervalos de Confianza y Contrastes de Hipótesis
Problemas. Intervalos de Confianza y Contrastes de Hipótesis Ejemplos resueltos y propuestos Intervalos de Confianza Variable Nomal en la población Se selecciona una muestra de tamaño n de una población
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesPRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Más detallesPráctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Más detallesPuedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):
Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología. Examen final. Miércoles, 21 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar
Más detallesAlgunas Distribuciones de Probabilidad
Relación de problemas 7 Algunas Distribuciones de Probabilidad 1. En un hospital se ha comprobado que la aplicación de un tratamiento en enfermos de cirrosis produce una cierta mejoría en el 80 % de los
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesStatgraphics Centurión
Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesOtras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
Más detallesNombre...Apellidos... Grado en:...grupo:...
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles
Más detallesSOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION.
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA DE LA PRODUCCIÓN INGENIERÍA INDUSTRIAL SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE
Más detallesSolución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
Más detallesPrácticas y problemas de diseño de experimentos.
Capítulo 1 Prácticas y problemas de diseño de experimentos. 1.1. Problemas de diseño de experimentos con ordenador. Problema 3.1. Datos apareados. El Ministerio de Trabajo desea saber si un plan de seguridad
Más detallesTEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Más detallesANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D.
UNIVERSIDAD DE PUERTO RICO FACULTAD DE ADMINISTRACION DE EMPRESAS INSTITUTO DE ESTADISTICA ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus, Ph.D. Presentación Este curso ofrece al estudiante, la posibilidad
Más detallesINFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA
1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98
Más detallesCalculadora de Tamaño muestral GRANMO
Calculadora de Tamaño muestral GRANMO Versión 7.12 Abril 2012 http://www.imim.es/ofertadeserveis/software-public/granmo/ Entre las distintas ofertas que existen para el cálculo del tamaño muestral, ofrecemos
Más detallesPRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Más detallesProblemas de Probabilidad resueltos.
Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose
Más detallesCOMPARACIÓN DE POBLACIONES
COMPARACIÓN DE POBLACIONES ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 1.1. En un estudio sobre los efectos de un determinado gen en la protección del organismo ante agentes atmosféricos
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICA APLICADA A LA CIENCIA OCIALE EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ECOGER UNA DE LA DO OPCIONE Y DEARROLLAR LA
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detallesUNIVERSIDAD COMPLUTENSE DE MADRID
TIEMPO: INSTRUCCIONES GENERALES Y VALORACIÓN Una hora y treinta minutos. INSTRUCCIONES: El examen presenta dos opciones A y B; el alumno deberá elegir una de ellas y contestar razonadamente a los cuatro
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detalles3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO
Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 003 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B Reserva 1, Ejercicio 3,
Más detallesCURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS
CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-4492-6252 Fax:
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013 N o lista Grupo El fichero datos 17m.sgd contiene información sobre los 327 vuelos comerciales
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesPRÁCTICA 1: ANÁLISIS DE LA VARIANZA
LADE Y DERECHO Departamento de Estadística Asignatura: Estadística II Curso: 2008/2009 Relación número 1 de prácticas PRÁCTICA 1: ANÁLISIS DE LA VARIANZA 1. Objetivo Esta práctica tiene como objetivo enseñar
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesEstadística; 3º CC. AA. Examen final, 4 de septiembre de 2009
Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009 Apellidos Nombre: Grupo: DNI. (5 puntos) Se observa la variable Porcentaje de masa boscosa perdida anualmente en 0 provincias elegidas al azar
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesTema 5: Análisis conjunto y teoremas límite
Facultad de Economía y Empresa 1 Tema 5: Análisis conjunto y teoremas límite COCHES Se han analizado conjuntamente las variables número de hijos de cada familia (X) y número de coches por familia (Y),
Más detallesParámetros y estadísticos
Parámetros y estadísticos «Parámetro»: Es una cantidad numérica calculada sobre una población y resume los valores que esta toma en algún atributo Intenta resumir toda la información que hay en la población
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A
a) (1 punto) Dada la matriz a 1 A, calcule el valor de a para que A a 0 sea la matriz nula. 1 1 t b) ( puntos) Dada la matriz M, calcule la matriz M M. 1 1 x 1 Sea la función f definida mediante f ( x).
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 2013-2014 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones
EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesPrograma de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso.
Programa de Statgraphics TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. AUTOR: JUAN VICENTE GONZÁLEZ OVANDO ANALISIS Y CALCULOS A) Planteamos los
Más detallesTema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS
Tema 9 Estadística Matemáticas B º E.S.O. TEMA 9 ESTADÍSTICA TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS EJERCICIO : En un grupo de personas hemos preguntado por el número
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detallesTrabajo de Matemáticas y Estadística Aplicadas
Licenciatura en Ciencia Ambientales Matemáticas y Estadística aplicada Prof. Susana Martín Fernández POLITÉCNICA Trabajo de Matemáticas y Estadística Aplicadas GUIÓN 1: Estadística descriptiva Tipo 1 1-
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detallesINFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA
1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Página 75 REFLEXIONA Y RESUELVE Lanzamiento de varios dados Comprueba en la tabla anterior ue: DESV. TÍPICA PARA n DADOS n = 8 1,71 1,1 n = 3 8 1,71 3 0,98
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesUnidad II: Números pseudoaleatorios
Unidad II: Números pseudoaleatorios 2.1 Métodos de generación de números Pseudoaleatorio Métodos mecánicos La generación de números aleatorios de forma totalmente aleatoria, es muy sencilla con alguno
Más detallesEXPERIMENTACIÓN. Eduardo Jiménez Marqués
EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6
Más detallesSíntesis Numérica de una Variable
Relación de problemas 2 Síntesis Numérica de una Variable Estadística 1. En siete momentos del día se observa el número de clientes que hay en un negocio, anotando: 2, 5, 2, 7, 3, 4, 9. Calcular e interpretar
Más detallesMATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN. Contenidos Mínimos. I. Estrategias, habilidades, destrezas y actitudes generales
MATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN Contenidos Mínimos I. Estrategias, habilidades, destrezas y actitudes generales II. Números: Resolución de problemas utilizando toda
Más detallesMedidas de tendencia central o de posición: situación de los valores alrededor
Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesCircuito RC, Respuesta a la frecuencia.
Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un
Más detallesUNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año
UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO
Más detallesContenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS
Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier
Más detallesProgramación General Anual Curso 2011/12 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II ÍNDICE
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II ÍNDICE ÍNDICE...1 CONTENIDOS... 2 CRITERIOS DE EVALUACIÓN... 4 TEMPORALIZACIÓN... 5 METODOLOGÍA DIDÁCTICA... 6 PROCEDIMIENTOS DE EVALUACIÓN... 7 ACTIVIDADES
Más detallesCapítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3
Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar
Más detallesDISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS
DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios
Más detallesEstadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL
1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesTema 8: Estimación por intervalos
Facultad de Economía y Empresa 1 Tema 8: Estimación por intervalos ALIMENTACIÓN En una investigación sobre la alimentación infantil se analiza el consumo semanal de agua (X, en litros), variable que se
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detallesAnálisis de la varianza (un factor): ANOVA
Capítulo 9 Análisis de la varianza (un factor): ANOVA 91 Introducción Veíamos cómo contrastar la igualdad de medias en dos poblaciones normales e independientes En ocasiones necesitamos contrastar la igualdad
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES Junio, Ejercicio 1, Opción B 3 Sean las matrices A 0 3, B y C 0 1 1 5 1 3 0 a) Calcule las
Más detallesUNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS
UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la
Más detallesSe pide: 1. Calcular las principales medidas de posición y dispersión para los datos anteriores.
2.2.- Ha sido medida la distancia de frenado (en metros) de una determinada marca de coches, según el tipo de suelo y velocidad a la que circula, los resultados en 64 pruebas aparecen en el listado siguiente:
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 2, Febrero 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Autor:
Más detallesGrado en Ingeniería. Estadística. Tema 3
Grado en Ingeniería Asignatura: Estadística Tema 3. Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción Variabilidad de un proceso de fabricación Causas asignables
Más detallesSPSS: ANOVA de un Factor
SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesEjercicios de Teoría de Colas
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ
Más detallesTitulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS. Asignatura: ECO103 Estadística Aplicada. Semestre: Segundo. Estadística aplicada [1]
Titulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Asignatura: ECO103 Estadística Aplicada Semestre: Segundo Estadística aplicada [1] Asignatura: ECO103 Estadística Aplicada Formación: Básica
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detalles