ANÁLISIS DE VARIANZA
|
|
- Aurora Rivero Coronel
- hace 8 años
- Vistas:
Transcripción
1 ANÁLISIS DE VARIANZA Se supoe el caso de u fabricate y tres cosumidores de latas cuyo fodo tega al meos 0.25 libras de recubrimieto de estaño. Mediate u tratamieto químico, se puede medir el peso de este recubrimieto, pero desgraciadamete o se puede repetir la experiecia co la misma muestra e lo cuatro laboratorios. U esayo experimetal puede cosistir e cortar discos a eviar a cada laboratorio, pero puede haber diferecias e el promedio debido: a) diferecias sistemáticas e la técica de medició, b) variabilidad aleatoria. Por otro lado, está la icógita de cuátos discos debería cortarse para eviar a cada laboratorio. Ua forma de determiar este valor es utilizado la desviació estádar de la distribució muestral etre dos medias. Se supodrá que este úmero está e el orde de 12 por laboratorio (e total 48 discos). La preguta ahora es cómo seleccioar esos 48 discos de ua chapa, la primera que viee a la mete es eviar segú este formato: Si las medias de las medicioes realizadas por cada uo de los laboratorios está muy dispersas, idica falta de cosistecia e las medicioes. Esto puede ser porque todos mide distito o quizá porque la distribució del depósito e la chapa es irregular. Es decir, se cofude la icosistecia de los laboratorios co la catidad de estaño depositado e la tira. Ua solució posible para esto sería umerar aleatoriamete los discos, por medio de ua Tabla de Números Aleatorios o co ua computadora, destiado a cada uo de los laboratorios los siguietes discos: Laboratorio A: 3, 10, 22. Laboratorio B: 33, 42, 8. Laboratorio A: 15, 12, 28. Laboratorio A: 45, 21, 35. Esta alterativa disuelve el patró de la disposició de estaño sobre la chapa (por ejemplo, más espesor e el cetro que e los bordes). Al aleatorizar el total de los 48 discos sólo queda atribuir a variació aleatoria las causas extrañas. Otra solució podría ser etregar los 48 de ua misma tira (experimetació cotrolada), pero los resultados sería sólo aplicables a distacias fijas del extremo de la lámia. Rara vez se fija todos o la mayoría de los factores extraños a lo largo de u experimeto, se cosigue así ua estimació de la variació aleatoria que o esté iflada por variacioes debidas a otras causas. Cátedra Estadística II 1
2 E la práctica, los experimetos deberá plaearse de tal maera que las fuete coocidas de variabilidad sea deliberadamete cosideradas sobre u rago ta amplio como sea ecesario. Más aú, deberá variarse e tal forma que su variabilidad pueda elimiarse e la estimació de la variable aleatoria. U modo es repetir el experimeto e varios bloques e los que la fuete coocida de variabilidad (esto es, variables extrañas) se matiee fijas e cada bloque, pero variado de bloque e bloque: Tira 1 Tira 2 Tira 3 Tira 4 Laboratorio A 8, 4, 10 23, 24, 19 26, 29, 35 37, 44, 48 Laboratorio B 2, 6, 12 21, 15, 22 34, 33, 32 45, 43, 46 Laboratorio C 1, 5, 11 16, 20, 13 36, 29, 30 41, 38, 47 Laboratorio D 7, 3, 9 17, 18, 14 28, 31, 25 39, 40, 42 De este modo, las diferecias etre medias obteidas por los 4 laboratorios, o puede atribuirse a variacioes etre tiras. DISEÑOS COMPLETAMENTE ALEATORIOS Se supoe que el experimetador cueta co los resultados de muestras aleatorias idepedietes, cada ua de tamaño, de diferetes poblacioes (datos relativos a tratamietos, grupos, métodos de producció, etc.). Iteresa probar la hipótesis de que las medias de esas poblacioes so todas iguales. Se deota a la j-ésima observació de la i-ésima muestra por y ij. El esquema geeral para u criterio de clasificació es: Medias Muestra 1 y 11 y 12 y 1j. y 1 Muestra 2 y 21 y 22 y 2j y 2. Muestra i y i1 y i2 y ij y i. Muestra y 1 y 2 y j y Bajo este esquema experimetal, e referecia al ejemplo tratado, y ij (i=1,2,..,4; j=1,2,, 12) es la j-ésima medició del peso del revestimieto del iésimo laboratorio, e es la media global (o gra media) de las 48 observacioes. Para pruebas de hipótesis (medias iguales) se supodrá estar trabajado co poblacioes ormales de la misma 2. Si i es la media de la població i-ésima y 2 es la variaza comú de las poblacioes, se puede expresar cada observació y ij como i más el valor del compoete aleatorio: y i j = i + i j para i=1,2,..,; j=1,2,, i j es ua variable aleatoria co distribució ormal, = 0 y 2 comú. Para dar uiformidad a las ecuacioes, se reemplaza i por + i, dode es la media de las i y i es el efecto del i-ésimo tratamieto, de aquí que: Cátedra Estadística II 2
3 i 1 i 0 esto surge de: 1 i 1 i 1 i 1 i 1 i 1 i luego, la expresió de y ij queda: y i j = i + i j para i=1,2,..,; j=1,2,, Por lo tato, la Hipótesis Nula (las medias de las poblacioes iguales) se reemplaza por la Hipótesis Nula de que 1 = 2 = = = 0. La Hipótesis Altera de que al meos dos de las medias so distitas equivale a que i < > 0 para algua i. Para probar la Hipótesis Nula, se compara las estimacioes de 2 (ua e base a la observació de las medias muestrales y la otra co la variació detro de la muestra). cuatro laboratorios de u Ya que cada muestra viee de ua població co variaza 2, la variaza se dias obteidas por puede cada estimar uo de cualquiera de las muestras: ir ua Tabla de aálisis de 2 1 s i 1 j 1 2 y ij y i y etoces tambié por su media: cada ua de las variazas muestrales s 2 i está basada e (-1) grados de libertad y etoces está basada e.(-1) grados de libertad. Por otro lado, la variaza de las medias muestrales está dada por: y si la hipótesis es verdadera, esta expresió da ua estimació de 2 / y así ua estimació de 2, pero basada e la diferecia etre las medias, está dada por: Cátedra Estadística II 3
4 basada e (-1) grados de libertad. Si Ho es cierta, se puede demostrar que y so estimacioes idepedietes de 2 y por ello: F = / es ua variable aleatoria co distribució F co = -1 y =.(-1) grados de libertad. Cabe esperar que la variaza etre muestras,, exceda la variaza detro de las muestras,, cuado la Hipótesis Nula es falsa, por eso Ho será rechazada si F>F. Co el argumeto aterior se ha idicado cómo la prueba de las medias se puede fudametar e la comparació de dos estimacioes de variazas. Es otable el hecho de que las dos estimacioes e cuestió [excepto para los divisores (-1) y.(-1)] puede obteerse partiedo o aalizado la variaza total de las. observacioes e dos partes. La variaza muestral de las. observacioes está dada por: se puede probar el siguiete teorema respecto del umerador, llamado Suma de Cuadrados Total: Demostració: y como: 2 2 y y yi y. ij i y y 2 y y y y. ij i ij i i i 1 j 1 i 1 j y y 2 y y. ij i i y y ij i y y. i i 1 j 1 i 1 j 1 i 1 j 1 y y ij i se verifica la relació aterior: Se acostumbra a deotar: a) Suma de Cuadrados Total, SST: 0 2 y y. i Cátedra Estadística II 4
5 SST 2 y ij y. i 1 j 1 b) Suma de Cuadrados de Error, SSE: c) Suma de Cuadrados de Tratamieto SS(Tr): Luego, F se puede escribir así: F SS ( Tr) 1 SSE ( 1) los resultados obteidos so resultados e la siguiete tabla: Fuetes de Grados de Suma de Media Cuadrada F Variació Libertad Cuadrados Tratamietos -1 SS(Tr) MS(Tr)=SS(Tr)/(-1) MS(Tr)/MSE Error.(-1) SSE MSE=SSE/.(-1) Total.-1 SST Ejemplo: A fi de utilizar el Aálisis de Variaza para u criterio de clasificació, supoer el siguiete esquema de medicioes de cuatro laboratorios de u parámetro determiado (revestimieto de estaño de 12 discos) cuyos resultados so: Total Lab. A Lab. B Lab. C Lab. D Total del que se quiere probar que las medias obteidas por cada uo de ellos es sigificativamete igual (Hipótesis Nula) co =0.05. Costruir ua Tabla de aálisis de variaza. Para facilitar cálculos, se utiliza las fórmulas: SST y ij 2 C i 1 j 1 Demostració: SS ( Tr) 1 T 2 i C i 1 Cátedra Estadística II 5
6 y y 0 ij i 2 SST y y ij. y ij 2 2y y y. ij. 2 i 1 j 1 i 1 j 1 y ij y ( ). ( ) y y ij 2. i 1 j 1 i 1 j 1 2 y. Para Suma de Cuadrados total j 1 C i 1 j 1 2 y. y ij 2 ( ) i 1 j 1 ( ) 2 y ij 2 1 i 1 j 1 y ij 2 SST i 1 j 1 y ij 2 C Para Suma de Cuadrados de Tratamietos: 2 y 2 ( ) y i 2 1 y. C ij i 1 i 1 j 1 2 SS( Tr) y y. y i 2 2 y i. y y i 2. i 1 i 1 i SS( Tr) 1 y C ij T i 2 C i 1 j 1 i 1 dode C (llamado Térmio de Correcció) y T i es: C 1 2 y ij T i i 1 j 1 j 1 y ij dode T i es el úmero total de observacioes de la i-esima muestra, Mietras que T es el Gra Total de las. observacioes. Luego, SSE se obtiee de: SSE = SST SS(Tr) Para el ejemplo: T = C = T 2 /(.) = /(4.12) = Cátedra Estadística II 6
7 SST= = SS(Tr) = ( ) / = SSE = = la Tabla queda: Fuetes de Grados de Suma de Media Cuadrada F Variació Libertad Cuadrados Laboratorios Error Total Coforme a las tablas de la fució F, se puede ecotrar el valor correspodiete de la abscisa que deja a la derecha u área de 0.05 siedo además los grados de libertad para el umerador y deomiador 3 y 44, respectivamete, como lo idica el siguiete gráfico Ya que F (2.87) excede a F 0.05 = 2.82, se rechaza la Hipótesis Nula, luego los laboratorios o está logrado resultados cosistetes. U segmeto de programa Matlab que realiza esta prueba trabajado sobre ua matriz experimetal, se describe a cotiuació: fuctio aova1 % Determiacio del estadistico F para u diseño completamete aleatorio % co datos presetes e el archivo ascii cuadro.txt % Etradas: u, matriz, obteida del archivo ascii "cuadro.txt" % % Salida: F, real, Estadistico % load cuadro.txt;u=cuadro';=size(u,1);=size(u',1); % Calculo de las medias de cada tratamieto (filas) for i=1:, m=0; for j=1:, m=m+u(j,i); ed med(i)=m; ed gra_media=mea(med); % Calculo de la correccio Cátedra Estadística II 7
8 C=0; for i=1:, for j=1:,c=c+u(j,i); ed ed C=1/(*)*C^2; % Suma de cuadrados total (SST) SST=0; for i=1:, for j=1:,sst=sst+u(j,i)^2; ed ed SST=SST-C; % Calculo de la suma de cuadrados de tratamietos (SSTr) SSTr=0; for i=1:, SSTr=SSTr+(med(i))^2; ed SSTr=1/*SSTr-C; SSE=SST-SSTr; % Calculo de los cuadrados medios MSTr=floor(SSTr/(-1)*10000);MSE=floor(SSE/(*(-1))*10000); F=MSTr/MSE Luego ejecutado: >> aova1 F = Para estimar los parámetros, 1, 2, 3 y 4 se puede emplear míimos cuadrados miimizado: 2 y ij i i 1 j 1 co respecto a y a las i, sujetas a la restricció Esto se puede hacer por el método de los Multiplicadores de Lagrage. Derivado la peúltima expresió respecto de e igualado a cero: i 1 j 1 2 y ij i y ij i 1 j 1 i 1 j 1 y ij 0 0 i 1 j 1 0 i 0 i 1 j 1 Cátedra Estadística II 8
9 para u i dado: j 1 2 y ij i 0 i y ij j 1 j 1 j 1 Ejemplo: Estimar los parámetros del modelo co u criterio de clasificació para los revestimietos de estaño del ejemplo aterior TAMAÑOS MUESTRALES DISTINTOS El Aálisis de Variaza descripto, se aplica a criterios de clasificació e que cada muestra tiee el mismo úmero de observacioes. Si o es así, y los tamaños muestrales so 1, 2,, se tiee que sustituir N = i por. e todo lo aterior, quedado el siguiete esquema de partida: Medias Muestra 1 y 11 y 12 y 1j. Muestra 2 y 21 y 22 y 2j. Muestra i y i1 y i2 y ij. Muestra y 1 y 2 y j Se obtiee la variaza detro de la muestra: y 2 1 s i i 1 i y ij y i 2 j 1 Cátedra Estadística II 9
10 la variaza de las medias muestrales es: y co lo cual se determia: La variaza muestral de las N observacioes está dada por: se puede demostrar que: SST = SSE + SS(Tr) Co: SST siedo: C i i 1 j 1 y ij 2 C SS ( Tr) 2 i 1 y ij T N i i 1 j 1 i 1 i 1 y ij T i 2 i C Problema: El coteido de aflatoxia, e partes por milló, de alguas muestras de crema de maí se prueba y se cosigue los siguietes resultados: Total Marca A Cátedra Estadística II 10
11 Marca B Total 41.9 a) Emplear Aálisis de Variaza para probar si las dos marcas difiere e e coteido de aflatoxia, co u ivel de sigificacia a=0.05. b) Probar la misma hipótesis usado la prueba t-bimuestral. Respuesta: a) y y y. 2.2 SST SS ( Tr) 8 y 1j 3 2 j 1 j 1 2 i y i 3 6 y 2j i 1 SSE = SST SS(Tr) = = ( 2.2 3) 2 6 ( ) Fuetes de Grados de Suma de Media Cuadrada F Variació Libertad Cuadrados Tratamietos Error Total Dado que 1.05 < 4.75 (valor de F, de Tablas, co =0.05, =1 y =12) se rechaza la Hipótesis de que las dos marcas difiere e el coteido de aflatoxia. b) El estadístico para esta prueba es: t s 1 2 x 1 x2 s s s t ( 8 1) 8.15 ( 6 1) ( 8 6 2) siedo t = co = = =12 grados de libertad, se aprecia que t > t por lo tato se rechaza la Hipótesis de que las dos marcas difiere e el coteido de aflatoxia. Puede comprobarse que el estadístico t co grados de libertad y el estadístico F co grados de libertad está relacioados por: F(1,t Cátedra Estadística II 11
12 lo se puede verificar para este caso: DISEÑO EN BLOQUES ALEATORIOS Se supodrá que el experimetador tiee a su disposició medicioes relativas a a tratamietos distribuidos e b bloques. Primero se observará el caso e que hay exactamete ua observació de cada tratamieto e cada bloque (para el caso aterior, cada laboratorio probará u disco de cada tira). Si y ij deota la observació relativa al i-esimo tratamieto y al j-ésimo bloque, la media de las b observacioes para el i-ésimo tratamieto, la media de las a observacioes e el j-ésimo bloque e la gra media de las a.b observacioes, se emplea el siguiete esquema e esta clase de clasificació co dos criterios: B 1 B 2 B j B b Medias Tratamieto 1 y 11 y 12 y 1j. y 1b. Tratamieto 2 y 21 y 22 y 2j y 2b.. Tratamieto i y i1 y i2 y ij y ib.. Tratamieto y a1 y a2 Y aj Y ab. Medias Al esquema se lo llama aleatorio, siempre que los tratamietos sea asigados al azar detro de cada bloque. Cuado se usa u puto e lugar de u subídice, esto sigifica que la media se obtiee sumado sobre él. El modelo que se supodrá para el aálisis co ua observació por celda está dado por: y i j = i + j + i j para i=1,2,..,a; j=1,2,, b aquí es la gra media, i es el efecto de i-ésimo tratamieto, i el efecto del j-ésimo bloque y los i j so valores de variables aleatorias idepedietes ormalmete distribuidas que tiee media cero y variaza comú 2. Se restrige los parámetros impoiedo las codicioes que: a i i 1 0 b i j 1 0 E el aálisis de clasificació co dos criterios, cada tratamieto es represetado ua vez detro de cada bloque, el objetivo pricipal cosiste e probar la sigificacia de las diferecias etre las, o sea, probar la Hipótesis Nula: 1 = 2 = = = 0. Cátedra Estadística II 12
13 Más aú, quizás covega probar si la divisió e bloques ha sido eficaz, esto es probar que la Hipótesis Nula: 1 = 2 = = = 0 puede rechazarse. E cualquier caso, la Hipótesis altera establece que al meos uo de los efectos o es cero. Como e el aálisis co u criterio, se fudará la prueba de sigificacia mediate comparacioes de 2 (ua basada e la variació etre tratamietos, la otra basada e la variació etre bloques y la última que mide el error experimetal ). Nótese que sólo el último es ua estimació de 2 cuado cualquiera (o ambas) las Hipótesis Nulas o so válidas. Las sumas de cuadrados requeridas está dadas por el siguiete teorema: SST = SSE + SS(Tr) + SS(Bl) E la práctica se usa las siguietes fórmulas: dode: C es el térmio de correcció es la suma de las b observacioes para el i-ésimo tratamieto es la suma de las a observacioes para el j-ésimo bloque es la suma de todas las observacioes Empleado esta sumas de cuadrados, se puede rechazar la Hipótesis Nula de que las i so todas ulas, co u ivel de sigificacia si: F Tr MS( Tr) MSE SS ( Tr) a1 SSE ( a1) ( b1) excede F co (a-1) y (a-1).(b-1) grados de libertad. La Hipótesis Nula de que todas las i so todas ulas, co u ivel de sigificacia si: Cátedra Estadística II 13
14 F Bl MS( Bl) MSE SS ( Bl) b1 SSE ( a1) ( b1) excede F co (b-1) y (a-1).(b-1) grados de libertad. Nótese que las medias de los cuadrados MS(Tr), MS(Bl) y MSE se defie otra vez como las correspodietes sumas de cuadrados divididas etre sus grados de libertad. La siguiete tabla resume todo el procedimieto: Fuetes de Grados de Suma de Media Cuadrada F Variació Libertad Cuadrados Tratamietos a-1 SS(Tr) MS(Tr)=SS(Tr)/(a-1) F Tr = MS(Tr)/MSE Bloques b-1 SS(Bl) MS(Bl)=SS(Bl)/(b-1) F Bl = MS(Bl)/MSE Error (a-1).(b-1) SSE MSE=SSE/(a-1).(b-1) Total a.b-1 SST Ejemplo: Se diseñó u experimeto para estudiar el redimieto de cuatro detergetes diferetes. Las siguietes lecturas de blacura se obtuviero co u equipo especialmete diseñado para 12 cargas de lavado, distribuidas e tres modelos de lavadoras: Lavadora 1 Lavadora 2 Lavadora 3 Totales Detergete A Detergete B Detergete C Detergete D Totales Cosiderado los detergetes como tratamietos y las lavadoras como bloques, obteer la Tabla de Aálisis de Variaza y probar, co u ivel de sigificació 0.01, si existe diferecias etre los detergetes y/o etre las lavadoras. 1 Hipótesis Nula: 1 2 = 3 = 4 = 0, 1 2 = 3 = 0 Hipótesis Alterativa: o todas las y tampoco las iguales a Nivel de sigificacia: = Se rechaza Ho si F > 9.78 (este valor correspode a F 0.01 co 1 y 2 O si F > 10.9 (este valor correspode a F 0.01 co 1 y 2 4 Cálculos: a = 4 b = 3 T 1. = 139 T 2. = 145 T 3. = 153 T 4. = 128 T.1 = 182 T.2 = 176 T.3 = 203 T.. = 565 y ij 2 = C = / 12 = SST = = 265 Cátedra Estadística II 14
15 SS(Tr) = ( ) / = 111 SS(Bl) = ( ) / = 135 SST = = 19 la Tabla queda: Fuetes de Grados de Suma de Media Cuadrada F Variació Libertad Cuadrados Detergetes Lavadoras Error Total Dado que F Tr = 11.6 > 9.78 se Rechaza la primera Hipótesis Nula, por lo tato hay diferecia sigificativa etre la eficacia de los detergetes, y dado que F Bl = 21.1 > 10.9 tambié hay diferecia sigificativa etre la eficacia de las lavadoras. U segmeto de programa Matlab que realiza esta prueba trabajado sobre ua matriz experimetal, se describe a cotiuació: fuctio bloques % Determiacio del estadistico F para u diseño e bloques aleatorios % co datos presetes e el archivo ascii cuadro1.txt % Etradas: u, matriz, obteida del archivo ascii "cuadro1.txt" % % Salida: FTr, real, Estadistico % FBl, real, Estadistico % load cuadro1.txt;u=cuadro1';b=size(u,1);a=size(u',1); % Calculo de la suma de todas las observacioes T=0; for i=1:a, for j=1:b, T=T+u(j,i); ed, ed C=T^2/(a*b); % Calculo de la Suma de cuadrados total SST=0; for i=1:a, for j=1:b, SST=SST+u(j,i)^2; ed, ed SST=SST-C; % Calculo de la Suma de cuadrados de tratamietos SSTr=0; for i=1:a, ss=0; for j=1:b, ss=ss+u(j,i); ed SSTr=SSTr+ss^2 ; ed SSTr=SSTr/b-C; % Calculo de la Suma de cuadrados de bloques SSBl=0; for j=1:b, ss=0; for i=1:a, ss=ss+u(j,i); ed SSBl=SSBl+ss^2 ; ed SSBl=SSBl/a-C; % Calculo de la Suma de cuadrados de error SSE=SST-SSBl-SSTr; FTr=SSTr/(a-1)/(SSE/((a-1)*(b-1))) FBl=SSBl/(b-1)/(SSE/((a-1)*(b-1))) Luego ejecutado: >> bloques Cátedra Estadística II 15
16 FTr = FBl = COMPARACIONES MÚLTIPLES Co las pruebas F empleadas se demostraba si las diferecias etre varias medias era sigificativas, pero o iformaba si ua media e particular (o medias) difiere e forma sigificativa de otra media cosiderada (o grupo de medias). E el caso de los pesos de los recubrimietos puede ser importate que los laboratorios difiera uos de los otros. Si u experimetador tiee ate sí medias, parece razoable probar etre todos los pares posibles, esto es efectuar.(-1)/2 pruebas t bimuestrales. Esto o es eficiete. Para ello se utiliza Pruebas de Comparacioes Múltiples, y etre ellas la Prueba del Rago Múltiple de Duca. Las suposicioes básicas so, e esecia, las del aálisis de la variaza e ua dimesió para tamaños muestrales iguales. La prueba compara el Rago de Míima Sigificacia, R p, dado por: aquí R p sr p x es ua estimació de: x y puede calcularse como: s x MSE dode MSE es la media de los cuadrados de error e el Aálisis de Variaza. El valor de r p depede del valor deseado de sigificacia y del úmero de grados de Libertad correspodiete a la MSE, que se obtiee de tablas existetes e la bibliografía (Miller y Freud, Estadística para Igeieros, tablas 12 a, para =0.05 y 12 b, para =0.01, co p=2,3,,10 y para varios grados de libertad etre 1 y 120). Ejemplo: Co respecto a los datos de los pesos de los recubrimietos de estaño, aplicar la prueba del Rago Múltiple de Duca para probar cuáles medias de los laboratorios difiere de las otras empleado u ivel de sigificacia de Para ello se ordea, e orde creciete, las cuatro medias muestrales: Laboratorio B C D A Media luego, se calcula usado MSE = del Aálisis de Variaza: Cátedra Estadística II 16
17 s x siedo el úmero de grados de libertad =.(-1) = 44. Por iterpolació, e la Tabla 12-a, se obtiee los valores de r p : multiplicado r p por = 0.011: p r p P R p El rago de las cuatro medias es = 0.041, que excede a R 4 = 0.034, que es el rago sigificativo míimo. Esto era de esperar, porque la prueba F idicó que las diferecias etre las cuatro medias era sigificativas co a = Para probar que hay diferecias sigificativas etre tres medias adyacetes, se obtiee los ragos de y respectivamete para 0.230, 0.250, y 0.227, 0.230, Puesto que el primero de estos valores sobrepasa a R 3 = 0.033, las diferecias correspodietes o so sigificativas. Por último e el caso de parejas adyacetes de medias, igú par adyacete tiee rago mayor que el rago sigificativo míimo R 2 = Esto se resume: dode se ha dibujado ua líea bajo cualquier cojuto de medias adyacetes para las cuales el rago es meor que u valor correspodiete de R p, esto es, bajo cualquier cojuto de medias adyacetes, para las cuales las diferecias o so sigificativas. Se cocluye así que el Laboratorio A obtiee los pesos medios de recubrimieto más alto que los Laboratorios B y C. OTROS DISEÑOS EXPERIMENTALES Para el diseño de Cuadro Latio, se supoe que es ecesario comparar tres tratamietos A, B y C e presecia de otras dos fuetes de variabilidad. Por ejemplo, los tres tratamietos puede ser tres métodos de soldadura para coductores eléctricos y las dos fuetes de variabilidad puede ser: 1) Diferetes operarios 2) La utilizació de diferetes fudetes para soldar. Si se cosidera tres operarios y tres fudetes, el experimeto puede dispoerse así: Cátedra Estadística II 17
18 Fudete 1 Fudete 2 Fudete 3 Operador 1 A B C Operador 2 C A B Operador 3 B C A aquí cada método de soldadura se aplica sólo ua vez por cada operario juto co cada fudete. U arreglo experimetal como el descripto de deomia Cuadro Latio. U Cuadro Latio x es ua arreglo cuadrado de letras distitas, las cuales aparece sólo ua vez e cada regló y e cada columa. Nótese que e u experimeto e Cuadro Latio de tratamietos es ecesario icluir 2 observacioes, por cada tratamieto. U experimeto e Cuadro Latio si repetició da solo (-1).(-2) grados de libertad para estimar el error experimetal. De modo que tales experimetos so efectuados e cotadas ocasioes si repetició cuado es pequeño. Si existe u total de r repeticioes, el aálisis de los datos presupoe el siguiete modelo, dode y ij()l es la observació e el i-ésimo regló, e la j-ésima columa, de la l-ésima repetició y el subídice idica el -ésimo tratamieto: y ij()l = + i + j + + l + ij()l co 12las restriccioes: para i, j, = 1, 2,, y l = 1, 2,, r r i 0 j 0 0 l 0 i 1 j 1 1 l 1 dode: es la gra media i es el efecto de la i-ésima fila o regló j es el efecto de la j-ésima columa es el efecto del -ésimo tratamieto l es el efecto de la l-ésima repetició ij()l variable aleatoria idepediete ormal co = 0 y variaza comú 2. ótese que por los efectos de los regloes y los efectos de las columas se etiede los efectos de las dos variables extrañas y que se icluye los efectos de la repetició como ua tercera variable extraña. está etre parétesis ya que para u diseño de Cuadro Latio dado, es automáticamete determiada cuado i y j se cooce. La hipótesis pricipal a probar es la Hipótesis Nula = 0, para toda, es decir la Hipótesis Nula de que o existe diferecia e la eficacia de tratamietos. Tambié se puede probar si i = 0, para todo i y j = 0, para todo j co el fi de comprobar si las dos variables extrañas tiee algú efecto sobre el feómeo que se está cosiderado. Mas aú, se puede probar es la Hipótesis Nula l = 0, para toda l, cotra la alterativa que o todas las l so iguales a cero, y esta prueba del efecto de las repeticioes puede ser importate si las partes del experimeto, que represeta los Cuadros Latios idividuales, fuero realizados e distitos días, a diferetes temperaturas, etc.. Cátedra Estadística II 18
19 Las fórmula a aplicar so: SSE = SST SS(Tr) SSR SSC SS(Rep) dode: total de las r. observacioes e todos los i-ésimos regloes total de las r. observacioes e todas las j-ésimas columas total de las 2 observacioes e todos las l-ésimas repeticioes total de las r. observacioes relativas a los j-ésimos tratamietos es el gra total de las r. 2 observacioes lo que lleva al siguiete cuadro de aálisis: Fuete de Grados de Suma de Cuadrados Medios F Variació libertad cuadrados Tratamietos 1 SS(Tr) MS(Tr)=SS(Tr)/(-1) MS(Tr)/MSE Regló 1 SSR MSR=SSR/(-1) MSR/MSE Columa 1 SSC MSC=SSC/(-1) MSC/MSE Repetició r 1 SS(Rep) MS(Rep)=SS(Rep)/(r-1) MS(Rep)/MSE Error (-1)(r.+r-3) SSE MSE=SSE/[(-1).( r.+r-3) Total r. 2-1 SST Ejemplo: Supoer que se efectúa repeticioes del experimeto de soldadura empleado el siguiete arreglo: Cátedra Estadística II 19
20 Los resultados, que señala el úmero de ilogramos fuerza de tesió requeridos para separar los putos soldados, fuero como se idica a cotiuació: aalizar el experimeto como u Cuadro Latio y probar co u ivel de sigificació de 0.01 si existe diferecias e los métodos, e los operadores, los fudetes o las repeticioes = 3 = 0; 1 2 = 3 = 0 ; 1 2 = 3 = 0; 1 2 = 0 Hipótesis Alterativa: o todas las,,, iguales a Nivel de sigificacia: = Para tratamietos, regloes y columas se rechaza Ho si F > 7.56 (este valor correspode a F 0.01 co 1 y 2 Para repeticioes se rechaza Ho si F > 10.0 (este valor correspode a F 0.01 co 1 y 2 4 Cálculos: = 3 r = 2 T 1.. = 81 T 2.. = 79.5 T 3.. = 75.5 T.1. = 70.0 T.2. = 92.0 T.3. = 78.0 T..1 = T..2 = T (A) = 87.5 T (B) = 86.5 T (C) = 66.0 T = y ij()l 2 = C = / 18 = SST = = SS(Tr) = ( ) / = 49.1 SSR = ( ) / = 0.2 SSC = ( ) / = 41.2 Cátedra Estadística II 20
21 SSE = = 13.8 la Tabla queda: Fuetes de Variació Tratamietos (Métodos) Regloes (Operadores) Columas (Fudetes) Grados de Libertad Suma de Cuadrados Media Cuadrada Repeticioes Error Total E lo que respecta a tratamietos (métodos) y a columas (fudetes) dado que F = 17.6 y 14.7 sobrepasa a 7.56 se rechaza las Hipótesis Nulas correspodietes. Para regloes (operarios) dado que F = 0.1 o excede a 7.56, o se rechaza Ho. E otras palabras, se cocluye que las diferecias e los métodos y e los fudetes, pero o e los operadores y las repeticioes, afecta a la resistecia mecáica de la soldadura. Más aú, la prueba del Rago Múltiple de Duca da el siguiete patró de decisió, co = 0.01: Método C Método B Método A Media E cosecuecia, se cocluye que el Método C produce uioes co soldaduras más débiles que los Métodos A y C. La elimiació de tres fuetes extrañas de variabilidad puede lograrse mediate el diseño de Cuadro Grecolatio. E u diseño cosistete e u arreglo cuadrado de letras latias y letras griegas; más exactamete, cada letra latia aparece sólo ua vez al lado de cada letra griega: A B C D B A D C C D A B D C B A Tambié se los llama Cuadros Grecolatios Ortogoales. Como ejemplo, supoer el caso de las soldaduras, la temperatura es otra fuete de variabilidad. Si tres temperaturas de soldado, deotadas, yse utiliza juto co los tres métodos, los tres operadores (regloes) y tres fudetes (columas), la repetició de u experimeto apropiado de Cuadro Grecolatio puede establecerse así: Fudete 1 Fudete 2 Fudete 3 Operador 1 A B C F Cátedra Estadística II 21
22 Operador 2 C A B Operador 3 B C A Así pues, el Método A sería utilizado por el Operador 1, usado fudete 1, a la temperatura, por el Operador 2, usado fudete 2, a la temperatura y por el Operador 3, usado fudete 3, a la temperatura. E u Cuadro Grecolatio, cada variable (represetada por regloes, columas, letras latias o letras griegas) está distribuida equitativamete respecto a las otras variables. Cátedra Estadística II 22
Unidad 2 Diseño de experimentos de un factor
Uidad Diseño de experimetos de u factor.. Familia Diseños para comparar tratamietos.. Diseño Complemetario al azar y ANOVA.3. Comparacioes o Pruebas de Ragos Multiples.4. Verificació Supuestos del Modelo.5.
Más detallesEstimación puntual y por Intervalos de Confianza
Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesFórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)
Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesREVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL
375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detalles1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)
1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesCapítulo 2. Operadores
Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir
IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)
Más detallesSolución del examen de Investigación Operativa de Sistemas de septiembre de 2004
Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesEstimación puntual y por intervalos
0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por
Más detallesTema 6. Sucesiones y Series. Teorema de Taylor
Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació
Más detalles1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)
Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =
Más detallesSucesiones numéricas.
SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesBINOMIO DE NEWTON página 171 BINOMIO DE NEWTON
págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesELEMENTOS DE ÁLGEBRA MATRICIAL
ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:
Más detallesTransformaciones Lineales
Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,
Más detallesEXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.
EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.
Más detallesCRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS
CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesTEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:
TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a
Más detallesSoluciones Hoja de Ejercicios 2. Econometría I
Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)
IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las
Más detallesRevisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.
Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió
Más detallesSOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que
SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallesSOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN
Más detallesPropuesta A. { (x + 1) 4. Se considera la función f(x) =
Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar
Más detalles2. LEYES FINANCIERAS.
TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),
Más detallesTEMA 3.- OPERACIÓN FINANCIERA
. DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesMEDIDAS DE RESUMEN. Jorge Galbiati Riesco
MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos
Más detallesUna serie de potencias puede ser interpretada como una función de x. f(x) = n=0
Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)
Más detallesPRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detallesCURSO 2.004-2.005 - CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesUNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.
UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe
Más detallesBIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.
Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal
Más detalles7.2. Métodos para encontrar estimadores
Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la
Más detallesCuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.
II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros
Más detallesCONCEPTOS BÁSICOS DE PRESTAMOS.
GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,
Más detallesUNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.
UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses
Más detallesASIGNATURA: MATEMATICAS FINANCIERAS
APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua
Más detallesTema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.
UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesFigura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,
VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,
Más detallesTeorías de falla bajo cargas estáticas
Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto
Más detallesMedia aritmética, media geométrica y otras medias Desigualdades Korovkin
Media aritmética, media geométrica y otras medias Desigualdades Korovki Media geométrica y media aritmética Si,,, so úmeros positivos, los úmeros + + + a = g = formados a base de ellos, se deomia, respectivamete,
Más detallesCAL. CONTROL Y ASEGURAMIENTO DE CALIDAD
MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,
Más detallesMETODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES
METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e
Más detallesINTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos
1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias
Más detalles1.1. Campos Vectoriales.
1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas
Más detallesEstadística Descriptiva
Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se
Más detallesGradiente, divergencia y rotacional
Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para
Más detallesEjercicios Resueltos ADC / DAC
Curso: Equipos y Sistemas de Cotrol Digital Profesor: Felipe Páez M. Programa: Automatizació, espertio, 010 Problemas Resueltos: Ejercicios Resueltos ADC / DAC ersió 1.1 1. Se tiee u DAC ideal de 10 bits,
Más detallesEjercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.
Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO
Más detallesTema 9 Teoría de la formación de carteras
Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.
Más detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A
Más detallesANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES
ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.
Más detallesAPLICACIONES LINEALES.
APLICACIONES LINEALES. INTODUCCIÓN: APLICACIONES ENTE CONJUNTOS. Ua aplicació etre dos cojutos A y B es ua regla que permite asigar a cada elemeto de A, uo de B. La aplicació del cojuto A e el cojuto B
Más detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
Más detalles11. TRANSFORMADOR IDEAL
. TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la
Más detallesProgresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general
5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y
Más detallesTests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES
57 3. TET E INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE DO POBLACIONE U test de hipótesis para dos muestras es similar e muchos aspectos al test para ua muestra. e especifica ua hipótesis ula,
Más detalles= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3
IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de
Más detallesCalculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito
Más detallesA = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.
. POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes
Más detallesAPLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS
APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas
Más detallesPRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O
PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros
Más detallesOPCIÓN A EJERCICIO 1 (A)
IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =
Más detallesMidiendo el Desempeño
Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u
Más detallesINFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:
Más detallesMatemáticas I - 1 o BACHILLERATO Binomio de Newton
Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete
Más detallesIES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora
Más detallesProgramación Entera (PE)
Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome
Más detallesESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}
ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)
Más detallesImposiciones y Sistemas de Amortización
Imposicioes y Sistemas de Amortizació La Imposició u caso particular de reta e el cual cada térmio devega iterés (simple o compuesto) desde la fecha de su aboo hasta la fecha fial. Imposicioes Vecidas
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A
Más detalles0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1
IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial
Más detallesIES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+
IES Fco Ayala de Graada Sobrates 009 (Modelo 3 Juio) Solucioes Germá-Jesús Rubio Lua+ MATEMÁTICAS CCSS JUNIO 009 (MODELO 3) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea la igualdad A X + B = A, dode
Más detalles