Práctica 4: Distribución normal multivariante con R
|
|
- Héctor Toro Lara
- hace 8 años
- Vistas:
Transcripción
1 Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 4: Distribución normal multivariante con R 1. Simulación de datos normales multivariantes Para generar una muestra de datos con distribución normal multivariante, se utiliza el comando mvrnorm de la librería MASS. Para obtener ayuda sobre cómo usar el comando: library(mass) help(mvrnorm) Los tres principales argumentos son n (el número de puntos que queremos generar), mu (el vector de medias) y Sigma (la matriz de covarianzas). Por ejemplo, para generar y representar 5000 puntos con distribución normal bidimensional con vector de medias µ = (0, 0) y matriz de covarianzas Σ = podemos ejecutar los comandos siguientes: n = 5000 mu = c(0,0) sigma = matrix(c(1,0.8,0.8,1),2) datos = mvrnorm(n,mu,sigma) plot(datos,pch=. ) 1 0,8 0, Estimación del vector de medias y de la matriz de covarianzas Si queremos estimar los parámetros del modelo y la matriz de covarianzas con los datos que hemos generado, podemos utilizar los comandos muest = colmeans(datos) sigmaest = cov(datos) respectivamente. Compara los estimadores obtenidos con los valores poblacionales. Dado que el tamaño muestral es muy grande, deben parecerse bastante. 1
2 3. Distancia de Mahalanobis La distancia de Mahalanobis se calcula con el comando mahalanobis(x,center,cov), donde center es el centro con respecto al que se calcula la distancia en cada punto y cov es la matriz de covarianzas de los datos (o la verdadera si es conocida). Si utilizamos como centro y matriz de covarianzas los valores estimados anteriormente, las distancias se calculan mediante: distancias = mahalanobis(datos,muest,sigmaest) Calcula las principales medidas numéricas (media y desviación típica) y representa los principales gráficos (histograma y diagrama de cajas) para describir el vector de distancias. Compara los resultados con lo esperado bajo el modelo normal. Con los siguientes comandos se representan los puntos en distinto color según su distancia esté por debajo o por encima del valor medio (que en este caso es p = 2): plot(datos,pch=. ) points(datos[distancias>2,],pch=.,col= red ) 4. Datos de la liga española de fútbol El fichero liga0506.rdata contiene los partidos ganados, perdidos, los goles a favor y en contra de todos los equipos de la primera división de la liga española de fútbol en el año Primero cargamos los datos y los representamos gráficamente mediante una matriz de diagramas de dispersión: load( liga0506.rdata ) datos = liga[,-1] pairs(datos) A continuación calculamos el vector de medias estimado y las matrices de covarianzas y de correlaciones estimadas: > media = colmeans(datos) > media > matcov = cov(datos) > matcov G P GF GC > cor(datos) 2
3 G P GF GC Finalmente, calculamos las distancias de Mahalanobis de cada equipo al centro (vector de medias): > distancias = mahalanobis(datos,media,matcov) > cbind(liga,distancias) Equipo distancias 1 Barcelona RMadrid Valencia Osasuna Sevilla Celta Villarreal Deportivo Getafe AtMadrid Zaragoza AthBilbao Mallorca Betis Espanyol RSociedad Racing Alaves Cadiz Malaga Regresión simple cuando la variable regresora es aleatoria En clase hemos considerado el modelo de regresión simple con diseño fijo, es decir, la variable regresora no es aleatoria sino que es fijada por el experimentador. Sin embargo, en muchas aplicaciones la variable regresora no es fija sino aleatoria. Aprovechando que sabemos generar vectores aleatorios normales, vamos a hacer un experimento de simulación para conocer las propiedades del estimador de la pendiente es el caso de diseño aleatorio. El siguiente programa genera 1000 nubes de puntos normales de tamaño 20, ajusta las correspondientes rectas por mínimos cuadrados, guarda en beta0 y beta1 los estimadores obtenidos y los representa gráficamente: mu = c(0,0) # Media poblacional sigma = matrix(c(1,0.5,0.5,1),2) # Matriz de covarianzas poblacional B = 1000 # Numero de muestras n = 20 # Numero de datos en cada muestra 3
4 beta1 = numeric(b) # Definicion del vector de pendientes beta0 = numeric(b) # Definicion del vector de terminos indeps. for (i in 1:B){ x = mvrnorm(n,mu,sigma) # Genera la muestra reg = lm(x[,2]~x[,1]) # Ajusta el modelo beta0[i] = coef(reg)[1] # Guarda el termino independiente beta1[i] = coef(reg)[2] # Guarda la pendiente estimada } plot(beta0,beta1,pch=16,cex=0.4,bty= l ) El gráfico que se ha obtenido es: beta0 beta1 Ejercicios 1. Describe gráfica y numéricamente los vectores beta0 y beta1 obtenidos en la simulación anterior. 2. Genera 1000 puntos normales bidimensionales con vector de medias µ = (0, 0) y matriz de covarianzas Σ = Representa la nube de puntos generados. 3. Estima a partir de los datos generados los parámetros µ y Σ. Para estos estimadores calcula la distancia de Mahalanobis. Aplica a las distancias obtenidas un test de bondad de ajuste de Kolmogorov-Smirnov para contrastar si las distancias tienen distribución χ
5 4. Calcula una distancia d tal que el 10 % de los puntos dista del centro más que d. (Indicación: usa el comando quantile) 5. Representa la nube de puntos marcando de color rojo el 10 % de puntos más distantes del centro. 6. Añade a los puntos generados un dato atípico. Por ejemplo, x 0 = ( 15, 1). Repite los ejercicios anteriores para la nueva muestra comparando los resultados obtenidos en ambos casos. 5
Se 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 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 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 detallesSemana de dieta (X) 1 2 3 4 5 Peso en Kg (Y) 88.5 87 84 82.5 79
. Una persona se somete a una dieta de adelgazamiento durante cinco semanas. A continuación se detalla su peso al término de cada una de esas semanas: Semana de dieta X) 2 3 4 Peso en Kg Y) 88. 87 84 82.
Más detalles2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES
2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1 Se ha medido el volumen, X, y la presión, Y, de una masa gaseosa y se ha obtenido: X (litros) 1 65 1 03 0 74 0 61 0 53 0 45 Y (Kg/cm 2 ) 0 5 1 0 1 5 2 0 2 5 3
Más detallesLa distribucio n normal multivariante. Estadı stica II Tema 4: Regresio n mu ltiple. Ejemplos de densidades normales en dimensio n 2
La distribucio n normal multivariante El vector aleatorio X es normal (p-dimensional) con vector de medias µ y matriz de covarianzas Σ (notacio n: X N(µ, Σ)) si tiene densidad dada por: f (x) = Σ / (π)
Más detalles1 Ejemplo de análisis descriptivo de un conjunto de datos
1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
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 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 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 detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detalles-Género: no nos ha quedado claro cómo influye este parámetro en el gasto en ocio, si positiva o negativamente.
INTRODUCCIÓN En este trabajo estudiamos el gasto en ocio de la población, escogiendo una muestra al azar. Realizando encuestas hemos recogido información de 125 personas, las variables que hemos visto
Más detalles15 ESTADÍSTICA BIDIMENSIONAL
ESTADÍSTICA BIDIMENSINAL EJERCICIS PRPUESTS. Copia y completa la siguiente tabla. A B C Total A B C Total a 4 b c 0 7 Total 7 6 a 4 b c 4 3 0 7 Total 7 6 3 6 a) Qué porcentaje de datos presentan la característica
Más detallesUNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL
UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características
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 detallesEconometría de Económicas
Econometría de Económicas Apuntes para el tema 6 Curso 2004-2005 Profesoras Amparo Sancho Guadalupe Serrano Modelos de panel de datos Datos de Panel son aquellos que surgen de la observación de una misma
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesCapítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales
Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:
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 detallesLA CANTERA: NUESTRA FUERZA. Por qué LA CANTERA: NUESTRA FUERZA?
LA CANTERA: NUESTRA FUERZA. Por qué LA CANTERA: NUESTRA FUERZA? Este trabajo surge como respuesta a la voluntad de dar forma a un proyecto deportivo sólido, ilusionante y sostenible en el tiempo. En las
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 detalles1 Introducción al SPSS
Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)
Más detallesAlvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012
Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian
Más detallesREGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
Más detallesFISICA I Escuela Politécnica de Ingeniería de Minas y Energía AJUSTE POR MÍNIMOS CUADRADOS
AJUSTE POR MÍNIMOS CUADRADOS Existen numerosas leyes físicas en las que se sabe de antemano que dos magnitudes x e y se relacionan a través de una ecuación lineal y = ax + b donde las constantes b (ordenada
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 5.2 Estimadores de Variables Instrumentales La endogeneidad aparece
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 detalles6. Análisis de la regresión: análisis gráfico
6. Análisis de la regresión: análisis gráfico 6.1. Introducción El papel de SPSS en el análisis de regresión consiste en proporcionar herramientas para representar nubes de puntos, para calcular los parámetros
Más detalles1. Análisis de variables cuantitativas (2 a parte)
Práctica 3: Análisis descriptivo de variables. Parte II. 1. Análisis de variables cuantitativas (2 a parte) Realizaremos un estudio descriptivo completo de variables cuantitativas. Ilustraremos los conceptos
Más detallesGRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES
GRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES Prof. Rosario Martínez Verdú TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES 1. Distribuciones bidimensionales de frecuencias y diagrama
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesCORRELACIONES CON SPSS
ESCUEL SUPERIOR DE INFORMÁTIC Prácticas de Estadística CORRELCIONES CON SPSS 1.- INTRODUCCIÓN El concepto de relación o correlación entre dos variables se refiere al grado de parecido o variación conjunta
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 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 detalles2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
Más detallesFútbol - Calendarios 2012/2013
Inicio Competiciones nacionales Fútbol Calendarios Fútbol - Calendarios 2012/2013 LIGA NACIONAL PRIMERA DIVISION Primera Vuelta Jornada: 1 - Fecha: 19/08/2012 ATHLETIC CLUB REAL BETIS BALOMPIE, SAD LEVANTE
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
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 detallesLa estadística en las casas de apuestas: modelos y simulaciones en el caso del fútbol
ÍNDICE MEMORIA La estadística en las casas de apuestas: modelos y simulaciones en el caso del fútbol Índice memoria...1 Capítulo 1: Introducción... 4 Capítulo 2: Motivación... 5 Capítulo 3: Las salas de
Más detallesManipulación de vectores en R
R PRÁCTICA I Practica 1 con R Los ficheros de datos para realizar las prácticas se pueden descargar de http://personales.unican.es/gonzaleof/r/ficheros.html Sección I.1 Manipulación de vectores en R Maniulación
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
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 detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesUCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
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 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 detallesForo de Opciones. 1. Introducción. 2. Determinación del precio. 3. Acerca de la volatilidad. 4. Estándares de mercado I.
Foro de Opciones El objetivo de esta presentación es acercar a los Ingresarios en un nivel básico a los instrumentos de opciones, esta se dividirá en 4 partes de la siguiente manera: 1. Introducción 2.
Más detallesGráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana.
LECCIÓN CONDENSADA 2.1 Gráficas de caja En esta lección crearás e interpretarás las gráficas de caja para conjuntos de datos usarás el rango intercuartil (IQR) para identificar valores extremos potenciales
Más detallesSelectividad Septiembre 2006 SEPTIEMBRE 2006
Bloque A SEPTIEMBRE 2006 1.- En una fábrica trabajan 22 personas entre electricistas, administrativos y directivos. El doble del número de administrativos más el triple del número de directivos, es igual
Más detallesTEMA 5 Variables ficticias
TEMA 5 Variables ficticias Cómo describir información cualitativa Muchas veces en el modelo de regresión aparecen factores cualitativos (sexo, raza, estado civil,.). En estos casos la información relevante
Más detalles6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS
6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA
Más detallesSe ha visto anteriormente que la correlación entre dos variables puede ser alta a pesar de que la relación entre las dos sea fuertemente no lineal.
Análisis de los residuos Se ha visto anteriormente que la correlación entre dos variables puede ser alta a pesar de que la relación entre las dos sea fuertemente no lineal. Se pueden utilizar los residuos
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 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 detallesCURSO 2005-2006 DIPLOMATURA EN CIENCIAS EMPRESARIALES Primer curso. Primer semestre. ANALISIS DESCRIPTIVO DE DATOS ECONOMICOS PROGRAMA:
CURSO 2005-2006 DIPLOMATURA EN CIENCIAS EMPRESARIALES Primer curso. Primer semestre. ANALISIS DESCRIPTIVO DE DATOS ECONOMICOS Profesores: Grupos A y B (Grupos de Prácticas A1 y B1): Rafael A. Cano Guervós
Más detallesDepartamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA
ESCUELA UIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA E CIECIAS EMPRESARIALES ESTADÍSTICA Ejercicios Resueltos AÁLISIS ESTADÍSTICO DE DOS VARIABLES Y RE- GRESIÓ LIEAL SIMPLE Curso 6-7 Curso 6-7 1)
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 detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
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 detallesEJERCICIOS RESUELTOS TEMA 1
EJERCICIOS RESUELTOS TEMA 1 Ejercicio 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas: a) Marca de los coches. b) Peso de los coches.
Más detallesTema 2 - Introducción
Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema
Más detallesINDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas
INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:
Más detallesTema 2: Estimación puntual
Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez
Más detallesR PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad
R PRÁCTICA II Probabilidad-Variables Aleatorias Sección II.1 Probabilidad 15. En el fichero sintomas.dat se encuentran 9 columnas con los resultados de una estadística médica. Cada columna corresponde
Más detallesCurso de Estadística no-paramétrica
Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació
Más detallesEstadística I. Finanzas y Contabilidad
Estadística I. Finanzas y Contabilidad Práctica 1: INTRODUCCIÓN AL USO DE SOFTWARE ESTADÍSTICO OBJETIVO: Los estudiantes deberán conocer el funcionamiento de la Hoja de Cálculo EXCEL y utilizarla para
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 detallesEstudio de las canteras de los equipos de primera división
Estudio de las canteras de los equipos de primera división Los sevillistas siempre hemos pensado que tenemos una buena cantera de jugadores. En la ciudad deportiva del Sevilla se trabaja bien, se consigue
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
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 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 detalles1.Instalar el paquete R-cmdr
ESTADíSTICA INDUSTRIAL Prof: Mathieu Kessler Componentes principales con R En esta práctica, utilizaremos un paquete adicional de R, llamado rgl que sirve para representaciones 3d. Instalaremos además
Más detallesESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS
ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesNT8. El Valor en Riesgo (VaR)
NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo
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 detallesPráctica 5. Curso 2014-2015
Prácticas de Seguridad Informática Práctica 5 Grado Ingeniería Informática Curso 2014-2015 Universidad de Zaragoza Escuela de Ingeniería y Arquitectura Departamento de Informática e Ingeniería de Sistemas
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 detallesEmpresarial y Financiero
Curso de Excel Empresarial y Financiero SESIÓN : REGRESIÓN Rosa Rodríguez Relación con el Mercado Descargue de yahoo.com los Datos de precio ajustado de cierre de las acciones de General Electric (GE),
Más detallesProbabilidad y Simulación
Probabilidad y Simulación Estímulo del Talento Matemático Real Academia de Ciencias 4 de febrero de 2006 Entendiendo el azar Queremos entender un fenómeno aleatorio (azar, incertidumbre). Entenderlo lo
Más detallesInstructivo Applet en Geogebra grafica frecuencia relativa Lanzamiento de dos dados n veces
Instructivo Applet en Geogebra grafica frecuencia relativa Lanzamiento de dos dados n veces Por: Jesús Evenson Pérez Arenas Indicador: Introducir el concepto de probabilidad haciendo una cantidad de lanzamientos
Más detalles8.2.2. Intervalo para la media (caso general)
182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente
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 detallesEstudio comparativo de los currículos de probabilidad y estadística español y americano
Estudio comparativo de los currículos de probabilidad y estadística español y americano Jaldo Ruiz, Pilar Universidad de Granada Resumen Adquiere las mismas capacidades en Probabilidad y Estadística un
Más detallesAPLICACIONES DE INFERENCIA
APLICACIONES DE INFERENCIA CONTENIDO DE LA PRESENTACIÓN Un ejemplo desarrollado dentro del marco del proyecto MaMaEuSch como aplicación de la Inferencia. Una serie de applets relacionados con la inferencia.
Más detallesCLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO
Estadística Superior CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE 1.1. Regresión lineal simple 1.2. Estimación y predicción por intervalo en regresión lineal
Más detallesDistribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:
Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz
Más detallesTEMA 9 DISTRIBUCIONES BIDIMENSIONALES
Tema 9 Distribuciones bidimensional Matemáticas CCI 1º Bachillerato 1 TEMA 9 DITRIBUCIONE BIDIMENIONALE NUBE DE PUNTO Y COEFICIENTE DE CORRELACIÓN EJERCICIO 1 : Las notas de 10 alumnos y alumnas de una
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 detallesEsta es una excelente herramienta de análisis y seguimiento de la facturación. Dispone usted de cantidad de criterios por los que analizar las ventas.
ANÁLISIS DE FACTURACION Esta es una excelente herramienta de análisis y seguimiento de la facturación. Dispone usted de cantidad de criterios por los que analizar las ventas. Debe comprender que la información
Más detallesCUESTIONES DE AUTOEVALUACIÓN (TEMA 1)
CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) Cuestiones de Verdadero/Falso 1. Un estadístico es una característica de una población. 2. Un parámetro es una característica de una población. 3. Las variables discretas
Más detallesEstudio de las canteras de los equipos de primera división de la liga española 2015/16
Estudio de las canteras de los equipos de primera división de la liga española 2015/16 Peña Sevillista Alsolano Los sevillistas siempre hemos pensado que tenemos una buena cantera de jugadores, gracias
Más detallesEl alumno debe responder a una de las dos opciones propuestas, A o B. En cada pregunta se señala la puntuación máxima. OPCIÓN A. 2 1 1 y C 4 2 2 1 0 0
Prueba de Acceso a la Universidad. JUNIO 0. El alumno debe responder a una de las dos opciones propuestas, A o B. En cada pregunta se señala la puntuación máima. OPCIÓN A. Considerar las matrices 0 A 0,
Más detallesCapítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal
Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal Introducción El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables. Se
Más detallesMANUAL PROGRAMA PARA PIZZERIAS Y COMIDAS PARA LLEVAR
Tlf: 685 82 88 73 MANUAL PROGRAMA PARA PIZZERIAS Y COMIDAS PARA LLEVAR Desde la pantalla principal, que es la que se carga nada más encender el ordenador, se pueden ver 12 botones. El más grande, con el
Más detalles