Físicas (1º curso CC AA) Teoría de Errores (Programa de Prácticas)
|
|
- Rubén Torres Caballero
- hace 5 años
- Vistas:
Transcripción
1 Físcas (1º curso CC AA) Teoría de Errores (Programa de Práctcas)
2 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
3 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
4 Granada Málaga 131.0km
5 Granada Málaga 131±1 km Es nteresante decr km? Es eacto/centífco? Sgnfca km? Qué precsón tene? Qué es la verdad? m Podríamos aceptar un error de 1000 m? mm Más vale acertar apromadamente que errar eactamente John Maynard Keynes Economsta
6 Cuánto mdes? Se puede aceptar un error de 1000 m? Qué error se puede aceptar? El error: relatvo a la magntud Qué error es nevtable? Cuántas cfras podemos escrbr?
7 Conteto Esta pequeña ntroduccón nos ha plantado algunas preguntas Ahora pasamos a algunas defncones nteresantes para empezar a contestar
8 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
9 Error Absoluto D m D = error absoluto m = valor meddo o apromado = la verdad
10 Error Relatvo e D 100% m e = error relatvo m = valor meddo o apromado D = error absoluto
11 Intervalos de confanza m ma mn m mn m ma d mn = mámo posble subestmacón d ma = mámo posble sobreestmacón m = valor meddo o apromado = la verdad
12 Smetría En el caso que ma mn (lo que pasa con frecuenca) D Solemos escrbr la medda así m D
13 Ejemplo asmétrco Dstanca sol-terra : (150 ± 3) 10 6 km Error absoluto: km Error relatvo: % No es smétrco, en realdad (vara) km < < km Nosotros trabajaremos con casos smétrcos
14 Defncones Eacttud - grado de concordanca entre el. valor verdadero y el epermental Precsón - concordanca entre una medda y otras. de la msma magntud, realzadas. en condcones. sensblemente guales. Sensbldad - el. valor mínmo de la magntud. que. un aparato es capaz de dferencar
15 Eacttud y Precsón Trando flechas
16 N precso n eacto
17 Precso
18 Eacto
19 Eacttud y Precsón A)N precso n eacto B) Precso y eacto C) Imprecso y eacto D)Precso pero neacto 19
20 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
21 Qué sabemos Aceleracón de gravedad, g= Número de Avogadro, N= Velocdad de luz, c=
22 Epresón de magntudes físcas Cantdad Undad (!!) Grado de confabldad índce de eacttud error
23 Epresón de cantdades El orden de cálculo no es nada ntutvo PRIMERO: Error absoluto ENTONCES: Valor de la cantdad
24 Qué edad tenes? Antes de contestar: Prmero elges las undades Cas sempre en años Un bebé puede tener 0 años? (mejor meses) Segundo aceptas un error absoluto Nunca contestas hasta más o menos una hora Normalmente: hasta +/- 1 año Los dos pasos anterores están relaconados (y mucho) ENTONCES: un nño dce cuatro años y medo un alumno dce 19 años
25 Epresón de cantdades Segumos el msmo orden PRIMERO: Error absoluto ENTONCES: Valor de la cantdad OLVIDARLO = PERDER PUNTOS (PRÁCTICAS)
26 Epresón de cantdades 1º Elegr la magntud º Determnar el valor y «aceptar» un error EDAD DEL PROFESOR Edad : 51,758 años Error : 1 año 3º Adaptar las cfras del valor y el error Edad: 51 +/- 1 año o será más acertado redondear a 5 +/- 1 años 6
27 Paso 3º: Adaptar las cfras del valor y el error Conveno para la Epresón de cantdades Pérdda de nformacón nunca será mayor del 0% El conveno para epresar correctamente las cantdades usa el concepto de CIFRA SIGNIFICATIVA: Las cfras sgnfcatvas son aquellas que aportan nformacón útl tanto del error como del valor de la cantdad: o Caso del error: Las cfras sgnfcatvas son la prmera o segunda cfra desde la zquerda dependendo del valor del error (ejemplo: de ±3,4567 es el «3»; de ±0, es el «5»; de ±1,5681 son el «1» y el «5»). o Caso del valor: Las cfras sgnfcatvas dependen del error. Un esquema nos ayudará a epresar correctamente las cantdades 7
28 Conveno para la epresón de cantdades del valor del error
29 Conveno para la epresón de cantdades del valor del error OLVIDARLO = PERDER PUNTOS (PRÁCTICAS) 9
30 El error absoluto Conveno: solo tene uno o dos dígtos sgnfcatvos En general, uno (1,,3,4,5,6,7,8,9) 10 N Ejm: poblacón de Granada ± = (± 4)10 4 ± = (± 3)10 4 ± = (± 35)10 3 Ecepcón: podemos usar dos cuando redondear nos quta mucha nformacón: S el prmero dígto es 1 S el prmero dígto es y el segundo es nferor a 5 Redondear 84 a 80 nos da un error de menos de 5% (ejm: edad de un abuelo) Redondear 6 a 10 es muy bruto: hay mucha dferenca! (ejm: edad de un nño) (10,11,1,13,14,15,16,17,18,19,0,1,,3,4) 10 N-1 Ejm. Poblacón de Almuñecar ±1000 = (± 1)10 3 ±1300 = (± 13)10 ±1350 = (± 135)10 1
31 Epresando el error absoluto Solo un dígto sgnfcatvo (1,,3,4,5,6,7,8,9) A veces se permten dos (10,11,1,13,14,15,16,17,18,19,0,1,,3,4) Los ceros normalmente no son sgnfcatvos Al fnal de la cfra Al prncpo de la cfra
32 La Magntud de la Cantdad Cuanto mdes? No más precsa que permte el error! Ejm: h = / m h = / m S sólo sabes tu altura hasta el centímetro, qué sentdo tene especfcar los mlímetros?
33 Ejemplos de Magntudes Incorrectos (U) Correctos (U) Mejor? (U) 3.418± ± ± ± ± ± ±0.1 ó 3.4± ± ± ± ±0.006 (34±1) 10 - (630±9) 10 - (463±16)10-1 (4835±15) 10 - (17±6) 10-3
34 Errores Se desconoce la verdad Sempre hacemos algún tpo de error Objetvos: Caracterzar/conocer los errores Mnmzarlos cuando es posble
35 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
36 Tpos de Errores Errores sstemátcos Dfícl a caracterzar S los conocemos, los corregmos Pueden ser constantes afectan todas meddas Errores aleatoros Inevtables y desconocdos, pero unas hpótess: Dstrbucón de frecuencas normal Más pequeñas, más frecuentes Promedo de cero
37 Errores aleatoros Errores de dscernmento Cambos en las condcones epermentales Errores de especfcacón en los procesos de fabrcacón (por ejemplo, una bola esférca metálca puede estar lgeramente ovalada o contener planos) Se pueden reducr ( cómo?)
38 Error cuadrátco medo (MSE) Cuando se hace múltples (N) meddas ( ) de un fenómeno ALEATORIO, se puede estmar el error cuadrátco medo, 1 Donde es el promedo de las N meddas Cuando más meddas hay, menos error (Hasta certo punto) N N 1 ( )
39 Deduccones Una estmacón es mejor cuando menos error sstemátco tene menos error aleatoro tene Los errores son nevtables Medr con cudado, y precsón A veces, hacen falta muchas meddas Cuántas meddas necestamos?
40 Unas reglas práctcas para medr una cantdad en el laboratoro Para empezar: tres (3) meddas con error epermental e (sensbldad) Calcular la dspersón: D = ma mn Comparar D y e D <= e Error domnante es tpo sstemátco (lmtacón de nstrumento) No se puede hacer mucho! Tomar como valor, e D > e Error es tpo aleatoro Posblemente, hace falta más meddas! Cuántas meddas bastan?
41 Tanto por cento de dspersón T 100% D T<% %<T<8% 8%<T<15% T>15% N Error Epresón e má ( D6 / 4, ) / N 1 /( N 1)
42 Tanto por cento de dspersón T 100% D T<% %<T<8% 8%<T<15% T>15% N Error Epresón e má ( D6 / 4, ) / N 1 /( N 1)
43 Cuantas Meddas Volveremos a este tema con unas defncones de la estmacón de errores Ahora: motvacón para el tratamento de (y propagacón de) los errores
44 Motvacón Granada Jaén: 94±1 km Dgamos que se sabe que el tempo promedo para el vaje es 1.0± 0.1 horas Cuál es la velocdad promeda para el vaje? Acordarse: para escrbr un resultado, hay que empezar con el error! Cómo podemos determnar el error en esta estmacón?
45 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
46 Propagacón de errores Hay una dstncón entre Errores en meddas drectas Errores en magntudes dervadas Un poco de teoría (mportante)
47 Propagacón lneal de errores -Sea f f (, y, z, c) La funcón f lga a la magntud que nos nteresa hallar (f) con las magntudes ndependentes que se obtenen del epermento (,y,z) y con una constante (c). Dferencando: df f d f y dy f z dz f dc c S dentfcamos los ncrementos con los errores absolutos de las varables correspondentes, en el caso más desfavorable se obtendrá: Df f D f y Dy f z Dz f Dc c Sensbldad de f al determnante z Error en z
48 Dervadas parcales Son mprescndbles en esta asgnatura A revsar! No solemos trabajar con ejemplos muy dfícles y a n y' y n a n1
49 Ejemplo numérco Densdad de flujo radatvo emtda por un cuerpo negro E T 4 s = W m - K -4 (constante de Stephan-Boltzmann) Para un cuerpo negro con T = K Cómo podemos epresar E? 4 valores
50 E DE T 4T 3 DT Ejemplo numérco E D E T K T Wm K Wm E = W m - Podemos hacer mejor s = W m - K -4
51 Resumen: propagacón lneal de los errores ),,, ( c z y f f c c f z z f y y f f f D D D D D Tenemos que pensar en esta ecuacón en muchas ocasones (en todas las práctcas)
52 Ejm: (ntutvamente) Como pesar una cantdad de H O (l) Botella vacía: 90.04g 70.04g (Msma) botella con agua: Escala con sensbldad = 0.01g Claro, el agua pesa: 0g pero ERROR? g
53 Como pesar una cantdad de H O (l) (centífcamente) Botella vacía: = 0.01g 90.04g 70.04g (Msma) botella con agua: y= z = y 0.01g Dz Dz z z Dy D y Dy D g
54 Resumen: propagacón lneal de los errores ),,, ( c z y f f c c f z z f y y f f f D D D D D Ahora un ejemplo epermental
55 Altura de un acantlado Cómo medr? Dfícl mantener un metro en vertcal Otra opcón h v 0 t 1 gt
56 Hacemos una medda 1 h v 0 t gt t = /- 0.01s Posbles errores (aleatoros): v 0 0 Pulgar torpe o errátco A la salda A la entrada al agua A repetr! 1 t = /- 0.01s t = /- 0.01s 3
57 Tanto por cento de dspersón t = / s 1 t s t = / s t = / s 3 T 100% D D 0. 0s = 1.4% T<% %<T<8% 8%<T<15% T>15% N Error Epresón e má ( D6 / 4, ) / N 1 /( N 1) Valor epermental t = / s
58 Nuestro valor epermental t = / s Para poder escrbr h, 1º su error 0 1 gt t v h 1 gt h c c f z z f y y f f f D D D D D t t h g g h h D D D t Dg 1 gt Dt t vd
59 Errores, dstanca frente a tempo h v 0 t 1 gt +/ s Dh gtdt vdt v h t t (s) h (m) v (m/s)
60 epermentalmente con un péndulo Altura de un acantlado g = / m s - 1 er paso: el error Dh gtdt vdt Dh = 0.14m h 1 gt h = / m Valor epermental t = / s
61 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
62 Interpolacón en tablas Qué valor (z) tene el calor latente a una temperatura de =1+/-1ºC? Qué error tene este valor? T (ºC) Calor latente de evaporacón (J/g) ( 1 ) ( ) (z 1 ) (z )
63 Interpolacón Lneal 1 z z 1 z z z z D D z z z z Hpótess: A. Error provene de B. Relacón lneal
64 En tablas de doble entrada y 1 y 1 z 11 z 1 z 1 z z z z z 1 11 y y1 1 y y1 z z Dz z 1 z 11 1 D z y 1 z y 11 1 Dy
65 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
66 Regresón y Correlacón (Métodos cuanttatvos de análss gráfco) Importanca de las representacones gráfcas Utldad de las versones lnealzadas de los gráfcos (X, Y) Dstntas maneras de llevar a cabo una lnealzacón
67 Regresón Lneal El método se llama tambén mínmos cuadrados La relacón analítca que mejor se ajusta a nuestros datos La mportanca de la eleccón del varable ndependente
68 En que dreccón? Y X y = a + b Error desprecable
69 Suma de cuadrados (Sum of squares) Es útl defnr la funcón (Ch-cuadrado): y ( a b) Una medda de la desvacón total de los valores observados y respecto de los predchos por el modelo lneal. Los mejores valores de la pendente a y la ordenada en el orgen b son aquellos que mnmzan esta desvacón total.
70 Mínmos cuadrados (Least Squares) 0 a 0 b N y y N a N y y b Como buscar el mínmo de una funcón cuadrátca: Prmer dervado = 0
71 Bondad del ajuste (Goodness of ft) El crtero de mínmos cuadrados es objetvo; reemplaza el juco personal de quen mre los gráfcos y defna cuál es la mejor recta. Además, da una posbldad de estmar la bondad del ajuste, a través el coefcente de correlacón (r) entre las varables X e Y Muchas veces se presenta su cuadrado (R ).
72 El coefcente de correlacón ) ( ) ( ), ( y Var Var y Cov y y N y y N y Cov N N N ), ( 1 1 ) ( N N Var N N 1 1 ) ( y y N y N y y Var N N 1 1
73 El coefcente de correlacón Descrbe la correlacón entre los varables r = 0, los varables no son correlaconados r < 0, los varables son ant-correlaconados r > 0, los varables son correlaconados r = 0.95, mucha correlacón r = 0.7, correlacón, pero no mucha
74 R El cuadrado del coefcente de correlacón eprme el porcentaje de la varanza en los varables X e Y que eplca el modelo lneal r = 0.95, el modelo eplca 90% de la varanza r = 0.7, eplca 49% de la varanza r = 0.3, eplca 9% de la varanza
75 Otra ventaja del método Podemos estmar los errores asocados con los parámetros a y b a N N Var ( ) b N N 1 N Var ( )
76 En funcón de r Las ncertdumbres de a y b tambén pueden descrbrse así: a a 1 ( ) 1 N b a Estas ecuacones son muy útles, ya que la mayoría de las hojas de cálculo y programas de ajuste ndcan a, b y (ó a veces R ).
77 Incertdumbre de los parámetros de un modelo general Al gual que en el caso del modelo lneal, mnmzacón de la funcón Ch-cuadrado: a * de modo que mn = (a*, b*, ) Cómo determnar a*, b*,? Procedmento sofstcado Dversas teorías y opnones Depende de cómo es de no-lneal a, b, c,... a aa* 0
78 Es preferble Transformar (a lo lneal) En general, es preferble Método: suponemos un modelo y = a ln() Defnmos z=ln() Entonces: y = a z ( + b ) Buscamos ajuste lneal entre y & z Podemos estmar los errores asocados con los parámetros a y b
79 No gusta hacer muchos cálculos (tocar botones calculador) Muchos cálculos Por eso tenemos ordenadores N y y N a N y y b ) ( N Var N a ) ( 1 N Var N N b
80 No gusta hacer muchos cálculos (tocar botones calculador) Muchos cálculos Por eso tenemos ordenadores N y y N a N y y b ) ( N Var N a ) ( 1 N Var N N b
81
Bases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas)
Bases Físcas del Medo Ambente Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas.
Más detallesFísica del Medio Ambiente
Físca del Medo Ambente Teoría de Errores (Programa de Práctcas) Sara Marañón Jménez (smaranon@ugr.es) Andy Kowalsk (andy@ugr.es) 1 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesMétodos cuantitativos de análisis gráfico
Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos
Más detallesUnidad 5 2 (5.2) Métodos cuantitativos de análisis gráfico. Método de cuadrados mínimos Regresión lineal
Undad 5 Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detalles2. Tratamiento de errores
. Tratamento de errores Carlos R. Fernández-Pousa e Ignaco Moreno Dvsón de Optca. Departamento de Cenca y Tecnología de Materales Unversdad Mguel Hernández de Elche.. Introduccón Se entende por medda la
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesLaboratorio de Bases Físicas del Medio Ambiente
Laboratoro de Bases Físcas del Medo Ambente Teoría de errores Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Medr es, báscamente, comparar con un patrón y esta
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesCÁLCULO DE INCERTIDUMBRES Y REPRESENTACIONES GRÁFICAS
CÁLCULO DE ICERTIDUMBRES Y REPRESETACIOES GRÁFICAS ITRODUCCIÓ El estudo de la Físca es ncompleto s no se apoya en epermentos de laboratoro que permtan la comprensón de los fenómenos en estudo. Con los
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesNociones sobre cuadrados mínimos por Dr. Horacio Bruzzone
Nocones sobre cuadrados mínmos por Dr. Horaco Bruzzone 1. Introduccón Supongamos que, a través de una sere de medcones, se han determnado un conjunto de n pares de valores de dos magntudes físcas, X e
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detalles16/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesUNIDAD I. Introducción al Análisis Numérico
UNIDAD I Introduccón al Análss Numérco Métodos Numércos Son técncas medante las cuales es posble formular problemas matemátcos, de tal forma que puedan resolverse utlzando operacones artmétcas. Requeren
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesunidad 12 Estadística
undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable
Más detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.
Matemátcas Aplcadas a las Cencas Socales I ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL 1) Se ha meddo la temperatura en grados centígrados la presón atmosférca en mm en una cudad durante una semana obtenéndose
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesModelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detalles1. Notación y tabulación
Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesPyE_ EF1_TIPO1_
SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesEl subestimado problema de la confusión residual. Héctor Lamadrid-Figueroa; Alejandra Montoya; Gustavo Ángeles
El subestmado problema de la confusón resdual Héctor Lamadrd-Fgueroa; Alejandra Montoya; Gustavo Ángeles El objetvo de la estmacón del efecto Establecer s exste una relacón causal entre una exposcón y
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesMétodo cuantitativos de análisis gráfico
Ejemplos Ejerccos Msceláneas Evaluacón Método cuanttatvos de análss gráfco Método de cuadrados mínmos. Regresón lneal. Funcón χ. Obtencón de los parámetros de un modelo. Correlacón lneal. Incertdumbre
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la
Más detallesExamen de Física-1, 1 del Grado en Ingeniería Química Examen final. Septiembre de 2014 Cuestiones (Un punto por cuestión).
Examen de Físca-, del Grado en Ingenería Químca Examen fnal. Septembre de 204 Cuestones (Un punto por cuestón. Cuestón (Prmer parcal: Un satélte de telecomuncacones se mueve con celerdad constante en una
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesMidiendo la Asociación lineal entre dos variables
Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detallesAnálisis químico medioambiental. Grupos de Prácticas. Bibliografía Recomendada. Programa Técnicas Avanzadas en Química ( ) Evaluación
Programa Técncas vanzadas en Químca (003-04 Leccón : Prncpos de nálss Químco Medoambental Leccón : Tratamento de muestras y Técncas de Separacón de naltos Leccón 3: Técncas Cláscas de nálss Químco Leccón
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesInstrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesCapítulo 11. Movimiento de Rodamiento y Momentum Angular
Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detallesE. P. E. T. N 20 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROF.: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO
E. P. E. T. N 0 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROF.: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO E. P. E. T. N 0 MATEMÁTICA AÑO Undad N I: Epresones algebracas PROGRAMA DE MATEMÁTICA 0 TERCER AÑO Revsón:
Más detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detalles