Curso: Bioestadística básica para médicos asistenciales. Clase Nº 7: Intervalo de Confianza
|
|
- Rubén Rico Macías
- hace 8 años
- Vistas:
Transcripción
1 Bioingenieria e Informatica Médica/Bioengineering- Medical [Index FAC] [Index CCVC] Informatics Curso: Bioestadística básica para médicos asistenciales Clase Nº 7: Intervalo de Confianza Raul E. Ortego, Carlos R. Secotaro Index curso - Clase anterior - Clase siguiente En este tema los conceptos se desarrollan también con palabras conocidas, pero acorde a su significado, en el marco de conversaciones cotidianas, la asociación "suena" ininteligible; por el contrario, en bioestadística, expresan un concepto muy preciso. Nos parece que la principal dificultad para entender este tema es que, justamente, se lo aborda desde el significado habitual de los términos en el lenguaje coloquial. En el diccionario de nuestras consultas (ibid), intervalo es un espacio o un tiempo que separa dos lugares o dos momentos. En música tiene una acepción, que aunque esencialmente matemática, no nos ayuda mucho a nuestros propios intríngulis. A qué espacio o tiempo está refiriéndose intervalo en bioestadística? Nuestras analogías sobre "localización" (espacio) de los valores de la variable, tal vez, nos sirvan también en este caso, ya veremos. En los coloquios, y para el diccionario (ibid), confianza tiene varias acepciones: "Esperanza firme en una persona o cosa", "Ánimo, aliento y vigor para obrar", "Familiaridad en el trato". La "cosa" en bioestadística es un determinado hallazgo. Por otro lado, una de las acepciones del verbo confiar (ibid) es: "Esperar que ocurra algo". El "algo" de referencia para la bioestadística es una repetición, un "bis". Proponemos utilizar para el lenguaje de la Estadística el siguiente significado de confianza: la esperanza firme en la veracidad de un hallazgo; también es útil la acepción de esperar que ocurra algo parecido a lo que ya sucedió. Para ratificar que seguimos dentro de la lengua de Cervantes, quizás en un dialecto en realidad, sugerimos interpretar el intervalo de confianza como la esperanza de que un fenómeno sucedido se repita dentro de límites determinados. En el tema intervalo de confianza (IC) se analiza la probabilidad de que el hallazgo en una sola muestra no sólo represente, sino que permita identificar (confianza) constantes de la población de referencia, si no exactamente, al menos aproximadamente (intervalo). Por una muestra inferir la población El análisis de muestras es el procedimiento que usa la Estadística para conocer las características de una población determinada. Los estadígrafos (funciones de las muestras) son variables y excepcionalmente coincidirán con los parámetros (funciones de la población). Más aún, en el caso de que Estadígrafos y Parámetros sean iguales, no se reconocerá esa circunstancia por cuanto los parámetros son desconocidos.
2 Asumido que el promedio de una muestra no coincide con el promedio de la población que se desea conocer (inferir); la estadística apela a procedimientos matemáticos para calcular la probabilidad de que el promedio de la población (µ) se ubique dentro de un rango determinado a partir de los estadígrafos hallados. No está demás recordar que rango, como vimos en Estadística Descriptiva, es una manera de señalar los límites de las localizaciones posibles, los límites del intervalo. El espacio limitado por el rango es un intervalo. La esperanza de que el promedio poblacional se encuentre en ese rango es el grado, el nivel de confianza que desea establecer. La probabilidad con la que se establecen los límites del intervalo es un coeficiente a elegir, habitualmente se opta por 95% ó 99%. Los estadígrafos se distribuyen simétricamente alrededor de los parámetros; tanto más cierta esta afirmación, cuanto más grande sea la muestra. Si se analizan experiencias con varias muestras, la confianza (esperanza) es que los diversos estadígrafos se ubicarán en el intervalo calculado con una sola de esas muestras (cualquiera) con una probabilidad predeterminada (coeficiente elegido). Quedan así definidos intervalo de confianza y coeficiente de confianza. La representación no es una reproducción en escala Trataremos de integrar el IC con ideas y expresiones que ya hemos analizado: La Distribución Simétrica o "Campana". El Error Standard (ES) o "Error por Muestreo". Confianza, esperanza, en que se repitan funciones en sucesivos muestreos. Utilizaremos nuevamente uno de los gráficos empleados para discutir ES. En el gráfico está la "campana" de la localización de cada valor de la variable de la población, la muestra "miniatura" ideal, la muestra roja ó 2 y la muestra celeste ó 1. Reutilizaremos también uno de los gráficos de la "Probabilidad de pertenecer".
3 Este gráfico de distribución simétrica expresa que el 68% ( 34% en cada lado de la campana ) de los valores de la variable se "localizan" ( y X ) en la campana en el rango del promedio µ ± 1 G ( Desvío Standard ); también se observa que el 95% de ellos ( 47,5% en cada lado de la campana ) se ubican en el rango µ ± 2 G, y en el rango de µ ± 3 G se ubica el 99% (49,5% en cada lado de la campana). Los expertos suelen manejarse con la "sombra" de la curva denominada "área bajo la curva" (en relleno rojo del gráfico a la derecha se observa el 99% del " área bajo la curva ") Sin hacer ningún cálculo se aprecia que los promedios (estadígrafos) de las muestras de las dos poblaciones de esta comparación (No Diabéticos y Diabéticos) se distribuyen alrededor de sus respectivos promedios (parámetros) poblacionales. La distribución de los estadígrafos de las muestras alrededor de los parámetros de su población de referencia también es prácticamente simétrica. Esto parece natural, las muestras no sólo representan, son ellas mismas expresión de fenómenos biológicos. Tanto más grandes las muestras, cuanto más simétrica cada una de ellas, y más simétrica la distribución de estadígrafos alrededor de los parámetros. Proponemos retener estas ideas para comprender el lenguaje: 1. Las muestras tienen funciones diferentes a la población que representan. 2. Las muestras de una misma población tienen funciones diferentes entre sí. 3. Las funciones de muestras de una misma población se distribuyen simétricamente alrededor de las funciones de la población representada. Para muestra basta un botón
4 Se puede retomar nuestra conocida "campana", por su universalidad, también para una cuestión que podríamos resumir en una afirmación y una pregunta: Los estadígrafos difieren con los parámetros y aún entre sí representando a la misma población. Cuántas muestras analizar para proyectar y/o inferir razonablemente sobre la realidad de una población? Veamos lo que sucede cuando superponemos una sola muestra con su promedio y su Desvío Standard ( ± DS) sobre su población representada (µ ± G). El 95% de los valores de la variable de la población que se localizan en la campana se encuentran dentro del rango µ ± 2 G. No hace falta hacer cuentas para percibir que el promedio de una muestra de esa población será un valor que aunque calculado (virtual) tendrá aproximadamente un 95% de probabilidades de estar dentro del mismo rango poblacional (µ ± 2G). En otros términos, analizando 100 muestras, 95 de ellas tendrán un promedio dentro de ese rango poblacional (µ ± 2 G). En la búsqueda de µ Dado el promedio de una muestra: Qué tan alejado está de el promedio µ de la población? Se puede intentar una respuesta sólo con el Desvío Standard (DS) de la muestra. Será más precisa la respuesta si se corrige ese DS con el tamaño de la muestra (n), a esa corrección del DS se la denomina Error Standard (ES) y es, como ya hemos visto, una expresión matemática del error por muestreo. Si observa el gráfico con las campanas superpuestas de una población con una de sus posibles muestras, no necesita demasiados cálculos para percibir que el promedio µ se encuentra dentro del rango ± 2 DS de la muestra.
5 Si en lugar de X (un valor de la variable) se emplea el promedio de la muestra ES, se mantienen las probabilidades de encontrar a µ. y se reemplaza DS por el Introducir ES significa hacer participar de los cálculos de Z al tamaño de la muestra (n). La consecuencia es: "Z" tendrá valores diferentes según se modifique "n". El valor de "Z" en el cual la probabilidad de aparición de un valor es ± 2.5% (p=0.025) para una muestra con "n" "grande" es En otros términos, el 95% de los valores de la variable (47,5% a ambos lados de la campana) se localizarán en el rango " Z" = ± En lenguaje matemático el 95% de los valores posibles de "Z" serán: En cualquier texto de Estadística se puede comprobar que simplemente despejando términos a partir de esta "mini" ecuación de "Z" de una muestra "grande" se concluye: Expresándolo con palabras se puede afirmar que con "Z" = 1.96 se verifica que el promedio de la población µ se localizará con un 95% de probabilidades en el intervalo. El intervalo señalado por "Z" = y "Z" = es el que corresponde en una campana a los valores de la muestra X de igual valor absoluto y signo opuesto que delimitan el 95% de los valores aparecidos de la muestra. Las secuencias algebraicas citadas se pueden ampliar y comprender mejor en el capítulo 10 pag 214 a 220 del libro "Modern Elementary Statistics", Second Edition del Profesor John E. Freund. Editorial Prentice Hall, Inc. Englewood Cliffs, N.J. (Prentice Hall Mathematics Series. Dr Albert A. Bennett, Editor). Muestra grande muestra pequeña En los cálculos aritméticos para despejar al promedio de la población " µ" se trabaja con el Desvío Standard ( ó G) de la población. En realidad ese dato (parámetro) tampoco es conocido; se cuenta con el estadígrafo Desvío Standard (DS). Se admite como lógico, y lo confirma la observación, que "DS" se aproxima progresivamente a "G" en la medida que aumenta el tamaño de la muestra (n). La corrección del "DS" según "n" lo expresamos como el Error Standard (ES). En muestras con variables cuantitativas continuas se considera "grande " una muestra cuando "n" es de 30 valores o más; la muestra es pequeña cuando es < 30. Para nuestra pretensión de poder entender lo que leemos y oímos en trabajos científicos que utilizan estos conceptos para sustentar conclusiones o "evidencias", quizás nos baste con recordar que con una sola
6 muestra se puede inferir con probabilidad conocida, razonablemente, el promedio de la población de referencia. Más aún, para memorizar, sugerimos redondear el valor de "Z" de 1.96 a 2 y retener este concepto: El promedio poblacional µ tiene alrededor de un 95 % de probabilidades de ser un valor de la variable incluído en el intervalo comprendido entre los valores extremos. La salvedad "alrededor de" se origina en que el factor que corrige al ES ya sabemos que no es siempre exactamente "2" ni tampoco siempre es 1.96 ya que es un valor inconstante influenciado por el tamaño de la muestra. En realidad al factor de corrección, que se lo denomina "t", se lo calcula desde una mini ecuación que tiene las mismas ideas que Z. El factor de corrección "t" es un valor que depende del tamaño de la muestra (n) o si se prefiere luego de una sutileza aritmética (n 1) de los "grados de libertad". La distribución t eórica "t" de las muestras o "Theoretical Sampling Distribution" no es otra cosa que una construcción similar de curvas y tablas como las que vimos al estudiar la "universalidad" de la "campana", cuando citábamos que se podía calcular Z para cualquier distribución simétrica asignando un valor a µ y otro a G (vimos entonces que se podía hacer con 0 y 1 respectivamente). En 1908 W. S. Gosset a quien en su empleo le impedían publicar sus investigaciones, optó por hacerlo de todos modos, pero con el pseudónimo "Student". "Student" comunicó en esa época las consecuencias del tamaño de las muestras "n" sobre la distribución. Desde entonces, a la familia de curvas y tablas de distribución investigadas originalmente para muestras "pequeñas" (n < 30) pero no limitadas por ese número, se las denomina "Distribución t de Student" o "Distribución t". Existen tablas con el valor de "t"; como ejemplos citaremos que para una muestra de 60 valores t = 2, y que no varía demasiado entre 20 (t = 2.09) y 100 ( t = 1.98). Por lo expuesto insistimos en la sugerencia de recordar que el promedio de una población se encuentra con un 95% de probabilidades en el rango del promedio de una de sus muestras ± "2" ES. Informes con intervalo de confianza El sentido de conocer el rango dentro del cual se encuentra el promedio "µ" a partir de los estadígrafos ± DS trasciende a lo meramente académico. Simbolizaremos intervalo de confianza como "IC" agregando a continuación el coeficiente de confianza elegido, la expresión será, por ejemplo, IC 95. Un informe expresa que durante el seguimiento a 5 años un determinado tratamiento disminuye la mortalidad de la cardiopatía isquémica según OR 0.75 (IC ). OR 0.75 (OR<1) señala que mueren 75 pacientes que tienen prescripto el tratamiento referido cada 100 pacientes que mueren sin recibir ese tratamiento. Está claro que OR = 1 nos diría que mueren igual número de pacientes con y sin tratamiento; en otros términos, el tratamiento no caracteriza a una población particular, distinta de la enfermedad original al inferir diferentes parámetros. Por el contrario, OR > 1 indicaría que entre los pacientes con ese tratamiento hay más muertes que entre los pacientes que no lo tienen prescripto. Con palabras populares, que es "peor el remedio que la enfermedad".
7 Intervalo de confianza graficado Se construye con líneas horizontales expresando el informe con el IC y líneas verticales como referencia de las cuales la más relevante es la correspondiente a la relación 1 (uno) ya que simboliza la ausencia de diferencias significativas. El informe que debemos analizar expresa OR 0.75 (IC ) El intervalo de confianza en este caso agrega al OR de 0.75 que existe una confianza con el 95% de probabilidades de que la relación real entre la muestra de pacientes que tenía prescripto el tratamiento estudiado y la muestra de pacientes a los que no se les instituyó, sea un valor de OR localizado en el intervalo limitado por el rango 0.45 a Se puede expresar la misma idea afirmando que si se repite 100 veces la experiencia, en 95 de ellas se espera el OR localizado en el intervalo del rango No se dice nada diferente si se confía en que existe un 95% de probabilidades de que en sucesivas investigaciones el OR esté comprendido en el rango La interpretación del IC y el significado estadístico En Hipótesis de Trabajo aprendimos que para dar significado estadístico a una diferencia entre muestras, esto es que representan a poblaciones diferentes, se exigía, al menos, un probabilidad menor al 5% de que la misma fuese casual (p < 0.05). Con la misma idea en la mente, si confiamos en que con 95 % de probabilidades el OR 0.75 informado representa a una relación entre muestras que se localiza en el intervalo , va de suyo que existe más de un 5% de probabilidades de que la relación OR sea > 1 ya que se ubicaría por dentro de uno de los límites (1.05) del intervalo. OR > 1 significa en términos de interpretación de la relación entre las muestras exactamente lo contrario de lo que sugiere OR 0.75 (OR < 1). Con un 95% de confianza en que la relación entre muestras puede ser tanto superior como inferior a 1 (uno) se concluye que se está frente a una relación casualmente diferente de 1; en realidad son muestras de una misma población. En idioma técnico, se confirma la hipótesis nula y se descarta la Hipótesis Alternativa. Sugerimos que observe nuevamente el Intervalo de Confianza graficado y seguramente coincidirá que con sólo un "vistazo" descarta la Hipótesis Alternativa y confirma la Nula. Es el rango del intervalo el que da la confianza en que se trate de muestras de la misma o de diferentes poblaciones. Index curso - Clase anterior - Clase siguiente Publicación: Octubre 2005
8 Tope Preguntas, aportes y comentarios ser án respondidos por el relator o por expertos en el tema a través de la lista de Bioingenieria e Inform ática Médica Llene los campos del formulario y oprima el botón "Enviar" Preguntas, aportes o comentarios: Nombre y apellido: Dirección de País: Argentina Enviar Borrar Dr. Diego Esandi Co-Presidente Comité Científico Correo electrónico Dra. Silvia Nanfara Co-Presidente Comité Científico Correo electrónico Prof. Dr. Armando Pacher Presidente Comité Técnico/Organizador Correo electrónico CETIFAC - Bioingeniería UNER Webmaster - Actualización: 10-Oct-2005
Ecuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
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 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 detallesUNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO
- 1 - UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO Tema 1: Operaciones financieras: elementos Tema 2: Capitalización y descuento simple Tema 3: Capitalización y descuento compuesto Tema
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
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 detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
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 detallesEstimación. Intervalos de Confianza para la Media y para las Proporciones
Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo
Más detallesLa ventana de Microsoft Excel
Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesCapítulo VI. Diagramas de Entidad Relación
Diagramas de Entidad Relación Diagramas de entidad relación Tabla de contenido 1.- Concepto de entidad... 91 1.1.- Entidad del negocio... 91 1.2.- Atributos y datos... 91 2.- Asociación de entidades...
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detalles1.4. Comparación con otras actividades de ocio
1.4. Comparación con otras actividades de ocio Continuamos con otro bloque de preguntas dirigidas a toda la población entrevistada. Esta vez, la intención de la batería de preguntas que proponíamos se
Más detallesDatos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina
Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción
Más detalles1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detalles15 CORREO WEB CORREO WEB
CORREO WEB Anteriormente Hemos visto cómo funciona el correo electrónico, y cómo necesitábamos tener un programa cliente (Outlook Express) para gestionar los mensajes de correo electrónico. Sin embargo,
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesMANUAL DE USO PARA ESTUDIANTES PLATAFORMA VIRTUAL UNIVERSIDAD TECNOLOGICA INDOAMERICA
MANUAL DE USO PARA ESTUDIANTES PLATAFORMA VIRTUAL UNIVERSIDAD TECNOLOGICA INDOAMERICA A continuación encontrará los pasos para uso de la Plataforma virtual de la Universidad Para ingresar, ingrese al sitio
Más detallesMediante la aplicación de la metodología a los datos disponibles para este estudio, esta
6 Conclusiones Mediante la aplicación de la metodología a los datos disponibles para este estudio, esta investigación aporta evidencia de la existencia de cambios en los determinantes del desempleo durante
Más detallesMINI MANUAL PARA CREAR FORMULARIOS CON PHP Marzo 2007
MINI MANUAL PARA CREAR FORMULARIOS CON PHP Marzo 2007 Servicio de Informática y Comunicaciones Para poder diseñar un formulario y que éste nos envíe los resultados a nuestro correo electrónico, necesitamos
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesMANUAL DE USUARIO DE LA APLICACIÓN DE ACREDITACION DE ACTIVIDADES DE FORMACION CONTINUADA. Perfil Entidad Proveedora
MANUAL DE USUARIO DE LA APLICACIÓN DE ACREDITACION DE ACTIVIDADES DE FORMACION CONTINUADA Perfil Entidad Proveedora El objetivo del módulo de Gestión de Solicitudes vía Internet es facilitar el trabajo
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesINTRODUCCIÓN-CONCEPTOS BÁSICOS
INTRODUCCIÓN-CONCEPTOS BÁSICOS Cuando se dispone de una cantidad de dinero (capital) se puede destinar o bien a gastarlo, o bien a invertirlo para recuperarlo en un futuro más o menos próximo. De la misma
Más detallesmartilloatomico@gmail.com
Titulo: REGLA DE TRES CON BASE UNITARIA Año escolar: MATEMATICA 1 Autor: José Luis Albornoz Salazar Ocupación: Ing Civil. Docente Universitario País de residencia: Venezuela Correo electrónico: martilloatomico@gmail.com
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 detalles1. MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas
Más detalles6 M. C. J. A G U S T I N F L O R E S A V I L A
2..- DEFINICION DE LIMITES. OBJETIVO.- Que el alumno conozca el concepto de Límite, comprenda la importancia que tiene este concepto en el Cálculo y adquiera habilidad en el cálculo de los Límites más
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detalles1. Dominio, simetría, puntos de corte y periodicidad
Estudio y representación de funciones 1. Dominio, simetría, puntos de corte y periodicidad 1.1. Dominio Al conjunto de valores de x para los cuales está definida la función se le denomina dominio. Se suele
Más detallesTécnicas de valor presente para calcular el valor en uso
Normas Internacionales de Información Financiera NIC - NIIF Guía NIC - NIIF NIC 36 Fundación NIC-NIIF Técnicas de valor presente para calcular el valor en uso Este documento proporciona una guía para utilizar
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 detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesUn problema sobre repetidas apuestas al azar
Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detalles1.4.1.2. Resumen... 1.4.2. ÁREA DE FACTURACIÓN::INFORMES::Pedidos...27 1.4.2.1. Detalle... 1.4.2.2. Resumen... 1.4.3. ÁREA DE
MANUAL DE USUARIO DE ABANQ 1 Índice de contenido 1 ÁREA DE FACTURACIÓN......4 1.1 ÁREA DE FACTURACIÓN::PRINCIPAL...4 1.1.1. ÁREA DE FACTURACIÓN::PRINCIPAL::EMPRESA...4 1.1.1.1. ÁREA DE FACTURACIÓN::PRINCIPAL::EMPRESA::General...4
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 detallesAnálisis de propuestas de evaluación en las aulas de América Latina
Este trabajo de evaluación tiene como objetivo la caracterización de figuras del espacio. Para ello el alumno debe establecer la correspondencia entre la representación de la figura y algunas de sus propiedades.
Más detallesActividades con GeoGebra
Conectar Igualdad - "Netbooks Uno a Uno" Actividades con GeoGebra Nociones básicas, rectas Silvina Ponce Dawson Introducción. El GeoGeobra es un programa que permite explorar nociones matemáticas desde
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
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 detallesMEDIDAS DE TENDENCIA CENTRAL
CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función
Más detallesESTRUCTURAS ALGEBRAICAS 1
ESTRUCTURAS ALGEBRAICAS Se da la relación entre dos conjuntos mediante el siguiente diagrama: (, ) (2, 3) (, 4) (, 2) (7, 8) (, ) (3, 3) (5, ) (6, ) (, 6)........ 5 6......... 2 5 i) Observa la correspondencia
Más detallesFunción Logaritmo, dominio y traslación. Guía del profesor.
Función Logaritmo, dominio y traslación. Guía del profesor. Contenidos: Función logaritmo y su representación gráfica correspondiente. Análisis de las expresiones algebraicas y sus respectivas representaciones
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detalles2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.
APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de
Más detallesDOMINIO Y RANGO DE UNA FUNCIÓN I N D I C E. martilloatomico@gmail.com. Página. Titulo:
Titulo: DOMINIO Y RANGO I N D I C E Página DE UNA FUNCIÓN Año escolar: 4to. Año de Bachillerato Autor: José Luis Albornoz Salazar Ocupación: Ing Civil. Docente Universitario País de residencia: Venezuela
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesPANEL DE CONTROL (Zona de Administración) MANUAL DE USO Por conexanet. Revisión 1.1 Fecha 2006-08
PANEL DE CONTROL (Zona de Administración) MANUAL DE USO Por conexanet Revisión 1.1 Fecha 2006-08 Índice 1. Acceder 2. Menú 3. Gestión Básica 3.1 Añadir 3.2 Editar 3.3 Eliminar 3.4 Eliminación de registros
Más detallesCOMO MEDIR LA EFECTIVIDAD DE LA CONCIENTIZACIÓN
COMO MEDIR LA EFECTIVIDAD DE LA CONCIENTIZACIÓN Ing. Carlos Ormella Meyer Los planes de concientización especialmente en seguridad de la información han sido muchas veces terreno fértil de opiniones discordantes,
Más detallesESTUDIO PRELIMINAR DE ALGUNOS FACTORES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO DE ALUMNOS DEL GRUPO EXECUTIVE FISIOTERAPIA
ESTUDIO PRELIMINAR DE ALGUNOS FACTORES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO DE ALUMNOS DEL GRUPO EXECUTIVE FISIOTERAPIA Autores: Noemí Díaz Matas; Carlos Martín Saborido; Raquel Díaz-Meco Conde; Silvia
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesCAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION
CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora
Más detallesIngeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007
Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el
Más detalles1 de cada 5 ticos usa redes Sociales
1 de cada 5 ticos usa redes Sociales el NSE o el nivel educativo mayor es el uso de redes sociales. Se entrevistó a 1210 personas costarricenses entre 18 y 69 años de edad, residentes en todo el territorio
Más detallesEJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO
EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde
Más detallesERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES
ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES DE BÁSICA PRIMARIA EN LA CIUDAD DE PEREIRA José R. Bedoya Universidad Tecnológica de Pereira Pereira, Colombia La formación estadística en la ciudadanía,
Más detallesCreación paso a paso de Formularios con Google (Parte I) (AKA: no corrijo nunca más!)
Creación paso a paso de Formularios con Google (Parte I) (AKA: no corrijo nunca más!) por Rodrigo Martínez Gazoni La idea de este tutorial es meternos en una de los servicios que ofrece Google en forma
Más detallesI. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }
I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesLección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones
Más detallesAlberto Marcano Díaz
Tutorial sobre Internet y su uso (Básico) Creado por: Alberto Marcano Díaz alberto.marcano@gmail.com Diciembre, 2006 San Cristóbal, Táchira. VENEZUELA En la nueva era, Internet y todo su entorno es una
Más detallesProcesos Críticos en el Desarrollo de Software
Metodología Procesos Críticos en el Desarrollo de Software Pablo Straub AgileShift Imagine una organización de desarrollo de software que consistentemente cumple los compromisos con sus clientes. Imagine
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detalleshttp://cursodecalculo.com Profesor Raúl Vega Muñoz LÍMITES
LÍMITES FUNCIONES A TROZOS (FUNCIONES POR PARTES) Las funciones a trozos también son conocidas como funciones definidas por partes o funciones determinadas por más de una ecuación. En este ensayo vamos
Más detallesTransformación de gráfica de funciones
Transformación de gráfica de funciones La graficación de las funciones es como un retrato de la función. Nos auda a tener una idea de cómo transforma la función los valores que le vamos dando. A partir
Más detallesMÓDULO 2. LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO SIMPLE
MÓDULO 2. LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO SIMPLE Índice de contenidos: 1. Ley Financiera de capitalización a interés vencido. 1.1. Equivalencia de capitales. 1.2. Tipos de interés equivalentes.
Más detallesCapítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI
Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI La segunda fase del NIPE corresponde con la adecuación de las intervenciones de enfermería del sistema de clasificación N.I.C. (Nursing Intervention
Más detallesIntroducción al @RISK
Introducción al @RISK Ariadna Berger Noviembre 2004 Introducción al @RISK El análisis de riesgo implica cuatro etapas: Desarrollo del modelo Identificación de las fuentes de riesgo Análisis con simulación
Más detallesMuchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8
Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características
Más detallesFuncionamiento de la sección Unidades Centinela (UC)
Funcionamiento de la sección Unidades Centinela (UC) Pantalla de ingreso Si usted es un usuario habilitado para la sección Unidades Centinela, al ingresar al sistema con su usuario y clave, encontrará
Más detallesTIPOS DE TEXTO Resumen
TIPOS DE TEXTO Resumen En temas anteriores hemos conocido cuales son los tipos de textos, en esta unidad repasaremos y recordaremos su uso. En el siguiente cuadro, se presentan los tipos de textos, y algunos
Más detallesTABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.
TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detallesComprendiendo el Histograma. El fotometro del siglo 21
Comprendiendo el Histograma Posiblemente la herramienta más útil en la fotografía digital es el histograma. También puede ser el menos comprendido. En este artículo exploraremos lo que el histograma de
Más detalles4 Pruebas y análisis del software
4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran
Más detallesGUÍA DE USO DE LA ACTIVIDAD TÁNDEM
GUÍA DE USO DE LA ACTIVIDAD TÁNDEM Registro en el Programa de Intercambio Lingüístico El primer paso para participar en el Programa de Intercambio Lingüístico es el registro en el mismo. Para ello, visite
Más detallesE 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Más detallesFORMACIÓN DE EQUIPOS DE E-LEARNING 2.0 MÓDULO DE DISEÑO Y PRODUCCIÓN DE MATERIALES UNIDAD 6 B
141 1 FORMACIÓN DE EQUIPOS DE E-LEARNING 2.0 Unidad 6 B 142 2 Índice SEGUIMIENTO DE PERSONAS 1 INFORMES 2 143 3 SEGUIMIENTO DE PERSONAS E INFORMES EN MOODLE El seguimiento de los participantes en Moodle
Más detallesG R U P O S INDICE Cómo crear una cuenta en ARQA? Cómo tener un grupo en ARQA? Secciones y funcionalidades de los grupos Configuración del grupo
INDICE Cómo crear una cuenta en ARQA? 4 Cómo tener un grupo en ARQA? 5 Secciones y funcionalidades de los grupos 6 Muro del Grupo 6 Compartir Textos 8 Compartir Imágenes 9 Compartir videos 10 Compartir
Más detallesEjemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesUNIDAD 1. LOS NÚMEROS ENTEROS.
UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar
Más detallesGuía de uso del Sistema de Gestión de Incidencias (RT) del Servicio de Informática
Guía de uso del Sistema de Gestión de Incidencias (RT) del Servicio de Informática Ayuntamiento de Colmenar Viejo Informática Fecha última actualización: 10/08/2011 Acceso al sistema Para acceder al sistema
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 detallesCiclo de vida y Metodologías para el desarrollo de SW Definición de la metodología
Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología La metodología para el desarrollo de software es un modo sistemático de realizar, gestionar y administrar un proyecto
Más detallesAutores en Web of Science y ResearcherID
Autores en Web of Science y ResearcherID Biblioteca Universitaria Grupo de apoyo al aprendizaje y la investigación Web of Science y ResearcherID * Se pueden unificar los nombres de autor en Web of Science?
Más detallesDatos estadísticos. 1.3. PRESENTACIÓN DE DATOS INDIVIDUALES Y DATOS AGRUPADOS EN TABLAS Y GRÁFICOS
.. PRESENTACIÓN DE DATOS INDIVIDUALES Y DATOS AGRUPADOS EN TABLAS Y GRÁFICOS Ser: Describir el método de construcción del diagrama de tallo, tabla de frecuencias, histograma y polígono. Hacer: Construir
Más detallesANÁLISIS DE DAVID HUME DEL PRINCIPIO DE CAUSALIDAD Francesc Llorens
ANÁLISIS DE DAVID HUME DEL PRINCIPIO DE CAUSALIDAD Francesc Llorens QUÉ ES EL PRINCIPIO DE CAUSALIDAD El principio de causalidad es el pilar fundamental de la epistemología de David Hume. Tras determinar,
Más detalles