PARÁMETROS GENÉTICOS DE LA FERTILIDAD EN DOS LÍNEAS DE CONEJO DE DIFERENTE APTITUD

Tamaño: px
Comenzar la demostración a partir de la página:

Download "PARÁMETROS GENÉTICOS DE LA FERTILIDAD EN DOS LÍNEAS DE CONEJO DE DIFERENTE APTITUD"

Transcripción

1 PARÁMETROS GENÉTICOS DE LA FERTILIDAD EN DOS LÍNEAS DE CONEJO DE DIFERENTE APTITUD M. PILES 1, O. RAFEL 1, J. RAMON 1, L. VARONA 1 IRTA Untat de Cuncultura, Torre Marón s/n., Caldes de Montbuí, Barcelona. Area de Produccó Anal, Centre UDL IRTA, C/ Rovra Roure 177, 5198 Lleda. INTRODUCCIÓN En produccón de carne de conejo, la ecaca de la produccón y el rendento econóco de las explotacones depende en ran parte del éxto reproductvo, el cual está condconado a la ertldad y al taaño de caada. La ertldad puede ser consderada un carácter de la ebra, del aco o de abos. Depende de un ran núero de actores abentales y enétcos. En otras especes, dversos autores an ostrado que exste poca, cas nula, varacón enétca en la ertldad (en vacuno: Jansen, 1986; Séller and Ron, 199; Bocard y Manred, 1994; Weel y Rekaya, 000; en porcno: Varona y Nouera, 001) pero en conejo, la noracón publcada en la lteratura acerca de los coponentes de varanza de este carácter es uy ltada. Úncaente exsten tres trabajos reerentes a la repetbldad (Blasco et al., 1979) y eredabldad (Kall and Solan, 1989; Moura et al., 001) de la ertldad de la ebra edda coo núero de presentacones al aco y nnuno en relacón con la ertldad del aco. Hasta el oento, los esuerzos de la seleccón se an centrado en el taaño de caada y úncaente se practca una seleccón de baja ntensdad con respecto a este carácter elnando ndvduos estérles. La ertldad del aco podría tener nterés econóco ya que un aco puede nlur en el éxto a la cubrcón de un ran núero de ebras, especalente cuando se practca nsenacón artcal. Podría ser ejorada por seleccón drecta o ndrecta a través de aluno de sus coponentes coo son los paráetros que denen la caldad senal. Desde el punto de vsta de la ejora enétca, el conocento de los coponentes de varanza de la ertldad del aco y de la ebra y de su relacón enétca es ran portanca para evaluar uturas estrateas de seleccón. La ertldad puede ser estudada coo un carácter contnuo (tasa de estacón, nuero de presentacones al aco) o un carácter dscreto de expresón bnara (éxto o racaso en la cubrcón o al parto). El odelo ubral postula que la respuesta bnara está relaconada con una varable subyacente noral y con un ubral jo que dvde la escala contnua en dos ntervalos que deltan las dos cateorías de respuesta (Wrt, 1934). Así, s la varable subyacente excede el ubral la observacón pertenecerá a la seunda clase. Los procedentos desarrollados por Sorensen y col (1995) y Moreno y col (1997) basados en étodos de Monte Carlo perten el análss de caracteres cateórcos bajo este odelo. Varona y col. (1999) desarrollaron odelos que perten nclur en el análss caracteres contnuos correlaconados. El objetvo de este trabajo ue estar los coponentes de varanza de la ertldad del aco y de la ebra denda coo éxto o racaso en la cubrcón, así coo la relacón enétca entre abos, en dos poblacones de conejo de derente potencal reproductvo.

2 MATERIAL Y MÉTODOS Los anales pertenecen a las líneas C y P, selecconadas por velocdad de crecento y taaño de caada al destete respectvaente (Rael y col, 1998). Se encontraban alojados en las dos ranjas del Insttut de Recerca Tecnoloía Aroalentares, en las que se sue un so sstea de produccón. Las ebras seuían un rto reproductvo se-ntensvo: prera cubrcón a los 4 eses y edo de vda y, cclos reproductvos de 4 días. Los acos coenzaban su etapa reproductva a los 6 eses de edad. Las cubrcones se realzaban edante onta natural. El danostco de estacón se realzaba por palpacón abdonal 14 días después de la cubrcón. El valor asnado a la ertldad era 1 s la coneja estaba estante y 0 en caso contraro. Se dspuso de datos ( palpacones postvas, 80.5%) en la línea C desde asta.003 y de datos ( palpacones postvas, 86.%) en la línea P desde asta.003. Los datos correspondían a y ebras y 1.01 y 685 acos de las líneas C y P respectvaente. El pedrí ncluía y ndvduos de las líneas C y P respectvaente. Los datos ueron analzados separadaente para cada una de las líneas. El odelo asudo para la varable subyacente (l) era: l Xß + Z u + Z u + Z p + Z p + e = Donde b es el vector de eectos ssteátcos, u y u son los vectores de eectos enétcos adtvos de aco y de ebra respectvaente, p y p son los vectores de eectos abentales peranentes de aco y de ebra, e es el vector de resduos aleatoros y X, Z 1, Z, Z 3 y Z 4 son atrces de ncdenca que relaconan la varable subyacente con los eectos ssteátcos, enétcos y abentales de tpo peranente. Los eectos ssteátcos ncludos en el odelo ueron: ) el estado solóco de la ebra (ps), con tres nveles: 1 para ebras nulíparas, para ebras ultíparas lactantes en el oento de la cubrcón y 3 para ebras ultíparas no lactantes el día de cubrcón, ) el año-estacón.(ys), dendo en ntervalos de 6 eses (desde abrl a septebre y desde octubre a Marzo) entre novebre de 1983 a juno 003 en la línea C y entre julo 199 y novebre de 003 en la línea P. Dados b, u, u, p y p, los eleentos del vector l son condconalente ndependentes y se dstrbuyen coo: l ß, u, u, p, p, ~ N Xß + Z u + Z u + Z p + Z p I sendo ( ) e 1 3 4, e la varanza resdual (jada a 1). Las observacones (éxto o racaso a la cubrcón) son condconalente ndependentes dados b, u, u, p y p. Por tanto, la dstrbucón condconal de los datos dados los paráetros se puede escrbr, suendo a SORENSEN y col., (1995), coo: p n ( y ß, u, u, p, p, l, G) = 1( l > 0) 1( y = 1) + 1( l 0) 1( y 0) { } = = 1 I = es una uncón ndcadora que toa el valor de 1 s la respuesta pertenece a la cateoría j y 0 en caso contraro. donde y={y } (=1,,,n) denota el vector de observacones y ( y j) Se adoptó la etodoloía bayesana para la nerenca. La dstrbucón posteror conjunta de todos los paráetros ue: e

3 ( ß, u, u, p, p, l, G y) p( l ß, u, u, p, p ) p( u, u G) p( G) p( p ) p( ) p( p ) p( ) p n p = 1 { 1( l > 0) 1( y = 1) + 1( l 0) 1( y = 0) } con las suentes dstrbucones a pror de los paráetros: p( ) ~ U( 5 5, ) p ( u, u G) ~ N( 0, A G), p( p ) ~ N ( 0, I ), p( p ) ~ N( 0 I ), x ß, la atrz de relacones de parentesco, G es la atrz de coponents de (co)varanza y, donde A es y son las varanzas de eectos abentales peranentes de aco y de ebra respectvaente. Las dstrbucones a pror utlzadas en el análss para G, y ueron propas y poco noratvas: p( G ) ~ IW ( S,5), p( ) ~ χ ( s,5 ), p( ) ~ χ ( s,5 ) s =0.1, s p =0.1 y S = , con Las dstrbucones condconales de cada uno de los paráetros del odelo necesaras para la pleentacón del alorto de uestreo de Gbbs, utlzado para aproxar las dstrbucones arnales posterores de las varables de nterés, an sdo dervadas para el odelo usado aquí por SORENSEN y col., (1995). Para cada uno de los análss se obtuveron dos cadenas de de teracones. Las preras teracones de cada una de ellas ueron desecadas, y 1 de cada 5 uestras de los paráetros de nterés ueron uardadas. La varanza de uestreo de las cadenas ue obtendo calculando el error de Monte Carlo (GEYER, 199). El taaño eectvo de la uestra ue estado edante el alorto de GEYER (199). Se aplcó el test de GELMAN and RUBIN s (199) para el danóstco de converenca. Los estadístcos de las dstrbucones arnales posterores se calcularon drectaente de las uestras uardadas. RESULTADOS Y DISCUSIÓN La tabla 1 uestra estadístcos descrptvos de las dstrbucones arnales posterores de la eredabldad de la ertldad de aco y de ebra, porcentaje de eectos abentales peranentes asocados al aco y a la ebra, y correlacón enétca entre la ertldad del aco y de la ebra. El test de GELMAN and RUBIN (199) ndcó converenca para todos los paráetros ya que el actor de escala calculado ( srnk actor ) ue sepre cercano a 1. Coo se esperaba, los valores ás altos de la correlacón entre uestras y el enor valor del taaño eectvo corresponderon a la correlacón enétca entre la ertldad del aco y de la ebra y a la eredabldad de la ertldad del aco en abas líneas, pero el error de Monte Carlo ue sepre pequeño (enor del % de la eda posteror). Así, las estas pueden consderarse sucenteente precsas.

4 Tabla 1. Estadístcos descrptvos de las dstrbucones arnales posterores de la eredabldad de la ertldad de aco y de ebra (, ), porcentaje de varacón abental debda al aco o a la ebra ( p, p ) y correlacón enétca entre la ertldad del aco y de la ebra ( r ). lne PM 1 PSD 1 5% 1 50% 1 95% 1 MCse 1 La-1 1 ESS 1 R 1 C P r p p r p p PM: eda posteror; PSD: desvacón típca posteror; 5%, 50%, 95%: percentles al 5, 50 y 95%, MCse: error de Monte Carlo de la eda, La-1: correlacón entre dos uestras sucesvas; ESS: taaño eectvo de la uestra, R : Srnk actor. La eredabldad de la ertldad del aco y el porcentaje de varacón abental asocado a éste ueron práctcaente nulos en abas líneas sendo la repetbldad de ese carácter 4,4% en la línea C y 6.3% en la línea P. Este resultado ndca que la ayor parte de la varacón enotípca de este carácter puede ser explcada por uentes de varacón no relaconadas con el aco. La eredabldad de la ertldad de la ebra ue baja en abas líneas (alrededor del 5%) y el porcentaje de varacón abental debdo a la ebra 13 y 3%, sendo la repetbldad de la ertldad de la ebra 18.4% y 9.3% n las líneas C y P respectvaente. Estos resultados ndcan que exste varacón enétca para la ertldad de la ebra y por tanto, sería posble ejorar el coportaento reproductvo ncluyendo dco carácter en un proraa de seleccón aunque la respuesta obtenda sería probableente uy baja. La eda posteror de la correlacón enétca entre la ertldad del aco y de la ebra ue alta y postva en la línea C (0.73 sendo la probabldad de un valor postvo de la densdad arnal posteror 0.999) ndcando que el control enétco de la ertldad podría ser parcalente el so para acos y ebras. En la línea P, la desvacón típca posteror ue ayor posbleente debdo a la enor cantdad de datos, sendo la probabldad de un valor postvo Las estas de la eredabldad concuerdan con los valores encontrados por VARONA y NOGUERA (001) en cerdos para el carácter ertldad tabén dendo coo éxto o racaso a la cubrcón ( =0.08 and =0.038) o WELLER Y RON (199), BOICHARD y MANFREDI (1994) y WEIGEL y REKAYA (000) en vacuno de lece, cuyas estas de la eredabldad de la ertldad de la ebra denda coo tasa de no-retornos a los 56 días tras la nsenacón artcal varían entre,% y 3.5%. Sn ebaro, las estas encontradas en la lteratura de la correlacón enétca entre la ertldad del aco y de la ebra en porcno y vacuno de lece ueron pequeñas o oderadas y neatvas. En conejo, BLASCO y col., (1979) estaron la repetbldad del carácter núero de servcos del aco por cubrcón értl obtenendo un valor nulo. Kall y Solan (1989) y Moura y col., (001) estaron la

5 eredabldad del ntervalo entre partos y del núero de servcos/parto y tabén encuentran valores cercanos a cero. La tabla uestra estadístcos descrptvos de las dstrbucones arnales posterores de las derencas entre nveles del eecto del estado solóco de la ebra en la escala subyacente. En la línea C, la ertldad ue ayor para ebras ultíparas no lactantes en el oento de la cubrcón y para ebras nulíparas con respecto a ebras ultíparas lactantes. Estos resultados sueren que la lactacón posee un eecto neatvo sobre la ertldad, coo ya abía sdo descrto prevaente por FORTUN-LAMOTHE y BOLET (1995). En la línea P, no se encontraron derencas entre nveles del eecto estado solóco de la ebra. Table. Estadístcos descrptvos de las dstrbucones arnales posterores de las derencas entre nveles del eecto del estado solóco de la ebra. lne PM 1 PSD 1 P>0 ps1-ps C ps-ps ps-ps ps1-ps P ps-ps ps-ps PM: eda posteror; PSD: desvacón típca posteror; P>0: probabldad de una derenca postva. CONCLUSIONES Este estudo deuestra la exstenca en conejos de varacón enétca y abental para la ertldad de la ebra, denda coo éxto o racaso a la cubrcón, pero práctcaente desprecable para la ertldad del aco. La correlacón enétca entre abos caracteres ue alta y postva lo que suere que su control enétco podría ser parcalente el so, aunque este resultado debería ser conrado. Por tanto, el coportaento reproductvo podría ser ejorado ncluyendo el carácter ertldad de la ebra en un proraa de seleccón aunque, dado el bajo valor de la eredabldad, la ecaca a la seleccón sería pequeña. Una alternatva podría ser la seleccón ndrecta por otros caracteres correlaconados, coo los caracteres de caldad senal, pero sería necesaro conocer su eredabldad y correlacón enétca con la ertldad para evaluar las posbles estrateas de seleccón. REFERENCIAS BIBLIOGRAFICAS BLASCO, A., GARCÍA, F., BASELGA, M Estudo de la repetbldad de caracteres productvos en el conejo de carne. 4º syposu naconal de cuncultura. León, España, BOICHARD, D., MANFREDI, E Genetc analyss o concepton rate n Frenc Holsten cattle. Acta Arculture Scandnava. Sect. A, Anal Scence, 44: FORTUN-LAMOTHE, L AND BOLET, G. Les eets de la lactaton sur les perorances de reproducton cez la lapne. INRA Prod. An., 8: GELFAND, A., SMITH, A.F.M Sapln-based approaces to calculatn arnal denstes. Journal o te Aercan Statstcal Assocaton, 85:

6 GELMAN, A., RUBIN, D.B Inerence ro teratve sulaton usn ultple sequences. Statstcal Scence. 7: GEYER, C.J Practcal Markov Can Monte Carlo. Statstcal Scence, 7: KHALIL, M.H., SOLIMAN, A.M Genetc analyss o soe reproductve trats n eale rabbts. Journal o Appled Rabbt Researc, 1: MORENO, C., SORENSEN, D., GARCÍA-CORTÉS, L.A., VARONA, L., ALTARRIBA, J On based nerence about varance coponents n te bnary tresold odel. Genetcs, Selecton, Evoluton, 9: MOURA, A.S.A.M.T., COSTA, A.R.C., POLASTRE, R Varance coponents and response to selecton or reproductve ltter and rowt trats trou a ult-purpose ndex. World Rabbt Scence, 9: SORENSEN, D.S., ANDERSEN, S., GIANOLA, D., KORSGAARD, I Bayesan nerence n tresold odels usn Gbbs sapln. Genetcs, Selecton, Evoluton, 7:9-49. VARONA, L., NOGUERA, J.L Varance coponents o ertlty n Spans Landrace ps. Lvestock Producton Scence, 67:17-1. VARONA, L., MISZTAL, I., BERTRAND, J.K Tresold-lnear vs lnear-lnear análss o brt wet and calvn ease usn an anal odel. I. Varance coponent estaton. Journal o anal Scence, 77: WEIGEL, K.A., REKAYA, R Genetc paraeters or reproductve trats o Holsten cattle n Calorna and Mnnesota. Journal o dary Scence, 83: WELLER, J., RON, M Genetc analyss o ertlty trats n Israel Holstens by lnear and tresold odels. Journal o Dary Scence, 75: WRIGHT, S An analyss o varablty n nuber o dts n an nbred stran o unea ps. Genetcs, 19:

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Análisis de Capabilidad (Defectos Por Unidad)

Análisis de Capabilidad (Defectos Por Unidad) Análss de Capabldad (Defectos Por Undad) STATGRAPHICS Rev. 9/4/26 Este procedento esta dseñado para estar la eda del núero de defectos por undad sobre una poblacón basándose en uestras de artículos de

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Unversdad Católca Los Ángeles de Cbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCION DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Conservación del Momento Lineal y de la Energía

Conservación del Momento Lineal y de la Energía Conservacón del Moento Lneal y de la Energía Conservacón del Moento Lneal y de la Energía Objetvos Coprobar experentalente la conservacón del oento lneal edante choques elástcos e nelástcos. Coprobar la

Más detalles

Deducción de parámetros y comportamiento

Deducción de parámetros y comportamiento Captulo 7. Deduccón de paráetros y coportaento presto por el odelo 287 Capítulo 7: presto por el odelo Deduccón de paráetros y coportaento S ben la utlzacón del odelo consttuto planteado requere la deternacón

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Tema I: Introducción a los sistemas de instrumentación

Tema I: Introducción a los sistemas de instrumentación ESCUELA TECNICA SUPERIOR DE INGENIEROS INDUSTRIALES Y DE TELECOMUNICACION UNIVERSIDAD DE CANTABRIA INSTRUMENTACION ELECTRÓNICA DE COMUNICACIONES (5º Curso Ingenería de Telecouncacón) Tea I: Introduccón

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: 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 detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 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 detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

Ideas Básicas sobre Métodos de Medida

Ideas Básicas sobre Métodos de Medida 10: deas Báscas sobre Métodos de Medda Medcones Drectas: el resultado se obtene a partr de la ndcacón de un únco nstruento (étodos de deflexón). Medcones ndrectas: el resultado surge a partr de operacones

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

La predicción de la demanda en la evaluación de proyectos. Anna Matas José Luis Raymond Mar González-Savignat Adriana Ruíz

La predicción de la demanda en la evaluación de proyectos. Anna Matas José Luis Raymond Mar González-Savignat Adriana Ruíz La predccón de la deanda en la evaluacón de proyectos Anna Matas José Lus Rayond Mar González-Savgnat Adrana Ruíz 31/Marzo/2009 Proyecto: EVALUACIÓN SOCIOECONÓMICA Y FINANCIERA DE PROYECTOS DE TRANSPORTE

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

Análisis de Regresión y Correlación

Análisis 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 detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 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 detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

Relaciones entre variables

Relaciones 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 detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. 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 detalles

Dasometría / Celedonio L

Dasometría / Celedonio L EJERCICIO Nº 6 Se ha realzado el nventaro forestal de una asa de Pnus pnaster no resnado, por uestreo estadístco, dseñado edante la toa de datos en parcelas rectangulares de 0 x 5 ts. El dáetro íno nventarable

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Daniel Iván Torresano Melo

Daniel Iván Torresano Melo Departaento de Econoía Aplcada Trabajo de Investgacón del Prograa de Doctorado de Econoía Aplcada Tesna ANÁLISIS EMPÍRICO DE LA DISCRIMINACIÓN SALARIAL POR GÉNERO Y ETNIA EN EL ECUADOR EN EL AÑO 2008 Danel

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos 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 detalles

Regresión no lineal mediante la evolución de modelos Híbridos de Redes Neuronales 1

Regresión no lineal mediante la evolución de modelos Híbridos de Redes Neuronales 1 Regresón no lneal edante la evolucón de odelos Híbrdos de Redes Neuronales César Hervás Departaento de Inforátca y A.N. Unversdad de Córdoba 407- Córdoba- {chervas}@uco.es Francsco J. Martínez Facultad

Más detalles

Índice de Precios de las Materias Primas

Índice de Precios de las Materias Primas May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

Prueba de Evaluación Continua

Prueba 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 detalles

LA RELACIÓN ENTRE LA VOLATILIDAD DEL PRECIO DE UN TÍTULO Y SU RENDIMIENTO: UNA REVISIÓN Josefina Martínez Barbeito 1 Universidade A Coruña

LA RELACIÓN ENTRE LA VOLATILIDAD DEL PRECIO DE UN TÍTULO Y SU RENDIMIENTO: UNA REVISIÓN Josefina Martínez Barbeito 1 Universidade A Coruña REVISTA INVESTIGACIÓN OPERACIONAL Vol., 8 No3. 45-61 007 LA RELACIÓN ENTRE LA VOLATILIDAD DEL PRECIO DE UN TÍTULO Y SU RENDIMIENTO: UNA REVISIÓN Josena Martínez Barbeto 1 Unversdade A Coruña RESUMEN: Este

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit. Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

UNIVERSIDAD DE PUERTO RICO

UNIVERSIDAD DE PUERTO RICO UNIVERSIDAD DE PUERTO RICO RECINTO DE RIO PIEDRAS FACULTAD DE ADMINISTRACION DE EMPRESAS Insttuto de Estadístca y Ssteas Coputadorzados de Inforacón MUESTREO con R Preparado por: José Carlos Vega Vlca,

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 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 detalles

Problemas donde intervienen dos o más variables numéricas

Problemas 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 detalles

2 Descripción de Datos Univariados.

2 Descripción de Datos Univariados. Descrpcón de Datos Unvarados.. Meddas de Tendenca Central. El análss estadístco propaente dcho, parte de la búsqueda de paráetros sobre los cuales pueda recaer la representacón de toda la noracón. Las

Más detalles

Índices de competitividad exterior METODOLOGÍA

Índices de competitividad exterior METODOLOGÍA Índces de copettvdad eteror METODOOGÍA. Introduccón El térno copettvdad de una econoía se suele utlzar con dos acepcones dferentes: la copettvdad en sentdo aplo y la copettvdad eteror. En prer luar y en

Más detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: 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 detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

Ondas y Rotaciones. Colisiones Inelásticas

Ondas y Rotaciones. Colisiones Inelásticas Hoja de Trabajo 8 Ondas y Rotacones Colsones Inelástcas Jae Felcano Hernández Unersdad Autónoa Metropoltana - Iztapalapa Méxco, D. F. 5 de agosto de 0 INTRODUCCIÓN. Para edr el grado de elastcdad de una

Más detalles

PyE_ EF2_TIPO1_

PyE_ 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 detalles

Aspectos fundamentales en el análisis de asociación

Aspectos 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 detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 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 detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

L ús de microdades en l anàlisi economètrica aplicada

L ús de microdades en l anàlisi economètrica aplicada L ús de crodades en l anàls econoètrca aplcada Jaue García Insttuto Naconal de Estadístca Facultat de Cènces, Unverstat Autònoa de Barcelona Bellaterra, 27 de novebre de 2009 Motvacón Iplcacones econoétrcas

Más detalles

Tablas de vida de decrementos múltiples

Tablas de vida de decrementos múltiples Docuentos de Trabajo 1 2012 Francsco J. Goerlch Gsbert Tablas de vda de decreentos últples Mortaldad por causas en España (1975-2008) Tablas de vda de decreentos últples Mortaldad por causas en España

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª 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 detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 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 detalles

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores.

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores. Coportaento Mecánco de los Materales Antono Mguel Posadas Chnchlla Ingenería de Materales Departaento de Físca Aplcada Facultad de Cencas Eperentales Unversdad de Alería DETERMIACIÓ DE ERRORES Y TRATAMIETO

Más detalles

Algoritmo para la ubicación de un nodo por su representación binaria

Algoritmo para la ubicación de un nodo por su representación binaria Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón

Más detalles

Medidas de centralización

Medidas 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 detalles

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009 METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia 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 detalles

Incentivos económicos de las empresas a participar en acuerdos ambientales voluntarios: análisis del Programa de Industria Limpia

Incentivos económicos de las empresas a participar en acuerdos ambientales voluntarios: análisis del Programa de Industria Limpia Gaceta de Economía Año 16, Número Especal, Tomo I Incentvos económcos de las empresas a partcpar en acuerdos ambentales voluntaros: análss del Programa de Industra Lmpa Vcente Ruíz 1, Marsol Rvera-Planter

Más detalles

Consideraciones empíricas del consumo de los hogares: el caso del gasto en electricidad y alimentos

Consideraciones empíricas del consumo de los hogares: el caso del gasto en electricidad y alimentos Consderacones empírcas del consumo de los hogares: el caso del gasto en electrcdad y almentos Emprcal Consderatons of the Famles Consumpton: the Case uf the Expense n Electrcty and Food Maro Andrés Ramón

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

TEMA 1.- CONCEPTOS BÁSICOS

TEMA 1.- CONCEPTOS BÁSICOS TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.

Más detalles

22. COLUMNA DE DESTILACION SIMPLIFICADA

22. COLUMNA DE DESTILACION SIMPLIFICADA 22. COLUMNA DE DESTILACION SIMPLIFICADA 1. OBJETIVOS 1.1. Especfcar en fora splfcada una coluna de destlacón 1.2. Estar un taaño y desepeño splfcado de una coluna de destlacón edante el procedento de Fenske-Underwood-Glland

Más detalles

MEDIDAS ELÉCTRICAS. Incertidumbre en las Mediciones. Introducción a la. según la Guía del Comité. Internacional de Pesas y Medidas

MEDIDAS ELÉCTRICAS. Incertidumbre en las Mediciones. Introducción a la. según la Guía del Comité. Internacional de Pesas y Medidas MEDIDAS ELÉCTRICAS Introduccón a la Incertdubre en las Medcones según la Guía del Coté Internaconal de Pesas y Meddas Ing. Rcardo Das Año 016 Incertdubre en las Medcones La expresón del resultado de una

Más detalles

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Incertidumbre de la Medición: Teoría y Práctica

Incertidumbre de la Medición: Teoría y Práctica CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Cadenas de Markov. http://humberto-r-alvarez-a.webs.com

Cadenas de Markov. http://humberto-r-alvarez-a.webs.com Cadenas de Markov http://humberto-r-alvarez-a.webs.com Definición Procesos estocásticos: procesos que evolucionan de forma no determinista a lo largo del tiempo en torno a un conjunto de estados. Estos

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto 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 detalles

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 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 detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO 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 detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.

Más detalles

TEMA 2: MAGNITUDES ALEATORIAS

TEMA 2: MAGNITUDES ALEATORIAS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA : MAGNITUDES ALEATORIAS..- Varable aleatora. Varables dscretas y contnuas..- Dstrbucón de probabldad de una varable aleatora.3.- Característcas de las varables

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

Presentación del curso. Agradecimientos. Presentación del curso. Repaso de conceptos. Curso de epidemiología veterinaria

Presentación del curso. Agradecimientos. Presentación del curso. Repaso de conceptos. Curso de epidemiología veterinaria Curso de epdemología veternara Andres Perez Center for Anmal Dsease Modelng and Survellance, School of Veternary Medcne, Unversty of Calforna, Davs Objetvo: Presentacón del curso Repensar en un sentdo

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA 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 detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012 Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE

Más detalles

Gases ideales. Introducción a la Física Ambiental. Tema 3. Tema 3.- " Gases ideales ".

Gases ideales. Introducción a la Física Ambiental. Tema 3. Tema 3.-  Gases ideales . Gases deales. Introduccón a la Físca Abental. Tea 3. Tea 3. IFA (Prof. RAMOS) 1 Tea 3.- " Gases deales ". Ecuacón de estado: Gases deales. Energía nterna y Entalpía. Capacdades calorífcas: relacón de Mayer.

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

Figura 1

Figura 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 detalles

CONSEJERÍA DE EDUCACIÓN

CONSEJERÍA DE EDUCACIÓN BOLETÍN OFICIAL DE CONSEJERÍA DE EDUCACIÓN Orn EDU/59/2010, 9 julo, para la acredtacón la formacón nvel básco en prevencón resgos laborales para el alumnado que haya obtendo el título técnco o técnco superor

Más detalles

a) DIAGRAMA DE DISPERSION

a) DIAGRAMA DE DISPERSION SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

Complementos al ABC: efectos dinámicos

Complementos al ABC: efectos dinámicos Complementos al ABC: efectos dnámcos CAF - CEPAL P. Rozas & J. Rvera Buenos Ares, juno de 2008 Varables y fuentes de nformacón Encuesta de Hogares de dversos años de los países en estudo.- Bolva: Encuesta

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Regresión lineal y correlación lineal

Regresión 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 detalles