Sesión 4: Estadística descriptiva y exportación de resultados

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

Download "Sesión 4: Estadística descriptiva y exportación de resultados"

Transcripción

1 Curs de trduccó a Stata Jrd Muñz (UAB) Sesó 4: Estadístca descrptva y exprtacó de resultads E esta sesó vams a trabajar c la estadístca descrptva e Stata. Prevamete, presetams ua pequeña trduccó de ls cteds estadístcs que vams a ver, para psterrmete presetar el md de bteerls e Stata. 1. Breve trduccó a la estadístca descrptva La estadístca descrptva, cm su mbre dca, s srve para descrbr de md resumd las prpedades de ua varable. C ua cfra, u úmer reducd de cfras, pdems saber fáclmete cóm es y cóm se dstrbuye ua varable. La estadístca descrptva tee setd e varables umércas y rdales, e las males. Meda Es la suma de tdas las bservaces, dvdda pr el úmer de cass. X 1 x Meda pderada Cada bservacó es pderada pr u pes determad, que puede represetar, pr ejempl, el úmer de sub-bservaces que represeta cualquer tr crter aleatr. Sól hay que multplcar cada bservacó pr el pes, y cm demadr tmarems la suma ttal de pess. X k 1 k 1 x w w Medaa Es el valr cetral de ua varable: el que tee tats cass pr debaj cm pr ecma. Es el valr de la varable que satsface la cdcó de que la mtad de ls valres s meres guales la tra mtad mayres guales (% acumulad = / ) 1

2 Curs de trduccó a Stata Jrd Muñz (UAB) S el úmer de cass es par, se tma la meda artmétca etre ls ds valres cetrales. Mda Es el valr de la varable c ua frecueca más elevada (tee más setd cuad es sesblemete dferete del rest). Cuartles y Percetles Ls cuartles s ua extesó de la medaa: s aquells valres que tee u 5%, u 50% y u 75% de ls cass pr debaj, respectvamete. Ls percetles s ua extesó de ls cuartles: el percetl p tee el p% de ls valres pr debaj y 100-p% pr ecma. Varaza La varaza de ua varable es la meda de ls cuadrads de las desvaces de ls valres de la varable respect a su meda 1 ( x X ) Cuad trabajams c muestras, emplearems la crreccó de Bessel y calcularems la varaza muestral dvded pr -1 e lugar de (SPSS sól calcula S ): S 1 ( x X ) 1 Desvacó estádar La desvacó estádar, desvacó típca es la raíz cuadrada de la varaza, muestral pblacal.

3 Curs de trduccó a Stata Jrd Muñz (UAB) s s La desvacó estádar es mprtate prque tee alguas prpedades teresates. Es el estadístc de dspersó más utlzad. E geeral, pdems tmar cm put de refereca l que sabems sbre la dstrbucó rmal: el 95% de ls cass se stúa e + / - desvaces típcas de la meda y el 99,87% a + -3 desvaces típcas Rag El rag de ua varable s frma de su ampltud, y se calcula restad el mím del máxm, para ccer el área de cbertura. R = max-m Rag tercuartílc Cm el rag a meud está afectad pr valres extrems, pdems emplear el rag tercuartílc cm medda de cbertura. El rag tercuartílc se btee restad el prmer cuartl del tercer.detr del rag tercuartílc se stúa el 50% de ls cass. R = Q 3- Q 1 Asmetría Es ua medda de la smetría de la dstrbucó. Tma cm put de refereca la dstrbucó rmal, que es perfectamete smétrca y, pr tat, tee ua asmetría de 0. S la asmetría es pstva, la dstrbucó tedrá ua larga cla a la derecha, y s es egatva, la tedrá a la zquerda (más valres pr debaj de la meda que pr ecma). S Asmetría = 0, la meda, la medaa y la mda ccde S Asmetría> 0, la meda es mayr que la medaa, que es mayr que la mda S Asmetría <0, la meda es más pequeña que la medaa, que es más pequeña que la mda 3

4 Curs de trduccó a Stata Jrd Muñz (UAB) Curtss Hace refereca a la curvatura de la dstrbucó. Sól tee setd para dstrbuces smétrcas y umdales. Tma cm refereca, de uev, la dstrbucó rmal: s la varable está rmalmete dstrbuda, la curtss = 0, s tee más puta, la curtss es> 0 y s es más plaa, será <0. Estadístca descrptva e Stata Stata s preseta tda esta frmacó de md secll medate el cmad summarze, auque exste dferetes pces que s aprta ua flexbldad adcal. Summarze El cmad summarze varable1 varable (etc.) s aprta frmacó del úmer de bservaces váldas, la meda, la desvacó estádar y el mím y máxm de las varables que strs especfquems. Se trata de la frmacó más 4

5 Curs de trduccó a Stata Jrd Muñz (UAB) relevate y, a meud, tedrems sufcete c ella. S embarg, s querems u resume más cmplet pdems usar la pcó detal: Detal Usad la pcó detal summarze varable1 varable, detal Stata s aprta más frmacó sbre el cted y prpedades de las varables. C este cmad, bteems tds ls estadístcs descrptvs que hems mecad aquí: la meda, la desvacó estádar, mím y máxm, Percetles, Varaza, Asmetría (Skewess) y Kurtss Tablas de estadístcs descrptvs El cmad summarze, a efects geerales, resulta de gra utldad para hacer resúmees de la muestra etera. S l cmbams c la pcó f, pdems pedr estadístcs descrptvs para las submuestras que s terese, y cmbad c by s permte bteer ls estadístcs descrptvs separads pr grups. Per esta pcó prduce u utput dfícl de leer e cómd de exprtar. Pr es stata dspe de dversas pces para realzar tablas de estadístcs decrptvs. Nstrs vams a ver ds de ellas Tabulate, summarze tabulate varablegrup, summarze(varable1) s muestra ua tabla de frecuecas de ls grups c la meda y la desvacó estádar de la varable especfcada. Es útl cuad querems ests ds estadístcs de ua varable etre grups, per tee mucha más flexbldad Tabstat Este cmad es más ptete, puest que s permte cluír más de ua varable y u ampl abac de estadístcs descrptvs. El frmat de resultads es epsecalmete útl, sbretd cuad trabajams c ua sla varable. tabstat varable1 varable, stats(mea med sd m max) by(varablegrup) frmat(%9.f) Exprtacó de resultads Stata s prduce resultads e la vetaa prcpal, presetads e frmat de text, per a meud querems exprtar ls resultads a ua hja de cálcul u prcesadr de texts para su presetacó. Est requere de u cert trabaj adcal y ccer algus mecasms báscs. Lg fles La vetaa de resultads de Stata es fta, recge tda la sesó de trabaj s sól la últma parte de la msma. Pr es, s querems cservar ls resultads de tda la sesó e u archv de text, debems utlzar ls lg fles. Exste u c e el meú prcpal de Stata que s permte car u lg fle, y tr que s permte verl cerrarl. De tds mds, est l pdems hacer també medate la staxs y e ls d-fles. Ls cmads prcpales s ls sguetes: 5

6 Curs de trduccó a Stata Jrd Muñz (UAB) Abrr lg-fle: lg usg archv.lg Est s abre u archv lg c el mbre especfcad dde se guardará uestra actvdad. Pdems elegr el frmat.lg, que es text pla,.scml que tee més frmat. Además, s querems trabajar sbre u archv lg ya exstete, pdems especfcar las pces,replace (sbreescrbe el archv),apped (añade al fal del archv exstete l que hagams). Cerrar lg fle: Cuad querams cerrar el lg fle c el que estams trabajad, sól teems que escrbr lg clse y se cerrará. Suspeder/retmar el lg fle: A veces hay ua parte de uestra sesó que querems que quede grabada e el lg fle, para es, s ecesdad de cerrarl, pdems usar ls cmads lg ff para apagarl, y más adelate, lg para retrmarl. Ver el lg fle: Para csultar el cted del lg fle que estams cread, usarems el cmad vew archv.lg Csultar el estad del lg: A meud pdems lvdars del estad e el que teems el lg fle, para est sól teems que escrbr lg e la líea de cmads y Stata s drá s hay algú lg abert, y cual es. Cpar resultads Tat s trabajams drectamete desde la vetaa de resultads cóm s trabajams c u lg fle, para pasar ls resultads a u archv de wrd excel, rmalmete usarems las pces crtar y pegar del sstema peratv. Desde Stata pdems cpar ls resultads seleccad ls elemets que querems cpar y haced clc c el btó derech del rató. Se s abre etces u meú e el que pdems elegr etre cuatr pces: Cpy Cpa la seleccó cóm text. Esta la pdems pegar e el wrd, auque prbablemete se s dealeará las tablas. Para vlverlas a alear, es recmedable usar la fuete curer curer ew e wrd, e r bajad el tamañ (10, 9, 8) hasta que la tabla quede be clcada. Cpy table Cpa la seleccó c frmat de tabla. Cuad la peguems e wrd, s la tabla cabe e el dcumet, aparecerá be aleada prque las separaces etre ls camps de la tabla se hace medate tabulaces. Est e wrd s permtría cvertr fáclmete el text e tabla (Meú tabla cvertr cvertr text e tabla). De tds mds, este frmat es especalmete útl para pegar ls resultads e u archv excel, desde el cual pdrems ajustarls y pasarls, psterrmete, a Wrd. Este cam (cpy table pegar e excel pasar a wrd) es u de ls más útles para exprtar resultads. Cvee seleccar cada tabla pr separad, a pder ser dejad el mím de elemets. 6

7 Curs de trduccó a Stata Jrd Muñz (UAB) Cpy table as html Esta pcó s cpa la seleccó cm tabla html, que es u frmat que puede resultar útl e algus ctexts Cpy mage La pcó mes útl, cpa la tabla cm mage l cual s permte reprducr exactamete la apareca de ls resultads per s mpde mdfcar el frmat y, además, cupa much espac de dsc. Cmads avazads de creacó y exprtacó de tablas E éste curs vams a tratar la cuestó e prfuddad, per exste dverss cmads adcales e Stata que s permte ahrrar much temp e la prduccó de tablas de resultads. Se trata de cmads creads pr usuars que deberems stalar, y algus de ells s crea drectamete dcumets de wrd, latex, excel etc. c las tablas lstas para publcacó. Tabut es el cmad más cmplet, e realdad es u prgrama eter de creacó de tablas. Cuad vams a hacer much trabaj c Stata cvee dedcar u temp a apreder a maejarl, puest que a la larga est s va a ahrrar much temp y esfuerz. Para stalarl, pdems escrbr ssc stall tabut. Está dspble u tutral cmplet e a parte de la ayuda. Esttab Cuad realcems tareas más avazadas (mdels de regresó, báscamete), s resultará útl el cmad esttab, que s permte geerar c facldad dcumets rtf c las tablas e frmat de publcacó. Hay que stalarl. 7

Sesiones 2-3: Transformación de datos

Sesiones 2-3: Transformación de datos Curs de intrducción a Stata Jrdi Muñz (UAB) Sesines 2-3: Transfrmación de dats Hasta ahra hems vist ls elements básics de stata, y cóm inspeccinar ls dats que tenems. A partir de ahra vams a trabajar sbre

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Gestión de Informes de i-card Loyalty INTRODUCCIÓN. Página1

Gestión de Informes de i-card Loyalty INTRODUCCIÓN. Página1 Página1 Gestión de Infrmes de i-card Lyalty INTRODUCCIÓN Cm habrá vist en el manual de administración, i-card Lyalty cm herramienta de fidelización de clientes le permite gestinar td un prgrama de descuents

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

FÍSICA APLICADA Y FISICOQUÍMICA I. Tema 4. La composición como variable termodinámica

FÍSICA APLICADA Y FISICOQUÍMICA I. Tema 4. La composición como variable termodinámica María del lar García Sats GRADO EN FARMACIA FÍSICA ALICADA Y FISICOQUÍMICA I ema 4 La cmpscó cm varable termdámca Esquema ema 4. La cmpscó cm varable termdámca 4. Magtudes mlares parcales 4. tecal químc

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Perceptrón Adaline. ( Desarrollado en el entorno Eclipse en el lenguaje JAVA ) Jose Alberto Benítez Andrades 71454586A

Perceptrón Adaline. ( Desarrollado en el entorno Eclipse en el lenguaje JAVA ) Jose Alberto Benítez Andrades 71454586A Perceptrón Adaline ( Desarrllad en el entrn Eclipse en el lenguaje JAVA ) Jse Albert Benítez Andrades 71454586A Redes Neurnales y Algritms Genétics Universidad de León Manual de usuari PerAda JABA 2.0

Más detalles

HOTEL RURAL. Taller de modelado de objetos. Ingeniería del Software Curso 2005-2006. Salamanca, 16-XI-2005. Trabajo realizado por:

HOTEL RURAL. Taller de modelado de objetos. Ingeniería del Software Curso 2005-2006. Salamanca, 16-XI-2005. Trabajo realizado por: Taller de mdelad de bjets HOTEL RURAL Salamanca, 16-XI-2005 Trabaj realizad pr: Javier Trujill Hernández Javier Rubi Alamill Fernand Buitrag Alns El Htel Rural Un pequeñ htel rural necesita una aplicación

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

20 3.3.5.0 3 09/07/2008. Descripción: Conceptos básicos. Objetivos:

20 3.3.5.0 3 09/07/2008. Descripción: Conceptos básicos. Objetivos: Slucines Infrmáticas Descripción: Cncepts básics Objetivs: Al finalizar este tutrial el usuari será capaz de utilizar ls aspects básics de la aplicación, tales cm: Buscadres, Fichas, Impresión y Estadísticas.

Más detalles

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE N NTRODCCÓN L CONCPETO DE VREDD REL DFERENCBLE Y GRPO DE LE CRLOS S. CHNE a trduccó al ccept de VREDD REL DFERENCBLE Y GRPO DE LE 0. Sbre tplgía y espac tplógc. 0. Separabldad. Espacs de Hausdr. 03. El

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

Importación de facturas desde Excel

Importación de facturas desde Excel Imprtación de facturas desde Excel caicnta Indice 1.- Cnfiguración de la Hja Excel:... 2 2.- Cnfiguración de caicnta:... 3 2.1.- Cnfiguración del esquema de estructura esquema de la hja Excel... 3 2.2.-

Más detalles

Web Biblioteca Complutense 2006: Manual del Gestor de Contenidos. Versión 1.1. Mayo 2006

Web Biblioteca Complutense 2006: Manual del Gestor de Contenidos. Versión 1.1. Mayo 2006 Plantilla de menú de blques Esta plantilla prprcina una herramienta sencilla para realizar una página cuy aspect final sería una lista de enlaces a diferentes páginas, sean éstas páginas prpias, del rest

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

TUTORIAL SOBRE CARGA DE REGISTROS EN KOHA KOBLI. (Importación de registros en MARC 21)

TUTORIAL SOBRE CARGA DE REGISTROS EN KOHA KOBLI. (Importación de registros en MARC 21) TUTORIAL SOBRE CARGA DE REGISTROS EN KOHA KOBLI (Imprtación de registrs en MARC 21) ÍNDICE 1 Transfrmación y preparación de ls fichers a cargar...3 2 Carga de registrs a Kbli...3 Pas 1. Se carga el archiv.mrc

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Sobrantes de 2004 (Modelo 6) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Modelo 6) Soluciones Germán-Jesús Rubio Luna OPCIÓN A IES Fc Ayala de Graada Sbrates de 004 (Mdel 6) Slucies Germá-Jesús Rubi Lua OPCIÓN A EJERCICIO 1_A (1 put) Dibuje la regió del pla defiida pr las siguietes iecuacies: x 3y -13; x + 3y 17, x + y 11; y 0.

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

C.I.T. - Customer Interface Technology EXPRESS SHIPPER INSTALACIÓN

C.I.T. - Customer Interface Technology EXPRESS SHIPPER INSTALACIÓN EXPRESS SHIPPER INSTALACIÓN A REGISTRARSE EN TNT Pdems instalar directamente desde la web de TNT, per es recmendable realizar primer el registr, descargar el prgrama, instalarl y cnfigurarl, en este rden.

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

Microsoft Excel. Excel tiene una gran variedad de cosas que si eres persona de negocios, te va a servir mucho.

Microsoft Excel. Excel tiene una gran variedad de cosas que si eres persona de negocios, te va a servir mucho. Micrsft Excel 1. Micrsft Excel 2. Empezara a trabajar cn Micrsft Excel 3. Herramientas de Micrsft Excel 4. Qué es Excel y cuales sn sus características 5. Insertar una función 6. Hacer una frmula 7. Insertar

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Manipulador de Alimentos

Manipulador de Alimentos Presentación Objetivs Cntenids Metdlgía Recurss Evaluación Presentación Qué es la Guía Didáctica Este dcument te servirá cm rientación a l larg de td el curs. Aquí pdrás btener tda la infrmación que necesitas

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Recordemos el resultado que vimos en el contexto de Intervalos de Confianza

Recordemos el resultado que vimos en el contexto de Intervalos de Confianza Tests ara la media cuad la variaza es desccida: ugams ahra que la variaza es desccida y csiderems las mismas hiótesis sbre µ. Recrdems el resultad que vims e el ctext de Itervals de Cfiaza Las sibles hiótesis

Más detalles

Procedimiento P7-SIS Revisión 2 24-04-13

Procedimiento P7-SIS Revisión 2 24-04-13 Prcedimient P7-SIS Revisión 2 24-04-13 Gestión y mantenimient de Sistemas Objet Describir cóm se gestina y administra tda la infraestructura de sistemas infrmátics del Institut así cm las actividades de

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Inferencia estadística Intervalos de confianza

Inferencia estadística Intervalos de confianza Ifereca estadístca Itervals de cfaa Cuad se btee ua estmacó utual de u arámetr es cveete acmañar dcha estmacó r ua medda de la recsó de la estmacó. U md de hacerl es frmar el estmadr y su errr stadard.

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Uversdad de oora Departameto de Matemátcas Área Ecoómco Admstratva Matera: Estadístca I Maestro: Dr. Fracsco Javer Tapa Moreo emestre: 05- Hermosllo, oora, a 5 de septembre de 05. Itroduccó E la clase

Más detalles

Tomar conciencia de la gravedad de los problemas ambientales

Tomar conciencia de la gravedad de los problemas ambientales Bidiversidad y Espacis Naturales 31 Objetivs A 3 actividad Las catástrfes ambientales en ls periódics Tmar cnciencia de la gravedad de ls prblemas ambientales Identificar ls efects ambientales y ls papeles

Más detalles

Inferencia estadística Tests de hipótesis

Inferencia estadística Tests de hipótesis Iferecia estadística Tests de hipótesis Hasta ahra hems vist cm bteer, a partir de ua muestra, u estimadr putual u iterval de cfiaa para u parámetr θ. Frecuetemete el bjetiv del estudi es decidir, e base

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Procesador de texto Apunte N 1

Procesador de texto Apunte N 1 Prcesadr de text Apunte N 1 Intrducción Cncepts Básics ACLARACIÓN: Ests apuntes están diseñads para enseñar tant MS Wrd cm OOO Writer. Si es necesari se indicará de haber una diferencia de prcedimients

Más detalles

CONTINUACIÓN TEMA 23. PATOLOGIA MENISCAL

CONTINUACIÓN TEMA 23. PATOLOGIA MENISCAL CONTINUACIÓN TEMA 23. PATOLOGIA MENISCAL LESIONES DEL FIBROCARTILAGO Fibrcartílags intrarticulares: Facilitan el deslizamient Mejran la cngruencia Amrtiguan la intensidad de las cargas Participan en la

Más detalles

CALCULADORA KERO KET021

CALCULADORA KERO KET021 CALCULADORA KERO KET021 MANUAL DE USUARIO MANUAL DE USUARIO, vers.24-12-2006 Pág. 1 / 7 ÍNDICE DESCRIPCIÓN... 3 DISTRIBUCIÓN DEL TECLADO... 3 Grup I...3 FILA I...4 FILA II...4 FILA III...4 FILA IV...4

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

GUÍA PARA LA PRESENTACIÓN DE PONENCIAS.

GUÍA PARA LA PRESENTACIÓN DE PONENCIAS. GUÍA PARA LA PRESENTACIÓN DE PONENCIAS. 1. PROPUESTAS DE INVESTIGACIÓN: Sn aquells pryects que se encuentran en su fase inicial y n han iniciad la reclección de la infrmación. Ests serán presentads a manera

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Cómo configurar el aula en Moodle?

Cómo configurar el aula en Moodle? Cóm cnfigurar el aula en Mdle? La platafrma Mdle les da a ls tutres pcines para cnfigurar un curs cn el fin de que puedan diseñar a su gust el espaci en el que publicarán sus cntenids. La función de cnfiguración

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. Llamamos magnitud a toda propiedad física susceptible de ser medida.

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. Llamamos magnitud a toda propiedad física susceptible de ser medida. CÁLCULO VECTORIAL.- MAGNITUDES ESCALARES Y VECTORIALES. Llmms mgtud td prpedd físc susceptle de ser medd. Al lr ls mgtudes físcs pdems cmprr que este ds clses e dferecds: ) Mgtudes esclres: s quells que

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

PROYECTO EN FAVOR DE LA CONSERVACIÓN DE LA BIODIVERSIDAD ONU FUNDACIÓN AIRBUS ADEAC

PROYECTO EN FAVOR DE LA CONSERVACIÓN DE LA BIODIVERSIDAD ONU FUNDACIÓN AIRBUS ADEAC ONU FUNDACIÓN AIRBUS ADEAC ACTIVIDADES DE ECOAUDITORÍA PARA EL ALUMNADO DE PRIMARIA Este material pretende Este material pretende cmplementar la ecauditría sbre bidiversidad i dirigida en mayr medida al

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Cómo escribir el Trabajo Fin

Cómo escribir el Trabajo Fin Cóm escribir el Trabaj Fin de Grad TRABAJO FIN DE GRADO Grad Magisteri Educación Infantil/Primaria/Educación Scial 0 0 Cóm escribir el Trabaj Fin de Grad CURSO DE ADAPTACIÓN El Trabaj Fin de Grad debe

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

CURSO PRÁCTICO ONLINE: MICROSOFT PROJECT 2013 CON LOS FUNDAMENTOS DE LA GUIA DEL PMBOK

CURSO PRÁCTICO ONLINE: MICROSOFT PROJECT 2013 CON LOS FUNDAMENTOS DE LA GUIA DEL PMBOK CURSO PRÁCTICO ONLINE: MICROSOFT PROJECT 2013 CON LOS FUNDAMENTOS DE LA GUIA DEL PMBOK Dirigid a Empresas y Prfesinales en el ámbit de la gestión y dirección de pryects Escenari y Objetivs El curs práctic

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

Novedades Versión 15.02 Versión Escritorio

Novedades Versión 15.02 Versión Escritorio Nvedades Versión 15.02 Versión Escritri 1 Nvedades Escritri 15.02 Índice 1. Nvedades Generales Bases de Dats Pág. 3 Histrial Pág. 4 Crre Pág. 4 Facturación Pág. 4 Cntabilidad Pág. 5 Gestión de Permiss

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

ecompetició Inscripciones Para acceder: http://www.fecapa.cat > Serveis Fecapa > Intranet ecompetició

ecompetició Inscripciones Para acceder: http://www.fecapa.cat > Serveis Fecapa > Intranet ecompetició ecmpetició Inscripcines Para acceder: http://www.fecapa.cat > Serveis Fecapa > Intranet ecmpetició También se puede acceder directamente al servidr pr la URL http://www.fecapa.cm:9080/ecmpetici, per es

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

LA FAMILIA, UN TALLER

LA FAMILIA, UN TALLER LA FAMILIA, UN TALLER Objetivs Valrar las luces y smbras que tdas las familias viven, cualquiera sea su situación. Ayudar a las familias a descubrir ls valres que viven en l ctidian. Acercar a las familias

Más detalles

Como ya sabéis, los animales son seres vivos.por tanto tienen las tres funciones:

Como ya sabéis, los animales son seres vivos.por tanto tienen las tres funciones: INTRODUCCIÓN Cm ya sabéis, ls animales sn seres vivs.pr tant tienen las tres funcines: 1) de nutrición prque ls animales necesitan alimentarse para pder crecer y desarrllarse. 2) de relación, ls animales

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

MANUAL DE USUARIO DEL VISOR URBANÍSTICO

MANUAL DE USUARIO DEL VISOR URBANÍSTICO MANUAL DE USUARIO DEL VISOR URBANÍSTICO Manual Públic de usuari del Visr Urbanístic Versión: 1.0.85 Diciembre 2010 Página 1 PAGINA EN BLANCO Manual Públic de usuari del Visr Urbanístic Versión: 1.0.85

Más detalles

CompeGPS Pocket PRO. (Addenda al manual CompeGPS Pocket Land) Manual CompeGPS Pocket PRO. CompeGPS Team S.L.

CompeGPS Pocket PRO. (Addenda al manual CompeGPS Pocket Land) Manual CompeGPS Pocket PRO. CompeGPS Team S.L. CmpeGPS Pcket PRO (Addenda al manual CmpeGPS Pcket Land) CmpeGPS Team S.L. Manual CmpeGPS Pcket PRO supprt@cmpegps.cm http://www.cmpegps.cm CmpeGPS Pcket PRO CmpeGPS Team S.L. supprt@cmpegps.cm http://www.cmpegps.cm

Más detalles