PROBANDO GENERADORES DE NUMEROS ALEATORIOS

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "PROBANDO GENERADORES DE NUMEROS ALEATORIOS"

Transcripción

1 PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos asumr que el geerador es malo. Pasar ua prueba es ua codcó ecesara pero o sufcete. U geerador puede pasar ua prueba y luego o pasarla s se usa otra semlla u otro segmeto del cclo. Descrbremos pruebas para úmeros aleatoros uformemete dstrbudos, auque muchas de las pruebas també puede ser usadas para probar varables aleatoras. Lo prmero e la prueba de u geerador, es grafcar y observar las dstrbucoes de u hstograma y la frecueca acumulada. Para el geerador programado aterormete el cual usaremos para lustrar todas las pruebas: 5 3 x 7 x mod y usado x =, se obtee la sguete tabla de frecuecas, el hstograma, y gráfco de la frecuecas acumuladas, a partr de ua secueca de de úmeros aleatoros: Tabla de Frecuecas <.5 <. <.5 <. <.5 <.3 <.35 <.4 <.45 <.5 <.55 <.6 <.65 <.7 <.75 <.8 <.85 <.9 <.95 < Hstograma de Frecuecas Relatvas,,9,8,7,6,5,4,3,,,,5,5,5,35,45,55,65,75,85,95 Itervalo < Gráfco de Frecuecas Acumuladas,,9,8,7,6,5,4,3,,,,5,,5,,5,3,35,4,45,5,55,6,65,7,75,8,85,9,95 Itervalo < Prof. Herbert Hoeger Smulacó V-

2 Vemos que los gráfcos so los esperados. Todas las frecuecas e el hstograma so aproxmadamete.5 y el gráfco de las frecuecas acumuladas es aproxmadamete ua líea recta de 45. I. PRUBA D CHI-CUADRADO sta es la prueba más comúmete usada. geeral, puede ser usada para cualquer dstrbucó. A partr de u hstograma, se compara las frecuecas observadas co las frecuecas obtedas de la dstrbucó específca frecuecas esperadas. S el hstograma tee k celdas o tervalos, y O y so las frecuecas observadas y esperadas respectvamete para la -esma celda, la prueba cosste e calcular k O S el ajuste es exacto, es cero, pero por aleatoredad o lo será. Se puede demostrar que tee dstrbucó ch-cuadrado co k- grados de lbertad. Se aceptara que los datos tee la dstrbucó e prueba co u vel de sgfcaca de * s [ ; k ]. Para los datos aterores, todas las frecuecas esperadas so de /=. l valor de es 8,8 y la [. ;9] 7,; por lo tato o hay evdeca de que los úmeros o so uformes a u vel de =.. strctamete hablado, la prueba de ch-cuadrado esta dseñada para dstrbucoes dscretas y para muestras grades. Para dstrbucoes cotuas la ch-cuadrado es solo ua aproxmacó y el vel de sgfcacó se aplca solo s. Para muestras ftas el vel de sgfcacó es algo meor. S e u caso partcular ua celda cotee meos de 5 observacoes esperadas, dversos autores recomeda que se combe celdas adyacetes a f de que cada celda tega al meos 5 observacoes esperadas. Uo de los problemas de esta prueba es la seleccó de los límtes de las celdas. sto puede afectar las coclusoes y o hay reglas exactas para seleccoar su tamaño. Para daros cueta de la stuacó, cosderemos los dos hstogramas sguetes, ambos costrudos a partr de los msmos datos. el de la zquerda dfíclmete se puede llegar a la coclusó de que los datos provee de ua poblacó uforme. S vamos al de la derecha, e dode teemos los msmos datos pero reagrupados, la hstora es otra y e este caso o teemos dudas de la uformdad; la prueba de ch-cuadrado da u ajuste perfecto a b a b a 3 b 3 b b b 3 * Recordemos que es la probabldad de cometer rror de Tpo I: rechazar H cuado es verdadera. Prof. Herbert Hoeger Smulacó V-

3 Para ayudar e la determacó del úmero de tervalos se puede teer e cueta lo sguete: S la dstrbucó e estudo es dscreta, cada valor de la varable aleatora debería ser ua clase, a o ser que sea ecesaro combar celdas adyacetes para cumplr co la frecueca esperada míma por celda. este caso p = px = PX = x, o p se determa sumado las probabldades de celdas adyacetes. S la dstrbucó es cotua la sguete tabla puede ser usada de guía: Tamaño de la muestra úmero de tervalos k o use la prueba de ch-cuadrado 5 5 a a > a 5 otese que para el ejemplo ateror co observacoes, el úmero de tervalos debería estar etre y o etre 5 y 4. Hay tervalos, as que se estra detro del rago sugerdo. 5 Otro problema es el hecho de que la frecueca esperada esta dvdedo, lo que mplca que errores e celdas co frecuecas esperadas pequeñas afecta más el valor de que errores e celdas co frecuecas esperadas grades. II. PRUBA D KOLMOGOROV-SMIROV La prueba K-S os permte decdr s ua muestra de observacoes es de ua dstrbucó cotua partcular. Se basa e que la dfereca etre la FDA Fucó de Dstrbucó Acumulada observada S x y la FDA esperada F X x debe ser pequeña. S x vee dada por: S úmero de observacoes x x Los símbolos D + y D - so usados para deotar las desvacoes observadas máxmas sobre y bajo la FDA esperada e ua muestra de tamaño : D max[ S x x F X x] D max[ F x X x S D + mde la desvacó máxma cuado la FDA observada esta sobre la FDA esperada, y D - mde la desvacó máxma cuado la FDA observada esta bajo la FDA esperada. S los valores de D + y D - so meores que D [;] etoces se dce que las observacoes provee de la dstrbucó respectva co u vel de sgfcacó de. U error comú calculado D - cosste e ecotrar el máxmo de F X x j - S x j. sto es correcto ya que S cosste de u segmeto horzotal a S x j e el tervalo [x j, x j+ y el máxmo ocurre justo ates de x] Prof. Herbert Hoeger Smulacó V-3

4 x j+ y la dfereca correcta es F X x j+ - S x j. Vea el grafco sguete e dode se muestra como se hace los cálculos y se asume que ambos máxmos D + y D - cae e x j, cosa que o tee que ser así. Para úmeros aleatoros uformes etre y, la FDA esperada es F X x = x. Para probar uformdad ordeamos la muestra x, x,..., x tal que x j- < x j y calculamos D max j j x j D max x j j j j/ x j j-/ D + D - F X x=x S x x j- x j Comparado co la D podemos tomar la decsó. jemplo Para el geerador que hemos vedo usado, ua muestra de tamaño 3 partedo de x = es:.8,.3538,.75565,.45865,.53767,.8959,.4745, ,.67996, ,.3835,.5946,.83965,.3457,.5346,.597,.6749,.7698,.38346,.6684,.47486, , ,.93436,.84667,.5699,.9965,.65399,.45999,.79. de dode obteemos los sguetes valores: D + =.437 y D - =.834. D [. ; 3] =. y por lo tato decmos que o hay evdeca de que los úmeros o sea uformes. La prueba K-S esta dseñada para dstrbucoes cotuas, muestras pequeñas, y usas todas las observacoes s hacer agrupacoes hacedo mejor uso de los datos que la ch-cuadrado. Prof. Herbert Hoeger Smulacó V-4

5 III. PRUBA D CORRLACIÓ SRIAL U método para probar s hay depedeca etre dos varables es calculado su covaraza. S esta es dstta de cero, etoces so depedetes. verso o es certo; s la covaraza es cero o mplca que sea depedetes. Dada ua secueca de úmeros aleatoros se puede calcular la covaraza etre úmeros k-dstates, es decr, etre x y x +k. sto es llamado autocovaraza co desplazameto k deotada como R k y dada por: R k k x xk k dode x es el -esmo úmero aleatoro uforme de la secueca. Para grade, R k se dstrbuye ormalmete co meda y varaza /[44-k]. l tervalo de cofaza para la autocovaraza al -% es R k z / k S este tervalo o cluye el cero, podemos decr que la secueca tee correlacó sgfcatva. sto se aplca solo para k. S k =, R es la varaza de la muestra que se espera sea / para ua secueca depedete détcamete dstrbuda IID de uformes e - U,. jemplo Para la muestra ateror co úmeros: Dstacameto Autocovaraza Itervalo de Cofaza al 95% k R k Lmte feror Lmte superor Todos los tervalos cluye el cero y podemos asumr todas las covarazas como estadístcamete o sgfcatvas al vel de cofaza =.5 o Z.975 =.958 Prof. Herbert Hoeger Smulacó V-5

6 IV. UIFORMIDAD K-DIMSIOAL O K-DISTRIBUTIVA Las pruebas aterores asegura uformdad e ua dmesó. l cocepto de uformdad puede ser exteddo a k dmesoes. Supogamos que u es el -esmo úmero e ua secueca dstrbuda uformemete etre y. Dados dos úmeros reales a y b, també etre y y tal que b > a, la probabldad de que u este e el tervalo [a, b es b - a : Pa u b b a b a sta es la propedad -dstrbutva de u. La -dstrbutvdad es ua geeralzacó de esta propedad e dos dmesoes y requere que u par de valores u - y u satsfaga la sguete codcó: Pa u b y a u b b a b a b a y ba Ua secueca es k-dstrbutva s: P a u b,..., a u b b a... b a b a,,..., k k k k k k ote que ua secueca k-dstrbutva es k--dstrbutva, pero el verso o es certo. Ua secueca puede ser uforme e ua dmesó feror y o e ua superor. Dado u grupo de geeradores, es preferble aquel que produzca más uformdad e la mayor dmesó. A cotuacó veremos ua forma de chequear k-dstrbutvdad: prueba seral. Ates de coducr estas pruebas, es coveete chequear s la secueca es uforme e dos dmesoes grafcado pares solapados sucesvos: x -, x, x, x +. VI. PRUBA SRIAL sta prueba es usada para probar uformdad e dos o más dmesoes. dos dmesoes, se dvde el espaco etre y e K celdas de gual área. S teemos ua muestra de tamaño, podemos costrur / pares o solapados x, x, x 3, x 4,..., y cotar los putos que cae e cada celda. Idealmete se espera K putos e cada celda. Se puede usar la ch-cuadrado para ecotrar la desvacó etre lo observado y lo esperado. Los grados de lbertad so K -. s fácl ver como se puede exteder la prueba a k-dmesoes. jemplo: Para el geerador ejemplo, usado ua muestra de tamaño 5, y dvdedo e 5 = 5 celdas que da 5 pares o solapados, obteemos: Prof. Herbert Hoeger Smulacó V-6

7 .8 X X y las sguetes frecuecas: Co 5 pares esperamos observacoes por celda. l valor de es 3, y la [. ; 4] 33,; por lo tato aceptamos que los úmeros so uformes e dos dmesoes a u vel de =.. o se debe usar pares solapados. S se usa pares solapados, el úmero de putos por celda o es depedete y o se puede usar la prueba ch-cuadrado. La depedeca etre úmeros sucesvos aparece como o-uformdad e dmesoes más grades. Por ejemplo, s úmeros sucesvos tee correlacó de prmer orde egatva, es muy probable u valor alto x sea segudo de u valor bajo x +. S grafcamos los pares o solapados, los putos tede a cocetrarse derecha-y-abajo e zquerda-y-arrba y o se pasará la prueba. VII.PRUBAS D RACHAS Cosderemos la sguete secueca de úmeros: dfíclmete se puede decr que esta secueca es aleatora los úmero está ordeados, s embargo, pasa las pruebas de uformdad ch-cuadrado y Kolmogorov-Smrov: Prof. Herbert Hoeger Smulacó V-7

8 Para la prueba ch-cuadrado teemos las sguetes frecuecas observadas y esperadas: Co Itervalo O.<= x <. 9 8.<= x < <= x < <= x <.8 8.8<= x <. 6 8 Total: 4 4,5 y 7,78, y para la prueba de Kolmogorov-Smrov D + =.86, D - =.694 y [. ; 4] D [.;4] = y vemos que e ambos casos o hay evdeca para rechazar la uformdad de la secueca. sto es fácl de eteder al ver que gua de las dos pruebas le presta atecó al orde de los úmeros. Las pruebas de rachas, e dode ua racha es ua secueca de evetos de certo tpo, sí toma e cosderacó la forma como se da los úmeros e la secueca. Rachas Crecetes y Decrecetes Ua racha crecete es aquella e que u úmero esta segudo por u úmero mayor, metras que e la decrecete u úmero esta segudo por u úmero meor. Cosderemos la sguete secueca, que provee del geerador que hemos usado de ejemplo y que s los ordeamos da la secueca al comezo de la seccó: S usamos sgos más y meos para detfcar s u úmero esta e ua racha crecete o decrecete respectvamete, teemos: Sea > la logtud de la secueca y a el úmero de rachas e la msma, s los úmeros efectvamete so aleatoros, a se dstrbuye ormalmete y: a, 3 a 6 9, 9 Z a a a ~, Prof. Herbert Hoeger Smulacó V-8

9 y s Z Z o hay evdeca para rechazar la hpótess de depedeca de los úmeros, como se Z muestra e la sguete fgura. ótese que el úmero máxmo de rachas es - co el últmo úmero de la secueca o se puede decdr a que tpo de racha perteece por ser precsamete el últmo, metras que el mímo es. Para uestro ejemplo a, 6.33, 6.79, Z.896, Z. 645 y por lo tato o 4 a a. 5 rechazamos la hpótess de depedeca. Rachas Bajo y Sobre la meda Ua racha bajo la meda es aquella e que el úmero es meor o gual a.5 la meda de la uforme, metras que es sobre s el úmero es mayor a.5. Cosderemos la msma secueca ateror y s usamos sgos más y meos para detfcar s u úmero esta sobre o bajo la meda, teemos: Sea y la catdad de úmeros sobre y debajo de la meda respectvamete, = + la logtud de la secueca y b el úmero de rachas e la msma, s los úmeros efectvamete so aleatoros y o es mayor que, b se dstrbuye ormalmete y: b, b, Z b b b ~, y s Z Z o hay evdeca para rechazar la hpótess de depedeca de los úmeros. Ahora Z el úmero máxmo de rachas es y el mímo es. Para uestro ejemplo b,, 8, b.3, 9.54, Z.7, Z. 645 y por lo b. tato o rechazamos la hpótess de depedeca. Logtud de las rachas o es mportate solamete el tpo de rachas que se tee, so també cuato es su logtud. Muchas rachas muy pequeñas o rachas muy largas produce seras sospechas. Sea Y la catdad de rachas de logtud e ua secueca de úmeros. Prof. Herbert Hoeger Smulacó V-9

10 Prof. Herbert Hoeger Smulacó V- Para ua secueca depedete de rachas crecetes/decrecetes los valores esperados de Y está dados por: s! s ! 3 Y Y Para las rachas sobre y bajo la meda teemos: I A I w I w Y Dode w es la probabldad aproxmada de que ua racha tega logtud, I es la logtud promedo esperada de las rachas y A es el úmero esperado aproxmado de rachas de cualquer logtud e la secueca. Co esto podemos aplcar la prueba de ch-cuadrado usado L Y Y O dode L = - para rachas crecete/decrecetes y L = para rachas sobre/bajo la meda. Comparamos y se acepta que los datos so depedetes sí, co u vel de sgfcaca de, ] ; [ L. Recuerde que para esta prueba dversos autores recomeda que las observacoes esperadas por tervalo debe ser mayores a 5 y s esto o se da se debe agrupar tervalos. Co la secueca que hemos vedo estudado, para las rachas crecetes/decrecetes teemos: Rachas de logtud Frecueca Observada Frecueca sperada y como la últma clase tee u valor esperado meor que 5 la agrupamos co la seguda. Obsérvese que o hay rachas de logtud mayor que 3, por lo tato la frecueca esperada de la clase 3 se calcula como a Reagrupado da:

11 Rachas de logtud Frecueca Observada Frecueca sperada co.47 y.7, llevádoos a o rechazar la hpótess de depedeca. [. ;] Para las rachas sobre/debajo de la meda, la tabla de frecuecas que obteemos es: Rachas de logtud Frecueca Observada Frecueca sperada y uevamete hay que reagrupar tervalos dado que teemos frecuecas esperadas meores a 5. També, dado que o hay rachas de logtud mayor que 5, la frecueca esperada de la clase 5 se calcula como A suma de las frecuecas esperadas aterores. Reagrupado da: Rachas de logtud Frecueca Observada Frecueca sperada co.3 y.7, llevádoos a o rechazar la hpótess de depedeca. [. ;] uestros 4 úmeros aleatoros del geerador x pruebas, clusve la de autocorrelacó seral: x mod co x = pasa todas las Dstacameto Autocovaraza Itervalo de Cofaza al 9% k R k Lmte feror Lmte superor Prof. Herbert Hoeger Smulacó V-

12 VIII.PRUBA D BRCHAS Se usa para determar s los tervalos brechas etre la ocurreca del msmo dgto so o o aleatoros. l sguete ejemplo lustra las berchas asocadas al dgto 3. 4,, 3, 5,, 7,, 8,,, 7, 9,, 3, 5,, 7, 9, 4,, 6, 3 3, 9, 6, 3, 4, 8,, 3,, 9, 4, 4, 6, 8, 4,, 3, 8, 9, 5, 5, 7 3, 9, 5, 9, 8, 5, 3,,, 3, 7, 4, 7,, 3, 6, 3, 5, 9, 9, 5, 5 5,, 4, 6, 8,, 4, 7,, 3, 3,, 9, 5, 7, 9, 5,, 6, 6, 3, 8 8, 8, 9,, 9,, 8, 5, 4, 4, 5,,, 3, 9, 7,,,, 3, 6, 3 Hay decocho 3 y por lo tato teemos 7 brechas asocadas a este dgto. La prmera brecha tee ua logtud de y su probabldad, asumedo depedeca, vee dada por: Pbrecha de = Po3Po3Po3Po3Po3Po3Po3Po3Po3Po3P3 =.9. y la dstrbucó teórca vedría dada por: P brecha x F x. x.9.9 Para aplcar la prueba a úmeros aleatoros asocamos los dgtos,, a los tervalos [,., [.,., Para el ejemplo ateror co úmeros, teemos brechas los úmeros meos la catdad de dgtos dsttos y podemos comparar la dstrbucó observada cotra la teórca usado la prueba de Kolmogorov-Smrov. Para =.5, teemos que el valor crítco es: D x Logtud de brecha Frecueca Frecueca Relatva Frecueca Relatva Acumulada Sx Fx Fx-Sx -3 35,35,35,3439,6 4-7,,57,5695,5 8-7,7,74,776,4-5 9,9,83,847, ,5,88,8784,6-3 6,6,94,9, ,3,97,9477,3 8-3,,97,9657, ,,97,9775, ,,99,985, ,,99,993, ,,,9936,64 Prof. Herbert Hoeger Smulacó V-

13 De la tabla observamos que la dfereca maxma etre la dstrbucó observada Sx y la teorca Fx es.4 que es feror al valor crtco.36 por lo que o podemos rechazar la hpótess de depedeca de los dgtos. IX. PRUBA POKR sta es ua prueba de depedeca basada e la frecueca co que certos dgtos se repte e ua sere de úmeros. Su ombre se debe al popular juego de cartas Poker. Cosderemos la sguete sere de úmeros co ua repetcó usal de dgtos:.55,.577,.33,.44,.88,.99,.33,. cada caso aparece uo de los tres dgtos repetdo y las posbldades para este caso so: Los tres dgtos dsttos Los tres dgtos guales U par de dgtos guales y las probabldades asocadas so: Ptodos dsttos = Psegudo dstto del prmeroptercero dstto del segudo =.9.8 =.7 Ptodos guales = Psegudo gual al prmeroptercero gual al segudo =.. =. Pu par =.7. =.7 la uca opco restate y podemos calcular por complemeto Supogamos ua secueca de úmeros aleatoros e dode se aalza los tres prmeros dgtos y se tee que 68 tee los 3 dgtos dsttos, 89 cotee exactamete u par y 3 tee todos guales. Los calculos respectvos usado la prueba Ch-Cuadrado so: Frecuecas Observdas Frecuecas speradas O Caso O Todos dsttos 68 7, Todos guales 3 44, xactamete u par 89 7,34 47,66 Observamos que y por lo tato rtechazamos la hpótess de depedeca de los.5; úmeros. sta prueba se puede exteder a más dgtos pero a su vez las posbldades aumeta y olos calculos se complca. Por ejemplo, para 5 dgtos, podramos teer, todos guales, todos dsttos, exactamete u par, exactamete u tro, u tro y u par, dos pares, etc. Prof. Herbert Hoeger Smulacó V-3

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

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

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

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

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

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

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

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

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

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

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

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

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

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

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

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

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

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

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

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

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

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

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

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

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

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

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

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

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

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

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

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

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

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

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

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

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

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

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

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

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

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

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

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

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

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

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

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

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

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

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

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

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

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. 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 u ejemplo:

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

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

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito.

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito. MATEMÁTICAS 24, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES JOHN GOODRICK. Para cada sucesió ifiita abajo, determie si coverge o o a u valor fiito. (a) {! } e = (a): No coverge. El úmero e está etre

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

Credit scoring models: what, how, when and for what purposes

Credit scoring models: what, how, when and for what purposes MPRA Much Persoal RePEc Archve Credt scorg models: what, how, whe ad for what purposes Guterrez Grault, Matas Alfredo Baco Cetral de la Repúblca Argeta October 007 Ole at http://mpra.ub.u-mueche.de/6377/

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

1.- DISTRIBUCIÓN BIDIMENSIONAL

1.- DISTRIBUCIÓN BIDIMENSIONAL º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles