PROBANDO GENERADORES DE NUMEROS ALEATORIOS
|
|
- Alfonso Martín Plaza
- hace 8 años
- Vistas:
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
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 detallesANÁLISIS 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 detallesMODELOS 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 detalles6. 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 detallesCÁLCULO 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 detallesUna 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 detallesV 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 detallesMÉTODOS 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 detallesANÁLISIS 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 detallesTEMA 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 detallesGENERACION 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(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 detallesESTADÍSTICA 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 detallesESTADÍSTICA 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 detallesINTRODUCCIÓN 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 detallesEstadística 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 detallesTest 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 detallesPARTE 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 detallesMatemáticas 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 detallesRENTABILIDAD 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 detalles2.4 Pruebas estadísticas para los números pseudoaleatorios
Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto
Más detallesCURSO 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 detallesMATEMÁTICAS 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 detallesLos 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 detalles6.2.- 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 detalles1.1 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-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 detalles2. 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 detalles5. 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 detalles3 = =. 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 detallesLECCIONES 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 detallesTEXTO 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 detallesCURSO 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 detallesESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015
Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur
Más detallesGestión 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 detallesESTRUCTURA 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 detallesDistribución 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 detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detallesMEDIDAS 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 detallesMEDIDAS 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 detallesLos 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 detallesLECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Más detallesV 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 detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detalles1.3. Longitud de arco.
.. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado
Más detallesEstadística 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 detallesTema 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 detallesEstadística. 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 detallesPráctica 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 detallesAnálisis 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 detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detalles4. 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 detallesEspecialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV
Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra
Más detallesGuía 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 detallesTEMA 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 detallesESTADÍSTICA 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 detallesIntroducción 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 detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detallesINTRODUCCIÓN 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 detallesIntroducción 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 detalles7.1. 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 detallesANÁLISIS 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 detalles11. TRANSFORMADOR IDEAL
. TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la
Más detallesRespuesta. 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 detallesSimulación 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 detallesCÁLCULO 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 detallesINTEGRAL 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 detallesIV. 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 detallesMATEMÁTICA 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 detallesGRADO 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 detallesEstadística 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 detallesUNA 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 detallesIntroducción 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 detallesTopología 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 detalles5.3 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 detallesal nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.
5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de
Más detallesANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)
ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger
Más detallesDiseños 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 detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b
Más detallesINTRODUCCIÓN 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 detallesTema 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 detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detallesFacultad de Ciencias del Mar. Curso 2008/09 25/06/09
Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesFigura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:
Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al
Más detallesIII. 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 detallesCURSO 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 detallesDada 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 detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesColegio 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 detallesColegio 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 detallesDISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Más detallesRegresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesA = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.
. POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes
Más detallesCONTENIDO 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 detalles10 MUESTREO. n 1 9/ / σ σ 1
10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos Talleres puedes evarlos a klasesdematematcasmas@gmal.com www.klasesdematematcasmas.com Taller 1 Ig. Oscar Restrepo 1. De las varables sguetes cuáles represeta datos dscretos cuáles datos cotuos
Más detallesMUESTREO 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