METODOS ESTADISTICOS Y VALOR P (P-VALUE): HISTORIA DE UNA CONTROVERSIA
|
|
- Esperanza Guzmán Gallego
- hace 8 años
- Vistas:
Transcripción
1 METODOS ESTADISTICOS Y VALOR P (P-VALUE): HISTORIA DE UNA CONTROVERSIA Emma Fernández Loureiro, Pablo García (Universidad de Buenos Aires, Facultad de Ciencias Económicas, Instituto de Investigaciones en Administración, Contabilidad y Matemática. Sección de Investigaciones en Matemática (Estadística y Econometría) INTRODUCCIÓN Según Mosterin (1978). El mundo percibido es la resultante de al menos dos factores: nuestro aparato sensorial y el mundo exterior... El mundo pensado es también la resultante de al menos dos factores: nuestro sistema conceptual y el mundo real... En nuestra actividad científica tenemos que partir de nuestro aparato sensorial y del sistema conceptual plasmado en nuestro lenguaje ordinario o común. Pero difícilmente podría ponerse en marcha la empresa científica si no nos fuera posible trascender las limitaciones de nuestro aparato sensorial y conceptual. Mediante instrumentos materiales apropiados, que son como extensiones de nuestros sentidos...(telescopios, balanzas...) podemos captar mensajes y radiaciones inasequibles a nuestro aparato sensorial. De igual modo, podemos extender y precisar nuestro sistema conceptual introduciendo conceptos más precisos y de mayor alcance que los del lenguaje ordinario, conceptos científicos que nos permiten describir hechos y formular hipótesis con una precisión y universalidad crecientes. Una manera de extender ese sistema conceptual es la elaboración de nociones estadísticas como el valor p (p-value), de la que nos ocuparemos en el presente trabajo. En los albores del siglo XIX predominaba el determinismo filosófico: todo lo que ocurriera estaba predeterminado por las condiciones iniciales del universo y las fórmulas matemáticas que describían sus movimientos. La medición precisa predomina ba. El aporte de Laplace con la descripción matemática de su teoría de los errores (1820) fue un paso importante para el paulatino cambio de la filosofía reinante 1. A medida que el determinismo filosófico se iba diluyendo, modificándose consecuentemente la visión del mundo dominante, la idea de una medición precisa de los fenómenos reales fue cediendo paso a complicados instrumentos de medición, necesarios para dar cuenta de un mundo que había dejado de ser predecible. Desde nuestra visión, dirigida arbitrariamente a la disciplina Estadística, aceptamos la propuesta de Salsburg (2001) de la revolución estadística. Este autor propone como fecha de inicio los trabajos de Karl Pearson ( ) hacia fines del XIX. Admite también que se pueden encontrar ejemplos en trabajos de Matemáticos alemanes y franceses a principios de ese siglo así como trabajos del astrónomo J. Kepler en el siglo XVII. Gradualmente (hacia el final del siglo XIX) la ciencia comenzó a trabajar con un nuevo paradigma, el modelo estadístico real. Hacia el final del siglo XX, casi todas las ciencias se habían inclinado a utilizar modelos estadísticos. La formulación, por parte de Pearson, de la familia de distribuciones asimétricas significó un paso más, en la dirección señalada, sobre la distribución simétrica de Laplace. Pearson suponía que este sistema de curvas podría describir cualquier tipo de colección de números. Cada distribución de esta familia se identifica con cuatro números: media, desvío estándar, asimetría y kurtosis. No obstante las críticas realizadas por Fisher (muchos de los métodos eran menos que óptimos) y Neyman (no cubría el universo de las posibles distribuciones), el sistema de curvas de Pearson sigue vigente en nuestros días. Pearson desarrolló una herramienta estadística básica: la prueba de chi cuadrado de bondad de ajuste. Esta prueba permite determinar si un conjunto de observaciones responde a cierta función matemática de distribución. Demostró que la distribución de la prueba es la misma cualquiera sea el tipo de dato usado. Esto significa que pudo tabular la distribución de probabilidad de este estadístico y usar el mismo conjunto de tablas para cada una de las pruebas. En un trabajo de 1922 Fisher demostró que en el caso de comparación de dos proporciones el valor del parámetro de Pearson era errado. Este error no invalida la importancia de esta prueba utilizada hasta nuestros días. Según Salsburg la prueba de bondad de ajuste de Pearson fue el disparador de la componente principal del análisis estadístico moderno: la contrastación de hipótesis (hypothesis testing) o prueba de significación (significance testing). 1 Los trabajos de Laplace en astronomía abarcan los finales del siglo XVIII y principio del XIX.
2 Para nuestro propósito es necesario recordar a Ronald Fisher ( ), el gran contrincante de Pearson. En 1935 escribió The Design of Experiments. La importancia de esta obra radica, según Salsburg, en la discusión respecto de las diversas formas en que podría diseñarse el experimento y sus posibles resultados. Sigue Salsburg después de Fisher los experimentos dependían de la idiosincrasia de cada científico. Fue particularmente cierto en investigación en agricultura hacia fines del siglo XIX y principios del XX. Su análisis de varianza y blocks aleatorizados tuvieron origen es esta disciplina. Dice Kuehl (2001): Nadie ha tenido tanto impacto en los principios estadísticos del diseño de experimentos en su tiempo como Ronald A. Fisher... desarrolló y consolidó los principio básicos de diseño y análisis que hasta la fecha son prácticas necesarias para llegar a resultados de investigación válidos. Hacia fines de la década de los 20 y principios de la de los 30 Egon Pearson ( ), hijo de Karl, y Jerzy Neyman ( ) afirmaron que las pruebas de significación no tendrían sentido si no hubiera, al menos, dos hipótesis posibles que llamaron: hipótesis nula (la de Fisher) y a la otra, alternativa. Esto es la conocida teoría de pruebas de hipótesis (hypothesis testing) de Neyman- Pearson. EL VALOR P (p-value) Origen En las pruebas de significación y diseño de experimentos Fisher utilizó el valor p (p-value) que es la probabilidad que permite declarar la significación (significant) de una prueba. Según Salsburg El término significación (significant) en los primeros desarrollos de esta idea se usaba para indicar que la probabilidad es suficientemente pequeña como para rechazar la hipótesis planteada. Este es el concepto que aún perdura. Sigue Salsburg: El (Fisher) no tenía dudas acerca su importancia y utilidad (valor p). Gran parte de su Statistical Methods for Research Workers (1925) está dedicado a mostrar como se calcula el valor p. En el libro Fisher no describe de donde derivan estos tests y nunca dice exactamente que valor p puede considerarse significativo. En su lugar presenta ejemplos de cálculos y notas si el resultado es o no significativo. En un ejemplo que muestra el valor p menor que 0.01 dice: Sólo un valor en cien excederá (el test estadístico calculado) por casualidad, entonces la diferencia entre los resultados es claramente significativa Para Fisher un test de significación tiene sentido sólo en el contexto de una secuencia de experimentos referidos a un tratamiento específico... De la lectura de los trabajos de aplicación de Fisher se puede deducir que usó los tests de significación para una de tres posibles conclusiones: Si el valor p es muy pequeño (usualmente menos de 0.01) declara que un efecto ha sido demostrado. Si el valor p es grande (usualmente mayor que 0.20) el declara que si hay un efecto es tan pequeño que ningún experimento de ese tamaño es capaz de detectarlo. Si el valor p está entre esos dos valores discute como diseñar un nuevo experimento para tener una idea mejor del efecto. Recordemos que para Fisher la hipótesis a contrastar es que no existe diferencia entre los tratamientos. Según Salsburg para distinguir entre la hipótesis usada por Fisher para calcular el valor p y otras posibles hipótesis Neyman y E. Pearson llamaron hipótesis nula a la hipótesis a contrastar y a la otra, hipótesis alternativa. En esta formulación, el valor p es calculado para contrastar la hipótesis nula pero la potencia de la prueba se refiere a como este valor p funcionará si la alternativa es, en los hechos, verdadera. La potencia de la prueba es una medida de cuan buena es la prueba. Dadas dos pruebas la de mayor potencia sería la mejor a usar. De modo muy sintético recordemos que la Teoría de Neyman-Pearson, cuya estructura matemática es aceptada hasta nuestros días, establece, como hemos dicho, dos hipótesis posibles: la nula y la alternativa. Según los autores existen dos fuentes de error: rechazar la hipótesis nula cuando es verdadera (nivel de significación, αo error de tipo I) y no rechazarla cunado es falsa (βo error de tipo II). Sus contrapartidas, en sentido probabilística, son las decisiones correctas de no rechazar una hipótesis cuando es verdadera (1-α) y rechazarla cuando es falsa (1-β), esto último es la potencia de la prueba. Según Gujarati (2006) (pag. 114) Lo ideal sería que minimizáramos ambos tipos de errores. Pero, por desgracia, para cualquier tamaño muestral, no es posible minimizar ambos errores de manera simultánea. el planteamiento clásico de este problema, incorporado en los trabajos de los estadísticos
3 Neyman y Pearson, consiste en suponer que es más probable que un error de tipo I sea más grave, en la práctica, que uno de tipo II. Por tanto, deberíamos intentar mantener la probabilidad de cometer error de tipo I a un nivel bastante bajo, como 0.01 ó 0.05, y después minimizar el error de tipo II todo lo que se pueda La única forma de reducir un error de tipo II sin aumentar un error de tipo I es aumentar el tamaño de la muestra, lo que no siempre resulta fácil. Siguiendo a Salburg admitimos que el uso de pruebas de significación de Fisher produce un número que llamó valor p. Es una probabilidad calculada, una probabilidad asociada a los datos observados bajo el supuesto de que la hipótesis nula es verdadera. El valor p es una probabilidad, y así es como se calcula. El valor p (p-value) en el siglo XXI Si bien tratamiento del valor p se le asigna a Fisher entendemos que Karl Pearson lo usó en su Prueba de chi cuadrado para la bondad de ajuste que es anterior al la denominación de valor p según Fisher. Según sigamos el punto de vista de Fisher o el de Neyman-Pearson, en su origen, el valor p tenía significados teóricos levemente diferentes. Sin embargo, con el avance de la tecnología y la difusión de softs estadísticos su diferencia teórica, en apariencia, se desdibuja. Una selección arbitraria de los libros de texto para Administración y Economía editados en el siglo XXI nos ayudan a avalar esta idea: - BERENSON, M. L.; LEVINE, D. M.; KREHBIEL, T. C. (2001) (pag. 319): En años recientes, con el advenimiento de los paquetes estadísticos y las hojas de cálculo, el concepto de valor p tiene una aceptación creciente el valor p es la probabilidad de obtener un estadístico de prueba igual o más extremo que el resultado obtenido a partir de los datos muestrales, dado que la hipótesis Ho es en realidad cierta - GUJARATI, N. G. (2006) (pag. 120): El talón de Aquiles del planteamiento clásico para la contrastación de hipótesis es la arbitrariedad en la elección de α. Aunque 1, 5, y 10 por ciento en los valores comúnmente utilizados para α, no hay nada inviolable en estos valores En la práctica, es preferible encontrar el valor p (es decir, el valor de probabilidad), también conocido como nivel exacto de significativadad del estadístico de prueba. Este valor se puede definir como el menor nivel de significatividad al que se puede rechazar una hipótesis nula. Preferimos utilizar el término significación en lugar de significatividad puesto que esta última no figura en el diccionario de Real Academia Española ( - LIND, D. A.; MARCHAL, W. G. MASON, R. D. (2004) (pag.347): En años recientes, debido a la disponibilidad de los programas de cómputo (software), se proporciona con frecuencia información adicional relativa a la fuerza del rechazo El valor p es la probabilidad de observar un valor muestral tan extremo, o más extremo, que el valor observado, dado que la hipótesis nula es cierta. - LEVINE, D. M.; KREHBIEL, T. C; BERENSON, M. L. (2006) (pag. 281): La mayoría de los programas de cómputo moderno, incluyendo Excel, Minitab y SPSS calculan el valor-p al realizar una prueba de hipótesis.el valor-p es la probabilidad de obtener un estadístico de prueba igual o más extremo que el resultado de la muestra, dado que la hipótesis nula Ho es cierta. El valor-p, que a menudo se denomina nivel de significación observado, es el nivel más pequeño en el que se puede rechazar Ho. - NEWBOLD, P. (1997) (pag.290): El menor nivel de significación al cual puede rechazarse la hipótesis nula se denomina valor crítico o p-valor, del contraste. Y agrega al pie: En los últimos años ha adquirido gran relevancia este concepto. Todos los programas estadísticos modernos proporcionan p-valores, y algunas calculadoras de bolsillo permiten su cómputo. Si bien las ediciones que disponemos no se enmarcan en el siglo XXI, estimamos que la posición de importantes autores de libros de texto sobre Estadística no Paramétrica realizan un aporte de interés para nuestras inquietudes. - GIBBONS, J. D. (1997) (Pag. 13): La decisión si aceptar o rechazar la hipótesis nula se realiza sobre la base de los resultados de una muestra aplicando una prueba estadística. La distribución probabilística de la prueba estadística se realiza sobre la base que la hipótesis nula es cierta.
4 Seleccionada la prueba estadística se calcula a partir de la información que suministra la muestra. Con el valor numérico obtenido y la distribución probabilística de la prueba se puede calcular el valor p (p-value) o probabilidad asociada. El valor p es la probabilidad, cuando la hipótesis nula es cierta, de obtener un valor de la prueba que es igual a (o más extremo) (en la dirección apropiada) que su valor observado. El investigador puede simplemente reportar el valor p y concluir el análisis allí explicando que el valor p es la probabilidad de un resultado muestral tan extremo como lo observado cuando Ho es verdadera. En algunos casos el investigador puede desear tomar la decisión estadística de aceptar o rechazar la hipótesis nula. Su decisión puede basarse en el resultado del (magnitud) valor p del siguiente modo: Si el valor p es muy pequeño el investigador puede concluir que los datos no sustentan (support) la hipótesis nula. El mismo sentido si el valor p es grande el investigador podrá concluir que los datos sustentan Ho. Entendemos que la autora se refiere a valores de p extremos, no hemos encontrado referencias a valores reportados. Vemos que la autora va un poco más allá que la comparación entre el valor p y el nivel de significación que proponen otros autores al decir que el investigador puede reportar sólo el valor p y sobre la base de su resultado tomar la decisión de rechazar o no la hipótesis nula. - CONOVER, W. J. (1999) (pag. 101): Los resultados de una prueba de hipótesis son más significativos si se establece también el valor p El valor p es el nivel de significación más pequeño al que se podría rechazar la hipótesis nula para observaciones dadas. Por último, y a modo de ejemplo de los resultados que reportan los softs presentamos una salida de EViews3. Corresponde a un ejemplo sencillo, usado en cursos de grado, sobre regresión múltiple para tres variables: volumen de producción (Y: variable dependiente), desperdicio en litros del material A (X1) y desperdicio en gramos de material B (X2). La muestra corresponde a 25 ciclos productivos. Dependent Variable: Y Method: Least Squares Date: 00/00/00 Time: 00:00 Sample: 1 25 Included observations: 25 Variable Coefficient Std. Error t-statistic Prob. C X X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) La última columna de la parte superior (Prob.) reporta los valores p para la prueba que corresponde a ordenada al origen (C) y para los coeficientes de X1 y X2. También presenta (última fila de la última columna) el valor p para la prueba F de los coeficientes de regresión. El valor p cero indica que se rechazará siempre la hipótesis nula de que los coeficientes de las variables independientes son nulos y, por tanto, tienen, en conjunto, capacidad predictiva cualquiera haya sido el nivel de significación (α) que el investigador pudiera haber preestablecido. El mismo razonamiento se puede realizar para los valores p correspondientes a cada uno de los coeficientes. A MODO DE CONCLUSIÓN Coincidimos con Salsburg cuando afirma que El valor p es una probabilidad, y así es como se calcula.
5 El valor p (p-value) se puede definir como el menor nivel de significación al que se puede rechazar una hipótesis nula cuando es verdadera. El discutido valor p se puede interpretar de distinta forma según el enfoque de Fisher o la Teoría de Neyman-Pearson. El avance de la tecnología permitió que los paquetes estadísticos reportaran el valor p. Estimamos que, desde el punto de vista de la tarea cotidiana, disponer del valor p no im plica inconsistencias. En efecto, el investigador podrá fijar de antemano el nivel de significación según lo establece la Teoría de Neyman-Pearson y, con el resultado que reporta el soft decidir sobre el rechazo, o no, de la hipótesis nula. No vemos inconveniente para que el investigador, sobre la base del valor p decida si rechaza, o no, la hipótesis nula. Esto implica necesariamente incorporar otros factores que van más allá del objetivo de este trabajo. BIBLIOGRAFÍA BERENSON, M. L.; LEVINE, D. M.; KREHBIEL, T. C. (2001): Estadística para Administración, Méjico, Pearson Education de México. Segunda edición CONOVER, W. J. (1999): Practical nonparametric statistics. USA. John Wiley & Sons. Tercera Edición. GIBBONS, J. D. (1997): Non Parametric Methods for Quantitative Analysis. U.S.A. American Sciences Press, Inc. GUJARATI, N. G. (2006): Principio de Econometría, España, McGraw-Hill/Interamericana de España. Tercera edición en español. KUEHL, R. O. (2001) Diseño de Experimentos. Principios estadísticos de diseño y análisis de investigación, Méjico. Internacional Thomson Editores. Segunda Edición. LEVINE, D. M.; KREHBIEL, T. C; BERENSON, M. L (2006): Estadística para Administración, Méjico, Pearson Education de México. Cuarta edición. LIND, D. A.; MARCHAL, W. G. MASON, R. D. (2004): Estadística para Administración y Economía, Bogotá. Alfaomega Colombiana S.A. MOSTERIN, J.: La estructura de los conceptos científicos. Revista Investigación Científica (Edición Española) No. 6, enero de NEWBOLD, P. (1997): Estadística para los Negocios y Economía, España, Prince Hall Internacional Inc. SALSBURG, D. (2001): The Lady Tasting Tea, New York, Henry Halt and Company LLC.
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesCRECIMIENTO ECONÓMICO LOS DATOS
CRECIMIENTO ECONÓMICO LOS DATOS Crecimiento económico es relevante: Esperanza de vida y consumo per cápita aumentan con renta y proporción de pobres disminuyen con renta per cápita CPC & RPC 180 Países
Más detallesTest ( o Prueba ) de Hipótesis
Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a
Más detallesBiometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1
Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en
Más detallesECONOMETRÍA II PRÁCTICA 2. 1.- Tome los datos de WAGE2.XLS para este ejercicio.
ECONOMETRÍA II PRÁCTICA 2 1.- Tome los datos de WAGE2.XLS para este ejercicio. 1.1 Estime el modelo log ( wage) = β0 + β1educ + β2exper + β3age + β4married + + β black + β south + β urban + u 5 6 7 Date:
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesWorking Paper Series Economic Development. Econometrics. Faculty of Economics and Business. University of Santiago de Compostela No.
Working Paper Series Economic Development. Econometrics. Faculty of Economics and Business. University of Santiago de Compostela No. 77 MODELOS ECONOMETRÍCOS DEL EMPLEO EN ESPAÑA: ANÁLISIS COMPARATIVO
Más detallesLa ventana de Microsoft Excel
Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft
Más detallesCASO PRÁCTICO DISTRIBUCIÓN DE COSTES
CASO PRÁCTICO DISTRIBUCIÓN DE COSTES Nuestra empresa tiene centros de distribución en tres ciudades europeas: Zaragoza, Milán y Burdeos. Hemos solicitado a los responsables de cada uno de los centros que
Más detalles1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros
TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación
Más detallesILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES
ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES El objetivo de este documento es ilustrar matemáticamente, y con un caso concreto, el problema de la identificación en
Más detallesLas variables incluidas en el modelo se interpretan de la siguiente forma:
PRÁCTICA 4: EL MODELO LINEAL DE PROBABILIDAD - Estimar un modelo lineal de probabilidad - Interpretar los coeficientes estimados - Obtener las probabilidad estimadas - Contrastar la normalidad de las perturbaciones
Más detallesEn España hay 2,5 millones de. Usuarios de lentes de contacto, Puede seguir creciendo esta cifra?
Gaceta Business En España hay 2,5 millones de usuarios de lentes de contacto. Puede seguir creciendo esta cifra? elisenda Ibáñez Directora de IB-Tècnica y Socia Directora de GIC Retail, SL., empresas de
Más detallesMODELOS DE RECUPERACION
RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN
Más detalles1. Determine la validez de los contrastes de significatividad individual en los siguientes supuestos:
EXAMEN ECONOMETRÍA 1 PROF. RAFAEL DE ARCE 23 de enero de 2009 NOMBRE: DNI: 1. Determine la validez de los contrastes de significatividad individual en los siguientes supuestos: a) Presencia de variables
Más detallesECONOMETRÍA I. Licenciatura de admón. y Dcción de Empresas Grupos 3A1 y 3A2 Convocatoria de septiembre de 2002 Profesor Rafael de Arce NOMBRE GRUPO
ECONOMETRÍA I. Licenciatura de admón. y Dcción de Empresas Grupos 3A1 y 3A2 Convocatoria de septiembre de 2002 Profesor Rafael de Arce NOMBRE GRUPO 1. Cuáles son los distintos usos que se le pueden dar
Más detallesApuntes de Matemática Discreta 1. Conjuntos y Subconjuntos
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos
Más detallesINTRODUCCIÓN A LA CONTABILIDAD DE COSTOS DEFINICIÓN
INTRODUCCIÓN A LA CONTABILIDAD DE COSTOS DEFINICIÓN Contabilidad de costos, en el sentido más general de la palabra, es cualquier procedimiento contable diseñado para calcular lo que cuesta hacer algo.
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesECONOMETRÍA II PRÁCTICAS DE ORDENADOR. Práctica 2
ECONOMETRÍA II PRÁCTICAS DE ORDENADOR Práctica 2 El fichero epflic.wf1 contiene una submuestra de hogares de la Encuesta de Presupuestos Familiares 1990/91 formada por parejas con o sin hijos en los que
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detallesCiudad de Guatemala, 2013
Ciudad de Guatemala, 2013 1 Clase 5 Muestreo y tamaño de muestra D i e g o A y c i n e n a diegoaa@ufm.edu Universidad Francisco Marroquín 2 Clases (Profesores) H o r a r i o Actividades en Grupo (Todos)
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesHipótesis Alternativa: Afirmación sobre las posibles alternativas que se tienen a la afirmación hecha en la hipótesis nula.
PRUEBA DE HIPÓTESIS Introducción (10 min) En el mundo de las finanzas, la administración y la economía tan importante como saber hacer y entender a cabalidad las estimaciones que nos ayudaran a la toma
Más detallesACUERDOS POR LA SOLIDARIDAD DOCUMENTO DE POSICION ACUERDO POR LA SOLIDARIDAD DOCUMENTO DE POSICIÓN
ACUERDO POR LA SOLIDARIDAD DOCUMENTO DE POSICIÓN 1 1. Qué es un Acuerdo por la Solidaridad? Los acuerdos por la Solidaridad tienen su origen en la Asamblea General de Cruz Roja Española y en los diferentes
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesLección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones
Más detallesCAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN
CAPITAL HUMANO Y RENDIMIENTOS EDUCACIÓN José L. Raymond UAB 1 Índice de la presentación 1. La medición de los rendimientos de la educación Aproximación estándar rendimiento educación Dos interpretaciones
Más detallesUN PROBLEMA CON INTERÉS Y CALCULADORA
UN PROBLEMA CON INTERÉS Y CALCULADORA José Antonio Mora Sánchez. Alacant Las calculadoras ofrecen la posibilidad de modificar la óptica desde la que se abordan ciertos problemas matemáticos, esto hace
Más detalles4 Teoría de diseño de Experimentos
4 Teoría de diseño de Experimentos 4.1 Introducción En los capítulos anteriores se habló de PLC y de ruido, debido a la inquietud por saber si en una instalación eléctrica casera que cuente con el servicio
Más detallesMuestreo. Introducción
Muestreo Introducción En este documento ofrecemos un resumen sobre el concepto de muestreo, y los tipos de muestreo existentes. Además, adjuntamos una hoja para el cálculo de tamaños muestrales en auditorías
Más detallesInformática Aplicada a la Gestión de Empresas (IAGE) Parte III Excel e Internet Tema 2
Informática Aplicada a la Gestión de Empresas (IAGE) Parte III Excel e Internet Tema 2 1. Rango de celdas. Definición. Selección Contenido. 2. Referencias relativas, absolutas y mixtas. 3. Gráficos. Creación,
Más detallesMATERIAL 2 EXCEL 2007
INTRODUCCIÓN A EXCEL 2007 MATERIAL 2 EXCEL 2007 Excel 2007 es una planilla de cálculo, un programa que permite manejar datos de diferente tipo, realizar cálculos, hacer gráficos y tablas; una herramienta
Más detallesAdministración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1
Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna
Más detallesUnidad 5 Utilización de Excel para la solución de problemas de programación lineal
Unidad 5 Utilización de Excel para la solución de problemas de programación lineal La solución del modelo de programación lineal (pl) es una adaptación de los métodos matriciales ya que el modelo tiene
Más detallesNaturaleza y educación
Novedades en la investigación de la EH. En lenguaje sencillo. Escrito por científicos. Para toda la comunidad EH. El ejercicio aumenta el reciclaje celular El ejercicio aumenta el reciclaje celular en
Más detallesMedición de la estructura industrial
UNIDAD 10 Medición de la estructura industrial Objetivo Al finalizar la unidad, el alumno: Analizará el poder de mercado que poseen las empresas. Identificará los principales métodos para medir el poder
Más detallesAnálisis y gestión de riesgo
Marco Dueñes Intriago María Cabrales Jaquez Resumen capitulo 6 Ingeniería del software Análisis y gestión de riesgo Estrategias de riesgo proactivas vs reactivas Una estrategia considerablemente más inteligente
Más detallesTemas de electricidad II
Temas de electricidad II CAMBIANDO MATERIALES Ahora volvemos al circuito patrón ya usado. Tal como se indica en la figura, conecte un hilo de cobre y luego uno de níquel-cromo. Qué ocurre con el brillo
Más detallesANEXO I. MATERIAS DE BACHILLERATO
El artículo 29 en su apartado 6 del R.D. 1892/2008, dice: El establecimiento de las líneas generales de la metodología, el desarrollo y los contenidos de los ejercicios que integran tanto la fase general
Más detallesRegión de Murcia Consejería de Educación, Ciencia e Investigación. Manual Usuario FCT
. Manual Usuario FCT Murcia, 9 de Julio de 2007 Manual de Usuario FCT v1.0 pág. 2 de 73 ÍNDICE Manual Usuario FCT...1 1. Tipos de usuarios... 4 2. Modelo de navegación... 5 3. Servicios... 6 3.1. Convenios...
Más detallesEl modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios.
Tema 7 Sistemas de Inventarios 7.1. Modelo EOQ básico El modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios. 7.1.1. Hipótesis del modelo 1. Todos
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesColegio Alexander von Humboldt - Lima. Tema: La enseñanza de la matemática está en un proceso de cambio
Refo 07 2004 15 al 19 de noviembre 2004 Colegio Alexander von Humboldt - Lima Tema: La enseñanza de la matemática está en un proceso de cambio La enseñanza de la matemática debe tener dos objetivos principales:
Más detallesEl rincón de los problemas
Marzo de 2010, Número 21, páginas 165-172 ISSN: 1815-0640 El rincón de los problemas Pontificia Universidad Católica del Perú umalasp@pucp.edu.pe De lo particular a lo general, usando grafos Problema En
Más detallesProblemas fáciles y problemas difíciles. Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el siguiente problema:
Problemas fáciles y problemas difíciles Alicia Avila Profesora investigadora de la Universidad Pedagógica Nacional Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el
Más detallesCapítulo 3. Estimación de elasticidades
1 Capítulo 3. Estimación de elasticidades Lo que se busca comprobar en esta investigación a través la estimación econométrica es que, conforme a lo que predice la teoría y lo que ha sido observado en gran
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesde riesgos ambientales
MF1974_3: Prevención de riesgos TEMA 1. Análisis y evaluación de riesgos TEMA 2. Diseño de planes de emergencia TEMA 3. Elaboración de simulacros de emergencias TEMA 4. Simulación del plan de emergencia
Más detallesMétodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS
Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que
Más detallesINTRODUCCIÓN A LOS SISTEMAS GESTORES DE BASE DE DATOS
INTRODUCCIÓN A LOS SISTEMAS GESTORES DE BASE DE DATOS AUTORÍA JOSEFA PÉREZ DOMÍNGUEZ TEMÁTICA NUEVAS TECNOLOGIAS ETAPA CICLOS FORMATIVOS DE GRADO SUPERIOR DE INFORMÁTICA Resumen En esta publicación se
Más detallesCentro de Opinión Pública de la Universidad de Belgrano
Centro de Opinión Pública de la Universidad de Belgrano SONDEO DE OPINIÓN: CÓMO ELIGEN LOS JÓVENES SU CARRERA UNIVERSITARIA? El Problema de la Orientación Vocacional I. CONSIDERACIONES PRELIMINARES Durante
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesGENERAR DOCUMENTOS HTML USANDO LENGUAJE PHP. EJERCICIO RESUELTO EJEMPLO SENCILLO. (CU00733B)
APRENDERAPROGRAMAR.COM GENERAR DOCUMENTOS HTML USANDO LENGUAJE PHP. EJERCICIO RESUELTO EJEMPLO SENCILLO. (CU00733B) Sección: Cursos Categoría: Tutorial básico del programador web: HTML desde cero Fecha
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detallesA25. Informática aplicada a la gestión Curso 2005/2006 Excel Tema 7. Funciones avanzadas de Excel II
DEPARTAMENTO DE LENGUAJES Y SISTEMAS INFORMÁTICOS ESCUELA SUPERIOR DE TECNOLOGÍA Y CIENCIAS EXPERIMENTALES A.D.E.M. Segundo Curso A25. Informática aplicada a la gestión Curso 2005/2006 Excel Tema 7. Funciones
Más detallesInducción. El arco del conocimiento. Intro: hace 2.500 años. Intro: el método científico (II) Intro: el método científico (I)
Intro: hace 2.500 años Introducción Probabilidad, estadística e inferencia científica Marco Pavesi Senior Epidemiologist CIS Clinical Epidemiology Novartis Farmacéutica S.A. Antístenes: yo veo estos caballos,
Más detallesPARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO.
PARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO. QUÉ DEBES SABER CUANDO ACEPTAS UNA TARJETA COMO FORMA DE PAGO EN TU ESTABLECIMIENTO? Hace ya muchos años que la mayoría de las microempresas
Más detallesINFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL SECCIÓN DE EPIDEMIOLOGÍA-BIOESTADÍSTICA INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS Objetivo:
Más detallesRECOMENDACIONES DE INVESTIGACIÓN FUTURA.
Capítulo 6 CONCLUSIONES Y RECOMENDACIONES DE INVESTIGACIÓN FUTURA. 212 METODOLOGÍA PARA LA DETECCIÓN DE REQUERIMIENTOS SUBJETIVOS EN EL DISEÑO DE PRODUCTO. CAPÍTULO 6. CONCLUSIONES, APORTACIONES Y RECOMENDACIONES.
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 7 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesManual de usuario. Tramitación de inspecciones periódicas de ascensores: La visión de las empresas conservadoras
Tramitación de inspecciones periódicas de ascensores: La visión de las empresas conservadoras 7 de Enero de 2008 Índice 1. INTRODUCCIÓN 3 2. SECUENCIAS PRINCIPALES A REALIZAR 4 2.1. FLUJO BASICO DE SECUENCIAS
Más detallesTema 4. Números índice
Tema 4. Números índice Durante la explicación del tema anterior, el de las variaciones estacionales surgió la frase: calcular el índice estacional, este número indicó qué tan arriba o qué tan abajo estarían
Más detalleswww.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.
HOJAS DE COMPROBACIOÓN Y HOJAS DE RECOGIDA DE DATOS 1.- INTRODUCCIÓN En este documento se describe el proceso de obtención de información a partir de la recogida y análisis de datos, desde el establecimiento
Más detallesEl análisis de la información permitió identificar como principales causas de discrepancia estadística en el flujo hacia el sur, las siguientes:
CONCILIACION DE LAS ESTADISTICAS DEL COMERCIO INTERNACIONAL DE MERCANCIAS MEXICO-ESTADOS UNIDOS-CANADA 1998 y 1999 El comercio exterior entre México, Estados Unidos y Canadá es muy importante por el monto
Más detallesNORMA INTERNACIONAL DE AUDITORÍA 320 IMPORTANCIA RELATIVA O MATERIALIDAD EN LA PLANIFICACIÓN Y EJECUCIÓN DE LA AUDITORÍA (NIA-ES 320)
NORMA INTERNACIONAL DE AUDITORÍA 320 IMPORTANCIA RELATIVA O MATERIALIDAD EN LA PLANIFICACIÓN Y EJECUCIÓN DE LA AUDITORÍA (NIA-ES 320) (adaptada para su aplicación en España mediante Resolución del Instituto
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesEl Régimen Especial del IVA en el
ISSN 1696-7208 Revista número 17 de Marzo de 2005 Volumen 2 El Régimen Especial del IVA en el Ciclo Formativo de Grado Superior de Agencias de Viajes. Mª Lourdes Aznar Paracuellos El IVA en las agencias
Más detallesHoja1!C4. Hoja1!$C$4. Fila
CAPÍTULO 6......... Cálculo y funciones con Excel 2000 6.1.- Referencias De Celdas Como vimos con anterioridad en Excel 2000 se referencian las celdas por la fila y la columna en la que están. Además como
Más detallesaplicado al Experiencia La gestión de un servicio y, por ende, la
EN PORTADA 6 Sigma aplicado al Experiencia En este artículo vamos a dar una visión más particular sobre la aplicabilidad de 6 Sigma al sector Servicios. Existe abundante literatura al respecto, pero sobre
Más detalles1 Introducción a contrastes de hipótesis
Inferencia Estadística II Teoría, handout 1 1 Introducción a contrastes de hipótesis En este curso vamos a aprender a usar los datos para cuestionar la validez de ciertas afirmaciones teóricas. Los fenómenos
Más detallesPor qué es importante la planificación?
Por qué es importante la planificación? La planificación ayuda a los empresarios a mejorar las probabilidades de que la empresa logre sus objetivos. Así como también a identificar problemas claves, oportunidades
Más detallesDISERTACION GUSTAVO BRAMBATI
DISERTACION GUSTAVO BRAMBATI Buenos días a todos, gracias Raúl por la participación. Voy a comentar, voy a tratar de darle un enfoque técnico a la problemática del alcohol, algo que obviamente tiene una
Más detallesInformación importante. 1. El potencial eléctrico. Preuniversitario Solidario. 1.1. Superficies equipotenciales.
1.1 Superficies equipotenciales. Preuniversitario Solidario Información importante. Aprendizajes esperados: Es guía constituye una herramienta que usted debe manejar para poder comprender los conceptos
Más detallesLA NOVELA. En muchas ocasiones nos es necesario efectuar un comentario de una
LA NOVELA En muchas ocasiones nos es necesario efectuar un comentario de una obra íntegra, por ejemplo, una novela. En ese caso, es preciso tener en cuenta unos aspectos que nos ayuden a realizar ese comentario
Más detallesLA SELECCION DE PERSONAL
LA SELECCION DE PERSONAL FASES DE LA SELECCION La selección, como cualquier otro proceso dentro de una organización, necesita seguir una serie de pasos perfectamente definidos y estructurados. Lo ideal
Más detallesRegresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía
Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo
Más detallesDI Macarena Ponce- DI Belén Martin 1
INTERPRETACION PARCIAL DE LAS ENCUESTAS AUTORES: D.I. Belén Martín D.I. Macarena Ponce FACULTAD DE ARTES Y DISEÑO, UNIVERSIDAD NACIONAL DE CUYO MENDOZA, MAYO 2009 Este trabajo se enmarca en el proyecto
Más detallesGESTIÓN Y CONTROL DEL DESARROLLO E IMPLANTACIÓN DE APLICACIONES
Ciclo Formativo: Módulo: Desarrollo de Aplicaciones Informáticas Análisis y Diseño Detallado de Aplicaciones Informáticas de Gestión Unidad de Trabajo 10: GESTIÓN Y CONTROL DEL DESARROLLO E IMPLANTACIÓN
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesLos estados financieros proporcionan a sus usuarios información útil para la toma de decisiones
El ABC de los estados financieros Importancia de los estados financieros: Aunque no lo creas, existen muchas personas relacionadas con tu empresa que necesitan de esta información para tomar decisiones
Más detallesPruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico
Más detallesLos polinomios. Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x
Los polinomios Los polinomios Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x Elementos de un polinomio Los términos: cada
Más detallesTest de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n
Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés
Más detallesIntroducción: Modelos, Escalas y Métricas. Valentin Laime. Calidad de Software
Calidad de Software: Introducción: Modelos, Escalas y Métricas Valentin Laime Calidad de Software 10/28/2014 1 Modelos Un modelo es una abstracción de la realidad, que permite abstraer detalles y visualizar
Más detallesISO 17799: La gestión de la seguridad de la información
1 ISO 17799: La gestión de la seguridad de la información En la actualidad las empresas son conscientes de la gran importancia que tiene para el desarrollo de sus actividades proteger de forma adecuada
Más detallesEditores * : Francisco Meneses Alvaro Parra Luis Zenteno
Se Puede Mejorar el Sistema de Ingreso a las Universidades Chilenas? El uso del ranking en la Universidad Católica de Chile, Universidad de Chile y Universidad de Santiago de Chile Editores * : Francisco
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detallesCálculo Simbólico también es posible con GeoGebra
www.fisem.org/web/union ISSN: 1815-0640 Número 34. Junio de 2013 páginas 151-167 Coordinado por Agustín Carrillo de Albornoz Cálculo Simbólico también es posible con GeoGebra Antes de exponer las posibilidades
Más detallesCómo investigar y no morir en el intento
Cómo investigar y no morir en el intento INTRODUCCIÓN Desde el comienzo de los tiempos, el ser humano se ha planteado preguntas a cerca de sus experiencias y de la naturaleza de las actividades entorno
Más detallesInstalación del programa PSPP y obtención de una distribución de frecuencias.
Práctica 2. Instalación del programa PSPP y obtención de una distribución de frecuencias. Con esta práctica instalaremos el programa PSPP. El programa es un software específico para el análisis estadístico
Más detallesEmail: fjsosa@cunef.edu; antonio.pulido@urjc.es; maria.alvarado@urjc.es. La sociedad AVA, S.A. es la compañía dominante de un grupo consolidable.
60.- Paso a Influencia Significativa Autores: Javier Sosa (Universidad Complutense) Antonio Pulido (Universidad Rey Juan Carlos) María Alvarado (Universidad Rey Juan Carlos) Email: fjsosa@cunef.edu; antonio.pulido@urjc.es;
Más detallesTeclado sobre una PDA para Personas con Parálisis Cerebral
Manual de Usuario - 1 - - 2 - Teclado sobre una PDA para Personas con Parálisis Cerebral Capítulo 1. MANUAL DE USUARIO 12.1 Descripción de la aplicación Este programa le permitirá llevar a cabo las siguientes
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detalles