Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.

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

Download "Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras."

Transcripción

1 Capítulo : Comparacó de varo tratameto o grupo Mucha preguta de vetgacó e educacó, pcología, egoco, dutra ceca aturale tee que ver co la comparacó de varo grupo o tratameto. Ya etudamo como comparar dfereca etre do tratameto cuado la poblacoe o depedete, ahora o terea comparar má de do poblacoe. La preguta de teré del vetgador erá exte dfereca gfcatva etre la meda de lo tratameto? S comprueba que exte dfereca gfcatva, etoce le tereará aber cuále de la poblacoe o tratameto comparado o dferete? Prmero ecetamo aber cómo cotetar la preguta geeral. El procedmeto para determar exte dfereca gfcatva etre vara poblacoe o grupo e llama Aál de Varaza, o vamo a referr a él uado la letra ANOVA por Aal of Varace, e glé. ANOVA e u ombre geérco e ua para ua varedad mea de modelo de comparacó de meda, també coocdo como deño de expermeto. Por ahora ólo hablaremo del ANOVA mple, de u factor, o de ua vía (oe wa ANOVA), que e refere a la comparacó de meda de do o má tratameto. Vamo a llamar factor a ua varable cualtatva que uaremo para degar a lo grupo o tratameto a comparar. Lo vele del factor erá el úmero de tratameto o grupo. El aál de varaza e mlar al aál de regreó e realdad lo do perteece a la gra famla de lo modelo leale. Lo modelo leale e caracterza por vetgar la relacó etre ua varable repueta cuattatva ua o má varable explcatora. S embargo el aál de varaza dfere del aál de regreó e que e el ANOVA la varable explcatora o cualtatva o factore. Lo que o terea e el aál de varaza de ua vía e exteder el tet t para do muetra depedete, para comparar má de do muetra. ANOVA de ua vía Cao : U médco quere comparar la efectvdad de tre tratameto para reducr el coleterol de pacete co alto vele de coleterol aguíeo. Se aga aleatoramete 6 dvduo a lo tre tratameto ( e cada uo) e regtra la reduccó de coleterol de cada pacete. Cao : Ua ecóloga etá tereada e comparar la cocetracó de cadmo e río. Recolecta muetra de agua ( muetra e cada río) mde la cocetracó de cadmo. Eto do cao tee mltude. E ambo teemo ua varable repueta cuattatva (reduccó del coleterol, cocetracó de cadmo) medda e vara udade (peroa muetra de agua). Eperamo que la repueta ea Normal e ambo cao. Queremo comparar vara poblacoe, tre tratameto e el cao río e el cao. El cao e u expermeto e el cual lo pacete o agado aleatoramete a lo tratameto. E el cao e u etudo obervacoal mplemete e toma muetra de dtto río. E ambo cao podemo uar el ANOVA para aalzar lo dato. E el cao uaremo u aál de varaza de u factor co vele. E el cao uaremo u aál de varaza de u factor co vele. TOMATES Porqué la plata de tomate crece co dferete tamaño? U tomatero quere comparar el efecto de tre fertlzate (A, B C) e el crecmeto de u plata de tomate. Seleccoó plata de tomate de ua emaa la plató e dferete macetero. Agó aleatoramete lo fertlzate e lo admtró a la plata por día. La fgura muetra la altura de la plata (e cm). Qué ocurró co la altura de eta plata? La plata de tomate o toda de la mma varedad de la mma edad. Ademá recbero el mmo cudado. Qué razoe ha para que la plata crezca a dferete altura? E dearrollo de ete tema de etudo e debe prcpalmete al trabajo de Sr Roald Fher, cua cotrbucoe a la etadítca, dede 9 hata 96, tuvero ua gra flueca e toda la etadítca modera.

2 Altura (cm) Fertlzate Dato: Fertlzate A B C De qué maera podríamo comparar eto tre tratameto? La repueta atural ería comparar cada par de tratameto o grupo co ua prueba t para muetra depedete. S embargo, o e correcto hacer prueba t de Studet etre todo lo pare poble de meda a que e altera el vel de gfcacó fjado para cada ua de la prueba. Epecífcamete, aumeta la probabldad de ecotrar dfereca dode o exte, e decr aumeta el Error Tpo I. Por ejemplo, teemo tratameto el úmero poble de pare de prueba ería!. E el cao de lo tomate teemo! prueba. El tet de ANOVA permte el etudo multáeo 6!!!! de la dfereca co u vel fjo de gfcacó. Problema de comparacoe múltple S teemo grupo o tratameto, ecetamo hacer 6 tet de hpóte: : µ µ : µ µ : µ µ : µ µ : µ µ : µ µ α, α, α, : µ µ : µ µ : µ µ : µ µ : µ µ : µ µ α, α, α, A medda que aumeta el úmero de grupo, o podemo garatzar que e matega el vel de gfcacó. Para olucoar ete problema e que hacemo prmero ua preguta global depededo del reultado egumo vetgado pare de grupo.

3 Comparado meda medate ANOVA: Se tee muetra aleatora depedete N ( µ,σ ) N ( µ,σ ) N ( µ,σ ) m.a.. m.a.. tamaño tamaño... m.a.. tamaño Poblacó Poblacó Poblacó Teemo ua muetra aleatora mple de obervacoe de ua poblacó N ( µ,σ ). obervacoe de ua poblacó ( µ,σ ) Teemo ua muetra aleatora mple de... Teemo ua muetra aleatora mple de La muetra aleatora o depedete ua de otra. N. obervacoe de ua poblacó ( µ,σ ) N. Nota: La devacó etádar poblacoal de cada grupo e gual a σ (homocedatcdad). IPOTESIS GLOBAL Uaremo µ para repreetar la meda del grupo, etoce etaremo tereado e docmar la guete hpóte: Grafcamete podemo repreetar eta hpóte: : µ µ... µ : al meo do meda o o guale o: la meda poblacoale o guale Normal : al meo ua meda e dferete Normal Normal σ σ σ µ µ µ µ µ µ µ TOMATES cotuacó póte de teré: Co u vel de gfcacó α, : µ µ µ : al meodo medao o guale.

4 Dato: Notacó e la muetra: N Meda Devacó típca A..6 B..9 C 6.. Total Fuete de varacó El aál de varaza e defe como ua técca e la que la varabldad de u cojuto de dato e dvde e varo compoete cada uo de ello e aoca a ua fuete epecífca de varacó, de maera que durate el aál e poble ecotrar la magtud co la que cotrbue cada ua de ea fuete e la varacó total. El ombre ANOVA e porque para comparar la meda de lo grupo o tratameto ecetamo detfcar la dtta fuete de varabldad. La varabldad de la varable repueta, refereca a gú factor que la pudera etar afectado, e cooce como varabldad total. La varabldad de la varable repueta que e atrbue a factore epecífco e cooce como varabldad explcada. Mde la varabldad etre lo dferete grupo. La varabldad de la varable repueta de la udade (expermetale) detro de cada vel del factor e cooce como varabldad o-explcada. Se deprede que: Varabldad total varabldad explcada + varabldad o explcada E el ejemplo de lo tomate dtga la fuete de varacó. Para docmar la hpóte global acerca de la meda uaremo el tet etadítco F. Ete tet cotrata la varabldad etre lo grupo co la varabldad que erá atural detro de lo grupo. F varabldad ENTRE la meda muetrale varabldad DENTRO de la muetra Peemo Cao A: S la meda muetrale o exactamete guale, cuál erá el umerador del tet F? Cae B: S la meda muetrale o mu dtta etre lo grupo, como erá la varabldad etre comparada co el cao A? Qué valore puede teer el etadítco F? F puede er egatvo? Qué tpo de valore de F erá a favor de la hpóte alteratva?

5 Meda cuadrátca El tet etadítco del ANOVA e la razó etre do medda de varacó de lo dato muetrale. El tet etadítco F compara la varacó etre lo promedo de lo grupo co la varacó atural detro de lo grupo. Formalmete eta do medda de varacó e llama meda cuadrátca, aí e el umerador tedemo la meda cuadrátca etre lo grupo (MCE) e el deomador la meda cuadrátca detro de lo grupo (MCD). varabldad ENTRE la meda muetrale F varabldad DENTRO de la muetra La do medda de varabldad e ANOVA, MCE MCD tee la mma forma. Suma de cuadrado (SC) Meda cuadrátca Grado de lbertad (gl) MCE MCD Etre má grade ea la varacó etre la meda muetrale comparada co la varacó atural detro de la muetra, maor evdeca a favor de dfereca etre la meda poblacoale. E vta de que ólo valore grade del tet etadítco o rve para rechazar la hpóte ula, lo tet F de ANOVA o ulaterale (de ua cola) co la dreccó del extremo haca la derecha. El valor p erá la probabldad de obervar u tet etadítco ta o má grade. Dtrbucó F de Fher Bajo el tet etadítco F que e calcula e el ANOVA tee ua dtrbucó F de Fher co (-, -) grado de lbertad. Caracterítca: La dtrbucó e egada a la derecha Su valore o potvo, empeza e cero e extede hata fto La curva de la dtrbucó queda defda por lo grado de lbertad del umerador del deomador GRAFICOS Se muetra do gráfco de caja. Cada uo repreeta el reultado de acar muetra aleatora depedete de tre poblacoe ormale. E cuál de lo do gráfco cree uted que podemo rechazar la hpóte ula : µ µ µ? Repueta Repueta Grupo Grupo Grupo Grupo Grupo Grupo

6 Cómo calculamo F Cuado teemo ua muetra aleatora de ua poblacó co varaza decoocda σ, vamo a etmar eta varaza co la varaza muetral. La varaza muetral e calcula tomado la uma de lo cuadrado de la devacoe a la meda dvdedo por lo grado de lbertad (-). E ete cao cada muetra aleatora, ua por cada poblacoe, tee u meda muetral u varaza muetral repreetado por:,,...,,,...,. I Varacó ENTRE grupo: Bajo la hpóte ula, la meda poblacoale o guale. S la hpóte ula fuera certa, ería razoable promedar toda la obervacoe para teer ua etmacó de la meda de la poblacó. La meda muetral comú ería: + + L + La meda cuadrátca ENTRE lo grupo o meda cuadrátca de lo tratameto e calcula como: dode la uma de cuadrado ENTRE (SCE) e calcula como: SCE SCE MCE ( ) + ( ) + L + ( ) ( ) ( tamaño muetra grupo)( meda muetral grupo meda muetral cojuta) grupo grupo Varacó DENTRO de lo grupo: Uo de lo upueto de ANOVA e que la poblacoe tee la mma varaza. Cada ua de la varaza muetrale e u etmador de la varaza comú σ, depedete de la hpóte ula e certa. Lo grado de lbertad de cada varaza muetral e,. La MCD eecalmete comba la varaza muetrale para obteer u etmador de σ. La meda cuadrátca detro, e també llamada la meda cuadrátca del error. El deomador del etadítco F e: MCD SCD dode la uma de cuadrado DENTRO de lo grupo e calcula: SCD ( ) + ( ) + + ( ) ( ) L ( tamaño muetral grupo -)( varaza muetral grupo) grupo Note que eta catdad e ua exteó de la etmacó combada de la varaza empleada para la prueba t de muetra: grupo ( ) + ( ) + K + ( ) p + + L + Mdedo la varacó TOTAL: E ANOVA de ua vía, la varaza total de toda la obervacoe eta dada por la uma de cuadrado total, SCT, que mde la varacó de cada obervacó a la meda muetral de toda la obervacoe. SCT ( j ) ( obervacó - meda muetral) obervacoe obervacoe 6

7 La varacó total puede er partcoada etre la do fuete de varacó etre detro. La relacó etre la uma de cuadrado e: SCT SCE + SCD. S e tee do de la uma de cuadrado, e obtee la tercera fáclmete. Tabla ANOVA Todo eto e reume e la tabla de Aál de Varaza, e que e preeta la fuete de varacó, lo grado de lbertad, la uma de cuadrado la meda cuadrátca correpodete: TABLA DE ANALISIS DE VARIANZA gl Fuete de varacó Grado de lbertad SC Suma de Cuadrado MC Meda cuadrátca F Etre tratameto SCE ( ) SCE F MCE MCD Detro de tratameto SCD ( ) SCD Total SCT ( j ) Salda SPSS para ANOVA TOMATES Suma de cuadrado gl Meda cuadrátca F Sg. Iter-grupo Itra-grupo Total Realce lo cálculo para docmar la hpote de teré del tomatero. Compruebe u reultado co tabla alda del SPSS. - Compruebe la relacó etre la uma de cuadrado la de lo grado de lbertad. - Ecrba u cocluó para el tomatero. 7

8 Revó de upueto de ANOVA: Lo upueto del ANOVA o exactamete lo mmo que lo de la prueba t para comparar do grupo.. lo grupo o tratameto o depedete etre í, por ejemplo e u deño expermetal, lo tratameto o agado a grupo de peroa agado al azar. Ete upueto e parte del deño expermetal, o e cao de que el etudo ea obervacoe e verfca e lo dato.. La dtrbucó de lo reduo e Normal. E la práctca, eto mplca u problema ólo e codera que la poblacoe tee dtrbucoe marcadamete amétrca e dreccoe opueta. E geeral, la falta de ormaldad de lo reduo o tee gra efecto e el vel de gfcaca del tet F (e dce que la prueba F e etadítcamete robuta). E otro capítulo hablaremo de ua alteratva de aál cuado lo reduo o o ormale que e llama etadítca o paramétrca. E SPSS o obteemo drectamete lo reduo del ANOVA. Como alteratva vamo a verfcar el upueto de Normaldad uado la varable repueta e vez de lo reduo. Se verfca ormaldad hacedo gráfco tet de hpóte. Para lo reduo (repueta) de cada tratameto cotrua u htograma o tallo--hoja verfque que o exta u ego proucado. Para tamaño de grupo pequeño, eto gráfco erá de poca utldad. SPSS realza do tet etadítco para verfcar ormaldad, el tet de Kolmogorov-Smrov el tet de Shapro-Wl. El tet de Kolmogorov-Smrov e u tet cláco coocdo. El tet de Shapro-Wl e má uevo recomedado para tamaño muetrale maore a. E todo cao, e epera que la cocluoe co cualquera de lo do tet ea la mma. La hpóte erá: : lo reduo proveete del : lo reduo proveete del tratameto o ormale tratameto NO o ormale Por lo tato el valor p del correpodete tet e maor que, aceptamo la hpóte ula coclumo que e cumple el upueto de Normaldad. Note que e ete cao epecal la hpóte de teré e la hpóte ula.. La varaza de cada ua de la dtrbucoe e la mma (homocedatcdad). El upueto de homogeedad de varaza e verfca co el tet de Levee, tal como vmo para el cao de comparar do grupo. póte Tet Etadítco Dtrbucó bajo o σ σ L σ : :al meo ua varaza dfere F F de Fher co grado de lbertad (-, -) S el valor p del tet e maor que, etoce aceptamo la hpóte ula decmo que e cumple el upueto de homocedatcdad. S el valor p fuera meor de, etoce o e cumple el upueto de homogeedad de varaza. E ete cao a o podremo uar el tet F de ANOVA para comparar la meda o tratameto. Exte u tet de comparacó de meda que toma e cueta ete problema e llama el tet de Welch. E el lbro de op & op & Gla aparece ua dcuó detallada obre la verfcacó de upueto pag

9 Salda SPSS para ANOVA TOMATES (cotuacó). Gráfco Q-Q ormal de Altura e cm. Para FERTIL A. Gráfco Q-Q ormal de Altura e cm. Para FERTIL B.... Normal eperado Normal eperado Valor obervado Valor obervado. Gráfco Q-Q ormal de Altura e cm. Para FERTIL C.. Normal eperado Valor obervado Prueba de ormaldad para lo tomate co SPSS ALTURA FERTILIZ Kolmogorov-Smrov(a) Shapro-Wl A Etadítco gl Sg. Etadítco gl Sg. A..(*).9. B..(*) C.7.(*).96.8 * Ete e u límte feror de la gfcacó verdadera. a Correccó de la gfcacó de Lllefor Prueba de homogeedad de varaza co SPSS Etadítco de Levee gl gl Sg... Prueba robuta de gualdad de la meda Etadítco(a) gl gl Sg. Welch a Dtrbudo e F atótcamete. 9

10 Comparacoe múltple E el ANOVA etamo tratado de comparar varo promedo poblacoale, e decr etamo hacedo comparacoe múltple. El procedmeto o dca que prmero hacemo u tet global para aber exte dfereca e al meo uo lo promedo. S la repueta e egatva (e decr aceptamo la hpóte de que la meda o guale) o e ecearo, útl, egur hacedo comparacoe. Pero lo dato o etadítcamete gfcatvo, etoce la preguta guete e: cuále meda o grupo dfere? El llamado problema de comparacoe múltple e debe a que cuado teemo má de do grupo a comparar, aumeta el úmero de pare de comparacoe el vel de gfcacó α etablecdo a o e, o maor. Exte cotrovera e ete tema, pero la revta de correte prcpal e geeral requere el uo de método de comparacoe múltple al hacer u ANOVA e u publcacoe. Exte dferete método de comparacoe múltple, prmero lo má mple ería realzar tet t para cada par de meda, eto e cooce como cotrate "etá permtdo" cuado la comparacoe a realzar ha do pre-plaeada e el deño o protocolo del etudo. S embargo, a pear de poder jutfcar como pre-plaeada o a- pror, lo llamado método pot-hoc o lo má eguro. Lo método de comparacoe múltple o pot-hoc o permte comparar la meda co u vel de gfcacó global de α,. E ete curo revaremo lo cotrate (a-pror) el método de Tue (pot-hoc), SPSS realza mucho otro método que pudera er útle que gue la mma floofía de Tue. Cotrate Realzar cotrate e equvalete a realzar tet t para comparar meda de todo lo poble pare de combacoe: t MCD j ( + ) j Dode MCD e la meda cuadrátca detro o la etmacó de la varaza poblacoal. E SPSS teemo que dcar cuale o lo pare a comparar dcádole cuale o lo coefcete de lo cotrate. Cada cotrate tee que umar cero: Coefcete de lo cotrate Fertlzate Cotrate A B C µ µ µ, e decr µ µ El cotrate equvale a docmar la hpóte: + : : µ + µ µ : µ + µ µ El cotrate equvale a docmar la hpóte: El cotrate equvale a docmar la hpóte: : : µ µ : µ µ, e decr, e decr

11 Prueba para lo cotrate ALTURA Aumedo gualdad de varaza Cotrate Valor del cotrate Error típco t gl Sg. (blateral) Tet de Tue El tet de Tue e batate coocdo aceptado e la lteratura. La prueba etadítca que utlza el método de Tue e la etadítca de rago etudetzado, q, dode q j MCD q ~ q(, ) Exte tabla para la etadítca de rago etudetzado pero o la vamo a ecetar, uaremo lo reultado de SPSS. Comparacoe múltple SD de Tue (I) Fertlzate A Itervalo de cofaza al 9% (J) Fertlzate Dfereca de meda (I-J) Error típco Sg. Límte feror Límte uperor B -8.(*) C B A 8.(*) C 6.8(*) C A B -6.8(*) * La dfereca etre la meda e gfcatva al vel.. Notar que el error etádar e el mmo, lo que camba e la dtrbucó que etamo uado como refereca, por lo tato camba el valor- p. Subcojuto homogéeo SD de Tue(a) Fertlzate N Subcojuto para alfa. A. C 6. B. Sg..7. Se muetra la meda para lo grupo e lo ubcojuto homogéeo. a Ua el tamaño muetral de la meda armóca.. Ua maera de preetar lo reultado e co el gráfco que muetra la meda de cada grupo u tervalo de 9% de cofaza: Nota fal: - El método de Tue e ca empre bueo - S e tee mucho tratameto poca plafcacó (mucha preguta) Scheffe e el má eguro, pero má exgete - S e tee u grupo cotrol co el cual e quere comprar lo tratameto, exte la prueba de Duet

12 Pao e ANOVA de u factor:. Decrbr lo grupo verfcar lo upueto, e recomeda ua decrpcó umérca (promedo error etádar) decrpcó gráfca (box) Decrpcó gráfca de efecto de lo fertlzate e la altura de lo tomate ALTURA N Fertlzate A B C 9% IC ALTURA N Fertlzate A B C. Aál de lo upueto: Normaldad omocedatcdad - Normaldad: Tet de Kolmogorov-Smrov Shapro-Wl - omocedatcdad: Tet de Levee a) S o e obtee ormaldad, e puede traformar lo dato o uar método o paramétrco (otro capítulo). b) S o e obtee homogeedad de varaza: e puede traformar lo dato o uar método o paramétrco o realzar el Tet de Welch (para comparar la meda). Tabla de ANOVA a) S F grade, valor p meor a, etoce: Tet de comparacoe múltple b) S valor p maor a, quere decr que o ha dfereca etadítcamete gfcatva etre lo promedo por lo tato o ha má preguta. Ver Aro & Aro capítulo

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

Capitalización, actualización y equivalencia financiera en capitalización compuesta

Capitalización, actualización y equivalencia financiera en capitalización compuesta Captalzacó, actualzacó y equvaleca facera e captalzacó compueta 5 E eta Udad aprederá a: 2 3 4 5 Decrbr lo efecto eecale de la captalzacó compueta. Reolver problema facero e captalzacó compueta. Dferecar

Más detalles

Aplicación de Microsoft Excel a la Química Analítica: validación de métodos analíticos

Aplicación de Microsoft Excel a la Química Analítica: validación de métodos analíticos Aplcacó de Mcrooft Ecel a la Químca Aalítca: valdacó de método aalítco Joé Marco Jurado Departameto de Químca Aalítca 1 de abrl de 008 1 Etadítca báca 11 Cocepto de poblacó y muetra E etadítca, e defe

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

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

Más detalles

UNIVERSITAT ROVIRA I VIRGILI

UNIVERSITAT ROVIRA I VIRGILI UNIVERSITAT ROVIRA I VIRGILI Departamet de Químca Aalítca Químca Orgàca PARÁMETROS CUALIMÉTRICOS DE MÉTODOS ANALÍTICOS QUE UTILIZAN REGRESIÓN LINEAL CON ERRORES EN LAS DOS VARIABLES Te Doctoral FRANCISCO

Más detalles

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

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

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 5: Medidas de Dispersión para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 5: Medidas de Dispersión para Datos Agrupados por Valor Simple Curo de Etadítca Udad de Medda Decrptva Leccó 5: Medda de Dperó para Dato Agrupado por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 00 Derecho de Autor Objetvo. Calcular ampltud, varaza, devacó

Más detalles

Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple

Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple Método de egreó Grado e Etadítca y Emprea Tema 4 /3 Tema 4. Problema de fereca etadítca e el modelo de regreó leal múltple. Itervalo de cofaza y cotrate para lo coefcete de regreó... Itervalo de cofaza

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

UNIVERSIDAD AUTÓNOMA CHAPINGO TESIS DIVISIÓN DE CIENCIAS FORESTALES MÉTODOS DE MUESTREO LICENCIADO EN ESTADÍSTICA ROXANA IVETTE ARANA OVALLE

UNIVERSIDAD AUTÓNOMA CHAPINGO TESIS DIVISIÓN DE CIENCIAS FORESTALES MÉTODOS DE MUESTREO LICENCIADO EN ESTADÍSTICA ROXANA IVETTE ARANA OVALLE UIVRSIDAD AUTÓOMA CHAPIGO DIVISIÓ D CICIAS FORSTALS MÉTODOS D MUSTRO TSIS Que como requto parcal para Obteer el Título de: LICCIADO STADÍSTICA PRSTA: ROAA IVTT ARAA OVALL Capgo, Texcoco, do. de Méxco Juo,

Más detalles

V Muestreo Estratificado

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

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

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

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

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

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

Más detalles

PRÉSTAMOS DE TÉRMINO AMORTIZATIVO CONSTANTE EN TÉRMINOS REALES

PRÉSTAMOS DE TÉRMINO AMORTIZATIVO CONSTANTE EN TÉRMINOS REALES PRÉSTAMOS DE TÉRMINO AMORTIZATIVO CONSTANTE EN TÉRMINOS REALES Salvador Cruz Rambaud Departameto de Dreccó y Getó de Emprea Uverdad de Almería e-mal: cruz@ual.e Joé Gozález Sáchez Departameto de Método

Más detalles

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

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS 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

Más detalles

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

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

Más detalles

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

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

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

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

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

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

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

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

Más detalles

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

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

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

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

Más detalles

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

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

Más detalles

Estadística Descriptiva

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

Más detalles

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

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

Más detalles

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

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

Más detalles

CAPÍTULO 3. ANÁLISIS DE REGRESIÓN

CAPÍTULO 3. ANÁLISIS DE REGRESIÓN CAPÍTULO 3. ANÁLISIS DE REGRESIÓN Leccó 0: Regreó leal Smple La palabra Regreó fue utlzada por prmera vez por Frac Galto, (.8.9) e u etudo de Bología obre la hereca, doe él oto que la caracterítca promedo

Más detalles

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

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

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

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

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

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

Más detalles

TEMA 5. OPERACIONES DE AMORTIZACIÓN

TEMA 5. OPERACIONES DE AMORTIZACIÓN TEMA 5 OPERAIONES DE AMORTIZAIÓN ocepto de operacó de amortzacó 2 Método de amortzacó 3 Operacoe de Prétamo e el Mercado, cálculo de tato efectvo 4 Ejercco tema 5 5 Ejercco de Repao ocepto de Operacó de

Más detalles

10 MEDIDAS DE DISPERSIÓN

10 MEDIDAS DE DISPERSIÓN Capítulo 10 MEDIDAS DE DISPERSIÓN U mportate cocepto de la etadítca e que gú promedo por í mmo da ua dea clara de la dtrbucó del eveto; aú cuado e codere ademá lo extremo uperor e eror, o extrá ua vó clara

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN 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 detalles

Tema 3: Valoración financiera de conjuntos de capitales 1

Tema 3: Valoración financiera de conjuntos de capitales 1 Tea 3: aloracó facera de cojuto de captale. alor facero de u cojuto de captale Se deoa valor facero de u cojuto de captale e u oeto t τ, a u ua facera e dcho puto. Aí, dado u cojuto de captale (, t,(,

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

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

Más detalles

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

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

Más detalles

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

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

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES.

VARIABLES ESTADÍSTICAS BIDIMENSIONALES. CONTENIDOS: VARIABLES ESTADÍSTICAS BIDIMENSIONALES. Orgazacó de dato: tabla de frecueca de doble etrada. Frecueca margale. Dagrama de dperó. Regreó leal: recta de regreó. Coefcete de correlacó leal. Iterpretacó.

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

PROBABILIDAD y ESTADÍSTICA II

PROBABILIDAD y ESTADÍSTICA II UNIVERSIDAD TECNOLÓGICA NACIONAL Facultad Regoal Sa Ncolá PROBABILIDAD ESTADÍSTICA II UNIDAD Nº Lcecatura e Eeñaza de la Matemátca Año 011 Mg. Lucía C. Sacco Lcecatura e Eeñaza de la Matemátca FRSN - UTN

Más detalles

1. Análisis de la Varianza

1. Análisis de la Varianza . Aál de la Varaza Curo - Etadítca. Do tratameto Comparacó de do tratameto A B 5,3 9,6 39,4 47, 6,3 5,9 39, 3, 48, 33, 34,, 69,8 34, 3,3 9,5 45, 43,8 46,4 4,9 Sea deea comparar do tratameto para reducr

Más detalles

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

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

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AVANZADA Udad I: Prpedade y Leye de la ermdámca Prce reverble e tema cerrad Vlume de ctrl Cted Etrpía Degualdad de Clauu Defcó La ercera Ley de la ermdámca Prce ermdámc Dagrama -S Vlume de

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 6: Medidas de Dispersión para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 6: Medidas de Dispersión para Datos Agrupados por Clases Curo de Etadítca Udad de Medda Decrptva Leccó 6: Medda de Dperó para Dato Agrupado por Clae Creado por: Dra. Noeí L. Ruz Lardo, EdD 00 Derecho de Autor Objetvo. Calcular la edda de dperó (apltud, varaza,

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

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

Más detalles

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

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

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

Más detalles

Diseño óptimo de un regulador de tensión en paralelo

Diseño óptimo de un regulador de tensión en paralelo Deño óptmo de un regulador de tenón en paralelo Federco Myara 1. egulador mple con un dodo de ruptura El cao má mple e el regulador con un dodo zener, ndcado en la fgura 1. S ben el crcuto parece muy encllo,

Más detalles

Análisis de Regresión Lineal Simple.

Análisis de Regresión Lineal Simple. Aál de Regreó Leal mple. Itroduccó Regreó mple Método de lo mímo cuadrado Propedade de lo etm. m. cuadrado Predccó Evaluacó de la tedad de la relacó leal Ejercco Itroduccó E mu frecuete ecotrar proceo

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

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

Más detalles

Juegos finitos n-personales como juegos de negociación

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

Más detalles

Técnicas básicas de calidad

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

Más detalles

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

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

Más detalles

Estadística Contenidos NM 4

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

Más detalles

l 0 + l La energía potencial elástica de un resorte vale:

l 0 + l La energía potencial elástica de un resorte vale: ASOCIACIÓN DE RESORTES..- La fuerza y eergía elátca de u reorte o muelle. U reorte o muelle e u dotvo mecáco que uede comrmre o dlatare y que vuelve a u ocó orgal o atural, emre que el delazameto o ea

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA 7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año:

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año: COLEGIO COLOMBO BRITÁNICO DEPARTAMENTO DE MATEMÁTICAS PROGRESIONES/ SECUENCIAS/ SUCESIONES PROFESORES: RAÚL MARTÍNEZ Y JESÚS VARGAS Problema Jua Guillermo ivierte milloe de peo durate año, le pagará a

Más detalles

Simulación de sistemas discretos

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

Más detalles

Uso de software libre para el aprendizaje de la integral definida

Uso de software libre para el aprendizaje de la integral definida Uo de oftware lbre para el apredzaje de la tegral defda Mabel Azucea Meda Ecuela de Formacó Báca, Facultad de Ceca Exacta, Igeería y Agrmeura. Coejo de Ivetgacoe. Uverdad Nacoal de Roaro Argeta mmeda@fcea.ur.edu.ar

Más detalles

Manual de Estadística

Manual de Estadística Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 4: Medidas de Dispersión para Datos Crudos

Curso de Estadística Unidad de Medidas Descriptivas. Lección 4: Medidas de Dispersión para Datos Crudos Curo de Etadítca Udad de Medda Decrptva Leccó 4: Medda de Dperó para Dato Crudo Creado por: Dra. Noemí L. Ruz Lmardo, EdD 00 Derecho de Autor Objetvo. Recoocer el gfcado del cocepto de dperó aplcado a

Más detalles

Introducción a la simulación de sistemas discretos

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

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

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

Más detalles

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

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

Más detalles

Pruebas de hipótesis para dos muestras.

Pruebas de hipótesis para dos muestras. Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles