Ajustando Distribuciones a los Datos.
|
|
- Francisco Ruiz Aguilar
- hace 8 años
- Vistas:
Transcripción
1 Ajustado Distribucioes a los Datos. Prof. Mariela J. Curiel H. Eero, 2009 (por icluir la bibliografía) Técicas para ajustar ua distribució teórica Establecer ua Hipótesis acerca de la Distribució. Aálisis Exploratorio de los Datos Calcular el(los) parámetros: Maximulikelihood estimators (MLE) Determiar cuá represetativa es la distribució escogida: Métodos Gráficos: qqplots, p-pplots, Otro tests: chi-cuadrado, kolmogorov-smirov, Aderso-Darlig.
2 Distribucioes Empíricas read read read write write write write write write seek P(read)= 0.3 P(write)= 0.6 P(seek)=0. F(read)=0.3 F(write) = 0.9 F(seek) = Simulació F(x) D = R(0,) If D <= 0.3 the read If D <= 0.9 the write Else seek 3/4 2/4 /4 X() X(2) X(3) X(4) X(5) Técicas para ajustar ua distribució teórica: Hipótesis Ver qué feómeos modela usualmete ua distribució: Ejm. Tiempos etre llegadas, tiempo para que falle la pieza de u equipo, tiempos de servicio e el CPU (expoecial). Errores de varios tipos (Normal), etc. Valores posibles de lo que se modela, ejm. Tiempos de servicio o so egativos, por lo tato o se puede usar ua distribució ormal. Histogramas 2
3 Distribucioes Teóricas: Hipótesis quatile Depth Sample value(s) Midpoit Media i = (+)/2 X i X i Quartiles j = ( i + )/2 X j X (-j+) (X j + X (-j+) )/2 Octiles k= ( j + )/2 X k X (-k+) (X k + X (-k+) )/2 Extremes X X (X + X )/2 -Si la distribució es simétrica los 4 putos medios debería ser aproximadamete iguales. -Si la distribució es sesgada a la derecha (izquierda) los 4 putos medios (de arriba hacia abajo) debería ir creciedo (decreciedo) Otros Estadísticos de Iterés CV: cv = (o cercao a ) sugiere ua distribució expoecial. Para las distribucioes Gamma o Weibull, cv es mayor, igual o meor que uo, si el parámetro shape es meor, igual o mayor que, respectivamete. Skewess (v): es ua medida de la simetría de la distribució. Para distribucioes simétricas como la ormal, v=0, si v>0, la distribució es sesgada a la derecha (v=2 para la distribució expoecial). Si v < 0 la distribució es sesgada a la izquierda. 3
4 Determiar la distribució de los datos Cómo se puede saber si los datos se ajusta a ua distribució teórica coocida? HISTOGRAMAS U histograma es ua estimació gráfica de la fució de desidad que correspode a u cojuto de datos: X, X 2,...X. Es ua distribució empírica de los datos Para hacer u histograma se divide los datos e itervalos disjutos, los cuales debería teer el mismo acho. 4
5 Determiar la distribució de los datos Después se compara el histograma co fucioes de desidad coocidas a fi de determiar qué fucioes se asemeja al histograma costruido [,2) [2,3)... [2,3) La altura cueta las uidades e cada clase. Número de Clases Regla empírica: etre 5 y 5 Regla de Sturges k =+ log2 5
6 Determiar la distribució de los datos Si el tamaño del itervalo es, el histograma sugiere ua fució que crece y decrece (ormal, beta, etc). Si el tamaño del itervalo es 5 [,5), [5, 0), [0, 5). El histograma sugiere ua fució decreciete (expoecial) Determiar la distribució de los datos Variado el tamaño del itervalo [,5) [5,9) [9,3) 6
7 Histogramas e R totall <- sca("tlecturas9.txt") Lee u archivo de datos co ua sola hist(totall) Columa. hist(totall, mai= Histograma de los datos ) Hace el histograma 7
8 Estimació de los Parámetros Existe varios métodos para la estimació de los parámetros de ua distribució, etre ellos: Momet matchig method. Método de máxima verosimilitud 8
9 Estimador de Máxima Verosimilitud La idea detrás de este método, es ecotrar aquellos parámetros de la distribució subyacete (la que se platea e la hipótesis) que da a los valores de la muestra la probabilidad más alta. A cotiuació se da la explicació del método para u solo parámetro. Estimador de Máxima Verosimilitud Sea X ua variable aleatoria cotiua o discreta, cuya fució de desidad f(x) depede de u úico parámetro θ. Supogamos que se observa la variable veces (se efectúa el experimeto veces) y se obtiee ua muestra de úmeros x,..x. La fució de verosimilitud es la probabilidad de observar ciertos valores e la muestra X, X2,.X, dado que estas variables viee de ua misma distribució. Queremos la probabilidad cojuta de que X = x, X 2 =x 2, X =x. A esta fució la llamaremos L. L tiee u parámetro descoocido θ. 9
10 Estimador de Máxima Verosimilitud Se puede escribir de la siguiete forma:, X 2, K, X ; θ ) = f ( X i ; ) i= L( X θ Supoiedo que las variables so idepedietes. Deseamos ecotrar la máxima probabilidad, es decir, el máximo valor de la Fució. Queremos ecotrar el valor de theta, para el que el valor de L sea lo mas grade posible. La verosimilitud de u cojuto de datos, es la probabilidad de obteer esos datos, dado que se ha elegido u determiado modelo de probabilidades teórico. Si L es ua fució derivable e theta, etoces la codició ecesaria para que tega u máximo, es que la primera derivada co respecto a theta sea 0. Estimador de Máxima Verosimilitud Se puede escribir de la siguiete forma:, X 2, K, X ; θ ) = f ( X i ; ) i= L( X θ Supoiedo que las variables so idepedietes. Si f(x) es o-egativa u máximo de L será positivo. Como el logaritmo atural es ua fució mootoicamete creciete, tedrá máximos e los putos e los que L tega máximo. Es más fácil usar logaritmos porque las sumas se covierte e productos. 0
11 Estimador de Máxima Verosimilitud Pasos a seguir: Dada ua fució de distribució f, calcule la fució de máxima verosimilitud L. Tome logaritmos de esta expresió. Derive co respecto a theta. Iguale el resultado a cero. Despeje theta Verifique que es u máximo, obteiedo la seguda derivada y chequeado que el valor es egativo. Estimador de Máxima Verosimilitud Ejemplo para la distribució Expoecial: L ( X l( L ( X, X l( 2,, L X X 2 ) θ, L X ; θ ) = X i θ i = = l( X i θ i = ) θ i = i = e θ ; θ )]) = l( θ e θ X i θ X i ) = Difereciamos co respecto a theta e igualamos a 0 l( L) = + θ θ θ X 2 i i= θ = i = X i
12 X θ = i U estimador del parámetro de la distribució es el promedio. Estimador de Máxima Verosimilitud Obteemos que theta es el promedio de las muestras. Nota: la metodología o siempre puede aplicarse. No tiee ua forma cerrada o la derivada o se puede obteer usado álgebra sio métodos uméricos. Las distribucioes Gamma, Weibull y Beta so ejemplos de estos casos. 2
13 Estimador de Máxima Verosimilitud Cómo lo hacemos e R? Teemos dos formas: ) mle(), icluido e el paquete stats4 2) fitdistr() icluido e el paquete MASS > library(mass) fitdistr(lecturas, "log-ormal") mealog sdlog ( ) ( ) fitdistr(cometarioss[[2]], "gamma") shape rate ( ) ( ) > fitdistr(cometarioss[[2]], "weibull") shape scale ( ) (0.4835) Warig messages: : NaNs produced i: dweibull(x, shape, scale, log) 2: NaNs produced i: dweibull(x, shape, scale, log) Distribució Teórica: Cuá bueo es el ajuste? - Procedimietos Gráficos: QQplots- PPplots, etc. 2.- Tests para revisar la bodad del ajuste: Jicuadrado, Kolmogorov Smirov, Aderso- Darlig, etc. 3
14 Cómo se hace los qq-plots e R? > fitdistr(lecturass, "log-ormal") mealog sdlog ( ) ( ) > l2 <- rlorm(=298, mealog=-2.37, sdlog=0.2) > qqplot(l2, lecturass) 4
15 Distribució Teórica: Cuá bueo es el ajuste? Q-Qplot Cosiste e graficar (to plot) los cuatiles teóricos (y i ) versus los cuatiles observados (x i ). Si las observacioes sigue la distribució teórica, el qqplot debería ser lieal. 5
16 QQPlot Supoga que y i es el i-ésimo cuatil observado. Si se quiere el iésimo cuatil teórico x i se ecesita ivertir la fució de distribució acumulada. Por ejemplo, si F(x) es la CDF para la distribució supuesta: q i = F(x i ) y x i = F - (q i ) Fialmete, se coloca u puto e la posició (x i, y i ) del plot. Ejemplo Para las distribucioes que tiee ua fució iversa, es fácil determiar los cuatiles teóricos. Para otras distribucioes uo puede usar tablas e iterpolar valores si es ecesario. 6
17 Otros gráficos P-P plots: e lugar de graficar los X s uo grafica las probabilidades o cuatiles. El Q-Qplot amplifica las diferecias e las colas y el P-Pplot (válido para variables cotiuas y discretas) las diferecias e el cuerpo de la distribució. Plot de diferecias de las fucioes de distribució: ^ F qi = F(xi) ( x) F ( x) Test de Kolmogorov-Smirov El test de Kolmogorov-Smirov es u test de ajuste que compara ua fució de distribució empírica co la fució de distribució que supoemos tiee los datos F 0.. La Hipótesis Nula H 0 es: Los datos sigue F 0 Hipótesis Alterativa: Los datos o sigue la distribució especificada. 7
18 Test de Kolmogorov-Smirov La idea es la siguiete: si la hipótesis es correcta, etoces la fució de distribució empírica de la muestra debe parecerse a la fució. La fució de distribució empírica es la fució que va de e, y que toma los valores:. es la proporció de elemetos de la muestra que so meores o iguales a x. 3/4 /2 D+ D- F 0 (x4) (X(3)) /4 X() X(2) X(3) X(4) 8
19 Test de Kolmogorov-Smirov Para calcularla basta evaluar la diferecia etre y e los putos. D i = max F0 ( Xi), F0 ( X i D + i i ) D - Caso : todos los parámetros so coocidos Caso 2: Distribució Normal Caso 3: Distribucio Expoecial Caso 4: Weibull Test de Kolmogorov-Smirov Caso 3: se rechaza Ho si: D > c " α > ks.test(cometarioss[[2]], "pgamma", shape=.00, rate=0.24) Oe-sample Kolmogorov-Smirov test data: cometarioss[[2]] D = , p-value = alterative hypothesis: two-sided 9
20 Test de Kolmogorov-Smirov > ks.test(cometarioss[[2]], "plorm", mealog=0.83, sdlog=.27) Oe-sample Kolmogorov-Smirov test data: cometarioss[[2]] D = 0.07, p-value = alterative hypothesis: two-sided H o se acepta si el p-valor es mayor que u ivel de sigificacia de al meos el 5% (0.05) Otras fucioes a revisar: goodfit (library vcd), ad.test (test de Aderso Darlig Librería ortest) Test de Kolmogorov-Smirov Alguas desvetajas: La forma origial del test sólo podía aplicarse si se coocía los parámetros de la distribució, i.e. los parámetros o podía ser estimados de los datos. Más recietemete, sí se permite la estimació de los parámetros para alguas distribucioes como la logormal, lormal, expoecial, Weibull y log-logistic. Da el mismo peso a todas las diferecias si importar si es el cuerpo o e la cola de la distribució y e alguos casos las pricipales diferecias está e las colas. 20
21 Test de Kolmogorov-Smirov Alguas desvetajas: Dado que la distribució tiee que estar completamete especificada y por darle igual peso a todas las diferecias, muchas veces se prefiere el Test Aderso-Darlig. Sólo se puede aplicar a determiadas distribucioes: ormal, log-ormal, expoecial, weibull. R S Datos Reales ExpertFit: shape=.2, scale= 6.35 (es el tercer mejor modelo, el primero es Beta) Datos Sitéticos ExpertFit: shape=0.96, scale=5.9 (es el segudo mejor modelo) 2
22 Otras Formas de Ajustar Distribucioes a los Datos ExpertFit EasyFit No se trata de software libre, o resuelve distribucioes mixtas, puede estar limitado respecto al úmero de datos que maeja. Bibliografía Daiel Meascé. Virgilio Almeida. Larry W. Dowdy. Capacity Plaig ad Performace Modelig. Pretice Hall, 994. Raj Jai. The Art of Computer Systems Performace Aalysis, Wiley, 99. Averill M. Law y David Kelto. Simulatio Modellig ad Aalysis. Mc. Graw Hill.2000 Aputes del curso aálisis de datos II de la Prof. Ma. Eglee Pérez. Material o-lie del libro: Evaluació y Modelado del Redimieto de Sistemas Iformáticos. Juiz, Molero, Rodeño 22
OPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallesOPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =
IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)
Más detallesIES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora
Más detallesProgresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general
5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A
IES Fco Ayala de Graada Juio de 014 (Colisioes Modelo 3) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO 3 (COLISIONES) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2)
IES Fco Ayala de Graada Sobrates de 0 (Modelo ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 0 (MODELO ) OPCIÓN A EJERCICIO _A ( 5 putos) Halle la matriz X que verifique la ecuació
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 00 (Modelo 5 Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A (3 putos) Para fabricar tipos de cable, A y B, que se vederá a 50 y 00 pts el metro, respectivamete,
Más detallesPolinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios
Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua
Más detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4)
IES Fco Ayala de Graada Sobrates de 8 (Modelo 4) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 8 (MODELO 4) OPCIÓN A EJERCICIO 1_A (3 putos) U joyero fabrica dos modelos
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detallesIES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) U cliete de u supermercado ha pagado u total de 156 euros por 24 litros de leche,
Más detallesELEMENTOS DE ÁLGEBRA MATRICIAL
ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detalles1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)
1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :
Más detallesTransformaciones Lineales
Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,
Más detallesCalculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito
Más detallesSolución del examen de Investigación Operativa de Sistemas de septiembre de 2004
Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesCURSO 2.004-2.005 - CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 001 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Se quiere orgaizar u puete aéreo etre dos ciudades, co plazas suficietes de pasaje y carga,
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir
IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)
Más detallesSucesiones numéricas.
SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El
Más detallesCaracterización de la Carga de Trabajo
Caracterización de la Carga de Trabajo Prof. Mariela J. Curiel H. Enero, 2009 Caracterización de la Carga Su objetivo es La descripción de la carga por medio de parámetros cuantitativos y funciones. Derivar
Más detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery
Más detallesMatemáticas I - 1 o BACHILLERATO Binomio de Newton
Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete
Más detallesEstimación puntual y por Intervalos de Confianza
Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo
Más detallesMATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito.
MATEMÁTICAS 24, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES JOHN GOODRICK. Para cada sucesió ifiita abajo, determie si coverge o o a u valor fiito. (a) {! } e = (a): No coverge. El úmero e está etre
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesMidiendo el Desempeño
Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u
Más detallesPropuesta A. { (x + 1) 4. Se considera la función f(x) =
Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)
IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las
Más detallesPráctica 6: Vectores y Matrices (I)
Foamets d Iformàtica 1r curs d Egiyeria Idustrial Práctica 6: Vectores y Matrices (I) Objetivos de la práctica El objetivo de las prácticas 6 y 7 es itroducir las estructuras de datos vector y matriz e
Más detalles-6-2 1 15 5-6 10 1-4 15 5-6 10 1-4
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 6 Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 2 1-1 Sea la matriz A = 0 m-6 m+1 2 0 (1 puto) Calcule los valores de m para que dicha
Más detallesESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas:
ESTADÍSTICA Ejercicio º.- Al pregutar a 0 idividuos por el úmero de persoas que vive e su casa, hemos obteido las siguietes respuestas: Elabora ua tabla de frecuecias. Ejercicio º.- E ua empresa de telefoía
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).
Más detallesPara construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :
Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesSOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que
SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso
Más detallesPor: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS
Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes
Más detallesTeorías de falla bajo cargas estáticas
Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto
Más detallesOBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con
Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE
Más detalles11. TRANSFORMADOR IDEAL
. TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detalles0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1
IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial
Más detallesGradiente, divergencia y rotacional
Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para
Más detallesAnálisis estadístico de datos simulados Estimadores puntuales
Aálisis estadístico de datos simulados Estimadores putuales Georgia Flesia FaMAF 5 de mayo, 2015 Aálisis estadístico Modelizació estadística: Elegir ua distribució e base a los datos observados. Estimar
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.
Más detallesINFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel
Más detalles1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)
Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =
Más detallesEste centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones.
reguta 6 utos Ua empresa de limpieza cotrata persoal e forma putual depediedo de las solicitudes de trabajo de sus clietes. ara el iicio de ua coferecia iteracioal, u cliete platea la limpieza a fodo del
Más detallesRevisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.
Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a
Más detallesIES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
Más detallesFórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)
Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio
Más detallesPRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detallesCAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS
Págia 1 de 13 CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS E este capítulo etraremos al fial del ciclo del método cietífico, usado la iformació de la muestra para geeralizar y llegar a coclusioes
Más detallesEjercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.
Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO
Más detallesSoluciones Hoja de Ejercicios 2. Econometría I
Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió
Más detallesTema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.
UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios
Más detallesOPERACIONES ALGEBRAICAS FUNDAMENTALES
MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6
Más detallesUNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.
UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses
Más detallesREVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL
375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la
Más detallesPlanificación contra stock
Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica
Más detallesESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA
ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades
Más detallesTema 6. Sucesiones y Series. Teorema de Taylor
Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete
Más detallesEstimación puntual y por intervalos
0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por
Más detallesSoluciones problemas del Tema 2
1 Solucioes problemas del Tema 1) a) E(W ) = E(X + Y + Z) = E(X) + E(Y ) + E(Z) = 0; V ar(w ) = V ar(x) + V ar(y ) + V ar(z) + (Cov(X, Y ) + Cov(X, Z) + Cov(Y, Z)) = 1 + 1 + 1 + ( 1 + 0 ) 1 4 4 = 3 b)
Más detalles2. LEYES FINANCIERAS.
TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),
Más detallesA N U A L I D A D E S
A N U A L I D A D E S INTRODUCCION Y TERMINOLOGIA Se deomia aualidad a u cojuto de pagos iguales realizados a itervalos iguales de tiempo. Se coserva el ombre de aualidad por estar ya muy arraigado e el
Más detallesANALISIS ESTADISTICO DE VALORES EXTREMOS
ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este
Más detallesA = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.
. POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes
Más detallesBINOMIO DE NEWTON página 171 BINOMIO DE NEWTON
págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:
Más detalles= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3
IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de
Más detallesGENERALIDADES. La Empresa de Transmisión Eléctrica, S. A. (ETESA) maneja 151 estaciones, clasificadas de la siguiente manera:
GENERALIDADES I. DEFINICIÓN DE METEOROLOGÍA Es la ciecia iterdiscipliaria que estudia el estado del tiempo, el medio atmosférico, los feómeos allí producidos y las leyes que lo rige. Es el estudio de los
Más detallesPRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)
Distribucioes de frecuecia: PRESENTACIONES ESTADISTICAS So tablas e las que se agrupa lo valores posibles de ua variable y se registra el úmero de valores observados que correspode a cada clase. Como ejemplo
Más detallesUna serie de potencias puede ser interpretada como una función de x. f(x) = n=0
Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada
Más detalles7.2. Métodos para encontrar estimadores
Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la
Más detallesINTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos
1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias
Más detallesDEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010)
UNIVERSIDAD DE LOS ANDES DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferecial Parcial 3 (27/10/2010) 1. Cosidere la fució f (x) = 3(x 1) 2/3 (x 1) 2 a) Halle el domiio b) Ecuetre los putos críticos,
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A
Más detallesAsignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales
Asigatura: Geometría I Grado e Matemáticas. Uiversidad de Graada Tema 2. Espacios vectoriales Prof. Rafael López Camio Uiversidad de Graada 14 de diciembre de 2012 Ídice 1. Espacio vectorial 2 2. Subespacio
Más detallesMATEMÁTICAS Y TECNOLOGÍA CON CALCULADORA GRÁFICA 5. ESTADÍSTICA Y PROBABILIDAD CON LA FX 9860G SLIM
MATEMÁTICAS Y TECNOLOGÍA CON CALCULADORA GRÁFICA 5. ESTADÍSTICA Y PROBABILIDAD CON LA FX 9860G SLIM DIVISIÓN DIDÁCTICA MAURICIO CONTRERAS ESTADÍSTICA DESCRIPTIVA Y REGRESIÓN CON LA FX 9860G SLIM Itroducció
Más detallesOPCIÓN A EJERCICIO 1 (A)
IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =
Más detalles1.1. Campos Vectoriales.
1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal
Más detallesDiagnosis 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 detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5)
SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 01 (MODELO 5) OPIÓN A EJERIIO 1_A ( 5 putos) U comerciate dispoe de 100 euros para comprar dos tipos de mazaas A y B. Las del tipo A las compra a 0 60 euros/kg
Más detalles