ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2"

Transcripción

1 Estadística o Paramétrica ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ Autores: Jua Fracisco Moge Ivars Ágel A. Jua Pérez ESQUEMA DE CONTENIDOS Estadística o Paramétrica Prueba CHI-CUADRADO UNA VARIABLE DOS VARIABLES Prueba de Bodad del Ajuste Prueba de Homogeeidad Prueba de Idepedecia Proyecto e-math 1 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

2 Estadística o Paramétrica OBJETIVOS El objetivo de este e-block es el estudio de varias cuestioes e relació co v.a. cualitativas ó cuatitativas cuyos datos está recogidos e forma de tabla de frecuecias. El deomiador comú a todas ellas es que su tratamieto estadístico está basado e la misma distribució teórica: la distribució χ (chi-cuadrado ó ji-cuadrado). E esecia se va a abordar tres tipos de problemas: a) Prueba de Bodad de Ajuste, cosiste e determiar si los datos de cierta muestra correspode a cierta distribució poblacioal. E este caso es ecesario que los valores de la variable e la muestra y sobre la cual queremos realizar la iferecia esté dividida e clases de ocurrecia, o equivaletemete, sea cual sea la variable de estudio, deberemos categorizar los datos asigado sus valores a diferetes clases o grupos. b) Prueba de Homogeeidad de varias muestras cualitativas, cosiste e comprobar si varias muestras de ua carácter cualitativo procede de la misma població (por ejemplo: estas tres muestras de alumos proviee de poblacioes co igual distribució de aprobados?. Es ecesario que las dos variables medibles esté represetadas mediate categorías co las cuales costruiremos ua tabla de cotigecia. c) Prueba de Idepedecia, cosistete e comprobar si dos características cualitativas está relacioadas etre sí (por ejemplo: el color de ojos está relacioado co el color de los cabellos?). Auque coceptualmete difiere del aterior, operativamete proporcioa los mismos resultados. Este tipo de cotrastes se aplica cuado deseamos comparar ua variable e dos situacioes o poblacioes diferetes, i.e., deseamos estudiar si existe diferecias e las dos poblacioes respecto a la variable de estudio. CONOCIMIENTOS PREVIOS Este math-block supoe ciertos coocimietos básicos de estadística (iferecia y probabilidad), así como coocimietos básicos del software estadístico MINITAB. CONCEPTOS FUNDAMENTALES Muestra: Parte de ua població que se toma cuado es imposible acceder a toda ella. La elecció de la muestra se hace co la iteció de, a partir de la iformació que ella proporcioa, exteder sus resultados a toda la població a la que represeta. Muestra aleatoria: (Muestra elegida al azar) Aquella muestra tomada de la població e la que todo idividuo tiee la misma probabilidad de resultar elegido para ella, y esto co idepedecia etre idividuos. Fució de Distribució: Fució que hace correspoder a cada uo de los valores de ua variable aleatoria la probabilidad de que tal variable aleatoria tome u valor igual o iferior al dado. Fució de Probabilidad: Fució que hace correspoder a cada uo de los valores de la variable aleatoria discreta su probabilidad. Cotraste de hipótesis: Cojuto de reglas tedetes a decidir cuál de dos hipótesis la ula ó la alterativa- debe aceptarse e base al resultado obteido e ua muestra. Es de dos colas cuado la alterativa es la egació de la ula. De ua cola e caso cotrario. Proyecto e-math Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

3 Estadística o Paramétrica Variable aleatoria: Toda fució que toma diversos valores uméricos, depediete de los resultados de u feómeo aleatorio, co distitas probabilidades. Variable aleatoria discreta. Las variables aleatorias discretas so aquellas que preseta u úmero fiito de valores, costituye ua sucesió umerable. Variable aleatoria cotiua. Las variables aleatorias cotiuas puede tomar u úmero ifiito de valores e u itervalo determiado. Variable categórica. Ua variable categórica es ua variable que clasifica cada idividuo de ua població e ua de las varias clases mutuamete excluyetes e que ésta se divide. Variable umérica. Correspode a los datos expresados e ua escala cotiua umérica. Proyecto e-math 3 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

4 Estadística o Paramétrica PRUEBA DE BONDAD DE AJUSTE INTRODUCCIÓN Estamos iteresados e determiar si los datos dispoibles de ua muestra aleatoria simple de tamaño correspode a cierta distribució teórica. El primer paso a realizar cosiste e descompoer el recorrido de la distribució teórica e u úmero fiito de subcojutos: A 1, A,..., A k. Después, clasificar las observacioes muestrales, segú el subcojuto a que perteezca. Y, por último, comparar las frecuecias observadas de cada A i co las probabilidades que les correspodería co la distribució teórica a cotrastar. OBJETIVOS Compreder la importacia de este método para medir si los datos resultates de ua muestra proviee de ua distribució teórica. Metodología útil para validar las hipótesis sobre la distribució teórica e la població que se realiza e la estadística paramétrica, i.e., cotrastes de hipótesis, itervalos de cofiaza, regresió lieal, etc. CONOCIMIENTOS PREVIOS Se debe poseer uos coocimietos míimos de Iferecia Estadística, i.e., Estadística Descriptiva, Itervalos de Cofiaza y Cotrastes de Hipótesis. Es preciso coocer el maejo de algú paquete estadístico y recomedable alguas ocioes del paquete MINITAB. BONDAD DEL AJUSTE (I) Supogamos que teemos u úmero k de clases e las cuales se ha ido registrado u total de observacioes ( será pues el tamaño muestral). Deotaremos las frecuecias observadas e cada clase por O 1, O,..., O k (O i es el úmero de valores e la clase A i ). Se cumplirá: O 1 O... O k = Lo que queremos es comparar las frecuecias observadas co las frecuecias esperadas (teóricas), a las que deotaremos por E 1, E,..., E k. Se cumplirá: E 1 E... E k = FRECUENCIA OBSERVADA FRECUENCIA ESPERADA CLASE 1 O 1 E 1 CLASE O E CLASE K O K E K Total N Se tratará ahora de decidir si las frecuecias observadas está o o e cocordacia co las frecuecias esperadas (es decir, si el úmero de resultados observados e cada clase correspode Proyecto e-math 4 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

5 Estadística o Paramétrica aproximadamete al úmero esperado). Para comprobarlo, haremos uso de u cotraste de hipótesis usado la distribució Chi-cuadrado: El estadístico de cotraste será χ = k i= 1 ( O E ) i E i i Observar que este valor será la suma de k úmeros o egativos. El umerador de cada térmio es la diferecia etre la frecuecia observada y la frecuecia esperada. Por tato, cuato más cerca esté etre sí ambos valores más pequeño será el umerador, y viceversa. El deomiador permite relativizar el tamaño del umerador. Las ideas ateriores sugiere que, cuato meor sea el valor del estadístico χ, más coheretes será las observacioes obteidas co los valores esperados. Por el cotrario, valores grades de este estadístico idicará falta de cocordacia etre las observacioes y lo esperado. E este tipo de cotraste se suele rechazar la hipótesis ula (los valores observados so coheretes co los esperados) cuado el estadístico es mayor que u determiado valor crítico. Notas: χ (1) El valor del estadístico se podrá aproximar por ua distribució Chi-cuadrado cuado el tamaño muestral sea grade ( > 30), y todas las frecuecias esperadas sea iguales o mayores a 5 (e ocasioes deberemos agrupar varias categorías a fi de que se cumpla este requisito). () Las observacioes so obteidas mediate muestreo aleatorio a partir de ua població particioada e categorías. BONDAD DEL AJUSTE (II) U experimeto multiomial es la geeralizació de u experimeto biomial: 1. Cosiste e pruebas idéticas e idepedietes.. Para cada prueba, hay u úmero k de resultados posibles. 3. Cada uo de los k posibles resultados tiee ua probabilidad de ocurrecia p i asociada (p 1 p... p k = 1), la cual permaece costate durate el desarrollo del experimeto. 4. El experimeto dará lugar a u cojuto de frecuecias observadas (O 1, O,..., O k ) para cada resultado. Obviamete, O 1 O... O k =. E ocasioes estaremos iteresados e comparar los resultados obteidos al realizar u experimeto multiomial co los resultados esperados (teóricos). Ello os permitirá saber si uestro modelo teórico se ajusta bie o o a las observacioes. Para ello, recurriremos a la distribució Chi-cuadrado, la cual os permitirá realizar u cotraste sobre la bodad del ajuste. Cocretamete, usaremos el estadístico χ = k i= 1 ( O E ) i E i i co k 1 grados de libertad. Podemos calcular cada frecuecia esperada (teórica) multiplicado el úmero total de pruebas por la probabilidad de ocurrecia asociada, es decir: E i = * p i i = 1,..., k Proyecto e-math 5 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

6 Estadística o Paramétrica CASOS PRÁCTICOS EJEMPLO: E cierta máquia Expededora de Refrescos existe 4 caales que expide el mismo tipo de bebida. Estamos iteresados e averiguar si la elecció de cualquiera de estos caales se hace de forma aleatoria o por el cotrario existe algú tipo de preferecia e la selecció de alguo de ellos por los cosumidores. La siguiete tabla muestra el úmero de bebidas vedidas e cada uo de los 4 caales durate ua semaa. Cotrastar la hipótesis de que los caales so seleccioados al azar a u ivel de sigificació del 5%. Caal Número de bebidas cosumidas mediate este expededor SOLUCIÓN: Para realizar el cotraste de Bodad de Ajuste debemos calcular las frecuecias esperadas de cada suceso bajo la hipótesis de uiformidad etre los valores. Si la selecció del caal fuera aleatoria, todos los caales tedría la misma probabilidad de selecció y por lo tato la frecuecia esperada de bebidas vedidas e cada uo de ellos debería ser aproximadamete la misma. Como se ha vedido e total 70 refrescos, la frecuecia esperada e cada caal es E i = * p i = 70* ¼ = 17.5 i = 1,..., k El estadístico del cotraste sería: χ ( ) = 17.5 ( 17.5) 17.5 ( ) 17.5 ( ) 17.5 =.348 Este valor debemos compararlo co el valor crítico de la distribució libertad. Este valor es: χ 0.95 (3) = χ co (4-1)=3 grados de Puesto que el valor del estadístico (.34) es meor que el valor crítico, o podemos rechazar la hipótesis de que los datos se ajusta a ua distribució uiforme. Es decir, que los caales so seleccioados aleatoriamete etre los cosumidores. EJEMPLO: Estamos iteresados e comprobar la perfecció de u dado cúbico (u dado ormal de 6 caras). Para esto realizamos 100 lazamietos del dado aotado los putos obteidos e cada lazamieto. A la vista de los resultados obteidos, podemos cocluir que el dado o es perfecto?. Nivel de sigificació (5%) Putuació e el dado Número de veces que se obtiee la putuació Proyecto e-math 6 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

7 Estadística o Paramétrica SOLUCIÓN: Si el dado estuviera equilibrado, e el resultado de lazarlo sucesivamete se debería obteer aproximadamete el mismo úmero de veces cada ua de las caras del dado. E este ejercicio debemos cotrastar si la distribució del dado es ua distribució uiforme, co probabilidad de obteer cada ua de las caras igual a 1/6. Podemos calcular de ua forma muy secilla el úmero esperado de resultados obteidos e cada clase multiplicado la probabilidad de obteer cada ua de las caras (p = 1/6) por el úmero de lazamietos ( = 100). Podemos observa que los valores observados y esperados o parece coicidir, por lo tato, a priori parece haber evidecias de irregularidades e el dado. Calculemos el estadístico χ co ayuda del Calculator de MINITAB. Proyecto e-math 7 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

8 Estadística o Paramétrica Calc > Calculator Proyecto e-math 8 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

9 Estadística o Paramétrica Calc > Colum Statistics Co el resultado: Colum Sum Sum of CHI-CUADRADO = 6,4675 Calculemos fialmete el p-valor asociado a este estadístico. E este caso, como trabajamos co u cotraste uilateral, p-valor= P( χ >6,4675) = 1- P( χ < 6,4675) dode χ sigue ua distribució Chi-cuadrado co k-1=5 grados de libertad. Por tato: Proyecto e-math 9 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

10 Calc > Probability Distributios > Chi-square Estadística o Paramétrica Cumulative Distributio Fuctio Chi-Square with 5 DF x P( X <= x) 6,4675 0,7367 Así pues, p-valor = 1 0,7367 = 0, 633. Por tato, podemos cosiderar que el p-valor o es sigificativo. Cocluiremos, a pesar de las evidecias que había e u pricipio, que o hay evidecias para rechazar que el dato fuera correcto, i.e., o podemos rechazar la distribució uiforme para los posibles resultados del dado. Proyecto e-math 10 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

11 PRUEBA DE HOMOGENEIDAD Estadística o Paramétrica INTRODUCCIÓN Estamos iteresados e determiar si los datos correspodietes a dos o más muestras aleatorias proviee de la misma població. Nuevamete el cojuto de posibles valores de las observacioes se divide e k cojutos disjutos: A 1, A,..., A k. ; clasificado e ellos las observacioes de cada muestra. Si ij represeta el úmero de observacioes de la muestra i que perteece al cojuto A j, los datos puede tabularse e lo que se deomia ua tabla de cotigecia. Muestra A 1 A... A k. Total k m Total 1 k. m1 m mk m..1.. k La hipótesis de que las m poblacioes so homogéeas, se traduce e que cada cojuto A j debe teer ua probabilidad teórica p j, descoocida, pero que o varia de la població i a la població i. Esto debe verificarse para todas las categorías, i.e., las categorías debe ser homogéeas e las diversas muestras. OBJETIVOS Compreder la importacia de este método para medir si dos muestras aleatorias proviee de la misma població. Notar que e la estadística o paramétrica, como es este cotraste, o se realiza cotrastes sobre parámetros de la població (cotraste de igualdad de medias),i.e., se realiza cotrastes sobre la població orige. Metodología muy útil para comparar diversas muestras y extraer coclusioes sobre la igualdad e las distribucioes poblacioales de cada ua de ellas. CONOCIMIENTOS PREVIOS Se debe poseer uos coocimietos míimos de Iferecia Estadística, i.e., Estadística Descriptiva, Itervalos de Cofiaza y Cotrastes de Hipótesis. Es preciso coocer el maejo de algú paquete estadístico y recomedable alguas ocioes del paquete MINITAB. Proyecto e-math 11 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

12 Estadística o Paramétrica CONCEPTOS FUNDAMENTALES Del mismo modo que la Prueba de Bodad de Ajuste, e este caso debemos comparar las frecuecias observadas e cada ua de las muestras y para cada categoría co las frecuecias bajo el supuesto de homogeeidad e las poblacioes. E este caso las frecuecias observadas correspode al úmero de idividuos de la muestra i e la clase j, i.e., ij. El estadístico de cotraste será χ = i= 1 k ( ij eij ) j= 1 e ij Dode e ij es la frecuecia esperada bajo el supuesto de homogeeidad, que puede represetarse como i p j, es decir, el úmero de idividuos e la muestra i por la probabilidad de que ocurra la característica j e la població. Para el cálculo de las probabilidades de perteecer u idividuo a cada ua de las categorías podemos utilizar: Por lo tato : pi =. j / e = ij i.. j / Observar que este valor será la suma de *k úmeros o egativos. El umerador de cada térmio es la diferecia etre la frecuecia observada y la frecuecia esperada. Por tato, cuato más cerca esté etre sí ambos valores más pequeño será el umerador, y viceversa. El deomiador permite relativizar el tamaño del umerador. Las ideas ateriores sugiere que, cuato meor sea el valor del estadístico χ, más coheretes será las observacioes obteidas co los valores esperados. Por el cotrario, valores grades de este estadístico idicará falta de cocordacia etre las observacioes y lo esperado. E este tipo de cotraste se suele rechazar la hipótesis ula (los valores observados so coheretes co los esperados) cuado el estadístico es mayor que u determiado valor crítico. Notas: χ (3) El valor del estadístico se podrá aproximar por ua distribució Chi-cuadrado cuado el tamaño muestral sea grade ( > 30), y todas las frecuecias esperadas sea iguales o mayores a 5 (e ocasioes deberemos agrupar varias categorías a fi de que se cumpla este requisito). (4) Las observacioes so obteidas mediate muestreo aleatorio e cada muestra a partir de ua població particioada e categorías. Cocretamete, usaremos el estadístico χ = k i= 1 ( O E ) i E i i co (-1)(k 1) grados de libertad. Proyecto e-math 1 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

13 Estadística o Paramétrica CASOS PRÁCTICOS EJEMPLO : Estamos iteresados e estudiar la fiabilidad de cierto compoete iformático co relació al distribuidor que os lo sumiistra. Para realizar esto, tomamos ua muestra de 100 compoetes de cada uo de los 3 distribuidores que os sirve el producto comprobado el úmero de defectuosos e cada lote. La siguiete tabla muestra el úmero de defectuosos e para cada uo de los distribuidores. Compoetes Compoetes Defectuosos correctos Distribuidor Distribuidor Distribuidor SOLUCIÓN: Debemos realizar u cotraste de homogeeidad para cocluir si etre los distribuidores existe diferecias de fiabilidad referete al mismo compoete. Compoetes Compoetes Defectuosos correctos Distribuidor 1 16 (16.33) 94 (83.66) 100 Distribuidor 4 (16.33) 76 (83.66) 100 Distribuidor 3 9 (16.33) 81 (83.66) Las frecuecias esperadas bajo homogeeidad so las represetadas etre parétesis. El estadístico del cotraste será: ( ) ( ) ( ) χ = ( ) ( ) ( ) = Este valor del estadístico Ji-cuadrado es mayor que el valor para el ivel de sigificació del 5%, por lo tato debemos cocluir que o existe homogeeidad y por lo tato que hay diferecias etre los tres distribuidores. χ 0.05 () = Proyecto e-math 13 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

14 Estadística o Paramétrica EJEMPLO: Estamos iteresados e estudiar la relació etre cierta efermedad y la adicció al tabaco. Para realizar esto seleccioamos ua muestra de 150 idividuos, 100 idividuos o fumadores y 50 fumadores. La siguiete tabla muestra las frecuecias de efermedad e cada grupo (Completar la tabla). Padece la No Padece la Efermedad efermedad Fumadores No Fumadores Realizar u cotraste de homogeeidad y obteer las coclusioes sobre la relació etre las variables. SOLUCIÓN: Para cosiderar este cotraste como u cotraste de Homogeeidad supoemos que las persoas fumadoras y las persoas o fumadoras costituye dos poblacioes difereciadas. U estudio similar cosistiría e cosiderar a los fumadores y o fumadores como ua característica de ua població y por lo tato este ejemplo podría platearse como u cotraste de idepedecia, ver PRUEBA DE INDEPENDENCIA. E este ejemplo queremos cotrastar la hipótesis de que las proporcioes de efermos e ambas poblacioes ( Fumadores y No Fumadores) es la misma. La represetació de la tabla de cotigecia e Miitab debe ser la misma que la aterior: Proyecto e-math 14 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

15 Estadística o Paramétrica Miitab realiza los cálculos por osotros: Stat > Tables > Chi-square Test: Expected couts are prited below observed couts Padece No Padece Total ,67 75, ,33 37,67 Total Chi-Sq = 6,505,130 13,009 4,60 = 5,903 DF = 1, P-Value = 0,000 E los resultados aparece las frecuecias esperadas bajo el supuesto de homogeeidad. Co u p-valor de 0,000 hay suficiete evidecia e cotra de que la hipótesis ula sea cierta. Por tato, la rechazaríamos, i.e.; parece evidete que los fumadores tiee ua mayor propesió a padecer la efermedad. Proyecto e-math 15 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

16 PRUEBA DE INDEPENDENCIA Estadística o Paramétrica INTRODUCCIÓN Estamos iteresados e determiar si dos cualidades o variables referidas a idividuos de ua població está relacioadas. Se diferecia de los cotrastes ateriores e que e este caso estamos iteresados e ver la relació existete etre dos variables de ua misma població, o queremos cotrastar la distribució teórica de ua variable (prueba de bodad de ajuste) i e comparar la distribució de ua úica variable e dos poblacioes (prueba de homogeeidad). OBJETIVOS Compreder la importacia de este método para medir relacioes etre variables si realizar supuesto adicioales sobre las distribucioes de estas. Alterativa muy potete para medir relacioes etre variables categóricas, dode o es posible aplicar los métodos clásicos de Iferecia Estadística como la Regresió Lieal. Tambié es aplicable a variables cuatitativas si o se verifica los supuestos ecesarios a satisfacer por otras técicas estadísticas. Idetificar las diferecias coceptuales etre el test de homogeeidad y el Test de Idepedecia. CONOCIMIENTOS PREVIOS Se debe poseer uos coocimietos míimos de Iferecia Estadística, i.e., Estadística Descriptiva, Itervalos de Cofiaza y Cotrastes de Hipótesis. Es preciso coocer el maejo de algú paquete estadístico y recomedable alguas ocioes del paquete MINITAB. PRUEBA DE INDEPENDENCIA Supogamos que de elemetos de ua població se ha observado dos características X e Y, obteiédose ua muestra aleatoria simple bidimesioal (X 1,Y 1 ),(X,Y ),...,(X,Y ). Sobre la base de dichas observacioes se desea cotrastar si las características poblacioales X e Y so idepedietes o o. Para ello se dividirá el cojuto de posibles valores de X e k cojutos disjutos A 1,A,...,A k ; mietras que el cojuto de posibles valores Y será descompuesto e r cojutos disjutos: B 1,B,...,B r. Al clasificar os elemetos de la muestra, aparecerá u cierto úmero de ellos, ij, e cada ua de las k r clases así costituidas, dado lugar a ua tabla de cotigecia de la forma: A 1 A... A k. Total B k 1. B 1 k.... B r r1 r rk r. Total. 1.. k Proyecto e-math 16 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

17 Estadística o Paramétrica Al igual que para el Test de homogeeidad, el estadístico del cotraste será r k ( ij eij ) χ = co (k-1)(r-1) grados de libertad. e i= 1 j= 1 ij Dode: e = ij i.. j / EJEMPLO: Para estudiar la depedecia etre la práctica de algú deporte y la depresió, se seleccioó ua muestra aleatoria simple de 100 jóvees, co los siguietes resultados: Si depresió Co depresió Deportista 38 9 No deportista 31 Determiar si existe idepedecia etre la actividad del sujeto y su estado de áimo. Nivel de sigificació (5%) SOLUCIÓN: Debemos primero calcular las frecuecias esperadas bajo el supuesto de idepedecia. La tabla de frecuecias esperadas sería: Si depresió Co depresió Deportista No deportista Calculamos ahora el estadístico del cotraste: ( ) ( ) ( ) ( 16.43) χ = = Este valor debemos compararlo co el percetil de la distribució libertad. χ 0.95 (1) = χ co (-1)(-1)=1 grado de Por lo tato como el valor del estadístico es superior al valor crítico, cocluimos que debemos rechazar la hipótesis de idepedecia y por lo tato asumir que existe relació etre la depresió e los hábitos deportistas del idividuo. Proyecto e-math 17 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

18 Estadística o Paramétrica EJEMPLO: U estudio que se realizó co 81 persoas referete a la relació etre la catidad de violecia vista e la televisió y la edad del televidete produjo los siguietes resultados. SOLUCIÓN: ó más Poca violecia Mucha Violecia Idica los datos que ver violecia e la televisió depede de la edad del televidete, a u ivel de sigificació del 5%? Debemos realizar u test de idepedecia para ver si existe relació etre la violecia vista e televisió co el grupo de edad al que perteece el idividuo. Dado que el test de Idepedecia, o difiere del test de Homogeeidad a ivel operacioal, el desarrollo es aálogo al ejercicio de Miitab de la secció aterior. Itroducimos los valores de la tabla de cotigecia del siguiete modo: Proyecto e-math 18 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

19 Estadística o Paramétrica Stat > Tables > Chi-Square Test: Chi-Square Test Expected couts are prited below observed couts ó más Total ,16 13,67 14, ,84 13,33 13,83 Total Chi-Sq =,04 0,03 3,89,074 0,08 3,371 = 11,169 DF =, P-Value = 0,004 El valor del estadístico del cotraste es 11,169. El p-valor asociado a este valor es 0,004. Por lo tato a u ivel de sigificació del deberemos rechazar la hipótesis ula de idepedecia, y por lo tato cocluir que existe diferecias etre el tipo de televisió cosumida y la edad del televidete. Proyecto e-math 19 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

20 Estadística o Paramétrica BIBLIOGRAFÍA [1] Baró, J. y Alemay, R. (000): Estadística II. Ed. Fudació per a la Uiversitat Oberta de Cataluya. Barceloa. [] Peña Sáchez de Rivera, D. (1987): Estadística. Modelos y Métodos. Volume. Aliaza Editorial. Madrid. ISBN: [3] Johso, R. R. (1996): Elemetary statistics. Belmot, etc. : Duxbury, cop [4] R. Vélez y A. García: Cálculo de Probabilidades y Estadística Matemática. Ciecias Matemáticas. UNED. [5] A. Martí Adrés y J. de D. Lua del Castillo: 50 ± 10 horas de Bioestadística Edicioes Norma. Proyecto e-math 0 Fiaciado por la Secretaría de Estado de Educació y Uiversidades (MECD)

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis 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 detalles

Estimación puntual y por intervalos de confianza

Estimación 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 detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN 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 detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos 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 detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION 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 detalles

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS

CAPÍTULO 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 detalles

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :

Para 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 detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS 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 detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA 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 detalles

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS

INFERENCIA 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 detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos 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 detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 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 detalles

Planificación contra stock

Planificación 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 detalles

TEMA 5: INTERPOLACIÓN

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

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES 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 detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS 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 detalles

16 Distribución Muestral de la Proporción

16 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 detalles

UNIDAD 7: ESTADÍSTICA INFERENCIAL

UNIDAD 7: ESTADÍSTICA INFERENCIAL UNIDAD 7: ESTADÍSTICA INFERENCIAL ÍNDICE DE LA UNIDAD 1.- INTRODUCCIÓN.... 1.- VARIABLES ESTADÍSTICAS. PARÁMETROS... 3.- DISTRIBUCIONES DE PROBABILIDAD... 3 3.1.- Distribució Biomial... 4 3..- Distribució

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC 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 detalles

2. LEYES FINANCIERAS.

2. 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 detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN 3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos 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 detalles

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)

PRESENTACIONES 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS 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 detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS 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 detalles

Soluciones problemas del Tema 2

Soluciones 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 detalles

Estimación puntual y por Intervalos de Confianza

Estimación 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 detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD 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 detalles

SOLUCIONES 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. 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 detalles

OPCIÓN A EJERCICIO 1_A

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 detalles

IES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna

IES 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 detalles

Matemáticas 2º de Bachillerato Ciencias Sociales

Matemáticas 2º de Bachillerato Ciencias Sociales ESTADÍSTICA DESCRIPTIVA VARIABLES ALEATORIAS TEORÍA DE MUESTRAS INTERVALOS DE CONFIANZA TEST DE HIPÓTESIS Matemáticas º de Bachillerato Ciecias Sociales Profesor: Jorge Escribao Colegio Imaculada Niña

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta 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 detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= 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 detalles

Sucesiones numéricas.

Sucesiones 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 detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS 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 detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,

Más detalles

(PROBABILIDAD) (tema 15 del libro)

(PROBABILIDAD) (tema 15 del libro) (PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna

IES 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 detalles

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva Itroducció Se defie alguos coceptos básicos para ua compresió ituitiva de la Estadística. Se itroduce los primeros coceptos sobre el uso y maejo de datos uméricos, que permite distiguir

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. 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 detalles

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna

IES 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 detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos 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 detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS 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 detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A

SELECTIVIDAD 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 detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES 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 detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES 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 detalles

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS

Por: 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 detalles

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra.

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra. UNIDAD 9 Iferecia estadística. Distribucioes muestrales la Estadística se distigue dos partes perfectamete difereciadas. Ua de ellas se cooce co el ombre de Estadística Descriptiva y tiee como objetivo

Más detalles

7.2. Métodos para encontrar estimadores

7.2. 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 detalles

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES 57 3. TET E INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE DO POBLACIONE U test de hipótesis para dos muestras es similar e muchos aspectos al test para ua muestra. e especifica ua hipótesis ula,

Más detalles

Gradiente, divergencia y rotacional

Gradiente, 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 detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD 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 detalles

4. CONCEPTO BASICOS DE PROBABILIDADES

4. CONCEPTO BASICOS DE PROBABILIDADES 4. CONCEPTO BASICOS DE PROBABILIDADES Dr. http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 41 4.1 Espacio Muestral y Evetos 4.1.1 1 Experimetos Aleatorios y Espacios

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES 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 detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN 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 detalles

14 Intervalos de confianza

14 Intervalos de confianza Solucioario 14 Itervalos de cofiaza ACTIVIDADES INICIALES 14.I. Calcula tal que P z < Z z α α = 0,87. P zα < Z zα = P Z zα P Z < zα = P Z zα 1= 0,87 P Z P Z P Z = 1,87 = 0,935. Buscado e el iterior de

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS 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 detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 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 detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 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 detalles

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO DOCUMENTO TÉCNICO N 64 Versió 0.1 MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO CONCEPTOS GENERALES MINISTERIO SECRETARÍA GENERAL DE LA PRESIDENCIA Este documeto es parte de ua serie de guías

Más detalles

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN 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 detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. 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 detalles

Transformaciones Lineales

Transformaciones 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 detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4)

SELECTIVIDAD 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 detalles

ANALISIS ESTADISTICO DE VALORES EXTREMOS

ANALISIS 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 detalles

Medidas de Tendencia Central

Medidas 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 detalles

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014. EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Iferecial El presete documeto es ua guía para el curso de iferecia estadística impartido e el Istituto Nacioal de Estadística Geografía e Iformática (INEGI), e el edificio de capacitació; y

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.

A = 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 detalles

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna

IES 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 detalles

Asignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales

Asignatura: 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 detalles

TEMA 5 ESTADÍSTICA. 3. Cómo debe de ser una muestra para ser correcta?

TEMA 5 ESTADÍSTICA. 3. Cómo debe de ser una muestra para ser correcta? TEMA 5 ESTADÍSTICA Estadística obteció, estudio e iterpretació de grades masas de datos Població es el cojuto de todos los elemetos que cumple ua determiada característica. Muestra es cualquier parte de

Más detalles

Práctica 6: Vectores y Matrices (I)

Práctica 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

Estimación puntual y por intervalos

Estimación 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 detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos

Más detalles

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

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

Más detalles

Modulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones

Modulo IV. Inversiones y Criterios de Decisión. Inversión en la empresa. Análisis de Inversiones Modulo IV Iversioes y Criterios de Decisió Aálisis de Iversioes 1. Iversió e la empresa 2. Métodos aproximados de valoració y selecció de iversioes 3. Criterio del valor actualizado eto (VAN) 4. Criterio

Más detalles

Matemáticas I - 1 o BACHILLERATO Binomio de Newton

Matemáticas 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 detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES 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 detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

IES 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 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 detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5)

SELECTIVIDAD 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

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció B Reserva, Ejercicio 4,

Más detalles

Revisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.

Revisión 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 detalles