Organización y resumen de datos cuantitativos

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Organización y resumen de datos cuantitativos"

Transcripción

1 Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS Los sguentes datos son las edades de una muestra aleatora de 50 personas jubladas entrevstadas durante el mes de novembre de 2008 en Mendoza Tablas de frecuencas Una tabla de frecuencas para varables numércas es una tabla que asoca a cada valor de la varable con ) la cantdad de veces que aparece frecuenca absoluta f f ) la proporcón de veces que aparece frecuenca relatva f = r n f ) el porcentaje de aparcón frecuenca relatva porcentual f r % =.100% n Otras frecuencas mportantes para descrbr datos cuanttatvos son las frecuencas absolutas, relatvas y porcentuales acumuladas. La frecuenca acumulada para un valor dado de la varable es la suma de las frecuencas ( absolutas, relatvas o porcentuales) de los valores menores o guales al valor que se está consderando Frecuenca acumulada absoluta : Frecuenca acumulada relatva F F r n Frecuenca relatva porcentual F Fr % =.100% n F

2 Una manera de obtener una mejor dea de la forma de la dstrbucón de los datos sn aumentar el tamaño de la muestra es agrupando los datos en ntervalos de gual tamaño denomnados ntervalos de clase En algunas ocasones, se usa un ntervalo aberto del tpo "menos de..." o "mayores que...", en el caso de que haya pocos casos muy abajo o muy arrba de la gran mayoría de los casos. Construccón de una dstrbucón de frecuencas: 1) Determnar el rango de los datos. El rango es la dferenca entre la máxma y la mínma observacón En el ejemplo de las edades el rango es: R = = 40 2) Determnar la cantdad de ntervalos de clases (k) El número de ntervalos depende de la cantdad de datos y del rango. En general se utlzan entre 5 y 20 clases en funcón de la cantdad de datos. Una regla práctca que vamos a utlzar para determnar el número de ntervalos es: Cantdad de ntervalos de clase = k n Elegmos el número entero menor entre los que está comprendda la raíz. En nuestro ejemplo tenemos 50 datos, k 50 7 Esta cantdad de ntervalos, en realdad depende de las undades en que medmos las varables. En muchas ocasones es más adecuado utlzar múltplos de 5. No convene dejar ntervalos vacíos, o sea con frecuenca cero. R 3) Determnar el ancho o ampltud de los ntervalos de clase (h) h k Elegmos un número un poquto mayor que el cocente para que todos los datos queden en alguna de las clases. 50 En el ejemplo: h = = 5, Los ntervalos serán: [53, 59) ; [59, 65) ; [65, 71) ; [71, 77) ; [77, 83) ; [83, 89) ; [89, 95) S hubéramos decddo tomar menos ntervalos, por ejemplo 6 ntervalos, 50 h > =

3 Los ntervalos serán: [50, 60) ; [60, 70) ; [70,80) ; [80, 90) ; [90, 100) Como la varable es edad es bastante adecuado medrla cada 10 años. Además no queda nngún ntervalo con frecuenca 0 4) Determnar las frecuencas en cada ntervalo EDAD EDADES DE LAS PERSONAS JUBILADAS m f f r f r% F F r F r% [50,60) , ,20 20 [60, 70) , ,56 56 [70, 80) , ,84 84 [80, 90) , ,96 96 [90,100) , Leeremos un ntervalo: Entre 60 y menos de 70 años, se entrevstaron 18 personas, que corresponden al 36% de los entrevstados. De menos de 70 años fueron entrevstadas 28 personas que corresponden a un 56% del total. Observe que cada dato entra en un únca clase. S nos quedan clases con frecuenca 0, se trata de dstrbur los datos en menos cantdad de ntervalos. La cantdad y el ancho de los ntervalos de clase queda, en general, a crtero del nvestgador. Algunos paquetes de sofware tenen estos valores como sugerdos y otros le solctan que usted ngrese los valores. REPRESENTACIÓN GRÁFICA DE DATOS NUMÉRICOS Dagrama de tallos y hojas: S tenemos un conjunto de datos x,..., 1, x2 xn donde cada número está formado al menos por 2 dígtos, el dagrama de tallos y hojas es una buena presentacón vsual nformatva del conjunto de datos y nos permte una manera relatvamente fácl de ordenarlos Los sguentes datos son las edades de una muestra aleatora de 50 personas jubladas entrevstadas durante el mes novembre de Consderaremos como tallos a las decenas y como hojas a las undades:

4 TALLO HOJAS FRECUENCIA f S ordenamos las hojas, los datos nos quedan ordenados de menor a mayor Actvdad con R > edad1<c(71,65,66,61,54,93,60,86,70,70,73,73,55,63,56,62,76,54,82,79,76,68,53,58,80,85, 56,61,61,64,62,90,69,76,79,77,54,64,74,65,65,61,56,63,80,56,71,79,84) > stem(edad1) El dagrama de tallos y hojas tene dos ventajas fundamentales: 1. El dagrama de tallos y hojas es más fácl de construr a mano 2. En cada ntervalote clase proporcona más nformacón que un hstograma debdo a que el tallo y la hoja proporconan el dato. Una manera de grafcar los datos senclla es el Dagrama de puntos. con R Se pde en R > edad1<-c(71,65,66,61,54,93,60,86,70,70,73,73,55,63,56,62,76,54,82,79,76,68,53,58,80,85, 56,61,61,64,62,90,69,76,79,77,54,64,74,65,65,61,56,63,80,56,71,79,84)

5 > strpchart(edad1,method="stack", offset=1, at=0) Edad de los jublados encuestados en Mendoza nov/2008 frecuenca edad HISTOGRAMAS La varable de nterés se representa a lo largo del eje horzontal. El eje vertcal representa el número, proporcón o porcentaje de observacones por ntervalo de clase. Los hstogramas son gráfcas de barras vertcales, en los cuales se construyen las barras rectangulares en las fronteras de cada clase. No se pueden utlzar hstogramas para comparar dstntos grupos de datos, porque la superposcón de las barras vertcales dfcultaría la nterpretacón. HISTOGRAMA DE FRECUENCIA ABSOLUTA PORCENTUAL Edad de los jublados encuestados en Mendoza.Nov 2008 Frecuenca absoluta marca de clase

6 Para realzar este gráfco en Excel se sguen los sguentes pasos: Paso 1: En la barra de menú se hace clc en asstente para gráfcos y se seleccona en Tpos de gráfcos - Subtpo de gráfco columna luego abajo se hace clc en sguente. Paso 2: En la parte superor se seleccona Sere abajo en Rótulos de ejes de categorías (x) se selecconan las celdas de la marca de clase. Paso3: Luego en sguente se va a títulos y se escrben los títulos correspondentes. Luego fnalzar Paso4: Hasta ahora el gráfco tene las barras separadas lo cuál es un error ya que el tpo de varable es cuanttatva. Para lograr que las barras se junten hay que pararse en las barras hacer doble clc aparece formato en sere de datos - Opcones ancho de rango -0 Paso 5: Observando el gráfco hay otro error que larga Excel por defecto y es la ampltud en el eje x de los ntervalos, este no debe tomarse como eje de abcsas ya que entre el cero absoluto y la prmera marca de clase hay una dstanca mayor al resto de los ntervalos. Para soluconar esto se anexan dos ntervalos uno antes del prmer ntervalo y otro después del últmo con frecuenca 0. Entonces se hace una doble ralla entre el 0 del eje y el 45 para mostrar que la dstanca es dferente.

7 Actvdad con R Paso1: Se cargan los datos > edad1<c(71,65,66,61,54,93,60,86,70,70,73,73,55,63,56,62,76,54,82,79,76,68,53,58,80,85, 56,61,61,64,62,90,69,76,79,77,54,64,74,65,65,61,56,63,80,56,71,79,84) Paso 2: Se pde el H stograma >hst(edad1) S se quere ponerle título y nombrar los ejes >hst(edad1,ylab="frecuenca",man="e dadde los jublados encuestados en Mendoza nov/2008") S se quere dar color se coloca col= green >hst(edad1,ylab="frecuenca",man="e dadde los jublados encuestados en Mendoza nov/2008",col= green ) F te: elaboracón propa.nov 2008 Autores: Llana Marcon / A drana D A melo

8 HISTOGRAMA PORCENTUAL ACUMULADO Edad de las personas jubladas Frecuencas acumuladas Edad POLÍGONOS La varable de nterés se representa a lo largo del eje horzontal. En el eje vertcal se representa el número, proporcón o porcentaje de observacones por ntervalo de clase. La marca de clase, o sea el punto medo del ntervalo de clase, representa los datos de esa clase. En estos puntos se marca la frecuenca (absoluta, relatva o porcentual) y luego se unen con líneas rectas. El polígono es una representacón de la forma de dstrbucón de los datos. En el caso de que no se utlcen las frecuencas acumuladas, y dado que el área debajo de la curva debe corresponder al 100%, es necesaro conectar el prmero y el últmo puntos medos con el eje horzontal. Esto se logra conectando el prmer punto medo con el punto medo de una clase precedente fctca que tenga 0 (o 0%) de observacones y de manera smlar en el últmo punto medo observado, se conecta con una clase sucesva fctca con 0 (o 0%) de observacones. Cuando se construyen polígonos, el eje vertcal debe mostrar el cero real (orgen) a fn de no deformar o representar en forma ncorrecta el carácter de los

9 datos. El eje horzontal no necesta especfcar el punto cero para la varable de nterés. (Se suele ndcar una nterrupcón //) HISTOGRAMA Y POLÍGONO Edad de los jublados encuestados en Mendoza. Nov 2008 frecuenca absoluta marca de clase Paso: Al gráfco del Hstograma se le agrega una sere gual a la anteror van a aparecer dos barras de dstnto color se hace doble clc en ellas y se elge la opcón de cambar el gráfco por el tpo líneas y aparece el polígono de frecuencas. Hstograma y Polígono de frecuenca acumulado El polígono de frecuenca acumulada se llama OJIVA. La ojva no se une con el eje horzontal. HISTOGRAMA ACUMULADO Y OJIVA 150% Edad de los jublados encuestados en Mendoza. Nov % 50% 0%

10 HISTOGRAMA ACUMULADO Y OJIVA MENOR QUE Vamos a hacer algunas lecturas en la ojva menor que : La línea punteada la trazamos desde el 50% hasta que corta a la ojva. Desde allí bajamos y lo leemos de la sguente manera: El 50% de las personas entrevstadas tene 68 años o menos y el otro 50% tene 68 años o más

11 PROBLEMAS SOBRE LA PRESENTACIÓN DE DATOS 1- SUBJETIVIDAD EN LA SELECCIÓN DEL NÚMERO Y TAMAÑO DE LOS INTERVALOS DE CLASES Para conjuntos de datos que no son muy grandes, la seleccón partcular de un número determnado de clases o determnados límtes en relacón a otros, podría presentar una magen totalmente dstnta al lector, ya que se pueden ocasonar desplazamentos en la concentracón de los datos. Afortunadamente, cuando se aumenta el número de datos, estas alteracones afectan cada vez menos la concentracón de datos. 2- COMPARACIONES DE DATOS SOBRE UNA BASE RELATIVA El uso de frecuencas absolutas en los gráfcos comparatvos, en general, sería engañosa. Para estos gráfcos se utlzan las frecuencas relatvas o porcentuales. 3- DISTRIBUCIONES CON INTERVALOS DE CLASE ABIERTAS Las clases abertas presentan dfcultad para formar la gráfca y para calcular las meddas de resumen descrptvas que son útles para analzar los datos Ejemplo: SALARIOS INICIALES ESPERADOS PARA GRADUADOS SALARIO (EN $) N DE GRADUADOS Menos de 300$ 1 [300, 600) 16 [600, 900) 20 [900, 1200) ó más 4 3) FRONTERAS DE CLASE En la bblografía se utlza a veces dstntas maneras de expresar los límtes de clase Por ejemplo el ntervalo [300, 600) se puede hallar como a menos de 600 Lo mportante es que cada dato entre en una sola clase y no haya nnguna duda.

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.

4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS. 4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas

Más detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos

Más detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

-.GEOMETRÍA.- a) 37 cm y 45 cm. b) 16 cm y 30 cm. En estos dos, se dan la hipotenusa y un cateto, y se pide el otro cateto:

-.GEOMETRÍA.- a) 37 cm y 45 cm. b) 16 cm y 30 cm. En estos dos, se dan la hipotenusa y un cateto, y se pide el otro cateto: -.GEOMETRÍA.- Ejercco nº 1.- Calcula el lado que falta en este trángulo rectángulo: Ejercco nº 2.- En los sguentes rectángulos, se dan dos catetos y se pde la hpotenusa (s su medda no es exacta, con una

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Clase 25. Macroeconomía, Sexta Parte

Clase 25. Macroeconomía, Sexta Parte Introduccón a la Facultad de Cs. Físcas y Matemátcas - Unversdad de Chle Clase 25. Macroeconomía, Sexta Parte 12 de Juno, 2008 Garca Se recomenda complementar la clase con una lectura cudadosa de los capítulos

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

a) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?

a) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900? EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

UNIVERSIDAD DE SONORA

UNIVERSIDAD DE SONORA UNIVERSIDAD DE SONORA Dvsón de Cencas Exactas y Naturales Departamento de Matemátcas Estadístca Aplcada a las Lcencaturas: Admnstracón, Contaduría e Inormátca Admnstratva. Fascículo II: Estadístca Descrptva

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos: MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva

Más detalles

CANTIDADES VECTORIALES: VECTORES

CANTIDADES VECTORIALES: VECTORES INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES

Más detalles

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Elaboración de Tablas ó Cuadros. La elaboración de tablas o cuadros, facilita el análisis y la presentación de la información.

Elaboración de Tablas ó Cuadros. La elaboración de tablas o cuadros, facilita el análisis y la presentación de la información. Elaboracón de Tablas ó Cuadros La elaboracón de tablas o cuadros, faclta el análss la presentacón de la nformacón. Para elaborar los cuadros, se debe, antes que todo, dentfcar las varables, característcas

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

1.- Diagrama de barras

1.- Diagrama de barras 1.- Diagrama de barras Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto (variables tipo II). Se representan sobre unos ejes de coordenadas, en

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

CAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL

CAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL CAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL La estadístca descrptva en su uncón básca de reducr datos, propone una sere de ndcadores que permten tener una percepcón rápda de lo que ocurre en un enómeno. La

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES ) TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es

4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es 4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA

Más detalles

Gráficas: ( Parte I ) Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados

Gráficas: ( Parte I ) Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados Gráficas: ( Parte I ) Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados Gráficas Definición de Gráfica Una gráfica es una representación pictórica o visual de un conjunto de datos. Puede ilustrar

Más detalles

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

Glosario básico. de términos estadísticos

Glosario básico. de términos estadísticos Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

T. 5 Estadísticos de forma de la distribución

T. 5 Estadísticos de forma de la distribución T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan

CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

OSCILACIONES 1.- INTRODUCCIÓN

OSCILACIONES 1.- INTRODUCCIÓN OSCILACIONES 1.- INTRODUCCIÓN Una parte relevante de la asgnatura trata del estudo de las perturbacones, entenddas como varacones de alguna magntud mportante de un sstema respecto de su valor de equlbro.

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

TEMA 1. ORGANIZACION Y REPRESENTACION DE LOS DATOS DE UNA MUESTRA. 1.1. Métodos para datos cualitativos.

TEMA 1. ORGANIZACION Y REPRESENTACION DE LOS DATOS DE UNA MUESTRA. 1.1. Métodos para datos cualitativos. TEMA 1. ORGANIZACION Y REPRESENTACION DE LOS DATOS DE UNA MUESTRA. 1.1. Métodos para datos cualitativos. a) Organización de datos: tabla b) Representaciones gráficas. 1.2. Métodos para datos cuantitativos.

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

CESMA BUSINESS SCHOOL

CESMA BUSINESS SCHOOL CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta

Más detalles

Rentas o Anualidades

Rentas o Anualidades Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

GANTT, PERT y CPM INDICE

GANTT, PERT y CPM INDICE GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4

Más detalles

Julio Deride Silva. 27 de agosto de 2010

Julio Deride Silva. 27 de agosto de 2010 Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride

Más detalles

Cuaderno de actividades 4º ESO

Cuaderno de actividades 4º ESO Estadístca Undmensonal 1 Conceptos báscos. Cuaderno de actvdades º ESO Cualquer elemento o ente que sea portador de nformacón sobre alguna propedad en la cual se está nteresado se denomna ndvduo. El conjunto

Más detalles

ANÁLISIS EXPLORATORIO DE DATOS

ANÁLISIS EXPLORATORIO DE DATOS ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de

Más detalles

Electricidad y calor

Electricidad y calor Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS

CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de

Más detalles

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo

Más detalles

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage:  Algunas definiciones Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

Análisis estadístico de incertidumbres aleatorias

Análisis estadístico de incertidumbres aleatorias Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas

Más detalles

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire 4 Undad II: Análss de la combustón completa e ncompleta. 1. Are El are que se usa en las reaccones de combustón es el are atmosférco. Ya se djo en la Undad I que, debdo a que n el N n los gases nertes

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

Estadística Descriptiva Análisis de Datos

Estadística Descriptiva Análisis de Datos El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

2.5 Especialidades en la facturación eléctrica

2.5 Especialidades en la facturación eléctrica 2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución. Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo

Más detalles

Algunos métodos de clasificación de puestos de trabajo en la empresa

Algunos métodos de clasificación de puestos de trabajo en la empresa lgunos métodos de clasfcacón de puestos de trabajo en la empresa. lgunos métodos de clasfcacón de puestos de trabajo en la empresa Canós Darós, Lourdes, loucada@omp.upv.es Pers Ortz, Marta, marpeor1@omp.upv.es

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

ESTADÍSTICA CON EXCEL

ESTADÍSTICA CON EXCEL ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 10: ESTADÍSTICA TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES

Más detalles

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos

Más detalles

SI SE DESEA OBTENER LOS MEJORES RESULTADOS, ES ESENCIAL QUE SIGA LAS INSTRUCCIONES AL PIE DE LA LETRA.

SI SE DESEA OBTENER LOS MEJORES RESULTADOS, ES ESENCIAL QUE SIGA LAS INSTRUCCIONES AL PIE DE LA LETRA. SI SE DESEA OBTENER LOS MEJORES RESULTADOS, ES ESENCIAL QUE SIGA LAS INSTRUCCIONES AL PIE DE LA LETRA. - 8h -% RH www.quck-step.com www.quck-step.com Cement

Más detalles

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO DE VARIABLES CUANTITATIVAS () Contendos TEMA 4.4. Introduccón 4.5. Dstrbucones de frecuencas de varables cuanttatvas (datos agrupados) 4.6. Propedades de las dstrbucones de varables

Más detalles

Problemas sobre números complejos -1-

Problemas sobre números complejos -1- Problemas sobre números complejos --.- Representa gráfcamente los sguentes números complejos y d cuáles son reales, cuáles magnaros y, de estos, cuáles magnaros puros: 5-5 + 4-5 7 0 -- -7 4.- Obtén las

Más detalles

Una distribución de frecuencias es una herramienta estadística muy útil para organizar un grupo de observaciones.

Una distribución de frecuencias es una herramienta estadística muy útil para organizar un grupo de observaciones. DISTRIBUCIÓN DE FRECUENCIAS (Tomado de: http://mx.geocities.com/fracosta11/dfrec.html) Una distribución de frecuencias es una herramienta estadística muy útil para organizar un grupo de observaciones.

Más detalles

Estadística Inferencial. Estadística Descriptiva

Estadística Inferencial. Estadística Descriptiva INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y

Más detalles