REVISTA INVESTIGACIÓN OPERACIONAL Vol., 29, No. 3, , 2008

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

Download "REVISTA INVESTIGACIÓN OPERACIONAL Vol., 29, No. 3, 188-200, 2008"

Transcripción

1 REVISTA INVESTIGACIÓN OPERACIONAL Vol., 9, No. 3, 88-00, 008 AJUSTE DEL ESTIMADOR DE TABLA DE VIDA PARA ENFRENTAR SITUACIONES DE RIESGOS COMPETITIVOS DEPENDIENTES Mayel Mrabal Sosa*, Armao Seuc Jo** y Rolao Uraga Pña*** *Isttuto Flay. Ivestgacó y Prouccó e Vacuas **Isttuto Nacoal e Agología y Crugía Vascular ***Cetro Nacoal Cooraor e Esayos Clícos RESUMEN Los esarrollos e el marco e u problema clásco e resgos compettvos e su mayoría ha cossto e, a partr el supuesto e epeeca etre las causas compettvas, hacer estmacoes e versas tasas. E este artículo se propoe austes e los estmaores tpos Tabla e Va (Clásco y Tasa Neta e ua stuacó e resgos compettvos para cuao o se cumple el supuesto e epeeca. Se emuestra que el estmaor propuesto es pseuo-máxmo verosíml. Se compara, meate smulacó, los estmaores propuestos e el trabao y los estmaores exstetes lo que corrobora el hecho e que el estmaor austao bra estmacoes más cercaas a la tasa real que las obteas al usar los estmaores cláscos. ABSTRACT The maorty of the evelopmets a classc problem of competg rsks have cosste, base o the assumpto of epeece betee all evet types, make estmatos to several rates. I ths paper, e propose a auste Lfe-Table estmator the cotext of o-epeet competg rsks. We proof that the propose estmator s maxmum pseuolkelhoo. We compare the auste a classc estmators by smulato stuy. It cofrme that e auste estmator proves closer estmatos to the real rate tha the classc estmator. KEY WORDS: Lfe Table, Iepeece, Net Rate, Lkelhoo. MSC 6P0 INTRODUCCIÓN Las stuacoes e resgos compettvos costtuye u problema estaístco y práctco e especal mportaca porque el cambo (aumeto o smucó e la tasa e ocurreca el eveto por ua e las causas puee flur e símles maeras e el comportameto e las tasas e ocurreca por otras causas. Por eemplo, el cremeto observao e los últmos 0 años e las tasas e mortala por cácer e alguos países europeos puee eberse a que las tasas e mortala por efermeaes el corazó ha smuo e el msmo peroo, lo que posblta que los sobrevvetes e estas últmas tega ahora la posbla - y e hecho lo haga - e morr por cácer. Ver Llorca-Delgao [004]. Al parecer fue Chag [96], que prmero tetó estructurar la stuacó e resgos compettvos meate la efcó e tres tasas e terés feretes: a Tasa Global e ocurreca el eveto, efa como la probabla global e ocurreca el eveto por cualquera e las causas. b Tasa Crua e ocurreca el eveto por ua etermaa causa, efa como la probabla e ocurreca el eveto por cha causa e preseca e toas las causas restates. c Tasa Neta e ocurreca el eveto por ua etermaa causa, efa como la probabla e ocurreca el eveto por cha causa e ua poblacó hpotétca e la cual sólo estuvera actva esa causa. mmrabal@flay.eu.cu 88

2 Gra parte e los esarrollos estaístcos alreeor e este tema ha cossto e, a partr e certos supuestos, obteer estmacoes e las sttas tasas efas prevamete. Por eemplo, ha so esarrollaas sttas varates e los métoos e Kapla-Meer y e Tabla e Va las que ha estao basaas fuametalmete e los supuestos e epeeca e las cesuras o e las causas compettvas. Ver Focco-Putter [005], Zeg [004], Satagopa-Be Porat [004]. El uso apropao e estos esarrollos e el marco e los estuos e resgo compettvo, ha trouco certo grao e cofusó e el tema. Las razoes prcpales e esta cofusó so:. La seleccó aecuaa el estmaor, pues se ha usao scrmaamete s coserar las crcustacas bao las que caa cual es más apropao.. La utlzacó e los estmaores e la Tasa Neta aú cuao so volaos los supuestos e epeeca que los susteta. E este trabao se propoe austes e los estmaores tpos Tabla e Va (Clásco y Tasa Neta e ua stuacó e resgos compettvos para cuao o se cumple el supuesto e epeeca etre los tempos e ocurreca e las cesuras y los evetos. Se preseta aemás ua fucó e pseuoverosmltu y se esboza la emostracó e que el estmaor austao es el estmaor máxmo pseuoverosíml. So presetaos los resultaos obteos e smulacoes que permte lustrar el proceso e estmacó.. AJUSTE PARA LOS ESTIMADORES TIPO TABLA DE VIDA E lo que sgue se propoe u auste e los estmaores tpos Tabla e Va, basao e formacó a pror acerca e la terrelacó etre las causas compettvas... El Estmaor Tabla e Va Clásco Austao E el marco e u estuo e supervveca clásco y cuao se asume que los tempos e ocurreca el eveto o so coocos exactamete, so que se halla etro e certo tervalo, se efe el estmaor e Tabla e Va Clásco o estmaor actuaral. Ver e Farley [986]: ˆ ( tk Sˆ( tk k ( F oe: : úmero e evetos urate el tervalo t, t [ : úmero e cesuras urate el tervalo t, t [ : úmero e suetos e resgo al co el tervalo t, t Sea ( J σ,,..., [ ua muestra epeete e atos e supervveca cesuraos por la erecha, oe J es u caor el tervalo ( J s al vuo le ocurró u eveto o ua cesura e [ t, t y σ es u caor e cesura ( σ s el vuo es cesurao y σ 0 e otro caso. Sea ε I ( J. Hagamos σ ( σ,..., σ, ε ( ε,..., ε. t, t Es vála etoces la sguete expresó para el úmero e cesuras urate el tervalo [ usaa e la fórmula (: σ ε. 89

3 Defamos: σ ε ( r r r Itrouzcamos u uevo vector (,...,, cuyas compoetes ca ua pealzacó mpuesta a caa vuo por el hecho e ser ua cesura potecal. Poría pesarse e la sguete geeralzacó seclla e (: σ ε r (3 Tras esta ea subyace la cocó r ya que el eomaor e ( o ebe ser feror al umeraor. S los r so terpretaos como probablaes esta restrccó o represeta tal fculta. S embargo, como veremos, los r puee ser terpretaos como resgos relatvos y amte, por tato, valores postvos arbtraros. La expresó (3 puee ser correga el sguete moo: r σ ε (4 r Puee coserarse expresoes e Sea G R 3 R más geerales. :, etoces ( se geeralza tomao G( σ, ε, r. Es ecesaro mpoer a la fucó G la restrccó G( x, y, z x, oe x eota la suma e las compoetes el vector x y x, y, z represeta tres vectores e R. S se elge, por eemplo, G ( x, y, z g( xy, yz (xy proucto escalar e x, y, se obtee g(, R, oe, como es usual, es el úmero e cesuras e el tervalo y R es la pealzacó correspoete al tervalo. La fucó g ebe satsfacer g( u, v u. El estmaor e Tabla e Va Clásco Austao lo efmos como: F ˆ ( tk Sˆ( tk (5 k oe puee estar ao por algua e las expresoes escrtas... El estmaor tabla e va austao para la tasa eta E ua stuacó e resgos compettvos, el estmaor tpo Tabla e Va para la Tasa Neta se efe e Farley [986] como: 90

4 Fˆ oe: ( t k Ŝ ( t k k ( (6 : úmero e evetos por cualquer causa ocurros e el tervalo t, t [ : úmero e evetos por la causa e terés e el tervalo t, t : úmero e cesuras e el tervalo t, t [ [ : úmero e suetos e resgo al eveto, por la causa e terés, al co el tervalo t, t [ E ua stuacó e resgos compettvos epeetes, poemos austar el estmaor ateror e la sguete forma: l ˆ ( tk F Sˆ l ( t k k l l (7 σ σ σ, σ 0 s al vuo le co l G( σ l, ε, rl, l ( l,..., l r l ( r l,..., r l, l ocurró el eveto l, uo e otro caso. Las compoetes e r l ca ua pealzacó mpuesta a caa vuo por el hecho e ser ua cesura potecal co respecto a la causa l. Casos partculares:. Tomao l σ lε, se obtee el estmaor Tabla e Va para la Tasa Neta efa e (6.. Puee efrse l σ lε rl ; e este caso ebe cumplrse r l. rl 3. El caso puee corregrse s se efe l σ lε, co r l R rl 3. PROPIEDAD DE MÁXIMA VEROSIMILITUD DE LOS ESTIMADORES Fˆ Y Fˆ E Xe-Lu [000] y Ibrahm [005], se emuestra que el estmaor clásco tpo Tabla e Va, Fˆ efo e (, maxmza la sguete fucó e pseuoverosmltu: Doe, L S ( t.f ( t S ( t 9

5 S ( t P(T > t : t extremo zquero el tervalo -ésmo t : u mometo e tempo cualquera a la erecha e t : u mometo e tempo a la erecha e t y etro el tervalo [ t, t t y etro el tervalo [ t, t Por pseuoverosmltu se etee que es la fucó e verosmltu bao certos supuestos: la mta e las cesuras ocurre ates e toas las muertes y la otra mta espués e toas las muertes. El estmaor Fˆ posee ua propea smlar lo cual se euce el hecho e que tee ua estructura étca a la e Fˆ. Proposcó: El estmaor Fˆ efo e (5 maxmza la sguete fucó e pseuoverosmltu. L S( t Demostracó:. f ( t f ( τ (8 0 t t t. Sea y el úmero e evetos que ocurre etro e caa tervalo; y el úmero e vuos que se cesura e caa tervalo. Sea S ( t P(T > t. Supogamos, para smplfcar, se tee tervalos e tempo [ t, y [, La fucó e pseuoverosmlu puee ser escrta como: L A S ( t0. f ( t0. S ( t0. S ( t. f ( t. S ( t. B. C. D. E. F S(t B A E C D F t 0 t 0 t 0 t t t t Dagrama. Cofguracó Optma Doe, 9

6 93 : t extremo zquero el tervalo -ésmo oe ocurre la mta e las cesuras. : t u mometo e tempo cualquera a la erecha e t y etro el tervalo [ t t, e el que ocurre toas los evetos que correspoe a ese tervalo. : t u mometo e tempo a la erecha e t y etro el tervalo [ t t, oe ocurre la segua mta e las cesuras. El agrama represeta la cofguracó óptma que ebe poseer S para maxmzar L. De oe se obtee que: F E D C C B A Aemás se verfca las sguetes gualaes: ( Sea:.D f F e.d E Etoces, f e C B f e C B L Hemos utlzao os veces la sguete propea: N M, s N M Aemás, el máxmo e la expresó N M se alcaza para M y N Obteemos:,,, f e C B

7 Por tato Ŝ ( t Ŝ ( t C F fd fc Por últmo el estmaor Fˆ maxmza ua fucó e pseuoverosmltus smlar a (8, ebo a que tee la msma estructura e Fˆ. 4. EJEMPLO Supogamos que exste ua covarable cotómca Zcuya asocacó co ( Z tee a tomar el valor 0 ( cuao σ tee a tomar el valor 0 (. σ es altamete postva Defamos P( E / Z r P( E / Z 0 Z y e la probabla e que ocurra el eveto e terés ao que Z 0, es ecr, r es el cocete e la probabla e que ocurra el eveto e terés ao que. El parámetro r se puee terpretar como el resgo relatvo e ocurreca el eveto etre los vuos que se cesura y los que o se cesura. Defamos aemás, R ( σ Z ε / ( σ ( Z ε / Z ε ( Z ε (9 r R, tal que ε Asgemos al vuo la pealzacó. Es ecr, a los vuos que se cesura e u msmo tervalo les correspoe el msmo valor e r. Susttuyeo e la fórmula (4 se obtee ua expresó reuca para esta e la sguete forma: R R Al susttur lo ateror e (5, se obtee el estmaor tpo Tabla e Va Clásco Austao. 4.. Smulacó Usao las faclaes e programacó que bra el leguae S, mplemetacó R, versó.4., R Developmet Core Team [004], se geeró ua muestra e tamaño 000 como sgue: Se geeraro 000 observacoes proceetes e la strbucó expoecal co parámetro, que correspoe co los tempos latetes e ocurreca el eveto e terés. Las covarables Z para t caa vuo fuero geeraas a partr e ua strbucó Beroull como: ~ ( Z B t. Las varables caoras e ocurreca el eveto se geeraro e os formas feretes. 94

8 0.75 s Z P( σ / Z (0 0.5 s Z s Z P( σ / Z ( 0.5 s Z 0 El tempo cesurao e ocurreca el eveto se efó como: X t t s σ 0 s σ Se vó el ee real postvo e 5 tervalos: [ 0,, [,, [,3, [3,4, [4,5 Caa observacó se clasfcó e acuero al tervalo a que perteecía, para obteer los caores Los cógos escrtos e R que permtero esta smulacó puee cosultarse e el Apéce. 4.. Resultaos y scusó ε. Coserao la varable e cesura efa como e (0, es ecr s asocamos la covarable co la ocurreca e la cesura, se obtee los resultaos que se muestra e la Fgura No.. E esta prmera sala la covarable está altamete correlacoaa co la cesura e maera postva, por ello, los estmaores e los resgos relatvos so e geeral meores que uo, por lo que las probablaes e supervveca austaas resulta mayores que las cláscas. Note que co el auste propuesto se obtee estmacoes e la veraera supervveca más precsas que las obteas usao el métoo clásco. Lo ateror eveca que es posble usar formacó a pror para explcar la terepeeca etre las causas compettvas S por el cotraro geeramos las varables caoras e la cesura como (, o sea, la covarable se cosera epeete e la ocurreca el eveto, etoces los estmaores cláscos y austaos coce y subestma levemete la veraera probabla. Ver Fgura No.. E este eemplo se ha utlzao ua covarable como susttuta e la cesura (formacó acoal requera para realzar el auste. E lugar e esto puee ofrecerse como formacó acoal rectamete los valores e los resgos relatvos observaos e caa vuo ( R y susttur la expresó correspoete e los. Otro efoque poría ser estmar los resgos relatvos e vez e ofrecer rectamete sus valores umércos, a partr e algua efcó para ellos e térmos e las probablaes e cesura y supervveca. Por eemplo, puee efrse los δ -resgos relatvos como el cocete e las probablaes: P( E / C P( u < T < u δ / u < U < T P( E / NC P( u < T < u δ / T < U El problema se traslaa etoces a estmar chas probablaes a partr e los atos; estos o puee cosstr e los tempos cesuraos solamete. El estuo e qué tpo e atos bastaría para estmar satsfactoramete chas probablaes es u problema compleo. 95

9 Supervveca Clásco Aust. Real [0, [, [,3 [3,4 [4, Itervalo Fgura. Comparacó e las estmacoes e la supervveca usao el estmaor clásco y el austao co respecto a la supervveca real, para atos smulaos co cesuras efas e (0. Supervveca Clásco Aust. Real [0, [, [,3 [3,4 [4,5 Itervalo Fgura. Comparacó e las estmacoes e la supervveca usao el estmaor clásco y el austao co respecto a la supervveca real para atos smulaos co cesuras epeetes efas e (. 96

10 Es mportate estacar que se ecesta e u estrecho vículo etre los vestgaores bomécos y los especalstas e estaístca co el f e etermar pealzacoes aecuaas para caa vuo, las que será usaas para austar el estmaor clásco e tabla e va. Receve October 007 Revse Aprl 008 REFERENCIAS [] LLORCA J, DELGADO RM. (004: Aálss e supervveca e preseca e resgos compettvos. Gac. Sat. 8, [] CHIANG CL. (96: A stochastc stuy of the lfe table a ts applcatos: III. The follo-up stuy th the coserato of competg rsks. Bometrcs 7, [3] FIOCCO M, PUTTER H. a VAN HOUWELINGEN J.C. (005: Reuce rak proportoal hazars moel for competg rsk. Bostatstcs 6, [4] ZENG D. (004: Estmatg margal survval fucto by austg for epeet cesorg usg may covarates. The Aals of Statstcs 3, [5] SATAGOPAN J M, BEN-PORAT L, BERWICK M, ROBSON M, KUTLER D a AUERBACh A D. (004: A ote o competg rsks survval ata aalyss. Brtsh Joural of Cacer 9, [6] FARLEY T. M. M. (986: Lfe-table methos for cotraceptve research. Stat Me 5, [7] XIE J. a LIU C. (000: Auste Kapla-Meer estmator a log-rak test th verse probablty of treatmet eghtg for survval ata. Statst. Me 00, -6. [8] IBRAHIM JG. (005: Apple Survval Aalyss. Presetato the st Aual Summer Workshop of the Amerca Statstcal Assocato. [9] R DEVELOPMENT CORE TEAM. (004: R. A laguage a evromet for statstcal computg. R Fouato for Statstcal Computg, Vea, Austra. ISBN , Dspoble e: URL: 97

11 APÉNDICE. Cógos geeraos e R:Cógos usaos para geerar los atos bao el supuesto e epeeca # geerao el tempo latete e ocurreca el eveto e terés t<-rexp(000,0.5 # geerao la covarable z<-rep(0,000 for ( :000 z[]<-rbom(,, -t[]/(0t[] # geerao la varable caora e eveto a partr e la covarable elta<-rep(0,000 for ( :000{ f (z[] elta[]<-rbom(,, 0.9# elta es eveto co alta probabla, else elta[]<-rbom(,, 0. # es cesura co baa probabla # geerao el tempo cesurao e ocurreca el eveto x<-t for ( :000{ f (elta[]0 x[]<-t[]/ # geerao los e e<-rep(0,5000 m(e<-c(000,5 for ( :000 for ( :5 f (-<x[] & x[]< e[,]<- # úmero e vuos <-000 # úmero e tervalos t<-5 # cálculo e R r<-rep(0,t for ( :t{ s<-0;s<-0;s3<-0;s4<-0 for ( :{ s<-selta[]*z[]*e[,] s<-sz[]*e[,] s3<-s3elta[]*(-z[]*e[,] s4<-s4(-z[]*e[,] r[]<-(s/s/(s3/s4 f (s.a(r[] r[]<- 98

12 # cálculo el úmero e evetos e el tervalo <-rep(0,t for ( :t for ( : []<-[]elta[]*e[,] # cálculo el úmero e cesuras e el tervalo <-rep(0,t for ( :t for ( : []<-[](-elta[]*e[,] # Cálculo el úmero e resgo al co el tervalo r<-rep(0,t r[]<- for ( :t r[]<-r[-]-[-]-[-] # Cálculo la fucó e supervveca austaa para caa tervalo SA<-rep(,t laa<-rep(,t for ( :t{ laa[]<-rou((r[]/(r[]*[], SA[]<--[]/(r[]-laa[] SAA<-rep(,t SAA[]<-rou(SA[],3 for ( :t{ for ( : SAA[]<-rou(SAA[]*SA[],3 # Cálculo la fucó e supervveca clásca para caa tervalo SC<-rep(,t for ( :t SC[]<--[]/(r[]-(/*[] SCA<-rep(,t SCA[]<-rou(SC[],3 for ( :t{ for ( : SCA[]<-rou(SCA[]*SC[],3 # Cálculo e la fucó e supervveca real para caa tervalo real<-rep(0,5 SupRealAc<-rep(0,5 for ( :5{ for ( :000 f (-<t[] & t[]< real[]<-real[] for ( :5{ resgo<-000 f ( SupRealAc[]<--real[]/000 99

13 else { for (k : resgo<-resgo-real[k-] SupRealAc[]<-SupRealAc[-]*(-real[]/resgo # buao la tabla Tabla<ata.frame(Itervalc("[0,","[,","[,3","[3,4","[4,5", rskr,evet,lost,lostalaa, AcumLfeTableSCA,AcumALfeTableSAA, RealSupRealAc Tabla A<-rep(0,8 m(a<-c(6,3 A[,]<-c(,Tabla[,6] A[,]<-c(,Tabla[,7] A[,3]<-c(,Tabla[,8] Probabla<-A matplot(probabla, "s",ltyc(,3,5 xlab"itervalo",ylab"supervveca",type Cógos usaos para geerar los atos bao el supuesto e epeeca # geerao el tempo latete e ocurreca el eveto e terés t<-rexp(000,0.5 # geerao la covarable z<-rep(0,000 for ( :000 z[]<-rbom(,, -t[]/(0t[] # geerao la varable caora e eveto a partr e la covarable elta<-rep(0,000 for ( :000{ elta[]<-rbom(,, 0.9 r<-rep(,t # geerao el tempo cesurao e ocurreca el eveto x<-t for ( :000{ f (elta[]0 x[]<- ruf(, m0, maxt[] 00

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

V Muestreo Estratificado

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

Más detalles

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

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

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

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

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

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

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

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

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

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

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

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

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

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

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

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

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

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

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

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

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

Más detalles

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

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles

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

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

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

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

Más detalles

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

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

Intensificación en Estadística

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

Simulación de sistemas discretos

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

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

EJERCICIOS SISTEMA FINANCIERO SIMPLE

EJERCICIOS SISTEMA FINANCIERO SIMPLE UNIVERSIDAD DE LOS ANDES FAULTAD DE IENIAS EONÓMIAS Y SOIALES DEPARTAMENTO DE IENIAS ADMINISTRATIVAS ÁTEDRA: ANÁLISIS DE LA INVERSIÓN ASIGNATURA: MATEMÁTIA FINANIERA PROFESOR: MIGUEL A. OLIVEROS V. EJERIIOS

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

Introducción a la simulación de sistemas discretos

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

En consecuencia: Z=f(x,y)=f[ x(t) ; y(t) ]= F(t) (1) que resulta en definitiva una función de la variable t.la llamaremos Función Compuesta de t.

En consecuencia: Z=f(x,y)=f[ x(t) ; y(t) ]= F(t) (1) que resulta en definitiva una función de la variable t.la llamaremos Función Compuesta de t. TEMA 4 (Últma mocacó 8-7-05) CALCULO DIFERENCIAL E INTEGRAL II FUNCIONES COMPUESTAS DE UNA VARIABLE INDEPENDIENTE. Coseramos e prmer térmo a có e os arables Z=(;) spogamos, aemás qe é o so arables epeetes,

Más detalles

17 MOMENTOS DE INERCIA Y TEOREMA DE STEINER

17 MOMENTOS DE INERCIA Y TEOREMA DE STEINER 17 MOMENOS DE INERCIA Y EOREMA DE SEINER OBJEIVOS Determnacón e la constante recuperaora e un muelle espral. Comprobacón el teorema e Stener. Determnacón expermental el momento e nerca e ferentes cuerpos

Más detalles

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

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

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

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

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

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

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

LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO

LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO Emlo Gómez Déz 1, José María Saraba 2 y Fausto Preto 2 Resume E el presete trabao se estuda la dstrbucó Posso-Beta,

Más detalles

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

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

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

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

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

2. Censura y truncamiento

2. Censura y truncamiento 2. Cesura y trucameto Los datos de tempo de fallo se preseta e dferetes formas que crea problemas especales cuado se aalza. E muchas ocasoes o se cooce co exacttud el valor del tempo de fallo y úcamete

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS 5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

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

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

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

3. Unidad Aritmética Lógica (ALU)

3. Unidad Aritmética Lógica (ALU) 3. Udd rtmétc Lógc (LU) bordremos los spectos que permte l mplemetcó de l rtmétc de u computdor, trbuto fucol de l Udd rtmétc Lógc (LU). Prmero se revstrá lo relcodo l form de represetr los úmeros como

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

Estadística Contenidos NM 4

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

Más detalles

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

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

Más detalles

Predicción del Cumplimiento de Pago de un Crédito para Microempresarios Agrícolas Utilizando. Penalized Support Vector Machines

Predicción del Cumplimiento de Pago de un Crédito para Microempresarios Agrícolas Utilizando. Penalized Support Vector Machines Resume Predccó del Cumplmeto de Pago de u Crédto para Mcroempresaros Agrícolas Utlzado Pealzed Support Vector Maches El Isttuto de Desarrollo Agropecuaro (INDAP) es el prcpal orgasmo del Estado de Chle

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más 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

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

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

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

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas

Más detalles

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato. UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios

Más 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.-.3 - 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