ERROR, INCERTIDUMBRE, PRECISIÓN Y EXACTITUD, TÉRMINOS ASOCIADOS A LA CALIDAD ESPACIAL DEL DATO GEOGRÁFICO

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

Download "ERROR, INCERTIDUMBRE, PRECISIÓN Y EXACTITUD, TÉRMINOS ASOCIADOS A LA CALIDAD ESPACIAL DEL DATO GEOGRÁFICO"

Transcripción

1 ERROR, ICERTIDUMBRE, PRECISIÓ Y EXACTITUD, TÉRMIOS ASOCIADOS A LA CALIDAD ESPACIAL DEL DATO GEOGRÁFICO Antono Mguel Ruz Armenteros Departamento de Ingenería Cartográfca, Geodésca y Fotogrametría. Unversdad de Jaén amruz@ujaen.es José Lus García Balboa Departamento de Ingenería Cartográfca, Geodésca y Fotogrametría. Unversdad de Jaén jlbalboa@ujaen.es José Lus Mesa Mngorance Departamento de Ingenería Cartográfca, Geodésca y Fotogrametría. Unversdad de Jaén jlmesa@ujaen.es RESUME: Todo dato geográfco capturado debería r acompañado de un valor cuanttatvo que nos dé una dea de su caldad, es decr, de un parámetro que caracterce la dspersón del valor. Este parámetro se denomna ncertdumbre de medda. Para la evaluacón de esta ncertdumbre exste una norma nternaconal (Guía para la evaluacón de la ncertdumbre de medda, GUM) que presenta un tratamento homogéneo, rguroso y unfcado. Exsten una sere de térmnos relaconados con la ncertdumbre de medda como son error, precsón y exacttud que deben tratarse con cudado, evtando su confusón y usándolos de manera consstente a como se defnen en otros documentos nternaconales. La defncón de todos ellos vene recogda en el Vocabularo nternaconal de Metrología. En muchos documentos técncos es frecuente la utlzacón ncorrecta de todos estos conceptos. En el presente trabajo se realza una revsón de los conceptos de error, precsón y exacttud, que junto al de ncertdumbre, deben tratarse de manera consstente en el ámbto de la Geomátca. Palabras clave: ncertdumbre, error, precsón, exacttud, GUM. 1. ITRODUCCIÓ La metrología es la cenca de la medda cuyos objetvos más mportantes son el resultado de la medcón y la ncertdumbre de medda. Estos aspectos están amplamente tratados, homogenezados y consensuados en este campo. La Geomátca aglutna un conjunto de cencas (Topografía, Cartografía, Geodesa y Fotogrametría) en las cuales se ntegran, entre otros, los medos de captura, tratamento y análss de la nformacón geoespacal. Por tanto, todos los conceptos sobre medcón y evaluacón de la ncertdumbre de medda en el ámbto de la metrología son de aplcacón drecta al campo de la Geomátca. Todo dato geográfco capturado por cualquer medo debería r acompañado de un valor cuanttatvo que nos dé una dea de su caldad, es decr, de un parámetro que caracterce la dspersón de los valores que podrían atrburse razonablemente al msmo. En tal momento se entende que el resultado de la medcón está completo. La evaluacón de este parámetro de caldad debe realzarse de la forma más rgurosa posble ya que determnará la metodología de captura más adecuada a cada caso concreto. Este parámetro, la ncertdumbre, es el objeto prncpal de la Guía para la expresón de la ncertdumbre de medda, comúnmente denomnada GUM (ISO, 008), elaborada conjuntamente por dversas organzacones nternaconales (Ofcna Internaconal de Pesas y UIVERSIDAD DE JAÉ 1

2 1 er Congreso Internaconal de Catastro Unfcado y Multpropósto 1 st Internatonal Congress on Unfed and Multpurpose Cadastre Meddas BIPM, Organzacón Internaconal de Metrología OIML, Organzacón Internaconal de ormalzacón ISO, ) y adoptada en la actualdad por un gran número de prestgosas socedades centífcas nternaconales. La GUM, publcada en 1993 y revsada en 1995 y 008, representa la referenca más completa y aceptada actualmente sobre cómo expresar la ncertdumbre de medda. De aplcacón fundamental en metrología, está pensada para que se pueda aplcar a la mayoría de los resultados de medda, ncluyendo p. ej., los resultados asocados a la nvestgacón básca y aplcada, y a la ngenería. La mportanca de esta guía es que es unversal, y por tanto, aplcable a todo tpo de medcones y a todo tpo de datos de entrada. Exsten una sere de térmnos relaconados con la ncertdumbre de medda como son error, precsón, exacttud, repetbldad, reproducbldad, etc., que deben tratarse con cudado, evtando su confusón y usándolos de manera consstente a como se defnen en otros documentos nternaconales. La defncón de todos ellos vene recogda en el Vocabularo nternaconal de Metrología Conceptos fundamentales y generales y térmnos asocados (3ª edcón) (ISO, 007), comúnmente conocdo como VIM. El VIM debe acompañar sempre a la GUM ya que los dos documentos son complementaros y han sdo publcados por la ISO en representacón de otras muchas organzacones nternaconales. En muchas ocasones, para evaluar, la caldad de los datos capturados se realza lo que se denomna un estudo de errores de medda con la fnaldad de cuantfcar la mperfeccón del método e nstrumento utlzado. Realmente se trata, desde el enfoque de la ncertdumbre, de contrbucones a la ncertdumbre. Además, se suelen utlzar expresones convenconales para calcular el límte máxmo de los dstntos errores mezclando las probabldades de cobertura de los msmos. Estos aspectos son ncompatbles con la aplcacón de la ley de propagacón de las ncertdumbres la cual requere aplcar rgurosamente la msma probabldad de cobertura a las ncertdumbres de todas las varables de partda, además de trabajar con desvacones típcas, dejando los valores máxmos (o ncertdumbres expanddas a la probabldad de cobertura que se desee) para los valores fnales de la propagacón. Tenendo en cuenta este tratamento, y la exstenca de normas nternaconales para la evaluacón de la ncertdumbre de medda (ISO 008, 007), se hace aconsejable una revsón en este ámbto. Así pues, el objetvo prncpal de este artículo es el de exponer el concepto de ncertdumbre de medda así como analzar la forma de evaluarla según la GUM, pasando del tradconal enfoque del error al enfoque de la ncertdumbre. Así msmo, se trata de poner de manfesto su relacón con otros térmnos relaconados con ella como son error, precsón y exacttud.. COCEPTO DE ICERTIDUMBRE Y TÉRMIOS RELACIOADOS.1. Error e ncertdumbre En la lteratura técnca y centífca, el térmno error se utlza frecuentemente con dos sgnfcados bastante dferentes. En algunos casos se utlza para cuantfcar la dferenca entre el resultado de una medda y el consderado como valor de la msma (valor verdadero, valor real o estándar) mentras que en otras se utlza para denomnar la ncertdumbre del resultado de una medda, es decr, para cuantfcar la mperfeccón del método e nstrumento de medda empleado. Los térmnos error e ncertdumbre no son snónmos, sno que representan conceptos completamente dstntos, y por tanto, no deben confundrse entre sí n utlzarse ncorrectamente, uno en lugar del otro (CEM, 000). A este respecto, el VIM defne el térmno error de medda como la dferenca entre un valor meddo de una magntud y un valor de ISB

3 referenca (valor convenconal o valor verdadero), mentras que defne la ncertdumbre de medda como un parámetro no negatvo que caracterza la dspersón de los valores atrbudos a un mensurando, a partr de la nformacón que se utlza. S ben el error es teórcamente desconocdo, la ncertdumbre sí que puede ser evaluada. Convene no confundr tambén el error de medda con un error humano o equvocacón. Por tanto, puesto que al utlzar el térmno error, exste sempre la posbldad de confundr una ncertdumbre con esa dferenca, se sugere (Burns y otros, 1973) que cuando se trate de evaluar la caldad del resultado de una medda se utlce el térmno ncertdumbre en lugar del térmno error. De esta manera, sería más apropado denomnar al térmno análss o propagacón de errores, cuando se refere al estudo y evaluacón de las ncertdumbres que afectan a todas las meddas, como análss o propagacón de ncertdumbres. El error de medda tene dos componentes, el error sstemátco y el error aleatoro. A modo de ejemplo, para aclarar estos conceptos, supóngase que se captura un dato, como puede ser la longtud de una dstanca, con un determnado método e nstrumento obtenendo una medda muy exacta. Consderando todas las correccones necesaras, su valor fnal es de 317,518 m con una ncertdumbre muy pequeña, cas desprecable, dgamos por debajo de la décma de mlímetro. Por tanto, la longtud 317,518 m se consderará como el valor de referenca de la dstanca en cuestón. Supóngase, que con posterordad se realza una medcón de esa dstanca con otro nstrumento, resultando un valor de 317,515 m. El error de medda de este resultado es de (317, ,518) m = -0,003 m. Una segunda medcón da un valor meddo de 317,514 m, con un error medda de (317, ,518) m = -0,004 m. Tras tomar 00 meddas y sacar un promedo se obtene un valor de 317,516 m con un error de medda de (317, ,518) m = -0,00 m. Este sesgo de medda, cuyo valor es de -0,00 m es el denomnado error sstemátco de medda, defndo en el VIM como la componente del error de medda que, en medcones repetdas, permanece constante o que varía de manera predecble. Así pues, queda claro que el error sstemátco permanece constante ndependentemente del número de meddas, por lo que s en lugar de 00, se hubesen realzado otro número mayor, este error no tendería a cero. El VIM aclara que el valor de referenca para un error sstemátco puede ser un valor verdadero, un valor meddo de un patrón cuya ncertdumbre de medda es desprecable, o un valor convenconal. El error sstemátco y sus causas pueden ser conocdos o no, y para compensarlo se aplca una correccón, la cual lleva sempre asocada una determnada ncertdumbre. La ncertdumbre de todas las correccones necesaras a aplcar a una medda habrá que consderarlas en la evaluacón de la ncertdumbre de la medda en cuestón. El error sstemátco es gual a la dferenca entre el error de medda y el error aleatoro que se verá a contnuacón. Volvendo de nuevo a los resultados ndvduales de los valores meddos, el prmero fue de 317,515 m. Con respecto al promedo (317,516 m), su error es de (317, ,516) m = - 0,001 m. Este valor sería el denomnado error aleatoro de medda, defndo en el VIM como la componente del error de medda que, en medcones repetdas, varía de manera mpredecble. Por tanto, para la segunda medda el error aleatoro de medda sería de (317, ,516)= - 0,00 m, y así sucesvamente. El valor de referenca para un error aleatoro es la meda que se obtendría de un número nfnto de medcones repetdas del msmo mensurando. El error aleatoro, dferenca entre el error de medda y el error sstemátco, se supone que procede de varacones mpredecbles o estocástcas de las magntudes de nfluenca de carácter temporal y espacal. Los efectos de tales varacones, denomnados efectos aleatoros, dan lugar a varacones en las observacones repetdas de un mensurando. Aunque no es posble compensar el error aleatoro del resultado de una medda, habtualmente, puede reducrse ncrementando el número de observacones (CEM, 000). Los errores aleatoros de un conjunto de medcones UIVERSIDAD DE JAÉ 3

4 1 er Congreso Internaconal de Catastro Unfcado y Multpropósto 1 st Internatonal Congress on Unfed and Multpurpose Cadastre repetdas forman una dstrbucón que puede representarse por su esperanza matemátca, generalmente nula, y por su varanza. Así pues, el error de medda para el resultado de una medcón ndvdual es gual a la suma del error sstemátco y el error aleatoro. En el caso de la prmera medda, el error de medda es por tanto de (-0,00 0,001) = -0,003 m. Queda claro que ncertdumbre y error son conceptos muy dferentes s ben están relaconados entre sí. El resultado de una medcón podría tener un error muy pequeño y una ncertdumbre elevada. Por el contraro, podría tener una ncertdumbre muy pequeña y un error grande. Sn embargo, esto sgnfcaría que al menos un efecto sstemátco mportante podría haberse pasado por alto. En cualquer caso, el error cometdo al realzar varas veces una msma medcón no es sempre el msmo puesto que los errores aleatoros provocan que el error cometdo en cada una sea dferente. Sn embargo, s las medcones se han llevado a cabo con el msmo nstrumento y método de medda, tendrán la msma ncertdumbre pero no tenen por qué tener el msmo error asocado. En algunas ocasones se asocan los térmnos aleatoro y sstemátco al térmno ncertdumbre hablando de ncertdumbre aleatora e ncertdumbre sstemátca. Estos térmnos deben aplcarse al térmno error y nunca al de ncertdumbre... Incertdumbre, precsón y exacttud Incertdumbre, precsón y exacttud son ejemplos de térmnos que representan conceptos cualtatvos, y por tanto, no deben expresarse numércamente (Taylor y Kuyatt, 1994) evtando asocar números con ellos. o deben confundrse entre sí, ya que su sgnfcado es dstnto. Es habtual la utlzacón ndstnta de los térmnos de precsón y exacttud, lo cual no es correcto. El VIM defne la exacttud de medda como la proxmdad exstente entre un valor meddo y un valor verdadero de un mensurando. Así pues, una medcón es más exacta cuanto más pequeño es el error de medda. Se suele decr tambén que una medda es más exacta cuando ofrece una ncertdumbre de medda más pequeña, aunque no sempre es así como se ha menconado anterormente. El VIM, en su tercera edcón (007), defne el concepto precsón de medda como la proxmdad exstente entre las ndcacones o los valores meddos obtendos en medcones repetdas de un msmo objeto, o de objetos smlares, bajo condcones específcas. Estas condcones se denomnan prncpalmente condcones de repetbldad, o de reproducbldad, y por tanto, frecuentemente, el térmno precsón denota smplemente repetbldad, es decr, está asocado a la dspersón de las medcones reteradas, la cual es habtual expresarla numércamente medante meddas de dspersón tales como la desvacón típca, la varanza o el coefcente de varacón bajo las condcones especfcadas. Al gual que los otros térmnos, al tratarse de un térmno cualtatvo, no deberían asocarse números con él, por lo que la sentenca la precsón de medda de un ángulo es de 5 cc sería ncorrecta. Debería decrse, p. ej., la precsón de medda de un ángulo, expresada como una desvacón típca obtenda bajo condcones de repetbldad, es de 5 cc (Taylor y Kuyatt, 1994). Es decr, habría que especfcar qué medda de dspersón se está asocando al térmno precsón y bajo qué condcones de medda se está empleando. Las condcones de repetbldad de una medcón ncluyen (ISO, 007) el msmo procedmento de medda, los msmos operadores, el msmo sstema de medda, las msmas condcones de operacón y el msmo lugar, así como medcones repetdas en un corto período de tempo. Por el contraro, las condcones de reproducbldad (ISO, 007) de una medcón ncluyen dferentes lugares, operadores, sstemas de medda y medcones repetdas de los msmos objetos u objetos smlares. 4 ISB

5 Una mportante dstncón entre exacttud y precsón es que la exacttud puede determnarse con una sola medda, mentras que para evaluar la precsón se necestan varas meddas (repetbldad), no pudéndose hablar de precsón para una sola medda. En cuanto a la ncertdumbre de medda, ésta puede evaluarse tambén para una sola medda combnando de manera adecuada todas las contrbucones a la ncertdumbre provenentes de las fuentes de ncertdumbre consderadas. El concepto de ncertdumbre es más amplo que el de precsón, ya que la ncertdumbre ncluría, además de todas las fuentes provenentes de los efectos aleatoros, todas las fuentes de ncertdumbre provenentes de las correccones efectuadas a la medda por los errores sstemátcos, tal y como se ha ndcado en la seccón anteror. Fnalmente, es convenente realzar una aclaracón acerca del térmno cualtatvo alta precsón, que es habtualmente utlzado para referrse a nstrumentos o metodologías de medda. Es correcto su uso para referrse a una dspersón muy pequeña en medcones sucesvas en condcones de repetbldad o reproducbldad. En cambo, sería más correcto utlzar alta exacttud s lo que se quere ndcar es una dferenca muy pequeña respecto al valor real o de referenca, máxme s se aplca a una sola medda..3. Evaluacón de la ncertdumbre de medda Respecto a la ncertdumbre de medda, el parámetro que la caracterza cuanttatvamente puede ser p. ej., una desvacón típca (o un múltplo de ella), o la semampltud de un ntervalo de valores con una probabldad de cobertura determnada. Al gual que antes, al ser la ncertdumbre como tal, un térmno cualtatvo, la sentenca la ncertdumbre de medda de un ángulo es de 5 cc, p.ej., sería ncorrecta. Debería usarse la ncertdumbre de medda de un ángulo, expresada como una desvacón típca, es de 5 cc o ben smplemente, la ncertdumbre típca de medda de un ángulo es de 5 cc. A este respecto, la GUM (ISO, 008) ntroduce el térmno de ncertdumbre típca de medda (standard uncertanty) para evaluar cuanttatvamente la caldad del resultado de una medda medante una desvacón típca. Tambén establece que la magntud utlzada para expresar la ncertdumbre debe ser transferble, es decr, debe ser posble utlzar drectamente la ncertdumbre evaluada para un resultado, como componente en la evaluacón de la ncertdumbre de otra medcón en la que ntervenga ese prmer resultado, utlzando el método convenconal para combnar las desvacones típcas, esto es, la ley de propagacón de las ncertdumbres (LPU), cuya denomnacón es más apropada, por cuanto se ha expuesto, que la que convenconalmente se utlza como ley de propagacón de errores. La ecuacón de la ley de propagacón de las ncertdumbres exge que la ncertdumbre de la estmacón de una magntud de entrada se evalúe en forma de desvacón típca. S en lugar de esto, se toma cualquer otra alternatva consderada como más segura, ésta no podrá utlzarse en la ecuacón de la ley de propagacón de las ncertdumbres (CEM, 000). Así, por ejemplo, s en esta ecuacón se utlza el límte máxmo de error (la mayor desvacón permtda respecto a la mejor estmacón supuesta), la ncertdumbre resultante tendrá un resultado mal defndo y será nutlzable por cualquera que desee ntroducrla en cálculos posterores de ncertdumbres de otras magntudes. Con su publcacón en el año 1993, la GUM establece, en un método unfcado y acordado nternaconalmente, conceptos, recomendacones y procedmentos para la evaluacón y expresón de la ncertdumbre de medda, desechando la teoría clásca de errores sstemátcos y aleatoros. UIVERSIDAD DE JAÉ 5

6 1 er Congreso Internaconal de Catastro Unfcado y Multpropósto 1 st Internatonal Congress on Unfed and Multpurpose Cadastre En su últma revsón publcada en 008 (ISO, 008), la cual es la versón de 1995 con pequeñas correccones, la GUM determna que la ncertdumbre del resultado de una medda se puede descomponer generalmente en varas componentes, las cuales se podrían agrupar en dos categorías según el método utlzado para evaluar sus valores numércos: Tpo A, aquéllas que son evaluadas por métodos estadístcos. Cada componente de la ncertdumbre que contrbuye a la ncertdumbre del resultado de una medda se representa medante una desvacón típca, denomnada ncertdumbre típca de medda, cuyo símbolo se sugere utlzar u, que equvale a la raíz cuadrada postva de la varanza estmada u. Las correlacones entre las componentes se caracterzan medante las correspondentes covaranzas estmadas o los coefcentes de correlacón estmados. La evaluacón tpo A de la ncertdumbre típca de medda se puede basar en cualquer método estadístco váldo de tratamento de datos, como por ejemplo, calcular la desvacón típca de la meda de una sere de observacones ndependentes realzadas bajo condcones de medda defndas, usar el método de ajuste por mínmos cuadrados con el fn de estmar el valor de los parámetros y sus desvacones típcas, o llevar a cabo un análss de varanzas con el fn de dentfcar y cuantfcar los efectos aleatoros en determnados tpos de meddas. Tpo B, aquéllas que se evalúan por otros métodos. La evaluacón tpo B de la ncertdumbre típca de medda se basa en el juco centífco utlzando toda la nformacón relevante dsponble, la cual podría nclur: medcones prevas, experenca, o conocmento general del comportamento y propedades de materales relevantes e nstrumentos, especfcacones del fabrcante, datos provenentes de calbracones y otros nformes, e ncertdumbres asgnadas a datos de referenca tomados de manuales. En Topografía, por ejemplo, una ncertdumbre típca de medda tpo A se obtene, por ejemplo, aplcando a una estacón total, bajo unas determnadas condcones específcas, un procedmento como el que se defne en la norma ISO (ISO, 001) para conocer la ncertdumbre de medda angular. Un ejemplo de ncertdumbre típca de medda tpo B sería el uso de las especfcacones del fabrcante para una estacón total (normalmente obtendas en un laboratoro bajo condcones específcas) o deducdas a través de nuestra experenca personal. En la práctca dara de la Topografía normalmente la evaluacón de la ncertdumbre es de tpo B. Es mportante reseñar que las evaluacones tpo A basadas en un conjunto de datos no necesaramente han de ser más fables que las evaluacones de tpo B (Taylor y Kuyatt, 1994). La aplcacón de una evaluacón tpo A para cada mensurando requerría mucho tempo de trabajo, pudéndose realzar sólo en determnados casos como p. ej., en el control geodésco de deformacones. Comúnmente, las evaluacones tpo B nos llegan desde las especfcacones del fabrcante de nstrumentos topográfcos, obtendas en laboratoro bajo condcones específcas (p.e. la ncertdumbre en la medda de la dstanca de un dstancómetro), desde nuestra experenca (p.e. la ncertdumbre en la medda de la altura del nstrumento) y desde tratados o lbros (p.e. la ncertdumbre en el centrado de un nstrumento sobre el punto de estacón). Para el caso de una medda determnada ndrectamente a partr de otras meddas ndvduales, se utlza la ncertdumbre típca combnada de medda, cuyo símbolo se sugere u c, y que representa la desvacón típca del resultado, sendo una medda de ncertdumbre amplamente 6 ISB

7 utlzada. S ben la GUM la denomna combnada, se trata smplemente de una ncertdumbre típca de medda. Se obtene combnando las ncertdumbres típcas ndvduales de medda u (y covaranzas cuando correspondan), ndependentemente de que sean tpo A o tpo B, utlzando para ello la ley de propagacón de las ncertdumbres. 1 f f f = c (y) u (x ) + u(x, x j) = 1 x = 1 j= + 1 x x j u [1] Esta ecuacón se basa en la aproxmacón de prmer orden de las seres de Taylor de: Y = f(x,x,...,x ) [] 1 donde Y es el mensurando determnado a partr de cantdades de entrada X 1, X, X medante una relacón funconal f. De la ecuacón [1], utlzando las estmacones x 1, x, x para los valores de entrada, se obtene una estmacón del mensurando Y, representada por y. La estmacón de salda, la cual es el resultado de la medda, vene dada por: y = f(x, x,...,x ) [3] 1 Los símbolos f/ x en la ecuacón [1] se denomnan frecuentemente como coefcentes de sensbldad, los cuales representan las dervadas parcales f/ X evaluadas en X =x. El símbolo u(x,x j ) desgna la covaranza estmada asocada a x y x j. En el caso en que no haya presentes correlacones sgnfcatvas, la ecuacón [1] se reduce a: f = c (y) u (x ) = 1 x u [4] Para cuantfcar la ncertdumbre se prefere el uso de desvacones típcas frente a la utlzacón de ntervalos de confanza, ya que el térmno ntervalo de confanza tene una defncón muy específca en estadístca y sólo se puede aplcar a ntervalos basados en u c cuando se cumplen certas condcones ncluyendo que todas las componentes de la ncertdumbre que contrbuyen a u c se obtenen a partr de evaluacones de ncertdumbre tpo A. Por otro lado, la ley de propagacón de las ncertdumbres permte de forma smple e ndependente del carácter poblaconal que tenga cada componente ndvdual, obtener la ncertdumbre en meddas ndrectas, ya que todas las ncertdumbres típcas de medda son tratadas de gual forma cuando se calcula u c. Esto no es posble, en general, s se utlzan ntervalos de confanza en lugar de desvacones típcas. Fnalmente, se determna la ncertdumbre expandda de medda, cuyo símbolo sugerdo es U, como medda de ncertdumbre que defne un ntervalo sobre el resultado de medda y dentro del cual se cree con certeza (con una alta probabldad de cobertura) que estará el valor del mensurando Y, y-u Y y+u, el cual se escrbe comúnmente como Y=y±U. Se obtene multplcando u c (y) por un factor de cobertura cuyo símbolo sugerdo es k y su valor se establece en el rango de a 3, lo que supone una probabldad de cobertura aproxmadamente del 95% al 99% (U=ku c (y)). Idealmente, sería deseable elegr un valor específco de k que produjera un ntervalo correspondente a un nvel de confanza p ben defndo, como el 95% o el 99%. De modo equvalente, dado un valor de k, sería deseable establecer nequívocamente el nvel de confanza UIVERSIDAD DE JAÉ 7

8 1 er Congreso Internaconal de Catastro Unfcado y Multpropósto 1 st Internatonal Congress on Unfed and Multpurpose Cadastre asocado al ntervalo. Esto es dfícl realzarlo en la práctca ya que requere el conocmento detallado de la dstrbucón de probabldad de cada una de las cantdades de las que depende el mensurando y combnar esas dstrbucones para obtener la dstrbucón del mensurando. De acuerdo a la práctca nternaconal actual, el valor de k, por conveno, se establece en k=. Por ejemplo, se podría tomar un valor dferente de k para defnr un nvel de confanza del 95% o 99%, obtendo a partr de la dstrbucón t-student, cuando u c tene pocos grados de lbertad. S se asume que los resultados de las meddas se dstrbuyen según la normal, con una desvacón típca aproxmada u c, el valor desconocdo del mensurando puede consderarse que esté dentro del ntervalo defndo por U con un nvel de confanza, o probabldad, de aproxmadamente el 95% (k=). En cualquer caso, debería especfcarse el valor del factor de cobertura k utlzado al gual que la probabldad de cobertura aproxmada, o nvel de confanza, del ntervalo. 3. COCLUSIOES En este artículo se presenta una revsón de los conceptos más relaconados con la ncertdumbre de medda como son error, precsón y exacttud. Se analza cada uno de ellos de acuerdo a su uso en el campo de la metrología, sguendo su defncón según el VIM, y se revsa su correcto uso en el campo de la Geomátca desde el punto de vsta de su relacón con la ncertdumbre. Tambén se revsa la metodología de evaluacón de la ncertdumbre de medda según la norma GUM con la fnaldad de mgrar la tradconal forma de evaluarla pasando de la flosofía del error a la flosofía de la ncertdumbre, utlzando para ello la ncertdumbre típca como valor cuanttatvo que exprese la caldad del resultado de una medda. 4. REFERECIAS Burns, J.E.; Campon, P.J.; Wllams, A. (1973). Error and uncertanty. Metrologa, 9, CEM (000). Guía para la Expresón de la Incertdumbre de Medda. Centro Español de Metrología. Madrd. ISO (001). Internatonal Standard ISO : 001. Optcs and optcal nstruments Feld procedures for testng geodetc and surveyng nstruments Part 3: Theodoltes. Internatonal Standardzaton Organzaton. ISO (007). Internatonal Vocabulary of Metrology Basc and General Concepts and Assocated Terms. 3 rd ed. (Geneva: ISO). ISO (008). Gude to the Expresson of Uncertanty n Measurement. ISO/IEC 98-3 (Geneva: ISO). Taylor, B..; Kuyatt, C.E. (1994). Gudelnes for Evaluatng and Expressng the Uncertanty of IST Measurement Results. IST Techncal ote 197. Washngton. 8 ISB

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

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

4 BALANZA DE MOHR: Contracción de mezcla alcohol/h2o

4 BALANZA DE MOHR: Contracción de mezcla alcohol/h2o 4 LNZ DE OHR: Contraccón de mezcla alcohol/h2o CONTENIDOS Defncones. Contraccón de una ezcla. olumen específco deal y real. Uso de la balanza de ohr. erfcacón de Jnetllos. Propagacón de Errores. OJETIOS

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

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

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

Tema 21: Distribución muestral de un estadístico

Tema 21: Distribución muestral de un estadístico Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

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

Control de la exactitud posicional por medio de tolerancias

Control de la exactitud posicional por medio de tolerancias Control de la exacttud posconal por medo de tolerancas Francsco Javer Arza López José Rodríguez-Av María Vrtudes Alba Fernández Plan Estatal de Investgacón Centífca y Técnca y de Innovacón 2013-2016. Ref.:

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN

UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN Scenta et Technca Año XV, No 43, Dcembre de 2009. Unversdad Tecnológca de Perera ISSN 0122-1701 288 UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN Use of the central

Más detalles

Simposio de Metrología 25 al 27 de Octubre de 2006

Simposio de Metrología 25 al 27 de Octubre de 2006 Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

Pregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?

Pregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana? Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,

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

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

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

Las acciones a considerar en el proyecto de una estructura o elemento estructural se pueden clasificar según los criterios siguientes:

Las acciones a considerar en el proyecto de una estructura o elemento estructural se pueden clasificar según los criterios siguientes: CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural se pueden clasfcar según los crteros sguentes: - Clasfcacón por

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

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

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

Incertidumbre de la Medición: Teoría y Práctica

Incertidumbre de la Medición: Teoría y Práctica CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

El abc de las mediciones en el laboratorio docente

El abc de las mediciones en el laboratorio docente Unversdad de La Habana Dpto. Físca Aplcada El abc de las medcones en el laboratoro docente A. González Aras abrl 2009 Magntudes y patrones; Instrumentos de medcón e ncertdumbres; Clasfcacón de las ncertdumbres;

Más detalles

Material realizado por J. David Moreno y María Gutiérrez Universidad Carlos III de Madrid Asignatura: Economía Financiera

Material realizado por J. David Moreno y María Gutiérrez Universidad Carlos III de Madrid Asignatura: Economía Financiera Economía Fnancera- Unversdad Carlos III de Madrd Tema 3- Caracterzacón de los actvos y carteras: Rentabldad resgo Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura:

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

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

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1 odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas

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

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

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

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

Análisis de Varianza no paramétricos

Análisis de Varianza no paramétricos Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Boletín Científico Técnico INIMET ISSN: Instituto Nacional de Investigaciones en Metrología. Cuba

Boletín Científico Técnico INIMET ISSN: Instituto Nacional de Investigaciones en Metrología. Cuba Boletín Centífco Técnco INIMET ISSN: 0138-8576 normateca@nmet.cu Insttuto Naconal de Investgacones en Metrología Cuba Perdomo Morales, A. J.; Rodríguez López, J.; Fernández Álvarez, F.; Rodríguez Mambuca,

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

CERTIFICADO DE CALIBRACION

CERTIFICADO DE CALIBRACION Nº de certfcado: Certfcate number: INSTRUMENTO: Instrument: Laboratoro de calbracón CERTIFICADO DE CALIBRACION Certfcate of calbraton XXXXXXXXXXX Estufa Págna 1 de 2 FABRICANTE: Manufacturer: Selecta MODELO:

Más detalles

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10. CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

En este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de

En este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO

Más detalles

Ideas Básicas sobre Métodos de Medida

Ideas Básicas sobre Métodos de Medida 10: deas Báscas sobre Métodos de Medda Medcones Drectas: el resultado se obtene a partr de la ndcacón de un únco nstruento (étodos de deflexón). Medcones ndrectas: el resultado surge a partr de operacones

Más detalles

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas. MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

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

CAPÍTULO IV METODOLOGÍA. Para llevar a cabo la investigación se ha tenido en cuenta el siguiente diseño:

CAPÍTULO IV METODOLOGÍA. Para llevar a cabo la investigación se ha tenido en cuenta el siguiente diseño: CAPÍTUL IV METDLGÍA 1. Dseño y técnca de nvestgacón Para llevar a cabo la nvestgacón se ha tendo en cuenta el sguente dseño: 1. Investgacón con medcón preva y posteror con grupo de control.. Las undades

Más detalles

3.3 Caracterización de grupos: Estadísticos de forma de la distribución

3.3 Caracterización de grupos: Estadísticos de forma de la distribución 3.3 Caracterzacón de grupos: Estadístcos de forma de la dstrbucón 1. Smetría 2. Apuntamento o curtoss 3. Descrpcón estadístca de una varable: tabla resumen Ya ha sdo abordado en temas precedentes el análss

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

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

DISTRIBUCION DE RENDIMIENTOS: APLICACIONES

DISTRIBUCION DE RENDIMIENTOS: APLICACIONES DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

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

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 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

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

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

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

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

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA) SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero

Más detalles

ESTIMACIÓN DE LA INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS ELECTROMÉDICOS

ESTIMACIÓN DE LA INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS ELECTROMÉDICOS Scenta et Technca ño XIII, No, Mayo de 006. nversdad Tecnológca de. ISSN 01-1701 8 ESTIMIÓN DE L INERTIDMBRE EN L LIBRIÓN DE EQIPOS ELETROMÉDIOS RESMEN El Laboratoro de Metrología Varables Eléctrcas con

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

SISTEMAS DE ECUACIONES DIFERENCIALES

SISTEMAS DE ECUACIONES DIFERENCIALES DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.

Más detalles

Un ejemplo de Análisis Factorial de Correspondencias

Un ejemplo de Análisis Factorial de Correspondencias Estadístca Anàls de Dades (curs 001-00) Un ejemplo de Análss Factoral de Correspondencas Se trata de estudar la estructura de las ventas de una empresa que dstrbuye 10 productos en 8 mercados. Para ello

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

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

Regresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy

Regresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

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

Enlaces de las Series de Salarios. Metodología

Enlaces de las Series de Salarios. Metodología Enlaces de las eres de alaros Metodología ntroduccón La Encuesta de alaros en la ndustra y los ervcos (E, cuyo últmo cambo de base se produjo en 996) ha sufrdo certas modfcacones metodológcas y de cobertura,

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

Más detalles

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos 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

Más detalles

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL: Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles