UN SISTEMA GENERADOR DE NÚMEROS PSEUDO ALEATORIOS

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

Download "UN SISTEMA GENERADOR DE NÚMEROS PSEUDO ALEATORIOS"

Transcripción

1 UN SISTEMA GENERADOR DE NÚMEROS PSEUDO ALEATORIOS Gullermo Becerra Córdova Uversdad Autóoma Chapgo, Dpto. de Preparatora Agrícola, Área de Físca. E-mal: Méxco Abstract The smulato s a umerc techque to carry out expermets a computer. These expermets volve certa types of mathematcal ad logcal models that descrbe systems of busess, ecoomc, socal, bologcal, physcal or chemcal through log perods of tme. To be able to carry out a smulato that cludes varablty sde ther evets, t s ecessary to geerate a seres of umbers that they are aleatory for themselves, ad that ther radomess s extrapolated to the smulato patter that s buldg. The aleatory umbers costtute the ma part of the smulato of stochastc processes ad they are geerally used to geerate the behavor of aleatory varables, so much cotuous as dscreet. Because t s ot possble to geerate really aleatory umbers, we cosder them as pseudo aleatory umbers, geerated by meas of algorthms determstcs that requre outburst parameters. I ths work a system s preseted that geerates pseudo aleatory umbers by meas of dfferet algorthms. The algorthms that are used the system are the cogruetal ad the o cogruetal. To verfy that they are really depedet ad uform the geerated umbers, the system has routes that make possble to subject them to a seres of tests. If the pseudo aleatory umbers overcome the tests, they wll be bee able to use some smulato; otherwse they wo't be cosdered. To use the umbers that have bee geerated ad they have bee accepted, the system has a opto to export them to some calculato leaf. Keywords. Smulato, pseudo aleatory umbers, stochastc processes, cotuous ad dscreet varables. Resume La smulacó es ua técca umérca para realzar expermetos e ua computadora. Estos expermetos volucra certos tpos de modelos matemátcos y lógcos que descrbe sstemas de egocos, ecoómcos, socales, bológcos, físcos o químcos a través de largos períodos de tempo. Para poder realzar ua smulacó que cluya varabldad detro de sus evetos, es precso geerar ua sere de úmeros que sea aleatoros por sí msmos, y que su aleatoredad se extrapole al modelo de smulacó que se está costruyedo. Los úmeros aleatoros costtuye la parte prcpal de la smulacó de procesos estocástcos y geeralmete se usa para geerar el comportameto de varables aleatoras, tato cotuas como dscretas. Debdo a que o es posble geerar úmeros realmete aleatoros, los cosderamos como úmeros pseudo aleatoros, geerados por medo de algortmos determístcos que requere parámetros de arraque. E este trabajo se preseta u sstema que geera úmeros pseudo aleatoros por medo de dferetes algortmos. Los algortmos que se utlza e el sstema so los cogruecales y los o cogruecales. Para verfcar que realmete so depedetes y uformes los úmeros geerados, el sstema tee rutas que hace posble someterlos a ua sere de pruebas. S los úmeros pseudo aleatoros supera las pruebas, podrá utlzarse e algua smulacó; de lo cotraro o se deberá cosderar. Para utlzar los úmeros que se ha geerado y ha sdo aceptados, el sstema tee ua opcó para exportarlos a algua hoja de cálculo. Palabras Clave. Smulacó, úmeros pseudo aleatoros, procesos estocástcos, varables cotuas y dscretas.

2 Itroduccó Para poder realzar ua smulacó que cluya varabldad detro de sus evetos, es precso geerar ua sere de úmeros que sea aleatoros por sí msmos, y que su aleatoredad se extrapole al modelo de smulacó que se está costruyedo. E la costruccó de u modelo de smulacó, los úmeros aleatoros juega u papel mportate. Así, ua de la prmeras tareas que es ecesaro llevar a cabo cosste e determar s los úmeros que utlzaremos para ejecutar la smulacó so realmete aleatoros o o; precsar lo ateror co absoluta certdumbre resulta muy complcado, ya que para ello se tedría que geerar u úmero fto de valores que os permtera comprobar la exsteca de correlacoes etre ellos. Esto sería muy costoso y tardado, volvedo mpráctco el uso de la smulacó au co las computadoras más avazadas. A pesar de lo ateror, podemos asegurar co altos veles de cofabldad que el cojuto de úmeros que utlzaremos e ua smulacó se comporta de maera muy smlar a u cojuto de úmeros totalmete aleatoros; por ello es que se les deoma úmeros pseudo aleatoros. Cas todas las aplcacoes comercales tee varos geeradores de úmeros pseudo aleatoros que puede geerar u cojuto de úmeros s mostrar correlacó etre ellos. E el presete trabajo dscutremos alguos de los métodos de geeracó de úmeros pseudo aleatoros y las característcas que debe teer para emplearlos como ua fuete cofable de varabldad detro de los modelos. Asmsmo, se mostrará alguas de las pruebas más comues para comprobar qué ta aleatoros so los úmeros obtedos co dchos geeradores. Para realzar ua smulacó se requere úmeros pseudo aleatoros e el tervalo (, ), es decr, ua secueca de úmeros r { r, r, r3,... r } que cotega úmeros, todos ellos dferetes; recbe el ombre de período o cclo de vda del geerador que creó la secueca. Los úmeros pseudo aleatoros costtuye la parte medular de la smulacó de procesos estocástcos y geeralmete se usa para geerar el comportameto de varables aleatoras, tato cotuas como dscretas. Debdo a que o es posble geerar úmeros realmete aleatoros, los cosderamos como pseudo aleatoros, geerados por medo de algortmos determístcos que requere parámetros de arraque. Dada la mportaca de cotar co u cojuto de úmeros pseudo aleatoros sufcetemete grade, e este trabajo se preseta dferetes algortmos determístcos para obteerlos. Por otra parte, es coveete señalar que el cojuto de úmero pseudo aleatoros debe ser sometdo a ua varedad de pruebas para verfcar s so realmete depedetes y uformes. S las pruebas so superadas, podrá utlzarse e la smulacó; de lo cotraro, smplemete debemos desecharlos. Geerar u cojuto de úmeros pseudo aleatoros es ua tarea relatvamete seclla, sólo es ecesaro dseñar u algortmo de geeracó. Lo que resulta dfícl es dseñar u algortmo que geere u cojuto de úmeros pseudo aleatoros co período de vda sufcetemete grade y además pase s problemas las pruebas de uformdad e depedeca, lo cual mplca evtar problemas como éstos: Que los úmeros pseudo aleatoros o esté uformemete dstrbudos, es decr, que haya demasados úmeros e u subtervalo y e otro muy pocos o guo. Que los úmeros pseudo aleatoros geerados sea dscretos e lugar de cotuos.

3 Que la meda del cojuto sea muy alta o muy baja, es decr, que esté por arrba o por debajo de ½. Que la varaza del cojuto sea muy alta o muy baja, es decr, que se localce por arrba o por debajo del /. Materales y Métodos A cotuacó se preseta dferetes algortmos determístcos para geerar úmeros pseudo aleatoros, los cuales se clasfca e cogruecales y o cogruecales. Algortmos o cogruecales Los algortmos o cogruecales que se cluye e este proyecto so cuadrados medos, productos medos y multplcador costate. Algortmo de cuadrados medos Este algortmo o cogruecal fue propuesto e la década de los cuareta del sglo por Vo Neuma y Metropols. Requere u úmero etero detoador co D dígtos, el cual es elevado al cuadrado para seleccoar del resultado los D dígtos del cetro; el prmer úmero se determa smplemete atepoedo el. a esos dígtos. Para obteer el segudo úmero se sgue el msmo procedmeto, solo que ahora se eleva al cuadrado los D dígtos del cetro que se seleccoaro para obteer el prmer úmero. Este método se repte hasta obteer úmeros. A cotuacó se preseta co más detalle los pasos para geerar úmeros co el algortmo de cuadrados medos.. Seleccoar la semlla ( ) co D dígtos ( D > 3).. Sea Y resultado de elevar al cuadrado; sea los D dígtos del cetro y sea r.d dígtos del cetro. 3. Sea Y resultado de elevar al cuadrado; sea + los D dígtos del cetro y sea r +.D dígtos del cetro para toda,, 3,...,. 4. Repetr el paso 3 hasta obteer los úmeros r deseados. El algortmo de cuadrados medos geeralmete es capaz de geerar ua secueca de úmeros co período de vda grade. Además, e ocasoes solo es capaz de geerar u solo úmero. Algortmo de productos medos La mecáca de geeracó de úmeros pseudo aleatoros de este algortmo o cogruecal es smlar a la del algortmo de cuadrados medos. La dfereca etre ambos radca e que el algortmo de productos medos requere dos semllas, ambas co D dígtos; además, e lugar de elevarlas al cuadrado, las semllas se multplca y del producto se seleccoa los D dígtos del cetro, los cuales formará el prmer úmero pseudo aleatoro r. D. Después se elma ua semlla y la otra se multplca por el prmer úmero de D dígtos, para luego 3

4 seleccoar del producto los D dígtos que coformará u segudo úmero r. Etoces se elma la seguda semlla y se multplca el prmer úmero de D dígtos por el segudo úmero de D dígtos; del producto se obtee el tercer úmero r. Sempre se rá elmado el úmero más atguo, y el procedmeto se repetrá hasta geerar los úmeros pseudo aleatoros. A cotuacó se preseta co más detalle los pasos del método para geerar úmeros co el algortmo de productos medos.. Seleccoar ua semlla ( ) co D dígtos.. Seleccoar ua semlla ( ) co D dígtos. 3. Sea Y * ; sea los D dígtos del cetro y sea r. D dígtos del cetro. 4. Sea Y + : sea + los D dígtos del cetro y sea r +. D dígtos del cetro para toda,, 3,...,. 5. Repetr el paso 4 hasta obteer los úmeros r deseados. Algortmo de multplcador costate Este algortmo o cogruecal es smlar al algortmo de productos medos. Los sguetes so los pasos ecesaros para geerar úmeros pseudo aleatoros co el algortmo de multplcador costate.. Seleccoa ua semlla ( ) co D dígtos ( D > 3).. Seleccoar ua costate (a) co D dígtos ( D > 3). 3. Sea Y a * ; sea los D dígtos del cetro y sea r. D dígtos del cetro. 4. Sea Y a * ; sea + los D dígtos del cetro y sea r +. D dígtos del cetro para toda,, 3,...,. 5. Repetr el paso 4 hasta obteer los úmeros r deseados. Algortmos cogruecales Etre los algortmos cogruecales se ecuetra los algortmos cogruecales leales y los o leales. Algortmos cogruecales leales E este trabajo abordaremos los algortmos cogruecales leales como el algortmo cogruecal leal, el multplcatvo y el adtvo. 4

5 Algortmo Leal Este algortmo cogruecal fue propuesto por D. H. Lehmer e 955. Segú Law y Kelto, este algortmo ha sdo el más utlzado. El algortmo cogruecal leal geera ua secueca de úmeros eteros por medo de la sguete ecuacó recursva: Co,, 3,..., ( a c) mod( m) + + Dode es la semlla, a es la costate multplcatva, c es ua costate adtva y m es el módulo: >, a >, c > y m > debe ser úmeros eteros. La operacó mod m sgfca multplcar por a, sumar c y dvdr el resultado etre m para obteer el resduo +. Es mportate señalar que la ecuacó recursva del algortmo cogruecal leal geera ua secueca de úmeros eteros y que para obteer úmeros pseudo aleatoros e el tervalo (, ) se requere de la sguete ecuacó: Co,,3,..., r m Para que el algortmo sea capaz de lograr el máxmo período de vda, es precso que los parámetros, a, y m cumpla co certas codcoes. Baks, Carso, Nelso y Ncol g sugere lo sguete: m debe ser múltplo de, dode g debe ser etero, a + 4k, dode k debe ser etero y c debe ser relatvamete prmo a m. Bajo estas codcoes se obtee u período de vda máxmo: N g m. Algortmo cogruecal multplcatvo El algortmo cogruecal multplcatvo surge del algortmo leal cuado c. Etoces la ecuacó recursva es: Co,,, 3,..., ( a ) mod( m) + E comparacó co el algortmo cogruecal leal, la vetaja del algortmo multplcatvo es que mplca ua operacó meos a realzar. Los parámetros de arraque de este algortmo so, a y m, los cuales debe ser eteros y mayores que cero. Para trasformar los úmeros e el tervalo (, ) se usa la ecuacó: Co,,, 3,..., r m De acuerdo co Baks, Carso, Nelso y Ncol, las codcoes que debe cumplr los parámetros para que el algortmo cogruecal multplcatvo alcace su máxmo período so: 5

6 m debe ser múltplo de g, dode g debe ser etero, a 3 + 8k debe ser u úmero mpar. Bajo estas codcoes se logra u período de vda máxmo:, dode k,,, 3,..., g N k / 4. Algortmo cogruecal adtvo Este algortmo requere ua secueca preva de úmeros aleatoros,,,..., 3 4 +, +, + 3, + 4 para geerar ua secueca de úmeros eteros que empeza e,... Su ecuacó recursva es: Co +, +, + 3,..., N ( ) mod( + m ) r m Algortmos cogruecales o leales Detro de los algortmos cogruecales o leales se tee el algortmo cogruecal cuadrátco y el de Blum, Blum, y Shub. Algortmo cogruecal cuadrátco Este algortmo tee la ecuacó recursva: Co,,, 3,..., ( a + b c) mod( m) + + E este caso, los úmeros r puede ser geerados por la ecuacó r m De acuerdo co L Ecuyer, las codcoes que debe cumplr los parámetros m, a, b y c g para alcazar u período máxmo de N m so: m debe ser múltplo de, dode g debe ser etero, a debe ser u úmero par, m debe ser u úmero mpar, y ( b ) mod 4. De esta maera se logra u período de vda máxmo N m. Algortmo de Blum, Blum y Shub S e el algortmo cogruecal cuadrátco a, b y c, etoces se costruye ua ueva ecuacó recursva: ( ) mod( m) + 6

7 Co,,, 3,..., La ateror ecuacó fue propuesta por Blum, Blum y Shub como Nuevo método para geerar úmeros que o tee u comportameto predecble. PRUEBAS ESTADÍSTICAS PARA LOS NÚMEROS PSEUDO ALEATORIOS E la seccó ateror se presetaro dversos algortmos para costrur u cojuto de úmeros pseudo aleatoros, pero eso sólo es el prmer paso, ya que el cojuto resultate debe ser sometdo a ua sere de pruebas para valdar s los úmeros que los tegra so aptos para usarse e u estudo de smulacó. A cotuacó se preseta las pruebas estadístcas báscas que se emplea geeralmete para determar s u cojuto de úmeros pseudo aleatoros etre cero y uo cumple co las propedades báscas de depedeca y uformdad. El objetvo es valdar que el cojuto realmete está coformado por úmeros aleatoros. Prueba de Medas Ua de las propedades que debe cumplr los úmeros geerados, es que el valor esperado sea gual a.5. La prueba que busca determar lo ateror es la llamada prueba de medas, e la cual se platea las sguetes hpótess: y H : μ.5 r H : μ r.5 La prueba de medas cosste e determar el promedo de los úmeros geerados medate la ecuacó sguete: r r Posterormete, se calcula los límtes feror y superor co las ecuacoes sguetes: LI zα / ( ) r y LS r + z α / ( ) S el valor de r se ecuetra etre los límtes de aceptacó coclumos que o se puede rechazar que el cojuto r tee u valor esperado de.5 co u vel de aceptacó de -α. E caso cotraro se rechaza que el cojuto r tee u valor esperado de.5. Para el cálculo 7

8 de los límtes de aceptacó se utlza el estadístco Z α / tabla de dstrbucó ormal estádar., el cual se determa por medo de la Prueba de Varaza Otra de las propedades que debe satsfacer el cojuto r, es que sus úmeros tega ua varaza de /. La prueba que busca determar lo ateror es la prueba de varaza, que establece las sguetes hpótess: y H : σ.5 r H : σ.5 r La prueba de varaza cosste e determar la varaza de los úmeros que cotee el cojuto r, medate la ecuacó sguete: ( r r) V ( r) Después se calcula los límtes de aceptacó feror y superor co las ecuacoes sguetes: y LI V ( r) χ α /, ( ) χ α /, LSV ( r) ( ) S el valor de V (r) se ecuetra etre los límtes de aceptacó, decmos que o se puede rechazar que el cojuto r, tee ua varaza de /, co u vel de aceptacó de -α; de lo cotraro se rechaza que el cojuto r tee ua varaza de /. Prueba Ch-cuadrada Ua de las propedades más mportates que debe cumplr u cojuto de úmeros r es la uformdad. Para comprobar su acatameto se ha desarrollado pruebas estadístcas como la prueba Ch-cuadrada. Para probar la uformdad de los úmeros de u cojuto bajo esta prueba es ecesaro formular las sguetes hpótess: y H H : r ~ U (, ) : r o so uformes 8

9 La prueba Ch-cuadrada busca determar s los úmeros del cojuto r se dstrbuye uformemete e el tervalo (, ). Para llevar a cabo esta prueba es ecesaro dvdr el tervalo e m subtervalos e dode es recomedable que m. Posterormete se clasfca cada úmero pseudo aleatoro del cojuto r e los m tervalos. A la catdad de úmeros r que se clasfca e cada tervalo se le deoma frecueca observada ( ), y a la catdad de úmeros r que se espera ecotrar e cada tervalo se llama frecueca esperada ( E ) ; teórcamete, la r es gual a determa el estadístco χ medate la ecuacó: S el valor estadístco χ m / m. A partr de los valores de y de E se ( E O ) E χ es meor al valor de tablas χ α, m, etoces o se puede rechazar que el cojuto de úmeros r sgue ua dstrbucó uforme. E caso cotraro, se rechaza que r sgue ua dstrbucó uforme. Resultados y Dscusó E la fgura se preseta la vetaa prcpal del sstema que se elaboró como resultado del proyecto. E ella se muestra el ombre del sstema, el lugar dode se realzó y el autor. S el usuaro desea abadoar el sstema, smplemete es ecesaro hacer clck e el botó de comado Salr. S desea cotuar sólo se requere hacer clck e botó Cotuar. Fgura Al actvar esta opcó, aparecerá ua vetaa smlar a la veta que se muestra e la fgura. E ella se ecuetra las dversas formas como se puede geerar úmeros pseudo aleatoros. Los algortmos que se cluye e el sstema so: cuadrados medos, productos medos, multplcador costate, leal, cogruecal multplcatvo, cogruecal adtvo, cogruecal cuadrátco y Blum, Blum y Shub. 9

10 Fgura Al hacer clck e la opcó Cuadrados Medos aparecerá ua vetaa como la mostrada e la fgura 3. E ella se observa la vetaa de desplegue de los úmeros pseudo aleatoros geerados por el correspodete algortmo, la caja de texto para troducr la semlla, el botó de que actva la geeracó de los úmeros pseudo aleatoros y el botó para ecotrar el período relacoado co los úmeros pseudo aleatoros. De gual forma se muestra la caja de texto para troducr el vel de aceptacó y la caja de texto para desplegar el promedo que es calculado por el sstema. Al actvar la opcó Prueba de Medas el sstema desplegará s so aceptados o rechazados los úmeros geerados. El sguete cuadro de texto desplega la varaza de los úmeros pseudo aleatoros y los sguetes dos cuadros de texto se utlza para troducr los límtes feror y superor para calcular la prueba de varaza. El cuadro de texto correspodete a esta muestra, desplega s la prueba fue aceptada o rechazada. Falmete, aparece otras tres cajas de texto que se utlza para troducr el valor de la prueba Ch-Cuadrada Teórca. La caja de texto sguete srve para desplegar la prueba Ch- Cuadrada Expermetal que es calculada por el sstema y falmete aparece ua caja de texto que muestra s la prueba es aceptada o rechazada bajo estos límtes. Fgura 3 La fgura 3 muestra, a maera de ejemplo, los resultados de ua geeracó de úmeros pseudo aleatoros por medo del algortmo de cuadrados medos. E la fgura aparece los valores de los úmeros pseudo aleatoros geerados co el algortmo de cuadrados medos. Para este caso, el valor de la semlla es de La prmera caja de texto os dca que o se repte la umeracó, por lo que o tee período. La seguda caja de texto correspode al valor de la tabla de dstrbucó ormal estádar bajo la prueba de medas. Para ello, el usuaro

11 debe troducr el valor de la tabla de dstrbucó ormal estádar al que quere someter los úmeros geerados. Se trodujo el valor de.96 por el vel de aceptacó del 95%. Después de troducr este valor, para saber s so aceptados los úmeros pseudo aleatoros, el usuaro debe hacer clck e el botó de comado Prueba de Medas. E el ejemplo se muestra que o se rechaza la muestra. S se redujera el valor del vel de aceptacó o el valor de la tabla de dstrbucó ormal estádar, es posble que o se acepte los úmeros geerados. El sguete bloque de opcoes correspode a la prueba de varaza. Para ello, el usuaro debe troducr el valor de las tablas de la dstrbucó J-cuadrada correspodete a u vel de aceptacó del 95% y u grado de lbertad de 49, ya que so 5 los úmeros geerados. Al actvar la opcó Prueba de Varaza se puede ver s se rechaza o o los úmeros geerados. Para este caso se tee que α 5% y 5, por lo que los valores de la tabla Jcuadrada so: χ.5, y χ.975, Al calcular la varaza de los úmeros geerados pseudo aleatoramete, se observa que el valor o se ecuetra detro de los límtes calculados por el sstema, por lo que o so aceptados. De gual forma, es posble aumetar el tervalo de prueba para ver s se rechaza o o la sere. Falmete, el últmo bloque correspode a la prueba Ch-cuadrada, e la cual el usuaro puede troducr el valor de la Ch-Cuadrada Teórca para compararla co el valor de la Ch-Cuadrada Expermetal para saber s so aceptados los valores de los úmeros pseudo aleatoros geerados por medo de este algortmo. Al actvar la opcó Ch-Cuadrada se puede ver s se rechaza o o los úmeros geerados. E este caso se tee que el valor de la prueba Ch-cuadrada teórca para estos datos es de χ 6. 9, que comparado co el valor del Ch-cuadrada expermetal.5, 9 χ.4, coclumos que se acepta los úmeros pseudo aleatoros geerados por el algortmo de cuadrados medos. Al gual que e los casos aterores, se puede reducr el valor de Ch-cuadrada Teórca, hasta que sea rechazados los úmeros geerados pseudo aleatoramete. Todas las opcoes descrtas para el algortmo de Cuadrados Medos se ecuetra e cada uo de los algortmos de geeracó de úmeros pseudo aleatoros cotedos e el sstema, por lo que cada algortmo puede comprobar s los úmeros geerados so aceptados o o. Después de geerarse los úmeros pseudo aleatoros, el usuaro puede exportarlos a ua hoja de cálculo para poder ser utlzados e algua smulacó. Coclusoes El sstema puede geerar úmeros pseudo aleatoros por medo de dferetes algortmos cogruecales y o cogruecales. Para cada algortmo, el sstema cluye las pruebas de Medas, de Varaza y de Ch cuadrada para saber s los úmeros geerados so aceptados o rechazados. El sstema tee la opcó de exportar los úmeros pseudo aleatoros a ua hoja de cálculo para que sea utlzados e algua smulacó. El sstema puede calcular el período de la secueca de úmeros pseudo aleatoros geerados e cada algortmo. El sstema preseta ua terface gráfca de fácl maejo. El sstema es u apoyo a la labor docete.

12 Referecas Ceballos Serra, F. J.996. Ecclopeda de Vsual Basc 4, Méxco, D. F.: Alfaomega Grupo Edtor. García Dua E.; Gracía Reyes, H. y Cárdeas Barró, L. E. 6. Smulacó y Aálss de Sstemas co ProModel, Méxco, D. F.: Pearso Educacó. García Mora, F.; Serra Acosta, J. y Guzmá Ibarra, V. 5. Smulacó de Sstemas para Admstracó e Igeería, Méxco, D. F.: CECSA. Kreyszg, Erw Itroduccó a la Estadístca Matemátca, Méxco, D. F.: Edtoral Lmusa.

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

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

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

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

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

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

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

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

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

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

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

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

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

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

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

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

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

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

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

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

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

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

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

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

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

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

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

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

Más detalles

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

MODELO 2. CONVERSION DE TASAS (parte 2) CASO 2: CONVERSIÓN DE UNA TASA EFECTIVA ANUAL A TASA NOMINAL

MODELO 2. CONVERSION DE TASAS (parte 2) CASO 2: CONVERSIÓN DE UNA TASA EFECTIVA ANUAL A TASA NOMINAL MODELO 2. CONVERSION DE TASAS (parte 2) CASO 2: CONVERSIÓN DE UNA TASA EFECTIVA ANUAL A TASA NOMINAL PROPÓSITO: Dseñar u modelo e hoja de cálculo que permta covertr ua tasa efectva, a su equvalete omal

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

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

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

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

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

Nociones de Estadística

Nociones de Estadística Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

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

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

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

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

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

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

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

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

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

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

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

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

Regla de Bayes. Pedro J. Rodríguez Esquerdo

Regla de Bayes. Pedro J. Rodríguez Esquerdo Regla de Bayes Pedro J. Rodríguez Esquerdo Isttuto de Estadístca y Sstemas Computadorzados de Iformacó Facultad de Admstracó de Empresas y Departameto de Matemátcas Facultad de Cecas Naturales Recto de

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Estadística Contenidos NM 4

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

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

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

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Problemas discretos con valores iniciales

Problemas discretos con valores iniciales Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co

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

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles