CAPÍTULO IV CORRESPONDENCIA: TEORÍA. El análisis de tablas de contingencia es una aplicación del análisis de

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

Download "CAPÍTULO IV CORRESPONDENCIA: TEORÍA. El análisis de tablas de contingencia es una aplicación del análisis de"

Transcripción

1 36 CAÍTULO IV 4. ANÁLISIS E CONTINGENCIA Y ANÁLISIS E CORRESONENCIA: TEORÍA. 4. Aálss de Tablas de Cotgea. El aálss de tablas de otgea es ua aplaó del aálss de tablas X. La hpótess ula que se desea poba po medo de las tablas de otgea es que ua vaable X es depedete de ua vaable Y. E geeal, s θ es la pobabldad de que u elemeto aeá e la elda que peteee al ésmo egló y la ésma oluma, θ. es la pobabldad de que u elemeto aeá e el ésmo egló, y θ. es la pobabldad de que u elemeto aeá e la ésma oluma, la hpótess ula que queemos poba es θ = θ.. θ. paa =,,..., y =,,... Coespodetemete, la hpótess alteatva es θ θ..θ. paa al meos u pa de valoes de y.

2 37 eotaemos la euea obsevada e el ésmo egló y la ésma oluma o, los totales de los egloes o., los totales de las olumas o., y el ga total, la suma de todas las eueas de las eldas, o. Co esta otaó, estmamos las pobabldades θ. y θ. omo: ˆ.. y ˆ.. Y bao la hpótess ula de depedea se obtee: e ˆ. ˆ..... paa la euea espeada paa la elda e el ésmo egló y la ésma oluma. Adveta que e así obteda al multpla el total del egló al al peteee la elda po el total de la oluma a la ual peteee y después dvd ete el ga total. Ua vez que se ha alulado la e, basamos uesta desó e el valo de e e

3 38 y ehazamos la hpótess ula s exede a,( )( ). El úmeo de gados de lbetad es (-)(-), y e elaó o esto hagamos la sguete obsevaó: sempe que se estme eueas de eldas e ómulas de uadada o base e datos de oteo muestales, el úmeo de gados de lbetad es s-t-, dode s es el úmeo de témos e la suma y t es el úmeo de paámetos depedetes eemplazados po estmadoes. Cuado se hae la pueba paa depedea e ua tabla de otgea X se tee que s = y t = --, puesto que los paámetos θ. y los paámetos θ., o so todos depedetes; sus sumas espetvas debe se gual a. Así se obtee s-t- = - ( - - ) - = (-)(-). uesto que la estadísta de pueba que se ha desto sólo tee apoxmadamete ua dstbuó uadada o (-)(-) gados de lbetad, es ostumbe usa esta pueba sólo uado gua de las e es meo que 5; esto alguas vees equee que se ombe alguas de las eldas o ua pédda oespodete e el úmeo de gados de lbetad. 4.. Aálss de Coespodeas Aálss de Coespodeas Smple. esaollado po los aeses, el aálss de oespodea es u poedmeto gáo paa epeseta asoaoes e ua tabla de eueas o oteo. El aálss de oespodea

4 39 smple se oeta e ua tabla de euea de dos vías o tabla de otgea. S la tabla de otgea tee egloes y olumas, el gáo de putos podudo po el aálss de oespodeas smple otee dos outos de putos: u outo de putos oespodete a los egloes y u outo de putos oespodete a las olumas. La posó de los putos elea las asoaoes. Los putos egloes que está muy póxmos da que los egloes tee peles smlaes (dstbuoes odoales) a lo lago de las olumas. Los putos oluma que se eueta póxmos da olumas o peles smlaes (dstbuoes odoales) po las. Falmete, putos la que está muy eaos a putos oluma epeseta ombaoes que oue o mayo euea que s se espeaa u modelo de depedea, es de, u modelo e el ual las ategoías dadas e las las o está elaoadas o las ategoías expesadas e las olumas. El esultado usual de u aálss de oespodea smple luye la meo epesetaó bdmesoal de los datos y ua medda (deomada ea) de la atdad de omaó eteda e ada dmesó.

5 40 esaollo algebao del aálss de oespodea smple. Supógase que X, o elemetos x, es ua tabla de otgea I X J. E esta dsusó tomemos I<J y asumamos que X es de ago oluma ompleto J. Las las y las olumas de la tabla de otgea X oespode a deetes ategoías de dos deetes aateístas. Es oveete basa la epesetaó gáa de asoaó e ua tabla de otgea, e ua matz sutlmete etada y esalada. S es el total de las eueas e X, pmeo se ostuá ua matz de popooes = { p } dvdedo ada elemeto de X po. Etoes: x p, =,,, I, =,,, J, o (4.) ( IXJ) X ( IXJ) La matz se deoma matz de oespodea. Luego, es etada medate la sustaó del poduto ete el total de los egloes y el total de las olumas paa ada etada. Esta opeaó podue: p p, =,,, I, =,,, J, o ' (4.) ode

6 4 J J x p,,, I, (4.3) o ( IX) ( IXJ) ( IXJ) I I x p,,, J, o (IX) ' ( IXJ) ( IXJ) y =[,, ]. Notemos que ago ( ) J patedo de que ' 0. eamos las mates dagoales = dag (,,, I ) y = (,,, J ) (4.4) y ostuyamos la matz esalada (IxJ) * / (IXI) (IXJ) / C (JXJ) (4.5) de tal maea que la elda (, ) ésma de * es p * p,,, I,,, J (4.6) A otuaó se peseta los pasos que guía a u gáo de asoaó e ua tabla de dos vías. aso. Eota la desomposó de valoes sgulaes de *. Se tee:

7 4 * (IXJ) U IX(J ) (J Λ )X(J ) V' (J )XJ (4.7) dode ago ( ) J, U' U V'V I y la matz dagoal Λ = dag( λ, λ,, λ J- ) otee los valoes sgulaes, odeados del más gade al más pequeño, a lo lago de la dagoal ppal. aso. e U / U y V / C V, luego, usado (4.5) y (4.7) la desomposó de valoes sgulaes de es: ' UΛV' J u v ' (4.8) ode u es el -ésmo veto oluma de U y v es el -ésmo veto oluma de V. E esta epesetaó, los vetoes sgulaes zquedo y deeho está omalzados paa tee logtud utaa e las métas de: y, espetvamete. Es U U ' ((J )XI) (IXI) (IX(J ) V V ' C ((J )XJ) (JXJ) (JX(J )) I ((J )X(J )) (4.9) Las olumas de U dee las oodeadas paa los putos que epeseta los peles oluma de. Smlamete, las olumas

8 43 de V dee las oodeadas paa los putos que epeseta los peles la de. aso 3. Calula las oodeadas de los peles la. Y (IX(J )) U Λ (IXI) (IX(J )) ((J )X(J )) (4.0) y las oodeadas de los peles oluma. Z (IX(J )) V Λ C (JXJ) (JX(J )) ((J )X(J )) (4.) Las pmeas olumas de Y otee los paes de oodeadas de los putos la e la meo epesetaó bdmesoal de los datos. Las pmeas dos olumas de Z otee los paes de oodeadas de los putos oluma e la meo epesetaó e dos dmesoes de los datos. Los putos oespodetes a estos dos outos de oodeadas puede se supepuestos e el msmo gáo. aa u outo de putos la, o paa u outo de putos oluma, la dstaa Euldaa e el gáo de dos dmesoes oespode a la dstaa estadísta ete paes de peles oluma (la) e los datos ogales. Es mpotate eoda que o exste elaó de dstaa deta

9 44 ete u puto que epeseta a u pel la y oto puto que epeseta a u pel oluma. aso 4. La Iea es el uadado de los valoes sgulaes oespodete a ada dmesó. La ea total se dee omo la suma de los uadados de todos los valoes sgulaes deetes de eo. Iea Total K (4.) dode λ λ, λ K > 0 so los elemetos de la dagoal de Λ deetes de eo. Aquí, K = ago ( ) y, odaamete, ago ( ) = m (I -,J -). Aálss de Asoaó J uadado y el Aálss de Coespodea. El estadísto paa med el gado de asoaó ete las vaables la y oluma e ua tabla de otgea de dos vías o I las y J olumas es I J e e (4.3)

10 45 ode = x es la euea obsevada paa la (,) ésma elda y e = es la euea espeada e la (,) ésma elda s la vaable la es depedete de la vaable oluma. espués de ua pequeña mapulaó, y usado (4.6), se puede esb: I J p =, * p (4.4) E otaó matal, taza ( ') ( ')' taza( * *'), * p Iea. (4.5) El -ésmo pel la o el -ésmo elemeto x x p,,, J es la -ésma la de X dvdda paa su suma. o lo tato, la matz de peles la está dada po:

11 46 R (IXJ) I (IXI) (IXJ) (4.6) Smlamete, los peles oluma, =,,, J, so las olumas de X dvdda po sus sumas, de tal maea que el - ésmo elemeto de es p,,, I E otaó matal C (JXI) J ' (JXJ) (JXI) (4.7) Cosdeemos el pomedo podeado R ' de los peles la, o etode la. Ahoa, R ' = ' ' po (4.3). Luego debdo a (4.6), tee elemetos p. Falmete = etoes ' (4.8)

12 47 Smlamete, el pomedo podeado C ' de los peles oluma, o etode oluma, es ' (4.9) Ahoa estamos e posó de de la ea. La ea total es la suma podeada de las dstaas uadadas de los peles la (o peles oluma) haa el etode. Coseuetemete, es ua medda de la vaaó total, o deeas, e los putos que epeseta los peles la (o peles oluma). La ea asoada a los putos la es la msma que la ea asoada a los putos oluma. Usado la elaó ' J u v ' La esala (4.5), y las odoes de otogoaldad paa los u ' s y los v ' s Iea= J taza ( ') ( ')' k k

13 Aálss de Coespodeas Múltples. Se apla a tablas de otgeas e las que po las se tee dvduos y po olumas s vaables ategóas o p =,..., s ategoías mutuamete exluyetes y exhaustvas. La tabla de datos tee, po lo tato, la oma: Z = [Z, Z,..., Z s ] o Z matz xp de oma que z = s el dvduo -ésmo ha elegdo la modaldad z = s el dvduo -ésmo o ha elegdo la modaldad o =,..., y =,..., p=p + p p s El Aálss de Coespodeas Múltples se basa e ealza u Aálss de Coespodeas sobe la llamada matz de But: B = Z'Z ha matz se ostuye po supeposó de aas. E los bloques dagoales apaee mates dagoales oteedo las eueas magales de ada ua de las vaables aalzadas. Fuea de la dagoal apaee las tablas de eueas uzadas oespodetes a todas las ombaoes a de las vaables aalzadas Se toma omo dmesoes aquellas uya otbuó a la ea supea /p.

14 49 staas χ E este aso vee dadas po las expesoes staa ete modaldades staa ete dvduos

Tablas de Contingencia

Tablas de Contingencia STATGAPHIS ev. 9/4/006 Tablas de otgea esume El poedmeto Tablas de otgea esta dseñado paa aalza y mosta datos de feuea otedos e tablas uzadas. Tales datos so feuetemete oleoados omo el esultado de u exame.

Más detalles

Tablas y Fórmulas Estadísticas 1 TABLAS Y FORMULAS ESTADISTICAS. Carlo Magno Araya Profesor de Estadística Sede de Occidente Universidad de Costa Rica

Tablas y Fórmulas Estadísticas 1 TABLAS Y FORMULAS ESTADISTICAS. Carlo Magno Araya Profesor de Estadística Sede de Occidente Universidad de Costa Rica Tablas y Fómulas Estadístas TABAS Y FORMUAS ESTADISTICAS Calo Mago Aaya Pofeso de Estadísta Sede de Odete Uvesdad de Costa Ra MEDIDAS DE POSICIO Tablas y Fómulas Estadístas Datos s agupa Datos agupados

Más detalles

TEOREMAS DE ESPACIO VECTORIAL

TEOREMAS DE ESPACIO VECTORIAL TEOEMAS DE ESPACIO ECTOIAL 1.-Sea u ojuto o vaío y se ( k,, ) u ampo. Se die que es u espaio vetoial sobe k si está defiidas dos leyes de omposiió, llamadas adiió y multipliaió po ua esala, tales que:

Más detalles

Evento E es cualquier subconjunto de posibles resultados de un experimento (Ω o S también se le conoce como evento seguro).

Evento E es cualquier subconjunto de posibles resultados de un experimento (Ω o S también se le conoce como evento seguro). I. INTRODUION. oceptos báscos xpemeto: Ua stuacó que da luga a u esultado detfcable. muchos estudos cetífcos os efetamos co expemetos que so epettvos po atualeza o que puede se cocebdos como epettvos.

Más detalles

En cualquier punto donde coloquemos nuestra segunda carga, su posición podrá darse con un vector de posición que cumple:

En cualquier punto donde coloquemos nuestra segunda carga, su posición podrá darse con un vector de posición que cumple: CAMPO LCTRICO Cosdeemos e pcpo ua stuacó deal: l Uveso está vacío y o exste ada supogamos ue e el ceto de ese Uveso colocamos ua caga putual podemos pegutaos: Sufe algú cambo el Uveso? S o exste ota caga

Más detalles

Comparaciones múltiples entre medias Tema 6. 1. Comparaciones múltiples. 2. Comparaciones planeadas o a priori: 2.2 Comparaciones de tendencia

Comparaciones múltiples entre medias Tema 6. 1. Comparaciones múltiples. 2. Comparaciones planeadas o a priori: 2.2 Comparaciones de tendencia Comparaoes múltples etre medas Tema 6. Comparaoes múltples. Comparaoes plaeadas o a pror:. F plaeadas. Comparaoes de tedea. Comparaoes o plaeadas o a posteror:. Prueba de Tukey.. Prueba de Sheffé . Comparaoes

Más detalles

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica CDENADAS VECTIALES DE LS SISTEAS DE FUEZAS Se etede po sstema de fuezas a u cojuto de fuezas como se dca La esultate geeal del sstema se obtee sumado los vectoes equpoletes de cada ua de las compoetes

Más detalles

MANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA PROPAGACIÓN DE ERRORES. Escuela de Geociencias y Medio Ambiente

MANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA PROPAGACIÓN DE ERRORES. Escuela de Geociencias y Medio Ambiente ANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA 35 ANEXO A5 PROPAGACIÓN DE ERRORES Ramo abello Péez Escuela de Geocecas y edo Ambete 36 ANEXO 5 A5 PROPAGACIÓN DE ERRORES Tomado de la Ref. [0] Las magtudes

Más detalles

Concepto de circuito eléctrico

Concepto de circuito eléctrico oepto de ruto elétro U ampo eletromagéto se halla ompletamete desrpto uado se ooe los vetores tesdad de ampo elétro E y de ampo magéto H e todos sus putos e fuó del tempo. Esto mpla el empleo de fuoes

Más detalles

Estructuras Algebraicas

Estructuras Algebraicas Uversdad de los des Faultad de Ceas Eoómas y Soales Esuela de Estadísta Estruturas lgebraas Prof. Gudberto José Leó Ragel MÉRID, 2015 1 Profesor Gudberto Leó Teoría Estadísta I Uversdad de Los des - Faultad

Más detalles

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II Uvesdad Técca Fedeco Sata Maía Uvesdad Técca Fedeco Sata Maía Depatameto de Iomátca ILI-80 Capítulo Aálss de datos (Bvaados( Bvaados) Estadístca Computacoal I Semeste 006 Pate II Poesoes: Calos Valle (cvalle@.utsm.cl)

Más detalles

9. Análisis de correspondencias

9. Análisis de correspondencias 9. Análss de oespondenas OBETIVO: Poedmento gáfo paa epesenta asoaones en una tabla de feuenas o onteos. Paa la despón del método nos onentaemos en una tabla de feuenas de dos vaables ategóas o tabla de

Más detalles

Espacio Euclídeo real n-dimensional TEOREMA DE WEIERSTRASS

Espacio Euclídeo real n-dimensional TEOREMA DE WEIERSTRASS Espaco Euclídeo eal -desoal TEOREMA DE WEERSTRASS Se geealza peaete a R el pcpo de ecaje de ato e R que es el stueto paa deosta el teoea del puto de acuulacó o de Bolzao- Weestass del que se deduce el

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas ertdumbre e las medoes dretas e dretas Reordado Para la seleó de u strumeto de medó os basamos e la Regla de Oro de la Metrología Luego, 0. T T La toleraa orregda por la ertdumbre del strumeto queda defda

Más detalles

8- Estimación puntual

8- Estimación puntual Pate stmacó putual Pof. Maía B. Ptaell 8- stmacó putual 8. Itoduccó Supogamos la sguete stuacó: e ua fábca se poduce atículos el teés está e la poduccó de u día específcamete de todos los atículos poducdos

Más detalles

RESOLUCIÓN DE RELACIONES DE RECURRENCIA LINEALES NO HOMOGÉNEAS CON COEFICIENTES CONSTANTES A TRAVÉS DE VALORES Y VECTORES PROPIOS

RESOLUCIÓN DE RELACIONES DE RECURRENCIA LINEALES NO HOMOGÉNEAS CON COEFICIENTES CONSTANTES A TRAVÉS DE VALORES Y VECTORES PROPIOS UNICIENCIA pp. - REOLUCIÓN DE RELACIONE DE RECURRENCIA LINEALE NO HOMOGÉNEA CON COEFICIENE CONANE A RAVÉ DE VALORE Y VECORE ROIO Eque Vílhez Quesada Uvesdad Naoal de Costa Ra Esuela de Ioáta evlhez@ua.a.

Más detalles

SOLUCIÓN: cara. sale. Sea X i = cruz. sale. 1 p = ; con ello 2

SOLUCIÓN: cara. sale. Sea X i = cruz. sale. 1 p = ; con ello 2 Hojas de oblemas Estadístca VI. Calcula el úmeo de veces que se debe laa ua moeda de maea que se tega ua pobabldad supeo a 9 de que el cocete ete el úmeo de caas y el de laametos esté compeddo ete y 6.

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 ejeccos de Selectvdad sobe Ifeeca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Facsco Roldá López de Heo * Covocatoa de 007 Las sguetes págas cotee las solucoes de los

Más detalles

ESTADÍSTICA DESCRIPTIVA BIVARIADA

ESTADÍSTICA DESCRIPTIVA BIVARIADA ESTDÍSTIC DESCRIPTI IRID ESTDÍSTIC DESCRIPTI IRID No coepode tata ahoa el poblema de aalza multáeamete do vaable etadítca de ua poblacó paa lo cual la ceamo o tomamo ua mueta de ella etudado e bae a tal

Más detalles

Estadística Tema 9. Modelos de distribuciones. Pág. 1

Estadística Tema 9. Modelos de distribuciones. Pág. 1 Estadístca Tema 9. Modelos de dstbucoes. Pág. 9 Modelos de dstbucoes. 9. Modelos dscetos de vaables aleatoas. 9.. Epemetos y dstbucó de Beoull. 9.. Dstbucó bomal. 9.. Dstbucó ufome dsceta. 9.. Dstbucó

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 paa Améca Lata y el Cabe (CEPAL Dvsó de Estadístcas y Poyeccoes Ecoómcas (DEPE Ceto de Poyeccoes Ecoómcas (CPE Modelo Clásco de Regesó Alguos Temas Complemetaos Chsta A. utado Navao Mayo,

Más detalles

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA PLNTMNTO PROLMS LN MTR N PROSOS SN RÓN QUÍM. teder ual es el objetvo que se persgue e el proeso, la fuó de ada equpo (por lo meos ualtatvamete) y vsualzar los feómeos y trasformaoes que ourre.. detfar

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

8. Procesamiento de consultas

8. Procesamiento de consultas Fheos y bases de datos Cotedo: 8. Poesameto de osultas 8.. Vsó geeal 8.. eestua. eglas de equvalea del álgeba elaoal 8.3. Heuístas paa la optmzaó 8.4. Coste 8.4.. Atbutos 8.4.. Meddas 8.5. Ejeuó 8.5..

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

FORMULARIO DE ESTADÍSTICA

FORMULARIO DE ESTADÍSTICA Reúmee de Matemática paa Bachilleato I.E.S. Ramó Gialdo FORMULARIO DE ESTADÍSTICA Cocepto báico Població: cojuto de todo lo elemeto objeto de ueto etudio Mueta: ubcojuto, extaído de la població,(mediate

Más detalles

4. Soluciones de ecuaciones lineales en series de potencias. ( Chema Madoz, VEGAP, Madrid 2009)

4. Soluciones de ecuaciones lineales en series de potencias. ( Chema Madoz, VEGAP, Madrid 2009) Soluioes de euaioes lieales e seies de poteias Chema Madoz, VEGAP, Madid 9 Repaso de Seies de Poteias Reueda de álulo que ua seie de poteias e a es ua seie de la foma a a a Se die que es ua seie de poteias

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

Método Matemático para las Series Uniformes o Anualidades

Método Matemático para las Series Uniformes o Anualidades Mg Mao Aoo Plaza Vdaue Méodo Maemáo paa las Sees Ufomes o Aualdades E el pesee doumeo ulzaemos es méodos paa halla las fómulas que se ulza paa efeua álulos faeos e las aualdades vedas Pmeo se hallaá la

Más detalles

Matemáticas Aplicadas CC. SS. I -- I. E. S. Sabinar

Matemáticas Aplicadas CC. SS. I -- I. E. S. Sabinar Matemátcas Aplcadas. SS. I -- I. E. S. Saba MATEMÁTIAS INANIERAS EN 1º BTO.. SS. 1. PORENTAJES 1.1 Aumetos y dsmucoes pocetuales. Ídce de vaacó 1.2 Aumetos y dsmucoes pocetuales ecadeados. Ídce de vaacó

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

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

Identificación de Sistemas No Lineales

Identificación de Sistemas No Lineales Idetfaó de Ssteas o Leales Ja Calos Góez Idetfaó de Ssteas Depataeto de Eletóa FCEIA Uvesdad aoal de Rosao ISIS -Idetfaó de Ssteas o Leales - Ja Calos Góez - - Cotedo. Itodó. Modelos o Leales 3. Alas éas

Más detalles

Métodos de Ordenamiento

Métodos de Ordenamiento Aálss y Complejdad de Algortmos Métodos de Ordeameto Arturo Díaz Pérez pos de ordeameto y meddas de efea Algortmos básos QukSort HeapSort BSort RadxSort Arboles de Desó Aálss y Dseño de Algortmos Sortg-

Más detalles

EL TEOREMA EGREGIUM. Introducción

EL TEOREMA EGREGIUM. Introducción CARLOS S CHIEA EL TEOREMA EGREGIUM DE GAUSS Itoduccó Joha Ca Fedch Gauss (30 de ab de 777 3 de febeo de 855) e sus Dsqustoes eeaes cca supefces cuvas de 88 expoe e teoea coocdo coo eeo Eeu que ha tedo

Más detalles

Probabilidad condicional

Probabilidad condicional robabldad odoal osderemos ua ura que otee bolllas roas y 5 blaas. De las bolllas roas so lsas y rayadas y de las 5 bolllas blaas so lsas y ua sola es rayada. Supogamos que se extrae ua bollla y s que la

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

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

5. Estimación puntual. Curso Estadística

5. Estimación puntual. Curso Estadística 5. stmacó utual Cuso - stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes de

Más detalles

Capítulo 2: ANÁLISIS ESTADÍSTICO

Capítulo 2: ANÁLISIS ESTADÍSTICO Capítulo : ANÁLISIS ESTADÍSTICO El aálss estadístco es todo el poceso de ogazacó, pocesameto, educcó e tepetacó de datos paa ealza eecas. Recodemos que los datos se tasomaá e omacó útl paa la toma de decsoes,

Más detalles

Nombre del estudiante:

Nombre del estudiante: UNIVERSIDAD DE OSTA RIA ESUELA DE IENIAS DE LA OPUTAIÓN E INFORÁTIA I-0 ESTRUTURAS DISRETAS PROF. KRYSIA DAVIANA RAÍREZ BENAVIDES II Semeste 06 Fecha: /09/06 SOLUIÓN EXAEN PARIAL I Nombe del estudiate:

Más detalles

4. Ecuaciones No Lineales

4. Ecuaciones No Lineales 4. Euaoe No Leale 4. Itoduó E geeal o e oble obtee la aíe de ua euaó o leal e oma elíta, debédoe utlza método teatvo. Patedo de ua aíz aomada,, e obtee ua euea,, 3 Kque ovege a la aíz deeada. Paa alguo

Más detalles

Héctor Allende 1. w Ω, resultado elemental. Ω : Espacio Muestral: Todos los posibles

Héctor Allende 1. w Ω, resultado elemental. Ω : Espacio Muestral: Todos los posibles Coeptos ásos Capítulo Curso ILI-80 I Semestre 00 Profesor: Hétor llede Expermeto aleatoro : ξ Espao Muestral : Ω Eveto o Sueso : ; ;. Evetos elemetales, seguros e mposbles Probabldad : grado de ertdumbre

Más detalles

TEMA 2 MEDIDAS DE CENTRALIZACIÓN

TEMA 2 MEDIDAS DE CENTRALIZACIÓN D37 ESTADÍSTICA. Tema TEMA MEDIDAS DE CETRALIZACIÓ. Caacteístcas de las meddas de poscó cetal.. Meddas de cetalzacó: meda atmétca, medaa y moda. Popedades. Relacó ete meda, medaa y moda..3 Cuatles: cuatles,

Más detalles

Santiago de la Fuente Fernández. Regresión Lineal Múltiple

Santiago de la Fuente Fernández. Regresión Lineal Múltiple atago de la Fuete Feádez egesó Leal Múltple atago de la Fuete Feádez egesó Leal Múltple EGEIÓN LINEAL MÚLTIPLE egesó Leal Múltple Las téccas de egesó leal múltple pate de (k+) vaables cuattatvas, sedo

Más detalles

Variables aleatorias

Variables aleatorias Vaables aleatoas M. e A. Vícto D. Plla Moá Facultad de Igeeía, UNAM Resume El cocepto de vaable aleatoa como abstaccó de u eveto aleatoo y su defcó. vaable aleatoa dsceta: fucó de pobabldad, sus popedades

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

OPTICA REFLEXIÓN Y REFRACCIÓN

OPTICA REFLEXIÓN Y REFRACCIÓN OPTICA REFLEXIÓN Y REFRACCIÓN IES La Magdalea. Avlés. Astuas La eflexó se poduce cuado ua oda ecueta ua supefce cota la cual ebota. E la eflexó el ayo cdete y el eflejado se popaga e el msmo medo. La velocdad

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

Tema 5 Modos de convergencias de sucesiones de variables aleatorias

Tema 5 Modos de convergencias de sucesiones de variables aleatorias Tema 5 Modos de covegecias de sucesioes de vaiables aleatoias Itoducció Cuado se cosidea sucesioes y seies de vaiables aleatoias, es deci, sucesioes y seies de fucioes medibles, su covegecia puede se cosideada

Más detalles

CAPÍTULO 6 TEOREMAS ENERGÉTICOS

CAPÍTULO 6 TEOREMAS ENERGÉTICOS CPÍTULO 6 TEORES ENERGÉTICOS L ENERGÍ ELÁSTIC EXPRESD EN UNCIÓN DE LS CRGS PLICDS Hasta ahoa, habíamos utlao la sguete epesó e la esa e eegía elástca: ( σ ε σ ε σ ε τ γ τ γ τ γ ) ω Que, tegaa a lo lago

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES Espacios Vectoiales Heamietas ifomáticas paa el igeieo e el estudio del algeba lieal. ESPACIOS VECTORIALES.. ESTRUCTURA DE ESPACIO VECTORIAL... Defiició..2. Ejemplos de espacios vectoiales..3. Popiedades

Más detalles

4.- Cálculo de incertidumbres de medida

4.- Cálculo de incertidumbres de medida Cállo de etdmbe de 4.- Cállo de etdmbe de 4..- Geealdade Paa alla la etdmbe de e eeta tee fomaó de la eó temeda del método ( ). Se ede tlza la fomaó obteda e lo etdo de eó del método, la mtada o lo gáfo

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

PROBLEMAS DE ÓPTICA. FÍSICA 2 BACHILLERATO. Profesor: Félix Muñoz Jiménez

PROBLEMAS DE ÓPTICA. FÍSICA 2 BACHILLERATO. Profesor: Félix Muñoz Jiménez PROBEMS DE ÓPTIC. FÍSIC BCHIERTO. Pofeo: Félx Muñoz Jméez Poblema º Calcula el ídce de efaccó elatvo del vdo al acete. Halla la velocdad de popagacó y la logtud de oda, e el acete y e el vdo de u ayo de

Más detalles

y. Diferenciando la primera condición en (1) con respecto a x, la segunda respecto a y y sumando obtenemos

y. Diferenciando la primera condición en (1) con respecto a x, la segunda respecto a y y sumando obtenemos Sceta et Techca Año XIII, No 34, Mayo de 7 Uvesdad Tecológca de Peea ISSN -7 55 EL ESTUDIO DE ALGUNAS PROPIEDADES DE LAS FUNCIONES ARMÓNICAS PARA EL PROBLEMA DE DIRICHLET DE LA ECUACIÓN DE LAPLACE RESUMEN

Más detalles

TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7

TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7 TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7 Valuaió de u boo e ua feha etre uoes E lo que hemos isto hasta aquí sobre la determiaió del reio de u boo o uó hemos osiderado eriodos omletos, es deir, el úmero

Más detalles

ESTUDIO CIS Nº 3020 CIUDADANÍA ISSP 1 FICHA TÉCNICA

ESTUDIO CIS Nº 3020 CIUDADANÍA ISSP 1 FICHA TÉCNICA ESTUDIO CIS º 3020 CIUDADAÍA ISSP FICA TÉCICA Ámbto: acoal cludas las Cudades Autóomas de Ceuta y Mellla. Uveso: Poblacó esdete de ambos sexos de 8 años y más. Maco: Padó Mucpal de abtates a de eeo de

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

5. Estimación puntual. Curso Estadística

5. Estimación puntual. Curso Estadística 5. stmacó utual Cuso 0-0 stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes

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

1 i. Hojas de Problemas Álgebra IX

1 i. Hojas de Problemas Álgebra IX Hojs e Polems Álge IX 7 Se A l ml e uoes :R * R es o log, " N R *{ R:>} Estu su eee lel e el R-eso etol AlR *,R Hll l mesó y u se el sueso que ege Soluó: Es log log log S m, y m so lelmete eeetes: α β

Más detalles

TEMA 6 VALORACIÓN FINANCIERA DE RENTAS (III)

TEMA 6 VALORACIÓN FINANCIERA DE RENTAS (III) Facultad de.ee. Dpto. de Ecooía Facea I Dapostva Mateátca Facea TEMA 6 VALORAIÓN FINANIERA DE RENTAS III. Faccoaeto atétco y faceo de ua eta 2. Retas faccoadas 3. Retas cotuas Facultad de.ee. Dpto. de

Más detalles

MECÁNICA VIBRATORIA. M. López-García Pemex-Refinación, Refinería Francisco I. Madero Cd. Madero, Tamaulipas, México

MECÁNICA VIBRATORIA. M. López-García Pemex-Refinación, Refinería Francisco I. Madero Cd. Madero, Tamaulipas, México MCÁNICA VIBRAORIA M. López-Garía Peme-Refaó, Refería Fraso I. Madero Cd. Madero, amaulpas, Méo mal: mlgam@yahoo.om.m MAYO 4, 9 He deddo empezar este artíulo presetado la euaó que otedríamos omo resultado

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

VECTORES EN TRES DIMENSIONES

VECTORES EN TRES DIMENSIONES FÍSIC PR TODOS 1 CRLOS JIMENEZ HURNG VECTORES EN TRES DIMENSIONES Los vetoes pueden epesase en funión de oodenadas, de la siguiente manea: a; b; ) o de ota foma: a i + b j + k donde: i, j, k, son vetoes

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

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

Probabilidad condicionada. Probabilidad Total. Teorema de Bayes

Probabilidad condicionada. Probabilidad Total. Teorema de Bayes robabldad odoada. robabldad Total. Teorema de aes utor: Olvá alzada Emlaa (Leada e Matemátas rofesora de Matemátas e Eduaó Seudara). úblo: lumos de ahllerato de eas. Estudates de matemátas profesores de

Más detalles

3.5 Factores y Coeficientes de Forma

3.5 Factores y Coeficientes de Forma Autoes: Patco Covalá Vea Jame eáez Palma 3.5 Factoes y Coecetes e Foma A es el slo XIX, Towa esaolla la ea e los actoes e oma como ua espuesta a las cultaes suas el uso e los sólos e evolucó. La ea e Towa

Más detalles

TEMA 4. ESTÁTICA. 4.2 Composición de fuerzas concurrentes, coplanares y paralelas.

TEMA 4. ESTÁTICA. 4.2 Composición de fuerzas concurrentes, coplanares y paralelas. EA 4. ESÁICA 4. Itodó 4. Composó de feas oetes oplaaes paalelas. 4.3 ometo de vaas feas. 4.3. ometo de a fea. 4.3. ometo de vaas feas oetes. 4.3.3 ometo de vaas feas oetes oplaaes. 4.4 Composó de feas

Más detalles

Veamos cuáles son las interpretaciones geométricas para los distintos valores de n, que definirán la dimensión de los espacios vectoriales.

Veamos cuáles son las interpretaciones geométricas para los distintos valores de n, que definirán la dimensión de los espacios vectoriales. Pof. Adea Campillo Aálisis Matemático II Topología elemetal Recodemos cómo se defie u etoo de ceto R adio E = { R / < } Sabemos que ( R : < < < < < Esfea abieta e R Si geealizamos el cocepto de etoo e

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

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 PRELABORATORIO: MEDICIÓN - Medr. - Aprecacó. - Meddas drectas. - Meddas drectas. MEDIDAS DE LONGITUD - Cta métrca. - Verer. - Torllo mcrométrco. MEDIDAS DE TIEMPO - Croómetro. Error. - Error sstemátco.

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

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

Celdas lineales como un ejemplo de reuso de frecuencia en FDMA

Celdas lineales como un ejemplo de reuso de frecuencia en FDMA Celdas lieales oo u ejeplo de euso de feueia e FDM f f f f f f Celda Celda Celda Celda Celda Celda egió egió ea total dividida e egioes, que e-usa la isa atidad C de aales de adio feueia. Esto iplia que

Más detalles

Teoría de Telecomunicaciones

Teoría de Telecomunicaciones Uersdad del Caua - FIET UIO E MOULCIÓ udo de Modulaó Uersdad del Caua Teoría de Teleomuaoes epartameto de Teleomuaoes Uersdad del Caua - FIET UIO E MOULCIÓ udo de modulaó leal Este aálss se basa e el sstema

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

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

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

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de Problema 1: (3 puntos)

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de Problema 1: (3 puntos) Posble soluó del eame de Ivestgaó Operatva de Sstemas de septembre de 6 Problema : ( putos) U profesor rebe ua práta ada mañaa y la poe e ua pla. Por las tardes, o probabldad / orrge todas las prátas de

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

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

TEMA: ANALISIS DE VELOCIDADES.

TEMA: ANALISIS DE VELOCIDADES. álss de velocdades. TEM: NISIS DE EOCIDDES. - INTRODUCCION. - NISIS GRFICO DE EOCIDDES..- olígoo de velocdades: método de las velocdades elatvas...- plcacó a ógaos deslzates...- Otos casos..- Método de

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

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

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS Julo Olva Coteo Estadístca TEMA 6 MEDIDA DE FORMA: AIMETRÍA Y CURTOI. MOMETO. Moetos de ua dstbucó Los oetos de ua dstbucó so eddas obtedas a pat de todos sus datos y de sus fecuecas absolutas. Estas eddas

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

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

Análisis de Correspondencias Simples ACS. Prof: Salvador Carrasco Arroyo

Análisis de Correspondencias Simples ACS. Prof: Salvador Carrasco Arroyo Análss de Coespondencas Smples ACS Po: Salvado Caasco Aoyo Mateas Toncales Estadístca I Estadístca II Tema : Análss de Datos Multvaantes Tema : Análss de la Vaanza Tema 3: Técncas de Análss Multvaantes

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO CAITULO I EQUILIBRIO AOR -LIQUIDO ara evaluar el fuoameto de u sstema de separaó e etapas, es eesaro efetuar álulos de equlbro vapor-líqudo de balae de matera e ada etapa de separaó, utlado para ello ua

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

MMII_c5_MSV: Método de Separación de Variables para la ecuación de Laplace en un círculo.

MMII_c5_MSV: Método de Separación de Variables para la ecuación de Laplace en un círculo. MMII_5_MSV: Método de Sepaaió de Vaiables paa la euaió de Laplae e u íulo. Guió: U poblema defiido po la euaió de Laplae muy feuete e las apliaioes es que el domiio sea u íulo, el poblema equiee de estiioes

Más detalles

( ) ( ) ( )( ) ( )( ) ( )

( ) ( ) ( )( ) ( )( ) ( ) Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos

Más detalles

TAMIZADO

TAMIZADO http://louyaus.blogspot.com/ E-mal: wllamsscm@hotmal.com louyaus@yahoo.es TAMIZAO TAMIZAO U tamz cosste e ua malla o superce perorada, cuyos orcos tee u tamaño uorme. Mezcla de soldos Mezcla de soldos

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