CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO"

Transcripción

1 CURO PROBABILIDAD Y ETADITICA FM75 PROFEOR RODOLFO TORO DEPARTAMETO DE FIICA Y MATEMATICA UIVERIDAD ACIOAL ADRE BELLO

2 EL MÉTODO CIETÍFICO La Estadístca, costtuye así, ua dscpla cetífca extremadamete ampla y que puede ser coceptualzada desde efoques dferetes e cluso cotrapuestos. o es raro, por tato, que se haya propugado para ella dsttas defcoes que e el fodo, mplca dferetes vsoes sobre lo que costtuye la característca esecal de esta ceca como strumeto susttuble para grades empresaros, asgatura desprecable para muchos estudates y ua gra descoocda para todos, o cas todos. ETADÍTICA e ocupa de los métodos y procedmetos para recoger, clasfcar, resumr, hallar regulardades y aalzar los datos, sempre y cuado la varabldad e certdumbre sea ua causa tríseca de los msmos; así como de realzar ferecas a partr de ellos, co la faldad de ayudar a la toma de decsoes y e su caso formular predccoes. Estadístca descrptva: Descrbe, aalza y represeta u grupo de datos utlzado métodos umércos y gráfcos que resume y preseta la formacó coteda e ellos. Estadístca ferecal: Apoyádose e el cálculo de probabldades y a partr de datos muestrales, efectúa estmacoes, decsoes, predccoes u otras geeralzacoes sobre u cojuto mayor de datos. Que utlza la estadístca Campo de la vestgacó de las Cecas ocales: Medca, Bología, Pscología, Ecoomía, etc. Tpos de varables estadístcas Dscretas : Aquellas que toma valores aslados (úmeros aturales), y que o puede tomar gú valor termedo etre dos cosecutvos fjados, por ejemplo: úmero de goles marcados, úm. de hjos, umero de dscos comprados, úmero de pulsacoes. Cotuas : Aquellas que toma ftos valores (úmeros reales) e u tervalo dado, de forma que puede tomar cualquer valor termedo, al meos teórcamete, e su rago de varacó, por ejemplo: talla, peso, presó saguíea, temperatura. Tpos de Caracteres El carácter es, por tato ua cualdad o propedad herete e el dvduo. Cualtatvos : aquellos que so categórcos, pero o so umércos, por ejemplo color de los ojos, profesó, marca de auto. Ordales : aquellos que puede ordearse, pero o so umércos, por ejemplo: pregutas de ecuesta sobre el grado de satsfaccó de algo; mucho, poco, ada. Bueo, regular, malo. Cuattatvos : so umércos. Ejemplo: peso, talla, úmero de hjos, úmero de lbros leídos al mes.

3 TIPO DE GRÁFICO Represetacó de troco y hoja ejemplo que cotee las calfcacoes obtedas e ua prueba de matemátcas: Ahora pesaremos e cada uo de los datos separado las deceas de las udades, es decr, el úmero 5 se verá como 5. De esta maera las deceas se podrá e ua columa, e forma vertcal, y las udades a su derecha: Para etederle u poco más, hemos de decr que el prmer regló que dce quere decr que etre la lsta de datos se ecuetra los valores 6, 66 y 64. Esta es la represetacó gráfca troco y hoja, dode cada regló es ua poscó de troco y cada dígto de la derecha es ua hoja. Para las dstrbucoes de frecuecas la represetacó gráfca más comú es el hstograma. U tpo de gráfco muy parecdo al hstograma es la gráfca de columas. Es teresate observar que la escala horzotal o es cotua (es omal).

4 També es posble realzar gráfcas de barras horzotales Gráfcas de líeas, que cosste e ua sere de putos trazados e las terseccoes de las marcas de clase y las frecuecas de cada ua, uédose cosecutvamete co líeas líeas: Ua gráfca smlar al polígoo de frecuecas es la ojva, pero ésta se obtee de aplcar parcalmete la msma técca a ua dstrbucó acumulatva y de gual maera que éstas, exste las ojvas mayor que y las ojvas meor que.

5 Exste dos dferecas fudametales etre las ojvas y los polígoos de frecuecas (y por ésto la aplcacó de la técca es parcal): U extremo de la ojva o se "amarra" al eje horzotal, para la ojva mayor que sucede co el extremo zquerdo; para la ojva meor que, co el derecho. E el eje horzotal e lugar de colocar las marcas de clase se coloca las froteras de clase. Para el caso de la ojva mayor que es la frotera meor; para la ojva meor que, la mayor. Las sguetes so ejemplos de ojvas, a la zquerda la mayor que, a la derecha la meor que, utlzado los datos que se usaro para ejemplfcar el hstograma: La ojva mayor que (zquerda) se le deoma de esta maera porque vedo el puto que está sobre la frotera de clase "4:00" se ve las vstas que se realzaro e ua hora mayor que las 4:00 horas (e cuestoes temporales se dría: después de las 4:00 horas). De forma aáloga, e la ojva meor que la frecueca que se represeta e cada frotera de clase so el úmero de observacoes meores que la frotera señalada (e caso de tempos sería el úmero de observacoes ates de la hora que señala la frotera). se utlza ua dstrbucó porcetual acumulatva etoces se obtee ua ojva (mayor que o meor que segú sea el caso) cuyo eje vertcal tee ua escala que va del 0% al 00%. El sguete ejemplo es la msma ojva meor que que se acaba de usar, pero co ua dstrbucó porcetual: Cuado se pretede lustrar la dspersó de las observacoes realzadas, y así trabajar alguas cosas como correlacoes se puede utlzar ua gráfca de dspersó.

6 Tablas Estadístcas A partr de este mometo os vamos a ocupar de las estadístcas de ua sola varable, "Estadístcas Udmesoales". Las tablas estadístcas segú el úmero de observacoes y segú el recorrdo de la varable estadístca, así teemos los sguetes tpos de tablas estadístcas: Métodos de Agrupacó de Datos Puede utlzarse varas herrametas báscas para descrbr y resumr u cojuto grade de datos. La maera más smple, pero quzás la más sgfcatva, es la sere ordeada (3, 3, 35, 47...). Dstrbucó de frecuecas (o tabla de frecueca) : ordeará los datos s estos se dvde e clases y se regstrará el úmero de observacoes e cada clase. Tabla Udmesoal Varable Frecueca Frecueca Frec. obser. Frec. relatva absoluta relatva acumulada acumulada x f ó p F x f / F f x f / + F f + f x 3 3 f 3 3 / F 3 f + f + f x p p f p p / p F p

7 Itervalos de clase x - - x Marca de clases x x 0 - x x x - - x x x 3- - x 3 x x p- - x p x p Observe que cada clase tee u límte feror y u límte superor. Los valores exactos de estos límtes so muy mportates. los datos e ua tabla de frecueca so cotuos, es ecesaro permtr valores fraccoaros. El úmero de clases E ua tabla de frecueca es algo arbtraro, pero demasadas clases sería algo cofuso. e puede segur ua regla smple para determar el úmero de clase a utlzar. c La Marca de la clase e calcula como el promedo de los límtes superor e feror de dcha clase. + Y Itervalos de clase : Es el rago de valores ecotrados detro de ua clase. e determa restado el límte superor (o feror) de ua clase del límte feror (o superor) de la clase sguete. Es deseable que todos los tervalos de clase sea de gual tamaño, ya que faclta terpretacó estadístca. c max m º clases Las frecuecas Frecueca absoluta f Frecueca relatva 0 < f < f / Frecueca absoluta acumulada F Frecueca relatva acumulada j j- + j Fj Fj- + fj Ejemplo Ilustratvo Dstrbucó de los alumos del curso segú estatura e cm mí 5 cm. máx 87 cm Determar úmero de clases:

8 C > 0, despejado C 4.3 lo que mplca aproxmar a 5 clases. Determar el tervalo de clase: c cm. 5.Clase Itervalo de clase Marca clase F.Absoluta F.Absoluta Acumulada F. relatva F. Relatva Acumulada f F Y Tabulacó Bdmesoal. Tablas de Cotgeca x : vel de greso y : tpo de fabrca :,,..., k (fla) j:,,..., l (columa) Y j I Y Y Y Y L. x L. x L j x k k k kl K.. j L k j : Frecueca absoluta cojuta. : Frecueca absoluta margal de la varable. j : Frecueca absoluta margal de la varable Y : úmero total de observacoes, gual a la suma de las frecuecas absolutas cojutas f j j / : Frecueca relatva cojuta f. : Frec. relatva margal de la varable I f.. /. j : Frec.relatvamargaldelavarableY I f. j. j / L j k j ;. ;. j L j

9 Meddas de tedeca Cetral (poscó) y de Dspersó Medda de la tedeca cetral (meda) : ubca e detfca el puto alrededor del cual se cetra los datos. Meddas de dspersó : dca el puto hasta el cual las observacoes dvduales se esparce alrededor de su puto cetral. Mde la dspersó o la varabldad de los datos y refleja la tedeca de las observacoes dvduales a desvarse de dcho puto cetral. Característcas de los datos: meddas de resume descrptvas Las meddas de resume descrptvas so útles para aalzar e terpretar datos cuattatvos, ya sea recolectados e forma bruta (datos o agrupados) o resumdos e dstrbucoes de frecueca (datos agrupados, que so de terés para el drector e vestgador). Propedades de los datos E orde descedete de mportaca, las tres propedades o característcas mayores que descrbe u cojuto de datos perteecetes a algua varable umérca aleatora o a u feómeo de terés, so :.- Poscó.- Dspersó 3.- Forma las meddas de resume descrptvas se calcula co ua muestra de datos se llama estadístcos, s estas meddas descrptvas se calcula a partr de toda ua poblacó de datos se llama parámetros. MEDIDA DE POICIÓ La característca más mportate que descrbe o resume u grupo de datos es su poscó. La mayor parte de los cojutos de datos muestra ua tedeca defda a agruparse o reurse e toro a u certo puto. Este valor típco descrptvo se llama promedo. Es ua medda de tedeca cetral o poscó. Para datos o agrupados La meda artmétca muestral : e calcula a partr de datos, ya sea recoplados e forma bruta o colocados e arreglo ordeado. : Meda artmétca de la muestra : Tamaño de la muestra : ésma observacó de la varable aleatora Propedades I. ( ) 0. ( I ) ( I A) Dode A 3. Valor total de la poblaco Total 4.- El calculo de la meda se basa e cada observaco por esa razo puede ser fluecado a subr o bajar segu sea el caso.

10 La meda artmétca Poblacoal µ La meda Poderada (caso especal de la meda artmétca) w W W + W W W La meda Geométrca MG * *...* La medaa Es ua medda de tedeca cetral que aparece e el medo de ua sucesó ordeada de valores. Dado que cualquer valor (o valores) extremo e u cojuto de datos dstorsoa tato la meda artmétca, es más apropado utlzar la medaa, ya que o se afecta co cualquera valores extremos e u cojuto. Para calcular la medaa a partr de u cojuto de datos recoplados e forma bruta, prmero hay que dspoerlos e u arreglo ordeado. Caso A: es mpar: el valor de la medaa es 46 Caso B: es par: Exste valores termedos Medaa ( + 3) Ubcacó de la Medaa el úmero de observacoes e la muestra es u mpar, la medaa se represeta co el valor umérco de observacó ordeada : ( +) Me Ejemplo: umero elemetos Valor elemeto ( 6 + ) ubcacó, valor medaa de (30+3)/ 3

11 el úmero de observacoes es par, la medaa se represeta co la meda o promedo de los dos valores termedos e el arreglo ordeado. El modo : Es el valor más típco o más comú e u cojuto de datos. o es afectado por la ocurreca de cualquera valores extremos. e obtee co facldad e u arreglo ordeado. Cuado ua observacó o es comú o hay modo. Es el valor que más se repte. Para datos agrupados La meda artmétca : frecueca Y : marca de clase Y La medaa (Me): Me. + * : frotera feror del tervalo de clase que cotee la medaa : úmero de observacoes e el tervalo de clase que cotee la medaa - : úmero total de observacoes ates del tervalo de clase que cotee la medaa c : acho de cada tervalo de clase / : observacó medaa c Como el tamaño de la muestra es 0, buscamos el tervalo e el que la Frecueca acumulada es mayor que 0/0, que e este caso es el 3º y aplcamos la fórmula ateror. Luego la Medaa será: Me + *7 7,83 6 Itervalo de clase F. Absoluta F.Absoluta Acumulada

12 Moda (Mo): observacó que más se repte de las observacoes Mo. + ( )( + ) * c 6 3 Mo 66 + *7 66 (6 3)(6 6) Itervalo de clase F. Absoluta F.Absoluta Acumulada metrías de dstrbucó Asmetrías > Medaa :Postvo o sesgameto a la derecha (moda<medaa<meda) Medaa :métrcos o co sesgameto cero < Medaa :egatvos o sesgameto a la zquerda (meda<medaa<moda) Moda Meda Medaa

13 Cuartles Dvde los datos ordeados e cuatro cuartos Q prmer cuartl, el 5% de las observacoes so meores y el 75% so mayores. Q segudo cuartl, el 50% de las observacoes so meores y el 50% so mayores. Q3 tercer cuartl, el 75% de las observacoes so meores y el 5% so mayores. Para teer la poscó aproxmada a los cuartles, se utlza las sguetes fórmulas : Q / 4 Q ( ) / 4 Q3 3 ( ) / 4 a.- Valor etero, se seleccoa la observacó partcular correspodete al puto de poscó. b.- Valor esta e la mtad etre dos putos de poscó, se seleccoa la meda. c.- Valor o es etero y o se ecuetra e la mtad, se utlza regla empírca para aproxmar al cuartl partcular y redodearlo al puto de poscó del etero más cercao. Prmer cuartl: Q. + 4 Q * Q Q : prmer cuartl : frotera feror del tervalo de clase que cotee el prmer cuartl Q : úmero de observacoes e el tervalo de clase que cotee el prmer cuartl Q : úmero total de observacoes ates del tervalo de clase que cotee el prmer cuartl c : acho del tervalo de clase que cotee el prmer cuartl / 4 : observacó del prmer cuartl Q 0 / 4 5 c Q * 7 3 Itervalo de clase F. Absoluta F.Absoluta Acumulada 5 59 Q

14 egudo cuartl: Q *0 / 4 0 Q. + 4 Q * Q c * Q + * 7 7,83 6 Itervalo de clase F. Absoluta F.Absoluta Acumulada Q Tercer cuartl: Q Q3 * Q3 c 3* Q 3 + * 7 77,66 6 Itervalo de clase F. Absoluta F.Absoluta Acumulada Q

15 Percetles: Medda de localzacó que dvde la poblacó o muestra e 00 partes guales. o tee mucho setdo calcularlas para varables cualtatvas dscretas. Por lo que lo vamos a ver sólo para las varables cotuas. p k Percetl k-smo es aquel valor de la varable que deja a su zquerda el k % de la dstrbucó. Por últmo veamos el percetl 45 (45 0/00 9) Correspode al tervalo 3º. P k + 00 * k * Pk c 0 45* P 45 + * 7 70,67 6 Itervalo de clase F. Absoluta F.Absoluta Acumulada P Meddas de Dspersó Rago o recorrdo Es la dfereca exstete etre el valor mayor y el meor de la dstrbucó. Para ua muestra de tamaño, el recorrdo es la dfereca etre las observacoes más grade y la más pequeña : R max m El recorrdo tercuartílco evta el problema de los valores extremos e los datos. Esta smple medda cosdera la extesó e el 50% medo de los datos y, por tato, o sufre gua flueca de los valores extremos Para datos o agrupados La varaza de ua muestra ( ) : Recorrdo tercuartílco Q3 - Q

16 mde el promedo del cuadrado de las dferecas etre cada observacó y su meda. I ( ) Desvacó estádar muestra ( ) : mde la raíz cuadrada del promedo del cuadrado de las dferecas alrededor de la meda. I ( ) Que mde la varaza y la desvacó estádar? : mde la dspersó promedo e toro a la meda, es decr, cómo fluctúa las observacoes mayores por ecma de ella y cómo se dstrbuye las observacoes meores por debajo de ella. ota: el deomador es ( - ) debdo a la propedad de los grados de lberta. E eseca, e la suma sólo - de los térmos so depedetes, porque el cálculo estadístco de supoe u coocmeto prevo del estadístco, es decr, s se cooce se perde grado de lbertad. La varaza de ua poblacoal ( σ ) : σ Desvacó estádar poblacoal ( σ ): I ( ) σ I ( ) Coefcete de varacó: es otra de medda de dspersó. Es ua medda relatva, al cotraro de las aterores. e expresa como porcetaje e vez de e térmos de las udades de los datos partculares. Como medda relatva, es de partcular utldad al comparar la varabldad de dos o más cojutos de datos ( dstrbucoes ) que se expresa e dsttas udades de medda. CV *00 Fórmulas de varaza y desvacó estádar para calculadoras electrócas o computador ( ) - ( ) -

17 Para datos agrupados La varaza de ua muestra ( ) : * ) ( I Desvacó estádar muestra ( ) : * ) ( I La varaza de ua poblacoal ( σ ) : I * ) ( σ Desvacó estádar poblacoal ( σ ): I ) * ( σ Cuasvaraza: Es ua medda de dspersó, cuya úca dfereca co la varaza es que dvdmos por -, la represetaremos por o σ y la calcularemos de la sguete forma: x * ) ( * σ

18 Meddas de asocacó de dos varables Aálss multvarado Covaraza Para ua muestra de elemetos, co sus parejas de valores de datos: (, Y )( Y ) Covaraza Muestral xy ( )( Y Y ) Covaraza Poblacoal σ xy ( µ )( Y x µ ) y Iterpretacó de la covaraza de la muestra Y Postvo; e Y tee relacó leal postva. Y Y egatvo; e Y tee relacó leal egatva. Y La covaraza dca el tpo de relacó leal postva o egatva etre la varable e Y.

19 Coefcete de correlacó El coefcete de correlacó como prevamete se dcó oscla etre y + ecotrádose e medo el valor 0 que dca que o exste asocacó leal etre las dos varables a estudo. La estmacó del coefcete de determacó (r ) os muestra el porcetaje de la varabldad de los datos que se explca por la asocacó etre las dos varables. Como prevamete se dcó la correlacó elevada y estadístcamete sgfcatva o tee que asocarse a causaldad. Cuado objetvamos que dos varables está correlacoadas dversas razoes puede ser la causa de dcha correlacó: a) pude que fluece o cause Y, b) puede que fluece o cause, c) e Y puede estar fluecadas por terceras varables que hace que se modfque ambas a la vez. El coefcete de correlacó posee las sguetes característcas (4): -El valor del coefcete de correlacó es depedete de cualquer udad usada para medr las varables. -El valor del coefcete de correlacó se altera de forma mportate ate la preseca de u valor extremo, como sucede co la desvacó típca. Ate estas stuacoes covee realzar ua trasformacó de datos que camba la escala de medcó y modera el efecto de valores extremos (como la trasformacó logarítmca). -El coefcete de correlacó mde solo la relacó co ua líea recta. Dos varables puede teer ua relacó curvlíea fuerte, a pesar de que su correlacó sea pequeña. Por tato cuado aalcemos las relacoes etre dos varables debemos represetarlas gráfcamete y posterormete calcular el coefcete de correlacó. -El coefcete de correlacó o se debe extrapolar más allá del rago de valores observado de las varables a estudo ya que la relacó exstete etre e Y puede cambar fuera de dcho rago. La correlacó o mplca causaldad. La causaldad es u juco de valor que requere más formacó que u smple valor cuattatvo de u coefcete de correlacó (5). Para los datos de ua muestra, se defe el Coefcete de Pearso: r Y Y * Y Para los datos de ua poblacó, se defe el Coefcete de Pearso: r Y σ Y σ * σ Y Formula alteratva (se prefere usar esta porque tee meos errores de redodeo).

20 r Y, m, J ( Y j ) ( j j m Y * j m Y ( j m ) j y j ) Los valores cercaos a y +, dca ua fuerte relacó leal. Metras que u coefcete cercao a cero, la relacó es más débl. Ejercco covaraza-correlacó La dustra textl Proyecto Alfa, posee los sguetes valores expresados e mles que correspode a la catdad de sumos y catdad producda de tela e certos períodos. Los datos so de 5 períodos que a cotuacó se detalla: Catdad de Isumos (Mles) Produccó de Tela (Mles) Ahora ua vez expuesto el eucado, usted es aalsta e produccó e sere debe respoder las sguetes pregutas: Determe la Covaraza muestral e la dustra textl Determe el Coefcete de Correlacó y explque el resultado e la dustra textl Grafque e u Dagrama de dspersó y explque la relacó leal que exsta e Proyecto Alfa. A) xy ( ) * ( Y Y ) / Y / Y (44.4)*(6 93.6) + (4.4)*(0 93.6) + (64.4)*( ) + (64.4)*(3 93.6) + (44.4)*( ) xy 97. B) r Y xy 97. r Y * * x y

21 ( ) Y ( Y Y) Y 97. (4 4.4) (4.4) + (64.4) 5 + (64.4) + (44.4) y Y C) (693.6) + (093.6) (7693.6) 5 + (393.6) + (3493.6) Idustra Textl Proyectos Alfa Produccó (MIles) Catdad Isumos (MIles) Propedades de la meda. La meda artmétca tee la gra desvetaja de que se ve muy fluecada por los valores extremos, pero aú así es la medda de tedeca cetral que más se usa, ya que posee las sguetes propedades:. La meda artmétca de ua costate k es gual a la msma costate, es decr, M(k)k.. La meda del producto de ua costate a por ua varable, es gual al producto de la costate por la meda de la varable, es decr, M(a ) a M(). 3. La meda del producto de ua costate a por ua varable más otra costate, dgamos b, es gual a la costate a por la meda de la varable más la costate b, es decr, M(a + b) a M() + b. 4. La meda de la suma de dos varables e Y, es gual a suma de las medas de cada ua de esas varables, es decr, M ( + Y ) M( ) + M( Y ). 5. x mí x x máx.

22 6. E toda dstrbucó ( x x) E toda dstrbucó ( x a) es mímo para a x. Propedades de la medaa:. El cálculo de la medaa se ve afectado por el úmero de observacoes y o por la magtud de cualesquera de los extremos, pero o utlza toda la formacó como la meda.. Cualquer observacó seleccoada al azar es gual de fácl que supere a la medaa o que la medaa supere a la observacó. 3. La suma de las dferecas absolutas e toro a la medaa es u mímo, es decr, x a Mímo s a Me. 4. Escala de medcó al meos ordal. Propedades de la varaza: Para presetar las propedades tato de la varaza poblacoal como de la varaza maestral, se deotará co la letra V a la varaza.. La varaza de ua costate es cero. V(a) 0, s a es costate.. La varaza del producto de ua costate por ua varable es gual a la costate al cuadrado multplcada por la varaza de la varable. V(b ) b V(). 3. De. y. podemos coclur lo sguete: a) V(a + b ) b V() b) V(a - b ) b V() (Las demostracoes de estas propedades se puede obteer fáclmete aplcado la defcó y las propedades de la sumatora y de la meda artmétca). EJEMPLO: Usado los datos del ejemplo de la meda, que se refería a la dstrbucó del saldo de 0 cuetas de crédto, a) Obtega la desvacó estádar. b) se sabe que por las codcoes ecoómcas los saldos ha aumetado u 0%, determe la ueva desvacó estádar.

23 olucó. a) Recordemos que los datos para los cálculos so: aldo promedo(x ) Catdad de cuetas (mles de $) upoedo que los datos so de ua muestra, la desvacó estádar muestral se calcularía como sgue: ( 83,75) ( ) 0 s 4,3 [mles de $] 9 b) ea : saldo atguo e Y: saldo uevo Y + 0,, Aplcado propedades se tee que s y, s x 49,48 [mles de $] MEDIDA DECRIPTIVA E DATO AGRUPADO. E certas ocasoes la formacó de u cojuto de datos se preseta para ua catdad L de grupos o estratos y de cada estrato se tee la sguete formacó: tamaño del estrato ó proporcó del estrato, co,,, L x meda artmétca del estrato, co,,, L σ varaza del estrato, co,,, L E este caso podemos obteer dos meddas descrptvas para el total de los elemetos: la meda total y la varaza total. La meda total ( x T ) se obtee como ua meda de las medas de los estratos, esto es:

24 x T L x L dode h La varacó total de los datos tee dos fuetes de varacó, la varacó que hay e las observacoes detro de los estratos, que se mde co la travaraza y se deota por σ w, y la varacó que se produce etre los dsttos estratos, que se mde co la tervaraza y se deota por σ B. Por lo tato, la varaza total σ T se obtee por: σ σ + σ T W B La travaraza se defe como el promedo de las varazas de los estratos, esto sgfca que: σ W L σ La tervaraza se defe como la varaza de las medas de los estratos, es decr: EJEMPLO: σ B L ( x x ) T La sguete formacó correspode al cotedo de folaca (Vtama B) para especímees escogdos al azar de cuatro marcas de té. Marca Catdad de especímees Meda Varaza ( h ) ( x h ) ( s h ) A 7 8,7,39 B 5 7,500,85 C 6 6,350,3 D 6 5,87,406 Obteer la varaza total e dcar dóde se produce mayor varacó e el cotedo de folaca, etre las dsttas marcas o detro de las marcas. olucó. 8,7 x T 7 + 7, , ,87 6 7,066

25 σ B 8, , , , ( 7,066) 0, 9785 σ σ W T,39 7 +,85 5 +,3 6 +, ,9785 +,0947 3,073,0947 Exste mayor varabldad e el cotedo de folaca al teror de las marcas, ya que σ >. σ W B PREETACIÓ DE DATO BIDIMEIOALE Y DE MÁ DIMEIOE. Hasta ahora se ha estudado datos cosderado ua sola varable e ellos. E este capítulo estudaremos dos ó más varables a cada observacó; varables que tee etre sí algua relacó. La presetacó de estos datos puede hacerse medate tablas de frecueca bdmesoales para el caso de dos varables o multdmesoales s se ha meddo más de dos varables. Aquí se presetará sólo las tablas bdmesoales. VI. TABLA DE FRECUECIA BIDIMEIOALE. El cojuto de datos {(x, y ), (x, y ),, (x, y )}de la varable dmesoal (, Y) se debe presetar e ua tabla de cotgeca o de doble etrada co la sguete estructura: Clases de Y Clases de y y y j y k x j k x j k M M M M M x j k M M M M M x r r r rj rk Esto dca que los datos de la varable se ha clasfcado e r clases o tervalos y los datos de la varable Y e k clases o tervalos. Para la clasfcacó de las dos varables, se debe segur el msmo procedmeto que para ua varable udmesoal. Los valores j de la tabla dca la frecueca absoluta cojuta de la varable e la clase y de la varable Y e la clase j, es decr correspode al úmero de veces que se repte ambas

26 clases e los pares de datos. A estas r k frecuecas se acostumbra a llamarlas matrz de frecuecas absolutas cojutas. A partr de esta prmera tabla se puede costrur las tablas correspodetes a las frecuecas relatvas y a las frecuecas acumuladas (absolutas y relatvas). Por ejemplo, la estructura de la tabla de frecuecas cojutas absolutas acumuladas, sería la sguete: Clases de Y Clases de y y y j y k x j k x j k M M M M M x j k M M M M M x r r r rj rk E que los valores j dca la catdad de observacoes que hay hasta la clase de la varable y hasta la clase j de la varable Y; es decr j j l m l m. Además, de la tabla de frecuecas absolutas cojutas se puede obteer las frecuecas margales y las frecuecas codcoales. Las frecuecas margales so las frecuecas de ua varable, depedete del valor que toma la otra varable. Por lo tato, habrá frecuecas margales para y para Y, las que podrá ser absolutas, relatvas, absolutas acumuladas o relatvas acumuladas. Todas ellas se acostumbra a colocar al marge de la tabla de frecuecas absolutas, esto es:

27 Clases de Y Clases de y y y j y k.. h. H. x j k.. h. H. x j k.. h. M M M M M M M M H. M x j k.. h. H. M M M M M M M M M x r r r rj rk r. r. h r. H r.. j... j. k h. j h. h. h. j h. k. j... j. k H. j H. H. H. j H. k E la otacó usada para las frecuecas margales el puto usado e el subídce deota que co respecto a esa varable se ha proceddo a sumar. Es así como: suma de todas las frecuecas absolutas cojutas de la fla y r.. j j k j j, es decr, la, es decr, la suma de todas las frecuecas absolutas cojutas de la columa j. El resto de las frecuecas margales se obtee a partr de las margales absolutas como s se tratara de ua varable udmesoal. Otro tpo de frecuecas que se puede obteer so las frecuecas codcoales, que correspode a las frecuecas de ua varable codcoadas a uo o más valores de la otra varable. Por ejemplo, h (/ Y < M(Y)) dca la frecueca relatva e la clase de la varable codcoada a todos los valores meores que el valor medo de Y. ótese que para dcar codcó se usa el símbolo " / ". EJEMPLO: Los sguetes datos correspode a la catdad de hjos () y a los gresos mesuales, e mles de $, de u grupo de famlas: Y a) Costrur ua tabla de cotgeca. b) Agregar e la tabla las frecuecas margales absolutas. c) Idcar las frecuecas relatvas de codcoadas a los gresos ferores a $

28 olucó. a) Para costrur la tabla se usará 6 clases para, ya que es ua varable dscreta y asume valores desde 0 a 5; para Y se usará 5 tervalos por ser ua varable cotua y teer sólo 0 datos. Título: Dstrbucó de las famlas segú úmero de hjos e gresos mesuales. Y: Igresos (m$) Catdad de : Catdad de hjos famlas (. ) Catdad de famlas (. j ) b) o los valores. y. j de la tabla. c) d) Para mostrar las frecuecas codcoales de / Y<40, se hará ua tabla udmesoal. : Catdad de hjos Proporcó de famlas co gresos ferores a $ /6 0,50 4/6 0,500 5/6 0,35 3 3/6 0,875 4 /6 0,065 5 /6 0,065 GRAFICO PARA DATO BIDIMEIOALE. La mejor maera de vsualzar la relacó etre dos varables cuattatvas es el dagrama de dspersó, que es ua aplcacó de la represetacó de fucoes e el sstema de coordeadas cartesaas. EJEMPLO: El dagrama de dspersó para los datos del ejemplo ateror es el sguete:

29 Igresos (mles de $) Catdad de hjos Cuado el estudo es logtudal, es decr, ua de las varables es el tempo, e el eje de las se grafca la varable tempo y la otra varable e el eje de las Y. E estos casos el dagrama de dspersó se llama gráfco secuecal o de líea. MEDIDA MARGIALE Y CODICIOALE. DITRIBUCIOE BIDIMEIOALE Cuado las observacoes bvaradas se ha presetado e ua tabla de frecuecas se puede obteer meddas de resume margales, codcoales y cojutas. Las meddas de resume margales se calcula co las frecuecas margales y las meddas codcoales se calcula co las frecuecas codcoales. Las meddas de resume que se puede calcular co ambos tpos de dstrbucoes so las msmas que para ua varable udmesoal y se calcula tratado a la varable para la cual se tee las frecuecas (margales o codcoales) como s fuera ua varable udmesoal. EJEMPLO: E la sguete tabla la varable represeta el úmero de persoas por hogar, de ua muestra realzada e ua comua de atago y la varable Y represeta el pago mesual e servcos báscos, e mles de pesos, de esa muestra. Dstrbucó de los hogares de acuerdo al úmero de persoas y del pago mesual e servcos báscos. Y

30 a) Determe el pago medo por hogar e servcos báscos de la muestra. b) Cuál es el pago medao de los hogares co meos de 3 persoas? olucó. a) E este caso se está pregutado por la meda margal de la varable Y. Los datos a usar será las frecuecas margales de Y, esto es: Y: Pago mesual y : Pago promedo Catdad de hogares 0-5, , ,5 Total 00, ,5 M(Y),675 (mles de $) 00 b) La preguta es Me (Y / <3). Para esto ecestamos la frecueca de Y codcoada a los valores de ferores a 3. Esto es: Y: Pago mesual Catdad de hogares Total 65 3,5 Me (Y / <3) (mles de $) El 50% de los hogares co meos 35 de tres hjos habría tedo u gasto e servcos báscos gual o feror a $8.000.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

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

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

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

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 47 Meddas Descrptvas Numércas Frecuetemete ua coleccó de datos se puede reducr a ua o uas cuatas meddas umércas secllas que resume al cojuto

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

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

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

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

Cuándo empezó la Estadística? 1.1. El concepto de Estadística. Qué es y para qué sirve?

Cuándo empezó la Estadística? 1.1. El concepto de Estadística. Qué es y para qué sirve? 1.1. El cocepto de Estadístca. Qué es y para qué srve? La Estadístca se ocupa de la recoleccó, agrupacó, presetacó, aálss e terpretacó de datos. A meudo se llama estadístcas a las lstas de estos datos,

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

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

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

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

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

( ) = 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

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES. TEMA : PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.. INTRODUCCIÓN Hasta ahora hemos vsto cómo se puede resumr los datos obtedos del estudo de ua muestra (o ua poblacó) e ua tabla estadístca

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

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

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES.

VARIABLES ESTADÍSTICAS BIDIMENSIONALES. CONTENIDOS: VARIABLES ESTADÍSTICAS BIDIMENSIONALES. Orgazacó de dato: tabla de frecueca de doble etrada. Frecueca margale. Dagrama de dperó. Regreó leal: recta de regreó. Coefcete de correlacó leal. Iterpretacó.

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

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Unidad I Estadística Descriptiva

Unidad I Estadística Descriptiva PRESENTACIÓN DEL CURSO Udad I Estadístca Descrptva La ESTADISTICA es la parte de las matemátcas ecargada de la presetacó y aálss de los datos de u expermeto. Normalmete la estadístca se dvde e: Estadístca

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 40 años de expereca e las más recoocdas uversdades del área metropoltaa

Más detalles

2.2 Distribuciones de frecuencias unidimensionales.

2.2 Distribuciones de frecuencias unidimensionales. Itroduccó a la Estadístca Empresaral Capítulo - Aálss de ua varable CAPITULO - AALISIS DE UA VARIABLE Itroduccó E este capítulo se dará u cojuto de strumetos que permtrá el aálss descrptvo de ua varable

Más detalles

Apuntes de Estadística para profesores

Apuntes de Estadística para profesores Aputes de Estadístca para profesores Curso 006/007 Cocepcó Bueo García Tomás Escudero Escorza Isttuto de Cecas de la Educacó Uversdad de Zaragoza Capítulo. Coceptos geerales.- Itroduccó Las dos grades

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

3. La distribución normal multivariada

3. La distribución normal multivariada 3. La dstrbucó ormal multvarada Por qué es mportate la dstrbucó ormal multvarada? o Muchas de las téccas multvaradas supoe que los datos fuero geerados de ua dstrbucó ormal multvarada. o E la vda real

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 0 años de expereca e las más recoocdas uversdades del área metropoltaa

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

CAPITULO III ORGANIZACION DE DATOS

CAPITULO III ORGANIZACION DE DATOS Estadstca Descrptva 5 CAPITULO III ORGANIZACION DE DATOS 3. ORGANIZACION DE DATOS CUALITATIVOS CUADRO DE FRECUENCIAS. Se recomeda realzar la tabla o cuadro de frecuecas. Ejemplo: A 40 alumos que había

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

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

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

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

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

Más detalles

V Muestreo Estratificado

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

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

I n t r o d u c i ó n A l a E s t a d í s t i c a 1 Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS Autores: Dr. Ig. Roberto Pzarro T. Ig. Jua Pablo Flores V. Ig. Clauda Sagüesa P. Ig. Ezo Martíez A. 1. INTRODUCCIÓN El presete documeto fue extraído

Más detalles

Identificación de Valores Atípicos

Identificación de Valores Atípicos STATGRAPHICS Rev. 4/5/007 Idetfcacó de Valores Atípcos Resume El procedmeto Idetfcacó de Valores Atípcos está dseñado para ayudar a determar s ua muestra de observacoes umércas cotee o o valores atípcos.

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

Tabla de Distribución de Frecuencias

Tabla de Distribución de Frecuencias Tabla de Dstrbucó de Frecuecas H. Mata 1 Tal como puede leerse e la lteratura estadístca ésta es ua ceca que se ecarga de recoger, orgazar y aalzar los hechos de aturaleza umérca reerete a cualquer tópco.

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

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

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

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

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

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

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles

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

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

Más detalles

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

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

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

Más detalles

Métodos Estadísticos aplicados a la Ingeniería. 1º Ingeniería Industrial

Métodos Estadísticos aplicados a la Ingeniería. 1º Ingeniería Industrial Métodos Estadístcos aplcados a la Igeería º Igeería Idustral º cuatrestre 8/9 Itroduccó - Qué es la Estadístca? La estadístca es la ceca que se ocupa del dseño de experetos o ecuestas edate uestras, para

Más detalles

Cálculo Integral. LA INTEGRAL

Cálculo Integral. LA INTEGRAL Cálculo Itegral. LA INTEGRAL Durate la seguda mtad del sglo XVII, Newto y Lebz dero u paso decsvo e la matemátca de las magtudes varables, al setar las bases del cálculo dferecal e tegral. "Este fue el

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico Esquema estadístco Problema de vestgacó Preguta de vestgacó Formulacó precsa de la(s) preguta(s) de vestgacó Plaeacó Dseño Muestra Feómeo Aleatoro Aálss y presetacó de la formacó Iferecas Toma de decsoes

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

CIRO MARTINEZ BENCARDINO

CIRO MARTINEZ BENCARDINO CIRO MARTINEZ BENCARDINO Nacdo e Covecó (Norte de Satader - Colomba). Ecoomsta de la Uversdad Jorge Tadeo Lozao de Bogotá, D.C. Bo-estadístca (Uversdad de los Ades, Bogotá, D.C.). Téccas Estadístcas (CIENES-Satago

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas

Más detalles

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

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

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

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

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

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

Tecnológico de Estudios Superiores de Cuautitlán Izcalli DIVISIÓN DE INGENIERÍA ELECTRÓNICA

Tecnológico de Estudios Superiores de Cuautitlán Izcalli DIVISIÓN DE INGENIERÍA ELECTRÓNICA Tecológco de Estudos Superores de Cuauttlá Izcall DIVISIÓN DE INGENIERÍA ELECTRÓNICA CUADERNILLO DE PROBABILIDAD Y ESTADÍSTICA ELABORO REVISO M. e C. FELIX ANTONIO SAUCEDO ESQUIVEL Vo. Bo. ING. MARIA DEL

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

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

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

Más detalles