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

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

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

Transcripción

1 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) Pága: Estadístca Bvaada Supogamos que se toma ua muesta de tamaño de ua poblacó y que se desea estuda, dos caacteístcas de u msmo objeto. Sea estas caacteístcas X e Y. Sguedo los pocedmetos habtuales, la Muesta se dvde e clases A paa la vaable X s clases B j paa la vaables Y Exstá elemetos que peteeceá smultáeamete a A B j. Los datos los podemos odea e ua tabla o matz llamada Tabla de Cotgeca

2 Uvesdad Técca Fedeco Sata Maía Tabla de Cotgeca X Y B B... B j... B s Total A... j... s A... j... s A... j... s A... j... s Total... j... s _ 3 Tabla de Cotgeca X Y B B... B j... B s Total A... j... s A... j... s A... j... s A... j... s Total... j... s _ 4

3 Uvesdad Técca Fedeco Sata Maía Tabla de Cotgeca j Fecueca Absoluta de la clase cojuta A B j. (Valo obsevado e la celda (,j) de la Tabla de Cotgeca) j j Fecueca Relatva cojuta de la clase cojuta coespodete a la teseccó de A y B j. s j j s j j j j Fecueca Absoluta de la clase A ; paa,,,..., (Idepedete de la clases B j a la que esté asocadas Suma de los valoes de la la -ésma ) Fecueca Absoluta de la clase B j ; paa j,,,...,s (Idepedete de las clases A a la que esté asocadas. Suma de los valoes de la columa j-ésma) 5 Fecuecas Magales Dado el expemeto ateo, cuado sólo teesa cooce la ecueca de ocueca de cada ua de las vaables po sepaado se habla de Fecueca Magal de la vaable X o Y Fecueca (elatva) magal de la vaable X, Cojuto de valoes peteecetes a la clase A, cosdeádola depedetemete de la clase B j Fecueca (elatva) magal de la vaable Y, Cojuto de valoes peteecetes a la clase B j, cosdeádola depedetemete de la clase A 6 3

4 Uvesdad Técca Fedeco Sata Maía Estadístca Bvaada Notacó: Sea j : ecueca elatva cojuta ABj (x,y j ) ec elatva magal j ec. elatva magal /j j x, y ) ( x ) j j j ( j x, y ) ( y ) ( j j j ec. elatva codcoal j ( y ) j j ( x, y ( x / y ) j ) 7 Tabla de Cotgeca Paa ecuecas elatvas,,..., se tee: s j j j j (Suma de los valoes de la la -ésma de la tabla de ecuecas cojutas) (Suma de los valoes de la columa j-ésma de la tabla de ecuecas cojutas) Además se veca que: j j /j j j j j 8 4

5 Uvesdad Técca Fedeco Sata Maía Tabla de Cotgeca Ejemplo Ua tela se clasca e tes categoías A, B y C segú catdad y sevedad de pequeñas mpeeccoes. La empesa tee 5 telaes, e u mes dado de poduccó se egstao los sguetes datos. # pezas de tela e la clascacó Tela A B C Magal Magal Fecueca Codcoal Cuado se peguta po la ecueca elatva de ua de las vaables, dgamos X, estgda a los elemetos obsevados de la clase Bj segú Y; esto es, estuda el compotameto de ua vaable dado u valo jo de la ota. Se obtee la ecueca elatva codcoal /j j j j j Fecueca (elatva) de la vaable X e la clase cojuta A B j, dado que sólo os teesa especto a lo obsevado e la clase B j de la vaable Y; paa,,.., /j, /j, 3/j,..., /j Costtuye la dstbucó de ecueca elatva codcoal de la vaable X dada la clase B j de la vaable Y. Nótese que se tabaja codcoado sobe u tamaño de muesta educdo al úmeo de obsevacoes de la clase B j dada 0 5

6 Uvesdad Técca Fedeco Sata Maía Idepedeca Estadístca Se dce que X es depedete de Y s las ecuecas codcoales de X/Y so todas guales; es dec, o depede de la clase codcoate, esto es / / /3... /s A,, 3,..., s... 3 s 3 S s Luego /j j smlamete j/ j Como /j j /j j j j j Estadístca Bvaada Notacó: Aálogamete, se tee: j/ j ecueca codcoal ( y / x ) Idepedeca Estadístca j ( x, y ( x ) j ) X e Y so vaables estadístcamete depedetes ss: y / x ) ( y ) ó x / y ) ( x ) ( j j /j ó ( y j/ j 6

7 Uvesdad Técca Fedeco Sata Maía Estadístca Bvaada Idepedeca Estadístca como j j/ j j Asocacó de Vaables Datos o agupados Cov (x,y) Datos agupados : Cov(x,y) Coecete de Coelacó ( x x)( y y) ( x x)( y y) Cov (x,y) S x S y 3 Aveías Ejecco Fallas Auales Tempeatua Magal Magal Obtee : Dstbucoes magales Dstbucoes codcoales (4 aveías), Meda y Vaaza codcoal 4 7

8 Uvesdad Técca Fedeco Sata Maía Aveías Ejecco Fallas Auales Tempeatua Magal 0,0 0,5 0,0 0,45 3 0, 0,07 0,05 0,4 4 0,04 0,0 0,0 0, ,05 0,0 0,5 Magal 0,36 0,37 0,7,00 j/4 { /8; 5/8; /8} X j/4 37,5 V j/4 /8(0-37,5) +5/8(40-37,5) +//8(60-37,5) 5 Modelo Estadístco y 0 β + β x + ε (Leal) x, y so vaables depedete y depedete espectvamete. Además ε ua vaable estadístca que epeseta el eo. Los paámetos β 0 y β puede se estmados a pat de los datos {(x, y )},..., medate método de mímos cuadados. Sea ; e y yˆ y β 0 β ˆ ˆ Etoces x 6 8

9 Uvesdad Técca Fedeco Sata Maía SC x m β β 0 e m( β0β βˆ SC SC y SC E e xy x β βx ) ˆ β 0 ˆ 0 y β ( x x) SC ( x x)( y y) VNE xy e x 7 Cuvas de Regesó t V(t) V(t) Sea x t se t y t V(t) Luego y(t) a + b x t + ε t mq( a, b) m a, b a, b t ( y t a bx ) t 8 9

10 Uvesdad Técca Fedeco Sata Maía ˆ x y aˆ y bx 5,3 bˆ cov(, ) 0 S x Sy 76 ( y t yˆ t ), 45 % de Ajuste del Modelo eˆ t Sy 0, 98 00% 98% 9 Tasomacoes Sea y h ( x ) co,...,. Leales y ax + b y ax + b S y a S x. No leales y h( x ) y h(x) + h (x) S X S y S x [ h (x)] E patcula h(x) l x y l x - ( S x / x ) S y ( S x / x ) C V 0 0

11 Uvesdad Técca Fedeco Sata Maía Uvesdad Técca Fedeco Sata Maía Depatameto de Iomátca ILI-80 Aálss de ua Bvaada como muesta estatcada Aálss de ua muesta estatcada E V X Xm X m E V Vm E m m- estatos m h h h ph Supogamos que la vaable admte ua clascacó e k- clases, epesetadas po X, X,...X k.

12 Uvesdad Técca Fedeco Sata Maía Aálss de ua muesta estatcada h Catdad de dvduos de la submuesta del estato h que peteece a C. h h h k h k h h Xh X h k m h V h p h h k h ( X X h ) 3 Aálss de ua muesta estatcada Etoces: X m h p h X V T m h pv h h + m h p h ( X h X ) V T V t a + V te 4

13 Uvesdad Técca Fedeco Sata Maía Ejemplo Se tee 3 cadeos de aves. E el cadeo () se poe 50 pollos ecé acdos; e el () 00 pollos y e el (3) 00 pollos. Al cabo de u ceto tempo se pesa los 350 pollos, ecotádose que alguos está muetos y los vvos pesa ete,00 [kg]. y,50 [kg]. Paa los eectos del egsto los pollos muetos se supodá de peso ceo, y el ceo actuaá como ceto del supuesto tevalo. Los otos tevalos seá [,00 ;,50] [,50 ;,00] [,00 ;,50]. Cetos 0,5,75,5 Fecuecas Absolutas () () (3) X V Calcula, V, X, V h h t e, V ta T Note que exste 3 estatos y 4 clases 5 Aálss Muesta Estatcada Fecueca Relatva 0,7 Hstogama Aplado po Peso 0,6 0,5 0,4 0,3 0, Cadeo Cadeo Cadeo 3 0, 0 0,5,75,5 Peso,00,50,00,50 6 3

14 Uvesdad Técca Fedeco Sata Maía Aálss Muesta Estatcada Fecueca Relatva 0,5 Hstogama po Estato y po Peso 0,4 0,3 0, Cadeo Cadeo Cadeo 3 0, 0 0,5,75,5 Peso,00,50,00,50 7 Estato () P /7 X X X -X ( ) ( ) 0 0, 0 -,55,35 0,35,5 0, 0,50-0,75 0,0756 0,05,75 0,6,050 0,5 0,050 0,0304,5 0, 0,5 0,75 0,55 0,056 X,55 V 0,33 Estato () P 4/7 X X -X ( ) ( ) 0 0,05 0 -,66,76 0,38,5 0,0 0,5-0,4 0,7 0,07,75 0,75,3 0,088 0, 0 0,006,5 0,0 0,5 0,588 0,35 0,035 X,66 V 0,95 Estato (3) P 3 /7 3 3 X X -X 3 ( ) 3 ( ) 0 0,0 0 -,475,7 0,8,5 0,30 0,375-0,5 0,05 0,05,75 0,50 0,875 0,75 0, 08 0,039,5 0,0 0,5 0,775 0,60 0,060 X 3,475 V 3 0,33 8 4

15 Uvesdad Técca Fedeco Sata Maía Estatos P h Meda Vaaza P h X h P h V h X h -X (X-X h ) P h ( ) X h V h () /7,55 0,33 0,8 0,047-0,064 0,004 0,00058 () 4/7,66 0,95 0,950 0, 0,073 0,005 0,00305 (3) /7,475 0,33 0,4 0,095-0,4 0,03 0,0037,589 0,53 0, Meda Total Se ha obtedo, etoces: X,589 Vaaza pomedo deto de los estatos V ta 0,53 Vaaza ete estatos V te 0,0073 Vaaza Total V T 0,606 Resultados 30 5

Capítulo 2 Análisis Exploratorio de Datos

Capítulo 2 Análisis Exploratorio de Datos Capíulo Aálss Exploaoo de Daos aables Caegócas: Escala Noal) Moda Medda del ceo ) Tasa de aacó Medda de Dspesó ) aables Cualavas: Escala Odal) Moda, Medaa Tasa de aacó, Ídce de Dspesó aables Cuaavas: Escala

Más detalles

Análisis exploratorio de datos

Análisis exploratorio de datos Uvedad Técca Fedeco Sata Maía Depatameto de Iomátca ILI-8 Aál exploatoo de dato Capítulo Aál Exploatoo de dato Etadítca Computacoal II Semete Poeoe: Hécto Allede (allede@.utm.cl) Rodgo Sala (ala@.utm.cl)

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

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

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

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

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

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

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

Escalas de Medida. Clasificación/ Tipos de Datos. Escala Ordinal. Escala Nominal

Escalas de Medida. Clasificación/ Tipos de Datos. Escala Ordinal. Escala Nominal Uvesdad Técca Feco aa Maía Depaaeo Ioáca ILI- Clascacó/ Tpos Daos Capíulo : ANALII EPLORATORIO DATO Esadísca Copuacoal º eese Poeso :Héco Alle Pága : www..us.cl/~alle e-al : alle@.us.cl Cualavo (Caegoías)

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

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

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

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

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

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

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

PyE_ EF1_TIPO2_

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

Más detalles

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

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

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

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

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

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

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

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

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

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

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

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

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

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

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

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

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

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende

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

ESTUDIO CIS Nº Encuesta a población inmigrante (Immigrant Citizens Survey 1 )

ESTUDIO CIS Nº Encuesta a población inmigrante (Immigrant Citizens Survey 1 ) ESTUDIO CIS Nº 293 Ecuesta a poblacó mgate (Immgat Ctzes Suvey ) FICHA TÉCNICA Ámbto: Mucpos de Baceloa y Madd. Uveso: Poblacó de 5 años y más, acda e países extaeos dsttos a los estados membos de la UE-

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

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

Reducción de la Dimensionalidad en Análisis de Datos

Reducción de la Dimensionalidad en Análisis de Datos Reduccó de la mesoaldad e Aálss de aos CIPA-UCR Reduccó de la mesoaldad e Aálss de aos Jave Teos Coodado Eduado Pza, Ale ullo, ao Vllalobos, Aleada Jméez CIPA, Uvesdad de Cosa Rca Isuo Tecológco de Cosa

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

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

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

Más detalles

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

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez 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

ESTIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚTIPLES PUNTOS DE VENTA Y STOCKOUTS INFRECUENTES

ESTIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚTIPLES PUNTOS DE VENTA Y STOCKOUTS INFRECUENTES ESIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚIPLES PUNOS DE VENA Y SOCKOUS INFRECUENES J.M. Eguzktza Azabalaga. Depatameto de Matemátca Aplcada. Uvesdad del País Vasco/Euskal Heko Ubetstatea.

Más detalles

Fundamentos de Estadística:

Fundamentos de Estadística: Fudametos de Estadístca: Resúmees. A. Roeto Espeo Mohedao. Atuo Gallego egado. TEMA : Itoduccó a la Estadístca. La Estadístca las estadístcas. Defcó de Estadístca: o Estadístca Descptva. o Estadístca Matemátca

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

Modelos Estadísticos de Regresión Lineal

Modelos Estadísticos de Regresión Lineal Modelos Estadístcos de Regresó Leal Supoga que cueta co u baco de datos que cotee formacó relatva a dos varables X y Y las cuales se presume guarda ua relacó aproxmadamete leal. El ejemplo de las varables

Más detalles

7. Muestreo con probabilidades desiguales.

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

Más detalles

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

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

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

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

Más detalles

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

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

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

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

Inferencia Estadística

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

Más detalles

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

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Tema 7. Regresión Lineal

Tema 7. Regresión Lineal Análss de Datos I Esquema del Tema 7 Tema 7. Regesón Lneal 1. INTRODUCCIÓN. IDENTIFICACIÓN DEL MODELO 3. VALORACIÓN DEL MODELO Coefcente de detemnacón Descomposcón de la vaanza del cteo. APLICACIÓN DEL

Más detalles

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

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

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

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

Más detalles

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

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

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

Análisis de Regresión

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

Más detalles

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

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

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

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

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

ESTIMACIÓN Y PREDICCIÓN BAYESIANA. EL MODELO BETA-BINOMIAL RESUMEN

ESTIMACIÓN Y PREDICCIÓN BAYESIANA. EL MODELO BETA-BINOMIAL RESUMEN ESTIMACIÓN Y PREDICCIÓN BAYESIANA. EL MODELO BETA-BINOMIAL AUTORES Mguel Ágel Fajado Caldea, fajado@uex.es & Lda Adades Caldto, adades@uex.es & Nua Coales Dos, ucdos@uex.es & Jesús Péez Mao, jpeez@uex.es

Más detalles

UNIVERSIDAD DE JAÉN. Aproximación Bayesiana a la metodología de la Verosimilitud Empírica. Departamento de Estadística e I.O.

UNIVERSIDAD DE JAÉN. Aproximación Bayesiana a la metodología de la Verosimilitud Empírica. Departamento de Estadística e I.O. UNIVERSIDAD DE JAÉN Deatameto de Estadístca e I.O. Aomacó Bayesaa a la metodología de la Veosmltud Emíca Memoa esetada aa ota al gado de docto o Raúl Amo Puldo. Vº Bº del Decto Vº Bº del Tuto Fdo. D. Calos

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

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

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

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

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

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

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

Más detalles

Regresión y correlación lineal.

Regresión y correlación lineal. Regresó y correlacó leal. Este procedmeto proporcoa medos legítmos, modelos matemátcos a trabes de los cuales, se puede establecer asocacoes etre varables de terés e las cuales la relacó usual o es casual.

Más detalles

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

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

Más detalles

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

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

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

Más detalles

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

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

Más detalles

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 1.1. Probabldad, espaco muestral y sucesos... 11 1.1.1. Espaco muestral y sucesos... 11 1.1.. Probabldad... 14 1.1.3. Varable aleatora y fucó de dstrbucó...

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( )

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( ) ÉTODOS ATEÁTICOS TEA 0: REPASO ÁLGEBRA ESPACIOS DE HILBERT Y OPERADORES LINEALES Profesora: ª Cruz Boscá ESPACIOS LINEALES Espaco leal L sobre u cuerpo (comutatvo) Λ U espaco leal (o vectoral) L sobre

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

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09 Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer

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

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

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

Más detalles

3 Características asociadas a una distribución de frecuencias.

3 Características asociadas a una distribución de frecuencias. Estadístca Tea 3. Caacteístcas asocadas a ua dstucó de fecuecas. Pá. 3 Caacteístcas asocadas a ua dstucó de fecuecas. 3. Meddas de tedeca cetal. 3.. Medaa 3...a Caso o aupado. 3... Caso aupado. 3.. Moda.

Más detalles