Revista Peruana de Epidemiología E-ISSN: Sociedad Peruana de Epidemiología Perú
|
|
- José Castellanos Lucero
- hace 7 años
- Vistas:
Transcripción
1 Revsta Peruaa de Epdemología E-ISSN: Socedad Peruaa de Epdemología Perú De La Cruz-Oré, Jorge Lus Qué sgfca los grados de lbertad? Revsta Peruaa de Epdemología, vol. 7, úm., agosto, 03, pp. -6 Socedad Peruaa de Epdemología Lma, Perú Dspoble e: Cómo ctar el artículo Número completo Más formacó del artículo Pága de la revsta e redalyc.org Sstema de Iformacó Cetífca Red de Revstas Cetífcas de Amérca Lata, el Carbe, España y Portugal Proyecto académco s fes de lucro, desarrollado bajo la catva de acceso aberto
2 REVISTA PERUANA DE EPIDEMIOLOGÍA ISSN RPEole Artículo de Revsó Qué sgfca los grados de lbertad? What do degrees of freedom mea? A,B Jorge Lus De La Cruz-Oré RESUMEN Los grados de lbertad represeta u tema cetral e la estadístca modera, s embargo su cocepto se explca poco e los lbros de texto. A pesar de que Gauss los usó por prmera vez al estmar las dstacas etre las estrellas, o aparece formalmete hasta los escrtos de Gosset (Studet) e 908. El cocepto de grados de lbertad se puede eteder desde u puto de vsta geométrco, algebraco e cluso tutvo. La geometría os descrbe a los grados de lbertad como espacos e hperespacos de lbertad a través de los cuales ua medda de resume puede moverse y tomar dferetes valores. El puto de vsta algebraco los descrbe como el úmero de ecuacoes que se establece usado los datos. Ambos putos de vsta está relacoados y ayuda a compreder co mayor profuddad el cocepto de grados de lbertad. La aplcacoes de los grados de lbertad está exteddas a través de toda la estadístca, el cálculo de la desvacó estádar y la prueba t de Studet so solo alguos ejemplos. PALABRAS CLAVE: Grados de lbertad, Dmesoes, t de studet. INTRODUCCIÓN ese a ser u tema muy mportate a lo largo de cas todos los Pcapítulos de la estadístca, el cocepto de grados de lbertad (degrees of freedom e glés) es escasamete explcado e los textos de cosulta, advrtedo que se trata de u tema dfícl de compreder, de esta maera es pasado por alto o dejado a la posteror revsó del estudate. Para el matemátco que aprede la complcada teoría de los grados de lbertad o so ecesaras más explcacoes. S embargo, para quees tee que usar la estadístca de maera práctca como los epdemólogos e vestgadores médcos, la mejor compresó de estos coceptos ayudará a compreder mejor uo de los temas cetrales e la estadístca. E la estadístca modera, o se halla el cocepto de grados de lbertad ates de los trabajos de Wllam Sealy Gosset ( El probable error de u promedo, Studet) e 908, y es por prmera vez explcado por Sr Roald Fsher, el fudador de la estadístca modera e 95. S embargo el cocepto ya era famlar a Fredrch Gauss, que geeralzó la teoría de los mímos cuadrados, muy usados e regresó leal. Gauss determó e palabras y e fórmula que al úmero de observacoes se le debe restar el úmero de térmos descoocdos que se está estmado a partr de los datos para servr como dvsor e el cálculo del error estádar de u grupo de datos. La presete revsó tee como objetvo dar ua dea tutva acerca de los grados de lbertad y sus fudametos. Se teta que sea compreddo por quees o tee ua formacó rgurosa e matemátcas pero que usa la estadístca para vestgar, eseñar o la está aprededo. E las sguetes líeas se preseta prmero dos ejemplos lustratvos y posterormete se profudza e el verdadero sgfcado de los grados de lbertad. Así msmo, se ha sacrfcado profuddad y exacttud e favor de la ddáctca, y a veces se recurre a repetcoes que ayudará a ua mejor compresó del tema. (A) Maestría e Boestadístca, Facultad de Cecas Matemátcas, Uversdad Nacoal Mayor de Sa Marcos. Lma, Perú. (B) CCBR - Lma, Sede Clíca Rcardo Palma. Correspodeca a Jorge Lus De La Cruz-Oré: dj_jdo@hotmal.com Recbdo el de abrl de 03 y aprobado el de mayo de 03. Cta sugerda: De La Cruz-Oré JL. Qué sgfca los grados de lbertad? Rev peru epdemol 03; 7 () [6 pp.] -0- REV. PERU. EPIDEMIOL. VOL 7 NO AGOSTO 03
3 Revsó Revsta Peruaa de Epdemología Ejemplo S teemos que escoger a 0 persoas de u grupo grade de modo tal que el peso promedo sea de 60 Kg, teemos la lbertad de elegr a los dez que osotros cosderemos. Obvamete puede exstr muchas muestras de dez dferetes persoas, pero sempre debemos teer e cueta que el promedo de los pesos debe ser 60 Kg. Fáclmete os podemos dar cueta que solo podemos elegr lbremete a las prmeras 9 persoas, dado que para elegr al décmo este debe ser elegdo de maera tal que el promedo del grupo o sea mayor meor de 60 Kg. Es decr, podemos elegr co lbertad a los 9 prmeros, y el décmo queda automátcamete restrgdo por la codcó de que su peso debe ser tal que la meda de los dez pesos debe ser 60 Kg. Por lo tato, para ua muestra de 0 persoas escogdas al azar, bajo la codcó de que la meda de los pesos sea 60 Kg, teemos 9 grados de lbertad. Ejemplo Otro ejemplo lustratvo podría ser el popular juego japoés Sudoku, e el cual o se puede repetr el msmo úmero e la msma columa o fla. S tomamos ua columa, y se os dca que ubquemos los úmeros del al 9, etoces podemos elegr lbremete los prmeros 8 úmeros, dado que el oveo umero o puede ser elegdo por osotros, quedado restrgdo por los 8 úmeros aterores. El prmer úmero puede ser cualquera de los ueve, el segudo debe ser elegdo de etre los ocho restates, el tercero debe ser escogdo de etre los sete que queda, y así hasta que solo os quede elegr etre dos úmeros, tras lo cual, solo os quedará u últmo y úco úmero, el cual ya o puede ser elegdo lbremete. Por lo tato, teemos 8 grados de lbertad. Ahora que hemos vsto estos dos ejemplos, os queda formalzar u poco más acerca del cocepto de grados de lbertad. Auque tal cocepto quedará claro tras leer todo el artículo, podemos decr que los grados de lbertad so los valores de u cojuto de datos que tee la posbldad de varar después de haber mpuesto algua restrccó a los msmos. Como veremos posterormete, los grados de lbertad so ua fucó del tamaño de la muestra así como del úmero de varables depedetes. Ua seguda defcó es que los grados de lbertad so la catdad de datos que puede varar depedetemete después de que alguas relacoes leales ha sdo establecdas etre ellos. LOS GRADOS DE LIBERTAD EXPLICADOS Ua aproxmacó geométrca Empecemos magado u puto fjo (u puto por defcó o tee dmesoes), tal puto o tee gú lugar a dode pueda moverse, y por lo tato o tee gú grado de lbertad. Cotuemos pesado e magemos u puto sobre ua recta (la recta tee ua sola dmesó), ahora uestro puto puede moverse a lo largo de la recta y decmos que tee u grado de lbertad, es decr la lbertad de moverse e ua dmesó tal y como lo hace u tre sobre las líeas férreas. Podemos coocer su ubcacó s sabemos a qué dstaca se ecuetra de u puto de orge. S cremetamos las dmesoes e uestro ejercco metal y ubcamos a uestro puto e u plao (dos dmesoes), uestro puto puede moverse lbremete a lo largo y a lo acho de tal plao, por lo tato tee dos grados de lbertad para recorrer s restrccoes, además podemos ubcarlo e u plao cartesao de tal modo que para coocer su ubcacó exacta ecestamos ecotrar dos putos (x; y) a partr del orge del plao. Nuestro ejemplo es smlar a pesar e u automóvl sobre u campo de cocreto, puede moverse a la derecha-zquerda o e setdo atrás-adelate, sedo posble coocer su ubcacó exacta s sabemos las dos coordeadas desde u orge fjo (Fgura ). FIGURA : Represetacó de u puto e u plao formado por dos dmesoes x e y. El puto puede moverse a lo largo y acho del plao, por lo tato tee dos grados de lbertad. 4 3 Puto (x=; y=3) Defcoes de Grados de Lbertad Se preseta a cotuacó alguas defcoes de los grados de lbertad e textos de estadístca de uso comú: La suma de los valores de las desvacoes de los valores dvduales co respecto a su meda es gual a cero, hecho que puede demostrarse. S se cooce los - valores de los valores a partr de la meda, etoces se cooce el -ésmo valor, ya que queda determado automátcamete debdo a la restrccó de 3 que todos los valores de sume cero. (Dael Waye 007, p4) El valor de los grados de lbertad se relacoa co el úmero de veces que se usa la formacó de la muestra. (Dawso 005, 4 p9) Se defe como el úmero de valores que podemos escoger 5 lbremete. (Lev 996, p388) Los grados de lbertad de ua prueba estadístca so el úmero de datos que so lbres de varar cuado se calcula tal prueba. 6 (Pagao 009, p3) Ahora pasemos a magar ua dmesó más y ubquemos a uestro puto e u espaco formado por tres dmesoes (largo, acho y altura), de tal maera que uestro puto se puede mover lbremete e cualquera de las dmesoes y tee por lo tato tres grados de lbertad. Esto es equvalete a pesar e ua mosca que se desplaza volado e ua habtacó. Podemos coocer su ubcacó exacta s teemos los valores de tres coordeadas e u mometo Rev. peru. epdemol. Vol 7 No Agosto 03-0-
4 Revsta Peruaa de Epdemología Revsó dado. També podemos magar a u avó e pleo vuelo y saber que además de moverse haca adelate se puede mover e el setdo derecha-zquerda y arrba-abajo, de tal maera que podemos coocer su ubcacó s sabemos cuál es su alttud, lattud y logtud. E matemátcas podemos pesar e muchas dmesoes más, así los espacos que determa se llama hperespacos, y se represeta por el símbolo R s se trata de espacos de úmeros reales, e tales espacos u puto tedrá grados de lbertad o dmesoes por los que pueda moverse. Es cas mposble poder magar tales hperespacos, pero al gual que e los párrafos aterores, uo puede coocer la ubcacó exacta de u puto sabedo las coordeadas 7 que lo determa. Vamos a cosderar e toda la exposcó sguete que ua muestra de tamaño estará represetada por u úco puto e u hperespaco cuyas coordeadas so cada uo de los valores de la muestra. De tal maera que s teemos ua muestra de dos sujetos, éstos será represetados por u úco puto que se mueve e u plao de dos dmesoes, y s teemos ua muestra de tres sujetos, estará represetados por u puto que se mueva e tres dmesoes. De gual maera, ua muestra de sujetos se represetará ubcado los valores e las coordeadas y al ur las proyeccoes quedará represetado por u úco puto que se mueve lbremete a través de u hperespaco de dmesoes. Hasta aquí hemos vsto que u puto que se mueve lbremete e u espaco co dmesoes tee grados de lbertad, pero, qué sucede s de atemao se fja el valor que toma uo de los ejes cartesaos? E otras palabras, debemos pregutaros cómo queda los grados de lbertad s se restrge u eje? Volvedo al ejemplo del puto e dos dmesoes (x,y), s algue de atemao restrge ua de las dmesoes y os dce que el valor del eje x debe ser ecesaramete 3, etoces uestro puto o podrá moverse lbremete e dos dmesoes y habrá perddo u grado de lbertad ( = grado de lbertad), es decr, sólo se podrá mover lbremete e ua recta (la recta que pase por x=3). Lo msmo ocurrría para el puto e tres, cuatro, o más dmesoes. Pero o solamete se puede restrgr ua dmesó, so també se puede restrgr todas las que se desee. Así, e u espaco de tres dmesoes (x,y,z) se puede restrgr x e y de tal maera que solo tedremos ua dmesó (3-=). E hperespacos de más de tres dmesoes se puede restrgr más de dos dmesoes. Geeralzado, s u puto se ecuetra e u hperespaco de dmesoes, etoces tee grados de lbertad, a meos que se especfque de atemao algú valor de ua o más dmesoes, e cuyo caso el úmero de grados de lbertad queda determado por la dfereca etre y el úmero de dmesoes restrgdas (r), por lo tato, tedremos que los uevos grados de lbertad ha dsmudo hasta llegar a ser (-r). Pero, cómo se hace para restrgr u úmero de valores r? Hay dos maeras, la prmera es smplemete dado a coocer uo de los valores que tomaría uo de los ejes y la seguda medate algua fórmula que relacoe a todos los datos (como la fórmula para hallar el promedo). Pesemos e u espaco defdo por tres ejes (que determa u espaco de tres dmesoes). U sstema como este es fácl de magar s pesamos e la esqua despejada de ua habtacó, allí podemos llamar a los ejes x, y, z. S elegmos tres valores cualesquera para los ejes y los umos, podemos obteer u plao tragular ABC como el de la fgura. FIGURA : El plao ABC e dos dmesoes está formado a partr de la relacó que exste etre tres putos e los ejes cartesaos. Y A B C X Cabe recordar que dos putos cualesquera al urse forma ua recta (cuado se relacoa de maera leal), y que tres putos cualesquera forma u plao bdmesoal cuado se ue por termedo de algua relacó. E la fgura, los tres putos so: B = = (x,0,0) A = = (0,y,0) C = = (0,0,z ) 3 Y la fucó que las relacoa es: Dode: x es el valor de algua varable medda e la persoa y es el valor para la persoa z es el valor para la persoa 3 X es la meda de los tres datos x + y + z 3 = X Como podemos ver, cuado se estma la meda de tres datos (tres putos cardales), el resultado se ecuetra lbre de moverse e u plao de dos dmesoes (trágulo ABC de la fgura ). Geeralzado, cuado datos se relacoa medate el cálculo de la meda (o de algua otra relacó leal), tal meda puede tomar Z -03- REV. PERU. EPIDEMIOL. VOL 7 NO AGOSTO 03
5 Revsó Revsta Peruaa de Epdemología dferetes valores que se mueve lbremete e u plao de - dmesoes. Volvedo a u ejemplo prevo, s teemos ua muestra de 0 sujetos (=0), y se calcula la meda de sus pesos, tal meda se mueve lbremete detro de los límtes de u hperespaco de 9 dmesoes (-=9) depededo de los posbles valores que pueda tomar los pesos de las 0 persoas. Es así que cuado dos putos se relacoal lealmete forma u espaco de ua sola dmesó (ua recta), cuado so tres los putos que se relacoa forma u plao de dos dmesoes, cuado los putos a relacoarse sea cuatro, formará u espaco de tres dmesoes. etc. Queda etoces claro que cuado u úmero cualquera de putos e u espaco se relacoa por algua fórmula, forma u uevo espaco que es exactamete de ua dmesó meos que la dmesó orgal, y cada vez que se tete explcar a los putos medate ua ueva relacó, las dmesoes se segurá reducedo sucesvamete. E la fgura 3, se puede aprecar que hay dos relacoes para los tres putos. La prmera relacó es la fórmula de la meda, que forma el trágulo ABC, la seguda relacó es ua ecuacó que produce u paralelogramo EFGH que tersecta a uestro prmer plao. S se exge que se cumpla ambas relacoes a la vez co los tres datos, etoces los úcos valores posbles se ecuetra e cualquer 8 puto de la recta LL* y se mueve lbremete a través de ella. Como se puede aprecar, al espaco cal de tres dmesoes se le ha mpuesto dos restrccoes, por lo tato, los úcos valores que satsface ambas relacoes se puede mover lbremete e u espaco de 3-= dmesó (ua líea), y todos los cálculos posterores que cluya a éstos resultados deberá teer e cueta que solo posee u grado de lbertad. FIGURA 3: Dos relacoes mpuestas a tres putos e los ejes cartesaos reduce las dmesoes a ua líea LL* de ua sola dmesó. Y Ua aproxmacó algebraca S se os da a elegr los valores de dos varables cualesquera x, y, osotros podemos pesar e ftos posbles valores para cada ua de ellas, pero cuado se os muestra ua relacó que las explca, la stuacó camba. Por ejemplo, los dos valores puede relacoarse de la sguete maera: x + y = 9 E éste caso, solo teemos la lbertad de elegr a uestro atojo a ua de las varables, ya que la seguda varable queda determada automátcamete por la relacó que las ue. S además se os mpoe ua seguda ecuacó que las explque, de tal maera que teemos ahora dos relacoes para uestras varables: x + y = 9... () x - y =... () Ya o os queda gua varable que podamos elegr lbremete, dado que teemos dos varables e dos ecuacoes, y por lo tato uestros grados de lbertad se ha reducdo a -=0. S resolvemos ambas ecuacoes, ecotramos que x=5; y=4. De la msma forma, s teemos sujetos co sus respectvos pesos, y calculamos el promedo de los msmos medate la fórmula: X = x + x x x = Automátcamete uestros grados de lbertad queda restrgdos a ( ) opcoes, y los cálculos que mplque el uso de la meda X e uevas fórmulas debe ser trabajados e ua dmesó meos que la orgal (es decr -) como e la aproxmacó geométrca. Geeralmete, cada vez que calculamos u uevo estmador, perdemos u grado de lbertad. A USANDO LOS GRADOS DE LIBERTAD E F L L* H C G Z Al calcular la desvacó estádar muestral La desvacó estádar muestral os da ua dea del grado de dspersó de datos alrededor de su meda, y para llegar a coocer tal meda se ha establecdo ua relacó etre los datos sumádolos a todos y dvdédolos etre el úmero de los msmos (es decr etre ). Al ser la meda el resultado de tal relacó, queda lbre de moverse a través de u uevo espaco de - dmesoes, por lo tato, la fórmula de la desvacó estádar (y el de la varaza) mde la dspersó de los datos alrededor de u puto (la meda) e u espaco de - dmesoes, y es por esto que tee como deomador a esa catdad de grados de lbertad tal como se evdeca e la fórmula sguete: s = (x - X) + (x - X) (x - X) - B X Dode: s es la varaza muestral s x x (-) es la desvacó estádar muestral represeta a los datos represeta el úmero de la muestra so los grados de lbertad Rev. peru. epdemol. Vol 7 No Agosto
6 Revsta Peruaa de Epdemología Revsó. Pogamos u ejemplo. Se desea coocer la varaza y desvacó estádar de la hemogloba de ua muestra de cco pacetes procedetes de u área co alta prevaleca de parastoss testal. Se tee los sguetes datos de hemogloba: 0; ; 9; 7; 9. La meda muestral es: X = = 9. 5 Y tato el cálculo de la varaza como el de la desvacó estádar debe teer e cueta a los grados de lbertad e el deomador. Para el caso, los grados de lbertad es gual al úmero de observacoes meos, es decr 5 = 4. La varaza muestral será: (0-9.) + (-9.) + (9-9.) + (7-9.) + (9-9.) s = =. 4 Y la desvacó estádar muestral será la raíz cuadrada de., es decr.48. Grados de lbertad para la dstrbucó t de Studet La dstrbucó t srve para probar la hpótess de gualdad de las medas de dos grupos de datos. Se empeza teedo dos grupos, el prmero de ellos tee elemetos, y el segudo, se halla las medas muestrales de ambos, X y X respectvamete. Por lo tato, cada grupo ha reducdo sus dmesoes de lbertad tras calcular las medas, y los uevos grados de lbertad so etoces ( -) y ( -). Para hallar la desvacó estádar (y la varaza), solamete se obtee el promedo a partr de ambas varazas poderadas segú sus grados de lbertad: s p = ( - )s + ( - )s ( - ) + ( - ) Y cuado se busca e la tabla de valores para la dstrbucó t de Studet se cosdera como los grados de lbertad la suma total de los grados de lbertad de ambos grupos. Podemos aprecar mejor esto s poemos u ejemplo. Se desea coocer s la preseca de parástos testales terfere co la absorcó de herro y por cosguete produce veles bajos de hemogloba. Se poe a prueba la hpótess ula de o dfereca del vel de hemogloba promedo de dos grupos de persoas, el prmer grupo procede de u área co alta prevaleca de parastoss testal y el segudo grupo procede de u área co baja prevaleca. S el úmero muestral del grupo uo es de 0 sujetos, y el tamaño del segudo es de 8, etoces los grados de lbertad asocados a la prueba t so: GL = (0 - ) + (8 - ) = 46 Y tedremos e cueta a los 46 grados de lbertad cuado hallemos el puto crítco para el rechazo de la hpótess ula. S cosderamos u valor alfa gual a 0.05, etoces uestro puto crítco de rechazo será: t = ±.678 (0.95 ; 46) Y s uestro estadístco t calculado cae a la zquerda de o a la derecha de se rechaza la hpótess ula y por lo tato hay evdeca que las medas de hemogloba de ambos grupos so dferetes. Es mportate mecoar que la dstrbucó t sempre depede de los grados de lbertad. VOLVIENDO A EMPEZAR Ahora teemos u mejor etedmeto de los grados de lbertad: Los grados de lbertad so guales al úmero de observacoes depedetes que so lbres de varar (el úmero de sujetos e los datos) meos el úmero de parámetros estmados (el úmero de,9,0 relacoes mpuestas a los datos). E otras palabras, está relacoados al tamaño de la muestra. Así msmo, los grados de lbertad so usados para defr las dstrbucoes estadístcas y co ellos poder realzar las pruebas de hpótess. CONCLUSIONES El úmero de grados de lbertad costtuye u tema cetral e la estadístca modera, s embargo o es compredda por la mayoría de vestgadores. El úmero de grados de lbertad se comprede mejor s es vsto como el úmero de dmesoes espacales e los que u puto es lbre de moverse. Cada relacó que se establece (es decr, cada estadístco que se calcula a partr de los datos) hace que se tega que modfcar los grados de lbertad s tal estadístco va a ser usado e cálculos futuros. E el últmo caso, los grados de lbertad queda restrgdos a la dfereca etre la catdad de datos y el úmero de relacoes establecdas etre los msmos. Los grados de lbertad ecuetra su aplcacó e ua gra catdad de modelos estadístcos, sedo la prueba t solo u ejemplo. **** -05- REV. PERU. EPIDEMIOL. VOL 7 NO AGOSTO 03
7 Revsó Revsta Peruaa de Epdemología REFERENCIAS BIBLIOGRÁFICAS. WALKER HM. DEGREES OF FREEDOM. JOURNAL OF EDUCATIONAL PSYCOLOGY. 940;3(4): MOONAN W. THE STATISTICAL INTERPRETATION OF DEGREES OF FREEDOM. THE JOURNAL OF EXPERIMENTAL EDUCATION. 953;(3), DANIEL W. BIOESTADÍSTICA: BASE PARA EL ANÁLISIS DE LAS CIENCIAS DE LA SALUD. MÉXICO: LIMUSA WILEY DAWSON B, TRAPP R. BIOESTADÍSTICA MÉDICA. MÉXICO: MANUAL MODERNO LEVIN R, RUBIN D. ESTADÍSTICA PARA ADMINISTRADORES. MÉXICO: PRENTICE-HALL PAGANO R. UNDERSTANDING STATISTICS IN THE BEHAVIORAL SCIENCES. CANADA: WADSWORTH, CENGAGE LEARNING STRANG G. INTRODUCTION TO LINEAR ALGEBRA. BROOKS/COLE GROSSMAN S. ÁLGEBRA LINEAL. MÉXICO: MCGRAW-HILL/INTERAMERICANA EDITORES TOOTHAKER L, MILLER L. INTRODUCTORY STATISTICS FOR THE BEHAVIORAL SCIENCES. PACIFIC GROVE, CA: BROOKS/COLE YU C. ILLUSTRATING DEGREES OF FREEDOM IN TERMS OF SAMPLE SIZE AND DIMENSIONALITY DISPONIBLE EN: WISDOM.COM/COMPUTER/SAS/DF.HTML ABSTRACT WHAT DO DEGREES OF FREEDOM MEAN? Degrees of freedom s a cetral topc moder statstcs, however s poor explaed textbooks. Gauss used t for frst tme estmates of astroomc dstaces but t appears formally Gosset (Studet) mauscrpts 908. Degrees of freedom ca be uderstood from geometrc, algebrac or eve tutve pot of vew. Geometrcs shows degrees of freedom as spaces through a summary measure ca move freely assumg dfferet values. Algebra descrbes degrees of freedom as umber of ukow varables respect of umber of equatos we ca establsh usg data. Both algebrac ad geometrc pots of vew are related ad help us to uderstad better the meag of degrees of freedom. Applcatos statstcs are wdely spread but stadard devato ad Studet t are just some examples. KEYWORDS: Degrees of freedom, Dmesos, Studet t. Rev. peru. epdemol. Vol 7 No Agosto
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 detallesx x x x x Y se seguía operando
. INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces
Más detallesInferencia 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 detallesEstadística. 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 detallesIntroducción 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 detalles1.3. Longitud de arco.
.. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado
Más detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesMáximos 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 detallesCurso 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 detallesLOS 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 detallesERRORES EN LAS MEDIDAS (Conceptos elementales)
ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesREGRESIÓN 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 detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detallesn p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción
Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,
Más detallesNúmeros Complejos PREGUNTAS MÁS FRECUENTES
Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?
Más detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detallesAplicación 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 detallesIntensificación 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 detallesRELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.
RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el
Más detallesMEDIDAS 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 detallesV 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 detallesEspacios con producto interior
Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó
Más detallesRegresión - 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 detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detallesEstadística 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 detalles6. 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 detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detallesTema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre
Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de
Más detallesModelos 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 detallesEl estudio de autovalores y autovectores (o valores y vectores propios) de matrices
Tema V DIAGONALIZACIÓN POR TRANSFORMACIONES DE SEMEJANZA Objetvos Presetar los coceptos de autovalor y autovector, los cuales tee gra mportaca e las aplcacoes práctcas (tato es así, que podría decrse que
Más detallesque 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 detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detalles3 = =. 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 detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detalles2.4 Pruebas estadísticas para los números pseudoaleatorios
Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto
Más detallesMATEMÁTICA 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 detallesProblemas de Polímeros. Química Física III
Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesModelo Lineal Simple. Clase 02. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Uversdad Austral de Chle Escuela de Igeería Comercal ICPM5, Ecoometría Clase Modelo Leal Smple Profesor: Carlos R. Ptta Ecoometría, Prof. Carlos R. Ptta, Uversdad Austral de Chle. El Modelo de Regresó
Más detallesMEDIA 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 detallesAPROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS
APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado
Más detallesEscrito. 1) Transforma a las bases indicadas:
Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00
Más detallesDivisión 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 detallesAnálisis 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 detallesPARÁMETROS 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 detallesRespuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:
Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,
Más detallesMEDIDAS 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 detallesUNIDAD 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 detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
Más detallesUNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
Más detalles1. 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 detallesNOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesDISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Más detallesCÁLCULO NUMÉRICO (0258)
CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.
Más detallesANÁLISIS 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 detallesI. 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 detallesTema 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 detallesColegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA
Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesMEDIDAS DE FORMA Y CONCENTRACIÓN
MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de
Más detallesAnálisis 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 detallesColegio Sagrada Familia Matemáticas 4º ESO
Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesANTES DE COMENZAR RECUERDA
ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,
Más detallesEstadística aplicada al Periodismo
Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca
Más detallesComportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.
Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),
Más detallesProblemas discretos con valores iniciales
Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co
Más detallesLos Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
Más detallesAnálisis 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 detallesIntroducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web:
Itroduccó al Algebra Leal e Cotexto Autor José Arturo Barreto M.A. Web: www.abaco.com.e www.mprofe.com.e josearturobarreto@yahoo.com Descomposcó e Valor Sgular (SVD: Sgular Value Decomposto) El sguete
Más detallesObjetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética
Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado
Más detallesCAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA
NÚMEROS COMPLEJOS E INDUCCIÓN MATEMATICA 55 CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA 4. INTRODUCCIÓN Los úmeros Complejos costtuye el mímo cojuto C, e el que se puede resolver la ecuacó x a
Más detallesVARIABLES 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 detallesTEMAS CUESTIONARIO DE AUTOEVALUACIÓN
TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera
Más detallesVARIABLE 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 detallesCALCULO DIFERENCIAL E INTEGRAL II. Figura 1
TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El
Más detalles2.5. Área de una superficie.
.5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra
Más detallesÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO
2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.
ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b
Más detallesESPACIOS 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 detallesal nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.
5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de
Más detallesGENERALIDADES SOBRE MÓDULOS
GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo
Más detallesUNIDAD 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 detalles1 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 detallesFÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA. Medición de la longitud del largo del cuaderno:
FÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA Medcó de la logtud del largo del cuadero: 9,5, cm,cm represeta la certdumre asoluta de la medda Qué ta sgfcatva es esa certdumre? 9,5, cm puede ser
Más detallesTeoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.
Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra
Más detallesTRABAJO 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 detallesExperimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS
Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y
Más detallesESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería
Más detallesESTADÍSTICA 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. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )
Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R
Más detallesEn 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 detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Uversdad de oora Departameto de Matemátcas Área Ecoómco Admstratva Matera: Estadístca I Maestro: Dr. Fracsco Javer Tapa Moreo emestre: 05- Hermosllo, oora, a 5 de septembre de 05. Itroduccó E la clase
Más detallesNOMBRE 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 detallesQué 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 detallesNo debe entregar los enunciados
Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)
Más detallesGUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL
GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo
Más detalles