PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

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

Download "PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio"

Transcripción

1 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260, 231, 229, 249, 254, 257, 214, 237, 253, 274, 230, 223, 253, 195, 269, 231, 268, 189, 290, 218, 313, 220, 270, 277, 375, 222, 290, 231, 258, 227, 269, 220, 224. a) Costruir u esquema de tallo-hoja, e el cual los tallos sea 18, 19, 20,... b) Costruir ua tabla de frecuecias que coste de 9 itervalos de igual logitud, siedo el primero [175, 200). d) Graficar el histograma correspodiete a la tabla hallada e (b) de maera que el área sea la frecuecia relativa. e) Se distribuye el cojuto de datos e forma de campaa o uiformemete? 2. Cosideremos x 1,..., x ua muestra de ua població cualquiera. Sea x y x la media y la mediaa muestral, respectivamete. a) Si se suma ua costate c a cada uo de los x i de la muestra, obteiédose y i = x i + c, cómo se relacioa x co ȳ y x co ỹ? b) Si cada x i es multiplicado por ua costate c, obteiédose y i = cx i, respoder a la preguta plateada e (a). 3. Sea s 2 X la variaza muestral correspodiete a la muestra x 1,..., x. Demostrar que: a) s 2 X = 1 i=1 x 2 1 i 1 x2. b) Si y i = x i + c, co c costate, etoces s 2 Y = s 2 X. c) Si y i = cx i, co c costate, etoces s 2 Y = c 2 s 2 X. 4. Sea x 1,..., x ua muestra de ua població co media µ y mediaa µ. (a) Para qué valores de c se miimiza i=1 (x i c) 2? (Sugerecia: derivar co respecto a c). (b) Usado (a) decidir cuál de estas dos catidades es más pequeña: 1 (x i x) 2 o i=1 1 (x i µ) 2. i=1 (c) Para qué valores de c se miimiza i=1 x i c? (Sugerecia: 1: Se puede usar la misma técica que e a)? 2: Para fijar ideas, comiece co ua muestra de tamaño = 3).

2 27 5. Dada ua muestra x 1,..., x, se defie la siguiete medida de dispersió: MAD (x 1,..., x ) = med 1 i x i x a) Sea c ua costate. Si defiimos y i = x i +c, cuál es la relació etre MAD (x 1,..., x ) y MAD (y 1,..., y )? b) Respoder (a) para y i = cx i. c) Calcular la MAD para los datos del Ejercicio A partir de ua muestra x 1,..., x se calcula la media y el desvío estádar muestrales, x y s X respectivamete. Si defiimos y i = (x i x) /s X, cuáto vale ȳ y s Y? Iterpretar este resultado. 7. Los siguietes valores represeta las gaacias, expresadas como porcetajes de vetas, de 22 firmas: a) Hallar la mediaa muestral y los cuartiles iferior y superior de estos datos. b) Costruir u box-plot e idetificar los putos extremos. 8. La siguiete tabla cotiee valores de població, e cietos de miles, de las 10 ciudades más pobladas de 4 países e el año Argetia EEUU Holada Japó Estos datos se ecuetra e la págia de la materia 1. a) Costruir u box-plot para los datos de cada país e idetificar los putos extremos e cada caso. b) Comparar los cetros de cada població, sus dispersioes y su simetría. Cuál es el país más homogéeamete habitado? 9. Los datos graficados e la última págia correspode a las máximas cocetracioes diarias (e partes por mil milloes) de dióxido de azufre e Bayoe desde oviembre de 1969 hasta octubre de 1972, agrupadas por mes. Los box-plots se realizaro e base a los 36 grupos (meses) de 30 medicioes cada uo. 1 http : //www.dm.uba.ar/materias/probabilidades estadistica C/2004/1/datos/

3 28 a) Aumeta o dismiuye la cocetració media de dióxido de azufre a través del tiempo? b) Cómo evolucioa los cuartiles superiores a lo largo del tiempo? Compare co (a). c) Qué observa e los meses de iviero? (Recuerde que se trata del hemisferio Norte). d) Qué ocurre co la dispersió de los datos cuado el ivel geeral de cocetració es alto? (Fuete: Rice, J. (1988). Mathematical Statistics ad Data Aalysis. Ed. Wadsworth ad Brooks/Cole) 10. Dos métodos fuero usados para determiar la temperatura de fusió del hielo (Natrella, 1963). Los ivestigadores quería saber si los dos métodos difería o o. Los datos siguietes da el cambio e calor total (e calorías por gramo de masa) al pasar de hielo a -72 o C a agua a 0 o C. (Fuete: idem Ejercicio 9) Método A: 79.98, 80.04, 80.02, 80.04, 80.03, 80.03, 80.04, 79.97, 80.05, 80.03, 80.02, Método B: 80.02, 79.94, 79.98, 79.97, 79.97, 80.03, 79.95, Realice u box-plot para cada uo de los métodos e u mismo par de ejes cartesiaos (como el gráfico del Ejercicio 9). A partir de los box-plots obteidos, qué le diría a los ivestigadores? 11. Realice u qq-plot para los datos del Ejercicio 1. Qué coclusioes puede obteer sobre la distribució de los datos? 12. Este ejercicio es para familiarizarse co los qq-plots, para darse ua idea de cómo puede ser éstos cuado la distribució subyacete es ormal y cuado o lo es. (a) Geerar muestras de tamaño 25, 50 y 100 de ua distribució ormal. Costruir qq plots para cada ua de ellas. Repetir varias veces para darse ua idea de cómo se comporta los qq plots cuado la distribució subyacete es ormal. (b) Repetir a) para ua Γ(5, 1 2 ). (c) Repetir a) para Y = Z U dode Z N(0, 1) y U U(0, 1) idepedietes. (d) Repetir a) para ua distribució uiforme. (e) Repetir a) para ua distribució expoecial. (f) Puede distiguir etre la distribució ormal del ítem a) y las siguietes distribucioes que o so ormales? 13. Co el fi de determiar cuál sería u mejor suplemeto dietario, se realizó ua comparació de la reteció de dos formas de hierro: Fe2+ y Fe3+. Los ivestigadores dividiero aleatoriamete a 36 ratas e dos grupos de igual úmero. A u grupo se le sumiistró e forma oral ua cocetració de 1.2 millimolar de Fe2+ y al otro grupo

4 29 se le sumiistró la misma cocetració de Fe3+. Al cabo de cierto tiempo se realizó u coteo e cada rata para determiar el porcetaje de hierro reteido. El archivo de datos se ecuetra e la págia de la materia. (a) Realice los boxplots y los qq-plots de los porcetajes obteidos para cada grupo. E base a estos gráficos, le parece razoable supoer que cada uo de los cojutos de datos proviee de ua distribució ormal? Por qué? (b) E ua seguda etapa, los ivestigadores trasformaro los datos aplicado la fució logaritmo atural (l) a cada ua de las observacioes. Repita el aálisis aterior co los datos trasformados. E base a la iformació obteida, le parece razoable supoer que cada uo de los cojutos de datos trasformados se distribuye segú ua distribució ormal? Por qué? 14. El archivo CPU.txt, que se ecuetra e la págia de la materia cotiee tiempos de CPU (e segudos) correspodietes a 1000 tiempos de trabajos eviados por ua cosultora. Para este cojuto de datos: (a) Calcular la media muestral, la mediaa muestral y la media α-podada co α = 0.10 (10%). (b) Calcular el desvío estádar muestral, la distacia itercuartil y la MAD (c) Realizar u histograma y u boxplot. Cuáles so las características más sobresalietes? Hay outliers? (d) Qué medida de posició cree que es más apropiada para estos datos? (e) Qué distribució cree que tiee estos datos? (f) Cómo haría para verificar si su cojetura es razoable? (Sugerecia: Deje volar su imagiació)

5

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n. 1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN

Más detalles

Secretaría de Extensión Universitaria. Trabajo Practico N 3

Secretaría de Extensión Universitaria. Trabajo Practico N 3 Trabajo Practico N 3 Medidas de Tedecia Cetral La Media (promedio), se deota como x, de ua muestra es el promedio aritmético de sus valores. Y se calcula mediate al formula: Si aparece los datos agrupados

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

Tema 2. Medidas descriptivas de los datos

Tema 2. Medidas descriptivas de los datos Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabilidad y estadística MEDIDAS DE TENDENCIA CENTRAL, MEDIDAS DE DISPERSIÓN, GRÁFICAS, E INTERPRETANDO RESULTADOS Prof. Miguel Hesiquio Garduño. Est. Mirla Beavides Rojas Depto. De Igeiería Química

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica? COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS 8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

ESTADÍSTICA. estadística. Recogida de datos. Las muestras de una población. Las variables estadísticas 03/06/2012

ESTADÍSTICA. estadística. Recogida de datos. Las muestras de una población. Las variables estadísticas 03/06/2012 ESTADÍSTICA estadística Grupo 4 Opció A La estadística estudia u cojuto de datos para obteer iformació y poder tomar decisioes. Por tato,las FASES de utrabajoestadístico será: Recogida de datos. Orgaizació

Más detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

2 Conceptos básicos y planteamiento

2 Conceptos básicos y planteamiento ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

Formulas. Población infinita. Población finita

Formulas. Población infinita. Población finita Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill. GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Trabajo Práctico Nro. 9 ECUACIONES DIFERENCIALES EN DERIVADAS PARCIALES Y SERIES DE FOURIER

Trabajo Práctico Nro. 9 ECUACIONES DIFERENCIALES EN DERIVADAS PARCIALES Y SERIES DE FOURIER F.I.U.B.A AÁLISIS AEÁICO III rabajo Práctico ro. 9 rabajo Práctico ro. 9 ECUACIOES DIFERECIALES E DERIVADAS PARCIALES Y SERIES DE FOURIER I.- Itroducció a las Ecuacioes Difereciales e Derivadas Parciales

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3 Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas más Frecuentes: Tema 2 Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

MATEMATICAS I Primer curso de Ciencias Ambientales / Curso HOJA 1

MATEMATICAS I Primer curso de Ciencias Ambientales / Curso HOJA 1 MATEMATICAS I Primer curso de Ciecias Ambietales / Curso 006-007 HOJA 1 1. E 1978, H. Cavedish realizó ua serie de 9 experimetos co objeto de medir la desidad de la tierra. Sus resultados, tomado como

Más detalles

MINITAB y MODELOS DE REGRESIÓN

MINITAB y MODELOS DE REGRESIÓN Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

1. Propiedades de los estimadores

1. Propiedades de los estimadores . Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar

Más detalles

EJERCICIOS DE SERIES DE FUNCIONES

EJERCICIOS DE SERIES DE FUNCIONES EJERCICIOS DE SERIES DE FUNCIONES. Campo de covergecia. Covergecia uiforme. Determiar el campo de covergecia de la serie 2 se x. Aplicado el criterio de la raíz, la serie es absolutamete covergete cuado:

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

SOLUCIÓN EXAMEN I PARTE II

SOLUCIÓN EXAMEN I PARTE II Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

Sesión No. 6. Contextualización. Nombre: Funciones exponenciales y logarítmicas y el uso de las MATEMÁTICAS. progresiones aritméticas y geométricas.

Sesión No. 6. Contextualización. Nombre: Funciones exponenciales y logarítmicas y el uso de las MATEMÁTICAS. progresiones aritméticas y geométricas. Matemáticas Sesió No. 6 Nombre: Fucioes expoeciales y logarítmicas y el uso de las progresioes aritméticas y geométricas. Cotextualizació Las fucioes expoeciales y logarítmicas se les cooce como trascedetes,

Más detalles

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos: T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática

República Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Álgebra I Práctica 2 - Números naturales e inducción

Álgebra I Práctica 2 - Números naturales e inducción FCEyN - UBA - Segudo Cuatrimestre 203 Álgebra I Práctica 2 - Números aturales e iducció. Reescribir cada ua de las siguietes sumas usado el símbolo de sumatoria (a) + 2 + 3 + 4 + + 00, (b) + 2 + 4 + 8

Más detalles

Distribuciones muestrales y el teorema del límite central

Distribuciones muestrales y el teorema del límite central CAPÍTULO 7 Distribucioes muestrales y el teorema del límite cetral 7.1 Itroducció 7.2 Distribucioes muestrales relacioadas co la distribució ormal 7.3 Teorema del límite cetral 7.4 Ua demostració del teorema

Más detalles

Ejercicios resueltos de Muestreo

Ejercicios resueltos de Muestreo Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo

Más detalles

Práctica 2 VARIABLES ALEATORIAS CONTINUAS

Práctica 2 VARIABLES ALEATORIAS CONTINUAS Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució

Más detalles

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase

Más detalles

e i y i y i y i 0 1 x 1i 2 x 2i k x ki

e i y i y i y i 0 1 x 1i 2 x 2i k x ki Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede

Más detalles

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ 06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la

Más detalles

EJERCICIOS TEMA 8. INFERENCIA ESTADISTICA

EJERCICIOS TEMA 8. INFERENCIA ESTADISTICA º BACHILLERATO. CIENCIAS SOCIALES 1. Ua variable aleatoria tiee ua distribució ormal de media m y desviació típica s. Si se extrae muestras aleatorias de tamaño : a) Qué distribució tiee la variable aleatoria

Más detalles

Medidas estadísticas

Medidas estadísticas Medidas estadísticas Medidas de Tedecia Cetral: Se llama así debido a que ua vez bie calculadas, sus valores tiede a estar ubicadas e el cetro de la distribució ordeada. Esta característica la posee la

Más detalles

1. Relaciones de recurrencia homogéneas con coeficiente

1. Relaciones de recurrencia homogéneas con coeficiente 1. Relacioes de recurrecia homogéeas co coeficiete costate 1. Demuestra que la sucesió {a } es ua solució de la recurrecia a = a 1 + 2a 2 + 2 9 si a) a = + 2 b) a = 5( 1) + 2 c) a = 3( 1) + 2 + 2 d) a

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO

Más detalles

PROGRESIONES ARITMETICAS

PROGRESIONES ARITMETICAS PROGRESIONES ARITMETICAS DEF. Se dice que ua serie de úmeros está e progresió aritmética cuado cada uo de ellos (excepto el primero) es igual al aterior más ua catidad costate llamada diferecia de la progresió.

Más detalles

Mirando las gráficas, justifica estas afirmaciones: Cuantos más dados intervienen, más se parece la distribución de sus promedios a la curva normal.

Mirando las gráficas, justifica estas afirmaciones: Cuantos más dados intervienen, más se parece la distribución de sus promedios a la curva normal. Uidad 1. Iferecia estadística. Estimació de la media Matemáticas aplicadas a las Ciecias Sociales II Resuelve Págia 85 Lazamieto de varios dados Comprueba e la tabla aterior ue: DESV. TÍPICA DESV. TÍPICA

Más detalles

Pasos básicos para docimar una hipótesis:

Pasos básicos para docimar una hipótesis: Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Ejemplos de análisis de varios tipos de convergencia

Ejemplos de análisis de varios tipos de convergencia Ejemplos de aálisis de varios tipos de covergecia Objetivos Apreder a aalizar varios tipos de covergecia Requisitos Varios tipos de la covergecia, descripció e térmios de los cojutos auxiliares Se propoe

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

6. DISTRIBUCIONES MUESTRALES CONTENIDO 6 DISTRIBUCIONES MUESTRALES INTRODUCCION PARÁMETROS Y ESTADÍSTICOS...

6. DISTRIBUCIONES MUESTRALES CONTENIDO 6 DISTRIBUCIONES MUESTRALES INTRODUCCION PARÁMETROS Y ESTADÍSTICOS... 6. DISTRIBUCIONES MUESTRALES CONTENIDO 6 DISTRIBUCIONES MUESTRALES... 7 6. INTRODUCCION...7 6. PARÁMETROS Y ESTADÍSTICOS...8 6.3 DISTRIBUCIÓN DEL PROMEDIO MUESTRAL...9 6.4 DISTRIBUCIÓN DE LA FRECUENCIA

Más detalles

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes

Más detalles

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.

Conceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza. FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase

Más detalles

Resumen que puede usarse en el examen

Resumen que puede usarse en el examen Resume que puede usarse e el exame ema. Optimizació Irrestrigida. Codicioes ecesarias y suficietes de optimalidad. Proposició (C. Necesarias) Sea x* u míimo local irrestrigido de f :!! y supogamos que

Más detalles

1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }

1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... } SEÑALES DE TIEMPO DISCRETO SEÑALES Y SISTEMAS DE TIEMPO DISCRETO Las señales está clasificadas de maera amplia, e señales aalógicas y señales discretas. Ua señal aalógica será deotada por a t e la cual

Más detalles

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

Más detalles

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

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos Aputes de Métodos Estadísticos I Prof. Gudberto J. Leó R. I- 46 Medidas Descriptivas Numéricas Frecuetemete ua colecció de datos se puede reducir a ua o uas cuatas medidas uméricas secillas que resume

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E

Más detalles

Ejercicio 1. Calcule y grafique la densidad espectral de potencia de la salida del filtro y el valor de potencia total. Ejercicio 2.

Ejercicio 1. Calcule y grafique la densidad espectral de potencia de la salida del filtro y el valor de potencia total. Ejercicio 2. Guía de Ejercicios Ejercicio El circuito RC de la figura es excitado por ua señal de ruido blaco co desidad espectral de potecia costate e igual a N /. R w(t) C v(t) Calcule y grafique la desidad espectral

Más detalles

Ejercicios y Aplicaciones: Resolución Guiada

Ejercicios y Aplicaciones: Resolución Guiada Uidad Temática 5 : Resolució Guiada Bibliografía Los ejercicios y aplicacioes de esta uidad tiee como referecia los siguietes libros de texto: PROBABILIDAD Y ESTADÍSTICA PARA INGENIEROS Sexta Edició Autores:

Más detalles

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b) MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que

Más detalles

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007 CÁLCULO Ejercicios Resueltos Semaa 0 Julio al Agosto 007 Ejercicios Resueltos. Estime el área ecerrada por la curva de ecuació y, el eje X y, para ello, divida el itervalo [0,] e cico partes iguales, y

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado e Geomática y Topografía Escuela Técica Superior de Igeieros e Topografía, Geodesia y Cartografía. Uiversidad Politécica de Madrid

Más detalles

Introducción a las medidas de dispersión.

Introducción a las medidas de dispersión. UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.

Más detalles

Test de Hipótesis. Material Preparado por Hugo Delfino

Test de Hipótesis. Material Preparado por Hugo Delfino Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de

Más detalles

Figura 10. No se satisface el supuesto de linealidad.

Figura 10. No se satisface el supuesto de linealidad. Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos

Más detalles

PRUEBAS DE HIPÓTESIS.

PRUEBAS DE HIPÓTESIS. PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple

Más detalles

La frecuencia relativa acumulada se suele expresar en forma de % y nos indica el % de datos que hay menores o iguales al valor xi correspondiente.

La frecuencia relativa acumulada se suele expresar en forma de % y nos indica el % de datos que hay menores o iguales al valor xi correspondiente. º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMA.- ESTADÍSTICA DESCRIPTIVA.- TABLAS Y GRÁFICOS ESTADÍSTICOS Estadística : Es la ciecia que estudia cojutos de datos obteidos de la realidad. Estos datos

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

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. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

Población Joven Adulta Total A favor En contra Total

Población Joven Adulta Total A favor En contra Total Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo

Más detalles

TRABAJO PRÁCTICO N O 1. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS

TRABAJO PRÁCTICO N O 1. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS TRABAJO PRÁCTICO N O. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS PARTE : SEÑALES Recomedacioes geerales: Utilice el comado stem para el graficado de las señales discretas. El uso de plot o se ajusta al

Más detalles