MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas"

Transcripción

1 Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora Doctora María Teresa González Montesnos

2

3 Índce 1. Varables estadístcas bdmensonales 1. Regresón lneal. Rectas de regresón 1.1. Recta de regresón de Y sobre X Determnacón de la recta de regresón: método de los mínmos cuadrados Cálculo abrevado de la recta de regresón de Y sobre X Recta de regresón de X sobre Y Correlacón lneal coefcente de correlacón lneal Varacón y estudo de las propedades del coefcente de correlacón Ejerccos propuestos 11

4

5 Tema Varables estadístcas bdmensonales La consderacón smultánea de dos seres estadístcas que provenen de la medda de dos caracteres de una msma poblacón, o de dos poblacones dstntas, recbe el nombre de dstrbucón bdmensonal. Las dos seres estadístcas consderadas smultáneamente consttuyen una sere estadístca doble. Cada elemento de esta sere doble vene meddo o representado por dos caracteres (estatura, peso), (nota físca, nota matemátcas), (estatura padre, estatura hjo). La varacón smultánea de ambos caracteres consttuye una varable bdmensonal denotada por (x, y). Por ejemplo, supongamos que los alumnos de un curso de tercero de BUP son 0 y que han obtendo las sguentes puntuacones: Físca: 5, 4, 3, 7,, 9, 8, 6, 4, 6, 5, 4, 7, 3, 8,, 4, 7, 4, 8. Matemátcas: 4, 6, 5, 7,, 8, 5, 5, 7, 6, 6, 5, 4, 5, 7, 3, 6, 8, 3, 9. Son dos seres estadístcas undmensonales que, consderándolas smultáneamente, consttuyen la sere estadístca doble de varable bdmensonal (x,y) =(Físca,Matemátcas): (x,y) =(5,4), (4,6), (3,5), (7,7), (,), (9,8), (8,5), (6,5), (4,7), (6,6), (5,6), (4,5), (7,4), (3,5), (8,7), (,3)(4,6)(7,8), (4,3), (8,9). Podemos representar, en el plano, fjando un par de ejes cartesanos, cada pareja de valores correspondentes a las dos seres estadístcas, formándose así una nube de puntos. Así, la nube de puntos correspondente al ejemplo anteror sería Matemátcas Físca. Regresón lneal. Rectas de regresón El orgen de la palabra regresón es debdo al bólogo Galton al comparar, en sus nvestgacones sobre la herenca genétca, la estatura de los padre y de los hjos. Observó este autor que los de padres altos (que sobrepasaban la meda de la poblacón) eran tambén altos, pero menos. Es decr, esos hjos se acercaban (regresaban) a la meda. Análogamente ocurría con hjos de padres bajos, nferores a la meda.

6 Matemátcas para estudantes de prmer curso de facultades y escuelas técncas Y P j (x j,y j ) Q y = mx + n P P 1 Q j (x j,mx j + n) Q 1 α : tg α = m n O X Fgura 1.1. Recta de regresón de Y sobre X Supongamos una nube de puntos de una sere bdmensnal (fgura 1). Queremos buscar una recta y = mx+n sobre la cual stuar los puntos de la nube: P Q. Cometeremos un error de estmacón o cálculo que vamos a precsar. Proyectemos, paralelamente al eje de ordenadas OY, todos los puntos P (x,y ) de la nube sobre la recta y = mx+n (fgura 1). Obtendremos los nuevos puntos Q (x,mx + n). Tenemos así dos seres de puntos: Las coordenadas antguas, P (x,y ), correspondentes a los valores expermentales (reales) de las dos seres estadístcas, cuyo estudo smultáneo consttuye la sere estadístca bdmensonal (x,y ). Las nuevas coordenadas Q (x,mx + n) que son tales que: Las abscsas x son los msmos valores reales de la prmera sere. Las ordenadas mx +n son los valores estmados ( regresados ). Se calculan por la ecuacón y = mx + n. Los valores mx + n de esta sere son dstntos, en general, de los de la sere real y. Las dferencas y (mx +n) entre los valores reales y los estmados medante la recta de regresón de y sobre x, y = mx + n, se conocen con el nombre de desvacones respecto de esa recta. Son errores de cálculo o estmacón, denomnados tambén resduos. Parece natural que al elegr la recta de regresón de y sobre x se proceda de tal forma que el error cometdo, al susttur los valores y por mx + n, sea lo más pequeño posble. Es decr, que las desvacones o resduos sean mínmos. Tratar de encontrar la recta anteror con las condcones mpuestas se conoce por ajustar una recta de dstrbucón bdmensonal dada... Determnacón de la recta de regresón: método de los mínmos cuadrados La recta que mejor se ajusta a los datos es aquella para la cual la suma de los cuadrados de los errores o resduos (dstancas de P a Q ) es mínma.

7 Tema 13 3 Conoceremos dcha recta cuando determnemos los parámetros m y n cuyo cálculo consttuye el ajuste de una recta a una dstrbucón dada. Como ya se vo anterormente, los errores cometdos venen dados por d(p,q ) = y mx n, de manera que d(p,q ) = (y mx n). El método enuncado de los mínmos cuadrados dce N d(p,q ) = Para que se verfque (1) ha de ser N N N x y = m x + n x, n (y mx n) ha de ser mínma. (1) N N y = m x + nn, denomnadas ecuacones normales de la recta de regresón de y sobre x. A partr de las ecuacones () se deducen rápdamente los valores de m y n que determnan la recta. Ejemplo.1 Las notas de dez alumnos de una lsta de tercero de BUP en Matemátcas y Físca han sdo las sguentes: Matemátcas: x = 7, 4, 3, 5, 8, 6, 9, 4, 6, 8. Físca: y = 6, 3, 5, 4, 6, 7, 7, 5, 6, 7. Calculemos la recta de regresón de y sobre x. Para llegar a las ecuacones (), es convenente dsponer los cálculos en forma de tabla: x y x y x y = 60 = 56 = 354 = 396 = 330 Tabla 1 Susttuyendo estos valores en las ecuacones () se tene que } 354 = 396m + 60n, 56 = 60m + 10n. Despejando n en la segunda ecuacón, n = 5 6 6m, y susttuyendo en la prmera, 354 = 396m + 60(5 6 6m) = 36m + 336, de donde 36m = = 18 = m = = 1. ()

8 4 Matemátcas para estudantes de prmer curso de facultades y escuelas técncas Por lo tanto, n = = 6 = Luego la recta de regresón vene dada por y = 1 x Cálculo abrevado de la recta de regresón de Y sobre X Consderemos la nube de puntos de la sere estadístca bdmensonal (x,y) referda al sstema de referenca (O;x,y). Efectuemos una traslacón de ejes al nuevo orgen (O ; x,ȳ), sendo las coordenadas de O las medas artmétcas de las respectvas seres: x = 1 N N x, ȳ = 1 N N y. Llamaremos X e Y a los nuevos ejes. Para todo punto P se tene la sguente relacón vectoral: Y Y { (xj,y P j ) j (x j,y j ) y = mx y ȳ = m(x x) Q j O ( x,ȳ) X n O X Fgura OP = OO + O P = O P = OP { OO x = = x x, y = y ȳ, que consttuyen dos nuevas seres cuyos valores son las desvacones de las dos seres x e y respecto de sus medas respectvas: x = d x = x x, y = d y = y ȳ. (3) El punto O ( x,ȳ) es el centro de gravedad de la dstrbucón, y las rectas de regresón (véase la fgura ) van a pasar por dcho punto.

9 Tema 13 5 La recta de regresón de y sobre x será y = mx + n. Para determnar los parámetros m y n procedemos por el método de los mínmos cuadrados: N N N x y =m (x ) + n x, (4) N N y =m x + nn. Pero sabemos que la suma de las desvacones de cualquer sere respecto de su meda es cero: x = (x x) = x N x = x x N N = 0. Análogamente y = 0. De esta forma, las ecuacones (4) quedan reducdas a x y = m (x } ) o ben, 0=nN, x n = 0, m = y (x ) = (x x)(y ȳ) (x x), (5) donde m recbe el nombre de coefcente de regresón de y respecto de x. Susttuyendo m y n de (5) en la recta y = mx + n queda x y = y (x ) x, recta que pasa por O ( x,ȳ). Volvendo a los ejes (X,Y ), tenendo en cuenta (3), resulta (x x)(y ȳ) y ȳ = (x x) (x x). (6) Ejemplo. Consderemos de nuevo el ejemplo.1. Para calcular la recta de regresón de y sobre x por el método abrevado, dsponemos los cálculos de la sguente manera: x y x = x x y = y ȳ (x x) (y ȳ) (x x)(y ȳ) x = 6 ȳ = 5 6 = 0 = 0 = 36 = 16 4 = 18 Susttuyendo los valores hallados en (6), tenemos Tabla y 5 6 = (x 6) y 5 6 = 1 (x 6), que es la msma recta que se obtuvo por el procedmento anteror.

10 6 Matemátcas para estudantes de prmer curso de facultades y escuelas técncas.4. Recta de regresón de X sobre Y La recta tendrá por ecuacón x = m y + n. Para su obtencón se procede de forma totalmente análoga a la anteror: proyectamos, paralelamente al eje de abscsas OX, todos los puntos P(x,y ) de la nube sobre la recta x = m y + n, obtenendo los nuevos puntos Q (m y + n,y ). Las ecuacones normales serán en este caso N N N x y = m y + n y, N x = m N y + n N. A partr de las ecuacones normales reducdas se llega a que x n = 0, m = y (y ) = (x x)(y ȳ) (y ȳ), donde m se denomna coefcente de regresón de x sobre y. La recta de regresón es ahora (x x)(y ȳ) x x = (y ȳ) (y ȳ). Ejemplo.3 Calcular la recta de regresón de x sobre y para la sere bdmensonal consderada en el ejemplo anteror. Aprovechando los cálculos de las tablas 1 y y susttuyéndolos en cualquera de las expresones para la recta se tene que x 6 = (y 5 6). 3. Correlacón lneal El sgnfcado de la palabra correlacón es el de relacón mutua. El térmno estadístco correlacón nos ndca, por tanto, la mutua dependenca que exste entre dos o más seres estadístcas. Así, la correlacón estadístca es la nterdependenca (la relacón de dependenca) exstente entre sus respectvas varables aleatoras coefcente de correlacón lneal Defncón 3.1 Llamamos coefcente de correlacón lneal entre dos seres estadístcas, x e y, a la meda geométrca de los dos coefcentes de regresón, m y m, correspondentes a las dos rectas de regresón; esto es, r = m m. Partendo de los valores m y m hallados en la seccón anteror por el método abrevado, tenemos que r = m m ( x = y ) ( x y ) x ( (x ) )( (y ) ) = y ( (x ) )( (y ) ) = (x x)(y ȳ) = ( (x x) ) ( (y ȳ) ). Ejemplo 3.1 Calculemos el coefcente de correlacón del ejemplo dado en la seccón anteror: (x x)(y ȳ) r = ( (x x) )( (y ȳ) ) = 0 74.

11 Tema Varacón y estudo de las propedades del coefcente de correlacón Dada la sera estadístca bdmensonal (x,y ), recordemos que la varanza de los valores x e y venen dadas por σx (x x) (x = = ) N N, σ y = (y ȳ) N = (y ) N. Defnmos la covaranza de la sere como σ xy = (x x)(y ȳ) N = x y N. Se deduce fáclmente que r = (x x)(y ȳ) Nσ x σ y = σ xy σ x σ y = mσ x σ y = m σ y σ x. Operando, se obtene como suma de los cuadrados de los resduos: P Q = Nσ y (1 r ). (7) Como el prmer membro de esta gualdad es mayor o gual que cero, el segundo membro tambén lo será; al ser N,σy > 0, tendremos que 1 r 0 1 r 1, es decr, el coefcente correlacón lneal es un número comprenddo entre 1 y 1. La varacón de r en el ntervalo [ 1,1] nos permte un estudo sencllo de la dependenca de las dos seres estadístcas de una dstrbucón bdmensonal. (El coefcente de correlacón es el valor más empleado, por su sencllez y rápda nterpretacón en socología, pscología, etc. Así, por ejemplo, gracas a dcho coefcente podemos verfcar el grado de fabldad y veracdad de un test de ntelgenca, etc.) Podemos dstngur varos casos: (1) S r = 1, dremos que se produce una correlacón total, completa o perfecta. Llevando este valor a (7), nos queda P Q = Nσ y (1 1) = 0 = P = Q,. Los valores reales P y los estmados Q sobre las rectas de regresón concden. Al ser nulos los resduos o errores, P Q, todos los puntos de la nube están en una recta, por lo que la dependenca entre las varables aleatoras es funconal y las dos rectas de regresón concden. () S r = 0 nos encontramos ante una correlacón nula, y la expresón (7) admte su valor máxmo: P Q = Nσ y (1 0) = Nσy, lo cual ndca que los puntos P están separados lo máxmo posble de Q (dspersón completa). Los errores P Q son máxmos: se trata de la llamada ndependenca aleatora. En este caso los coefcentes de regresón venen dados por m = r σ y σ x, m = r σ x σ y.

12 8 Matemátcas para estudantes de prmer curso de facultades y escuelas técncas Y Y O ( x,ȳ) X O X Fgura 3: r = 1. Luego las rectas de regresón serán y ȳ = r σ y σ x (x x), x x = r σ x σ y (y ȳ). Al ser r = 0, se deduce que m = m = 0, quedando y = ȳ, x = x. Las dos rectas regresón son paralelas a los ejes coordenados, formando, por tanto, un ángulo de 90 (véase fgura 4): Y x = x O ( x,ȳ) y = ȳ O X Fgura 4: r = 0. (3) S 0 < r < 1 nos encontramos ante una dependenca aleatora. Este caso comprende todos los numerosos fenómenos de la vda real que se encuentran entre los dos casos límtes anterores. (3.1) S r se aproxma a 1, entonces la dependenca aleatora se aproxma a la funconal; P estaría próxmo a Q y el ángulo que forman las dos rectas tende a cero.

13 Tema 13 9 (3.) S r tene un valor próxmo a cero, entonces P y Q están muy separados, con lo que la dependenca aleatora es pequeña (tende a la ndependenca aleatora) y el ángulo entre las dos rectas de regresón tende a 90. Ejemplo 3. S r = 0 9 entonces la correlacón o dependenca entre las dos seres es alta y las rectas de regresón cas concden (fgura 5). S r = 0 5, la correlacón es baja y el ángulo entre las dos rectas de regresón se aproxma al ángulo recto (fgura 6). Y Y Y Y O ( x,ȳ) X O ( x,ȳ) X O X Fgura 5: r = 0 9. Fgura 6: r = 0 5. O X (4) S r > 0 dremos que se produce una correlacón drecta o postva. En este caso las pendentes de las rectas de regresón, m = r σ y y m = r σ x, son ambas postvas, pues las desvacones típcas σ x σ y son sempre postvas. Al crecer x, tambén crece y. (5) S r < 0 dremos que se produce una correlacón nversa o negatva. Razonando de forma análoga al caso anteror, se tene que m,m < 0, esto es, las pendentes de las rectas de regresón son negatvas, y al crecer x dsmnuye y. En resumen, el coefcente de correlacón r mde la dependenca aleatora de dos seres estadístcas: r 0 0 < r < 1 1 Correlacón nula Correlacón perfecta Dependenca Dep. aleatora Indep. aleatora Dep. funconal Vamos a consderar un ejemplo que nos ayude en la resolucón de otros ejerccos. Supongamos las dos seres estadístcas sguentes: Se pde: a) Representacón del dagrama de dspersón. b) Rectas de regresón. c) Coefcente de correlacón. x :7,4,8,6,9,5,,4,9, 8, 6, 7. y :6,5,7,6,8,7,1,3,8, 7, 8, 6. d) Valores estmados en la recta de regresón de y sobre x. e) Errores cometdos en esta estmacón.

14 10 Matemátcas para estudantes de prmer curso de facultades y escuelas técncas Nota 3.1 S nos pderan la dependenca estadístca, el únco dato que necestaríamos sería el coefcente de correlacón. Por ser dos muestras pequeñas no agrupamos los datos repetdos. a) La sguente fgura representa la nube de puntos: y x b) Dspongamos los datos necesaros en la sguente tabla: x y x y (x ) (y ) x y x = 6 5 ȳ = 6 = 0 = 0 (x ) = 5 5 (y ) = 50 x y = 43 La recta de regresón de y sobre x será y la de x sobre y vendrá dada por x y ȳ = y 43 (x ) (x x) y 6 = 5 5 (x 6 5), x x x = y (y ) (y ȳ) x 6 5 = 43 (y 6). 50 c) El coefcente de correlacón será (x x)(y ȳ) r = ( (x x) ) ( (y ȳ) ) = =

15 Tema d) Para calcular los valores estmados y los errores debemos tener en cuenta la recta de regresón de y sobre x: y 6 = (x 6 5). En la sguente tabla se presentan las estmacones y los errores cometdos: x y y Errores Para hallar, por ejemplo, el sexto valor de la sere bdmensonal, (5,7), hacemos lo sguente: x 6 = 5 = y 6 6 = (5 6 5) = y 6 = (5 6 5) + 6 = El error de estmacón cometdo será = Ejerccos propuestos (1) Las notas obtendas por un grupo de alumnos de tercero de BUP en Matemátcas y Físca son las sguentes: Matemátcas: x : 4,6,8,3,7,5,3,3, 7,8. Físca: y : 5,4,7,5,9,6,4,3, 6, 6. a) Calcúlense las dos rectas de regresón. b) Estímense los valores de y cuando x vale 4 y 9. c) Estímense los valores de x cuando y vale 3 y 8. () Se ha aplcado una batería de tests de ntelgenca a un grupo de ses estudantes, y al msmo tempo, se ha anotado su rendmento académco según la tabla adjunta: Halla las dos rectas de regresón. Intelgenca Rendmento (3) En un hosptal se ha aplcado un medcamento, A, a 100 enfermos, y en otro hosptal se aplcado otro medcamento, B, a otros 100 enfermos. El número de curados cada día durante los dez prmeros días es el sguente: a) Hállense las rectas de regresón. X: Medcamento A Y : Medcamento B b) Estímense los valores de y en la prmera recta, y los valores de x en la segunda. c) Hállense los resduos o errores de estmacón. (4) Calcula el coefcente de correlacón de las sguentes seres estadístcas bdmensonales: a) { x : 3,5,7,9 y : 5,7,8,9,

16 1 Matemátcas para estudantes de prmer curso de facultades y escuelas técncas b) c) { x : 1,9,7,6,8,7 y : 1,7,4,5,7,4, { x : 4,7,3,9,6,5,3, y : 8,8,5,3,8,1,9,5. Interprétense los resultados. (5) Al aplcar dos tests de memora a un grupo de alumnos, se han obtendo los sguentes resultados: x : 3,5,7,4,9,8,7,6,5,3,9, 3. y : 4,6,8,5,7,7,8,7,6,4,8, 5. Indca la dependenca y la correlacón entre los dos tests. (6) El cambo de la moneda de dos nacones no europeas respecto al euro ha sufrdo las sguentes fluctuacones: { 1 3, 5, 1,1 1,0 9; 1 1, 3, 0 9,1 0,0 8. Indca la dependenca comercal y económca de esas dos nacones medante el coefcente de correlacón.

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Regresión Lineal Simple y Correlación

Regresión Lineal Simple y Correlación 4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

T. 9 El modelo de regresión lineal

T. 9 El modelo de regresión lineal 1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS

6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 10: ESTADÍSTICA TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

CESMA BUSINESS SCHOOL

CESMA BUSINESS SCHOOL CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

Rentas o Anualidades

Rentas o Anualidades Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

Regresión y correlación simple 113

Regresión y correlación simple 113 Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Tratamiento de datos experimentales. Teoría de errores

Tratamiento de datos experimentales. Teoría de errores Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.

Más detalles

PARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x

PARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:

Más detalles

CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS

CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de

Más detalles

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución. Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo

Más detalles

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos

Más detalles

Campo eléctrico. Líneas de campo. Teorema de Gauss. El campo de las cargas en reposo. Campo electrostático

Campo eléctrico. Líneas de campo. Teorema de Gauss. El campo de las cargas en reposo. Campo electrostático qco sθ qz Ez= 4 zπε0 2+ R2 = 4πε0 [z2 +R2 ]3/ 2 El campo de las cargas en reposo. Campo electrostátco ntroduccón. Propedades dferencales del campo electrostátco. Propedades ntegrales del campo electromagnétco.

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd

Más detalles

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas. MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas

Más detalles

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de

Más detalles

Consideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir

Consideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir 1. PRINIPIO E TRJOS VIRTULES El prncpo de los trabajos rtuales, en su ertente de desplazamentos rtuales, fue ntroducdo por John ernoull en 1717. La obtencón del msmo dera de la formulacón débl (o ntegral)

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado de imágenes usando autómatas celulares con memoria Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

Electricidad y calor

Electricidad y calor Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C

RESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C RESISTENCIS EN SERIE Y LEY DE LS MLLS V V 2 V 3 C D Fgura R R 2 R 3 Nomenclatura: Suponemos que el potencal en es mayor que el potencal en, por lo tanto la ntensdad de la corrente se mueve haca la derecha.

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage:  Algunas definiciones Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de

Más detalles

Capítulo III Medidas de posición y de dispersión

Capítulo III Medidas de posición y de dispersión Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento

Más detalles

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c. Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire 4 Undad II: Análss de la combustón completa e ncompleta. 1. Are El are que se usa en las reaccones de combustón es el are atmosférco. Ya se djo en la Undad I que, debdo a que n el N n los gases nertes

Más detalles

Programa de Asesor Financiero (PAF) Nivel I

Programa de Asesor Financiero (PAF) Nivel I Programa de Asesor Fnancero (PAF) Nvel I MÓDULO 1_Fundamentos de la Inversón SOLUCIÓN_CUESTIONARIOS DEL LIBRO Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO Capítulo 4: TIPOS DE INTERÉS Y RENTABILIDAD Capítulo

Más detalles

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles