12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996

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

Download "12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996"

Transcripción

1 º semaro AEDEMO sobre Audeca de Televsó Palma de Mallorca, Febrero de 996 LA PRECISIÓN ESTADÍSTICA EN EL PANEL DE AUDIMETRÍA Carlos Lamas

2 ÍNDICE. INTRODUCCIÓN, TEORÍA Y CONCEPTOS. EFECTO DEL EQULILIBRAJE 3. EFECTO CONGLOMERADO 4. EFECTO DE LA AGREGACIÓN DE MINUTOS Y DE LA ACUMULACIÓN DE DÍAS 5. ERROR ESTÁNDAR DEL SHARE 6. CALCULO SIMPLIFICADO DEL ERROR ESTÁNDAR 7. PRECISIÓN DE LOS GRP S DE UNA CAMPAÑA PUBLICITARIA

3 INTRODUCCIÓN, TEORÍA Y CONCEPTOS Error Estádar Cuado se estma u parámetro de la poblacó a través de ua muestra, se obtee ua aproxmacó a dcho parámetro. La dfereca etre la estmacó y el valor real e la poblacó es lo que se cooce como error de muestreo. La magtud de los errores de muestreo o, de forma equvalete, el vel de precsó del msmo se suele medr por el "error estádar". Imagemos que, para ua expermetacó por muestreo específca, co u dseño y tamaño de muestra dado, se calcula todas las posbles muestras que el método de seleccó permta y que, para cada ua de estas muestras se calcula ua estmacó del parámetro de la poblacó vestgado. La meda de todas estas estmacoes cocdrá, s el muestreo es sesgado, co el valor real de la poblacó. Llamamos error estádar a la desvacó típca de la dstrbucó formada por todas las estmacoes mecoadas. Dcha dstrbucó tede a ua dstrbucó ormal, depedetemete de la forma de la dstrbucó de la varable orgal e la poblacó. Por tato, lo que estamos dcado a través del error estádar es la varabldad e el muestreo o el vel de precsó del msmo. El error estádar da dea de la frecueca co la que se puede esperar que exsta dferecas etre la estmacó y el valor real de ua magtud dada, s se toma muestras repetdas del msmo tamaño. Su magtud depede de la dstrbucó de la varable cosderada e la poblacó, del dseño muestral utlzado y del tamaño de la muestra. El error estádar es cosustacal al muestreo y o se puede evtar o elmar, auque la palabra "error" sugera al profao falsas deas de "equvocacó". El error estádar cuatfca de forma geeral la precsó de ua vestgacó por muestreo pero o forma sobre el tamaño sobre la dreccó de la dfereca etre ua estmacó cocreta obteda aplcado dcha vestgacó y el valor poblacoal real. Se suele deotar co la letra grega "sgma" (σ) y se preseta como valor absoluto o be e térmos relatvos (rato porcetual sobre el valor de la estmacó). Marge de error e tervalo de cofaza Es muy frecuete acompañar cualquer estmacó putual de u parámetro poblacoal co algua dea del marge de fabldad de la msma. Esta dea suele expresarse como marge de error o e forma de tervalo marcado los límtes feror y superor del msmo. Tato el marge de error como el tervalo de cofaza respectvo está asocados a u vel de cofaza o fabldad determado, de forma que para ua msma stuacó putual se pueda costrur múltples tervalos de cofaza e base a dferetes veles de fabldad. El tervalo de cofaza se costruye tomado como extremos del msmo el valor de la estmacó putual ± el marge de error asocado. 3

4 Para el cálculo de los márgees de error, se multplca el error estádar por el valor que la dstrbucó ormal proporcoa al vel de probabldad requerdo. El resultado para los veles de probabldad más usuales es como sgue: Nvel de probabldad Marge de error 99,7 % 3σ 99 %,57σ 95,5 % σ 95%,96σ 90 %,65σ 80 %,8σ 68,3 % σ El marge de error se puede expresar e térmos absolutos o relatvos (porcetajes). Ejemplo de aplcacó y lectura Imagemos que teemos el sguete caso: Ratg estmado: 9, putos Error estádar:,3 putos Nvel de cofaza: 90% Al vel de cofaza del 90% teemos Marge de error: ±, putos Itervalo de cofaza: [ 7, ;,3 ] La lectura de este caso debe ser: "Co ua probabldad del 90% el valor real del ratg está compreddo e el tervalo [7,;,3]. De forma equvalete, hay ua probabldad del 0% de que dcho valor real esté fuera del tervalo mecoado". El marge de error se ha calculado multplcado el error estádar por,65 (valor que proporcoa la dstrbucó ormal para la probabldad del 90%). El tervalo de cofaza se costruye sumado y restado el marge de error al valor de la estmacó. E la vestgacó socal está geeralzado el uso del vel de probabldad del 95% para la costruccó de tervalos de cofaza. Error probable Se deoma error probable a la medaa de la dstrbucó de los errores posbles. La probabldad de obteer e ua estmacó cocreta u error superor (o feror) a dcho valor es del 50%. E otras palabras, la dfereca etre ua 4

5 estmacó específca y el valor poblacoal real tee la msma probabldad de ser superor al error probable que de ser feror al msmo. Se calcula multplcado el error estádar por 0,6745. Dseño muestral del pael de audmetría de Sofrés AM La seleccó de los hogares que va a cofgurar el pael se hace por fases: Determacó de estratos Regó x Hábtat. Dstrbucó del tamaño muestral etre los mucpos de cada estrato seleccoado la localzacó de los hogares muestrales co probabldad proporcoal a la poblacó de los mucpos. Se utlza u procedmeto sstemátco de seleccó que propca la máxma dspersó geográfca. Seleccó aleatora/sstemátca de tatas seccoes cesales detro de u mucpo como hogares muestrales tega. E cada seccó cesal así elegda, se cosegurá la colaboracó de u hogar y uo sólo para el pael (co el msmo objetvo de optmzar la dspersó geográfca). La seleccó realzada segú las etapas aterores se cotrola y corrge, de ser ecesaro, segú las cuotas de dseño prefjadas. Auque es el hogar la udad fal de muestreo, las udades últmas de observacó so los dvduos. Para cada hogar seleccoado se recoge y procesa la formacó audmétrca de todos los membros del msmo co edades de 4 años o más. Por tato, la muestra de dvduos del pael o se puede, e térmos geerales, cosderar como aleatora smple, ya que se agrupa e los coglomerados que los hogares compoe. Los factores de expasó que utlza los algortmos de estmacó de las audecas se calcula por u procedmeto de equlbraje que ajusta las proporcoes de la muestra a las teórcas para los crteros y varables báscos del pael. Este procedmeto tee, e geeral, la vetaja de corregr potecales sesgos e la seleccó muestral a cambo de dsmur la precsó e las estmacoes. Cálculo de los errores estádar e el pael de audmetría Cada estmacó dvdual tee su propo error estádar. Hablado co propedad o exste el cocepto de precsó geeral del pael, so que cada ua de las formacoes umércas que el pael proporcoa tee u vel de fabldad dferete. Para efectuar los cálculos que procede e cada caso (determado por ua fecha, ua cadea, u tervalo temporal, u desglose geográfco, u target y u dcador de audeca), es ecesaro cotar esecalmete co: Número de mutos vstos por cada uo de los dvduos del pael e el tervalo y cadea correspodete. 5

6 Factor de expasó para los dvduos del pael e la fecha de que se trate. y co dcha formacó aplcar los algortmos de cálculo apropados que debe teer e cueta las característcas del dseño muestral. Cocretamete, se debe cosderar los sguetes elemetos que aleja las estmacoes del pael de u proceso de estmacó de proporcoes e u dseño aleatoro smple: Efecto del equlbraje Por dversas razoes, los factores de elevacó de los dferetes elemetos muestrales so, e geeral, dferetes. Efecto de coglomerados Los dvduos o se seleccoa depedetemete. Se toma ua muestra de hogares y todos los membros de los msmos partcpa e el pael. Estamos ate u proceso de muestreo por coglomerados, dode cada coglomerado es u hogar. Efecto de agregacó de mutos para formar tervalos de tempo A través del pael se estma, o sólo audecas correspodetes a u muto so a varados tervalos temporales (cuartos de hora, programas, total día, semaa, mes, etc.) lo que hace que o estemos hablado ya de estmacó de proporcoes smples so de volúmees de cosumo televsvo. E geeral, la precsó de las estmacoes se cremeta co la duracó de los tervalos a los que aquellas se refere. Itutvamete, uo se puede aproxmar a este feómeo pesado que, de algua forma, el úmero de observacoes muestrales se cremeta co la duracó del tervalo temporal cosderado ya que cada muto de cada persoa supoe ua observacó. 6

7 EFECTO DEL EQUILIBRAJE Factores de elevacó A cada membro del pael ""(...) se le asoca u factor de elevacó o peso "". Los factores de elevacó so, e geeral, dferetes por dvduo debdo a dos razoes báscas : Afjacó muestral desproporcoal segú algua segmetacó, lo que supoe dferetes tasas de muestreo ya e el dseño teórco del pael. Normalmete se aplca esta desproporcó a la dvsó geográfca o a la socoecoómca. Esta práctca cosgue mejorar la represetacó muestral de colectvos específcos a costa de dsmur la efceca muestral del pael globalmete cosderado. Aplcacó del proceso de equlbraje dode se ajusta teratvamete los totales margales correspodetes a alguas de las varables báscas del pael. Este proceso corrge las desvacoes respecto de las proporcoes teórcas que, por dversas crcustacas, se produce e el pael e relacó a las varables de cotrol. Co esta operacó se pretede corregr los sesgos muestrales, pero aceptado que co ello, e geeral, se dsmurá la precsó estadístca del pael. Estmador del ratg S teemos u tervalo de tempo de duracó "d" y deotamos por "t" el tempo que el dvduo "" dedca a ver ua cadea determada detro de dcho tervalo, podemos reformular dcho tempo e térmos de proporcó "p", segú p t d y estmar el ratg "r" (e tato por uo) como r p El error estadístco σ asocado a dcha estmacó, s cosderar el efecto coglomerado dervado del hecho de que perteece al pael todos los membros de ua famla, vee dado por la expresó σ p r. 3 S todos los factores de elevacó fuera guales ( ) 7

8 σ p r p r p r lo que cocde co la fórmula coocda para el caso de muestreo aleatoro smple s podemos aceptar la aproxmacó r r * sedo p r * es decr que la meda de cosumo poderada por el factor de elevacó fuera aproxmadamete gual a la meda artmétca smple, presucó e absoluto dsparatada. Estmacó de la pérdda de efceca muestral por efecto de la desgualdad de pesos Podemos expresar el valor de σ como σ S ( ) S ( p r) dode S deota la varaza poblacoal estmada por S admtmos que, de forma geeral, o hay depedeca etre los valores de y p, podemos aceptar la equvaleca * ( p r) ( p r ) co p r * Es decr, la varabldad poblacoal calculada teedo e cueta la desgualdad de los factores de elevacó es semejate a la que se estmaría presupoedo u esquema de muestreo aleatoro smple. Como el error estádar σ * correspodete a la hpótess de muestreo aleatoro smple para el msmo tamaño de muestra se calcularía por σ * S σ, podemos expresar σ e fucó de σ * ( ) σ calculado segú F e * σ σ * ( ) por el efecto de la desgualdad de pesos. y, por tato, el valor de Fe (efecto equlbraje) expresa el aumeto del error e el muestreo causado 8

9 Relacó etre Fe y el coefcete de varacó de los pesos Kw S llamamos Kw al coefcete de varacó de los pesos K w Sw, sedo y S w ( ) podemos expresar K w e fucó de F e S w Kw F e ( ) ( ), Tamaño efectvo de la muestra Lo que los aglosajoes llama tamaño efectvo de muestra, *, expresa el tamaño muestral que, bajo supuestos de muestreo aleatoro smple, obtedría ua precsó aáloga. Es decr, S S σ F e * De dode * F e La tasa porcetual para dcar la pérdda de efectvdad muestral vee dada por * Fe E F + K e w Pérdda de efectvdad muestral e el muestreo desproporcoal Cuado se acepta u esquema o proporcoal e el dseño del muestreo, la precsó de las estmacoes para el total del colectvo geeralmete descede. Esta pérdda de efceca debda al dseño de muestreo empleado la podemos calcular, hacedo uso de las fórmulas vstas e el apartado ateror. Sea u pael para el que, como e el caso del pael de audmetría español, hay razoes de muestreo dferetes para cada uo de los estratos regoales. S teemos m estratos cada uo co poblacoes N h y muestra h ; R N h h( ) N ( ) h ( h ) h N N h h sedo N N h y h 9

10 Por tato 00N E 00 N h h El valor de E para el pael de Sofrés AM por efecto de su dseño teórco es del 6, %. Valores de la pérdda de efceca muestral e el pael de Sofrés AM Dado que, de acuerdo co el comportameto del pael de audmetría durate 994, la pérdda de efceca muestral estuvo etre el 0 % y el 3 % para el Total España y etre el 5 % y el 7 % para las Comudades Autóomas, se puede valorar el factor de equlbraje Fe como sgue: Total España:,07 Comudades Autóomas:,03 utlzado F e E 0

11 EFECTO DE CONGLOMERADO Normalmete, la precsó e el muestreo por coglomerados es feror a la que se obtedría co u esquema aleatoro smple que tuvera el msmo úmero de udades últmas de muestreo. Esto es así, porque ormalmete hay ua correlacó etre los datos de los membros del coglomerado. E el caso que os ocupa, es fácl tur ua correlacó postva etre los cosumos de televsó de los membros de u hogar. Trataremos de cuatfcar este efecto reductor de la precsó. Supoedo factores de elevacó costates a lo largo de los compoetes del pael, el estmador para el ratg sería t t p r d t d d t d El error estádar relatvo para t o r s teer e cueta el efecto coglomerado, vee dado por las fórmulas equvaletes σ a r ( p r) ( t t) ó σ a t Cosderado la exsteca de los coglomerados y supoedo que los dvduos de la muestra se dstrbuye etre m hogares y que el cosumo de televsó de cada hogar j es T j j t (suma de los cosumos de los j dvduos que so membros de j dcho hogar). S estmamos t como Tj T t dode Tj T y N es el mn N m tamaño medo de los hogares (dato referecal), su error e el muestreo vedrá dado por σ c mn ( T T) T N j m mt ( T T) j m El cocete σ c vee a cuatfcar la relacó etre los dos cálculos de σ a precsó. Este parámetro, que llamaremos factor de coglomerado y lo deotaremos por Fc sería el úmero por el que habría que multplcar el error estádar del muestreo aleatoro smple para que el efecto coglomerado sea tedo debdamete e cueta.

12 Expermetacó A f de estmar el efecto coglomerado, se tomaro los datos del pael de Sofrés AM durate la semaa del de Marzo al 7 de Marzo de 994. Se costruyó la muestra costate correspodete a dcho período y se hzo la presucó de factores de elevacó costates. E la base de datos por dvduo y muto, se cosderaro los sguetes elemetos de formacó : 7 días 37 tervalos temporales (dferetes mometos durate el día y co dferetes tamaños ). 8 segmetacoes geográfcas (7 macrorregoes y el Total España). 7 cadeas (6 cadeas propamete dchas y el Total Televsó). Para todas las combacoes resultates, se calcularo los dos dcadores de precsó mecoados y su cocete Fc. Se elmaro posterormete aquellos e que las estmacoes del ratg y los errores estádar asocados se apoyaba e meos de 30 dvduos, resultado u total de.65 casos váldos para el aálss. Además de los dos errores estádar que mecoamos y su cocete Fc, se hzo el cálculo del úmero de espectadores promedo por hogar para cada caso. Pr omedo_ de_ espectadores_ por_ hogar Ratg de dvduos, Ratg_ de_ hogares 37 sedo 3,7 el tamaño promedo por hogar (Total España) e los uversos de 994. La dstrbucó de Fc para el cojuto de casos aalzados resultó de forma bastate smétrca y acotada ferormete e el valor (cuado solo hay u dvduo e cada hogar - promedo de espectadores -, Fc tee que ser gual a la udad ya que etoces el efecto coglomerado es exstete). El valor de la meda y la medaa era de,4 y la desvacó típca resultó ser 0,4. Al segmetar por cadeas, se observó que el Total Televsó goza de valores algo más bajos de Fc que las cadeas dvdualmete cosderadas. Esto se debe a que el úmero promedo de espectadores por hogar es algo más alto e el Total Televsó por efecto del uso cocdete de varos televsores stozado cadeas dferetes. La duracó o parece ser u elemeto dscrmate tampoco el día de la semaa o el desglose geográfco. Cotraramete, es fuertemete dscrmate el tamaño del hogar, como o podía ser meos, y també parece teer certa flueca la hora y el tamaño del ratg. Como podía supoerse a pror, la varable promedo de espectadores por hogar aporta la mayor capacdad explcatva del valor de Fc. Este promedo está acotado ferormete (o puede ser feror a la udad) y e muy pocos casos se supera el valor de sedo su valor medo,65.

13 Este promedo de espectadores varía co el tamaño del ratg, co la hora y, obvamete, co el tamaño del hogar. Se puede, por tato, ferr que las varacoes de Fc segú el vel del ratg, segú la hora o segú el tamaño del hogar, o so más que mafestacoes drectas del factor básco de flueca: el promedo de telespectadores. Realzado ua regresó smple para explcar Fc segú el promedo de espectadores (PROESPEC), obteemos u ajuste de caldad dudable (co u coefcete de correlacó del 0,8 y u error relatvo - raíz cuadrada del error cuadrátco medo dvdda por la meda de las observacoes - del 6, %). La ecuacó de la recta de regresó resultate es Fc 0, ,5365 PROESPEC Dado que, coceptualmete, la recta debería pasar por el puto (,) ya que s el promedo es la udad, el factor de coglomerado també lo debería ser, se reptó la regresó preva traslacó de las varables para que el uevo orge de coordeadas estuvera precsamete e dcho puto. Se elgó la opcó de tercept0 y se obtuvo otra ecuacó co u error relatvo algo más elevado (6,6 %) pero de formulacó mas elegate. Redodeado los coefcetes, tedríamos la recta Fc 0,3 + 0,7 PROESPEC Cuado seleccoamos u target para el que hay u solo dvduo e el hogar (por ejemplo, amas de casa), es claro que o exste efecto coglomerado. La fórmula de regresó es cosstete co este hecho ya que sempre habrá u espectador como promedo a lo largo de los hogares y la aplcacó de la regresó os daría como valor estmado de Fc. Para otros targets que, s ser el total de dvduos, tampoco tee la característca de ser úcos por hogar (por ejemplo, ños de 4 a años) el factor tomaría valores termedos etre uo y los que correspode a 4 años y más. S coocemos el promedo de espectadores que perteece al target e los hogares que al meos tee u telespectador de dcho target, podemos aplcar la fórmula dada para estmar el correspodete factor de coglomerado. Los valores promedo de Fc para alguos targets so como sgue: 4 años y más,4 0 y más años,37 6 y más años,34 De 3 a 4 años,08 De 4 a años, De 5 a 44 años,7 De 45 a 65 años,6 65 y más años,4 Hombres de 6 años o más,07 Mujeres de 6 años o más,08 Mujeres actvas,0 Amas de casa,00 3

14 EFECTO DE LA AGREGACIÓN DE MINUTOS Y DE LA ACUMULACIÓN DE DÍAS Supoedo que se ha determado y aslado los efectos correspodetes al equlbraje y a los coglomerados, es razoable la presucó de muestreo aleatoro smple. S cosderamos las estmacoes de audeca referdas al muto (valores cero/uo por dvduo ya que Sofrés AM adjudca la audeca del muto por dvduo a la cadea que más audeca haya aportado), estamos ate u caso de estmacó de proporcoes dode el error estádar relatvo del ratg se calcularía a través de σ r r (Fórmula base) Coocdo el ratg y el tamaño de muestra utlzado, la estmacó de la precsó es smple y drecta. Pero o solo hay ratgs de u muto. Se produce estmacoes de audeca relatvas a cuartos de hora, horas, frajas, bloques, programas, etc.. Y e todos los tervalos temporales que excede al muto, las observacoes elemetales por dvduo o so dcotómcas (ceros y uos) so que se correspode a u úmero de mutos que fluctúa etre cero y la logtud total del tervalo cosderado. La fórmula a aplcar etoces es la geeral (de la que el caso ateror del muto es ua aplcacó a ua stuacó específca) : σ t ( t t) reflejado t el cosumo e mutos del dvduo y t t la meda de estos cosumos. Fórmula també equvalete a σ r ( p r) que hace uso del ratg r. Pero etoces os ecotramos co la dfcultad de coocer los datos por dvduo (t o p ), datos de los que, e geeral, el usuaro de audmetría o dspoe. El ejercco que se plateó fue el de calcular los errores σ e fucó de los obtedos co la fórmula base que tee la vetaja de su fácl aplcacó. Para ello se tomó la msma base de datos de la semaa de Marzo de 994, teedo estmacoes y valores de precsó asocados para el cojuto de datos referdo a : 7 días 8 macrorregoes (7 regoes y el total) 4

15 7 cadeas (6 cadeas y el Total España) 37 tervalos temporales (6 putos x 6 duracoes y el total del día) Después de elmar aquellos casos basados e meos de 40 observacoes dvduales dsttas de cero, resultó u total de 0.89 elemetos. Para cada uo de los elemetos se calculó el rato ( p r) Fa r ( r) r que os da la relacó etre los valores de precsó que se obtee a partr de la fórmula base y los valores reales. Se determó que, esecalmete, los valores de Fa (factor de agregacó de mutos) veía explcados por las varables Cadea dvdual o Total Televsó. Duracó del tervalo de acuerdo co la sguete tabla: CADENA MINUTOS DE NUMERO ó TTV DURACIÓN OBSERVA. MEDIA MEDIANA CADENA 856 CADENA ,96 0,96 CADENA ,854 0,87 CADENA ,774 0,784 CADENA ,66 0,668 CADENA ,533 0,54 CADENA ,76 0,84 TTV 3 TTV ,97 0,974 TTV ,943 0,949 TTV ,894 0,90 TTV ,809 0,86 TTV ,68 0,683 TTV ,376 0,373 Pero además de ecotraros estmacoes de audeca que se refere a tervalos de duracó superor al muto detro de u día específco, també la audmetría proporcoa estmacoes sobre períodos temporales que cubre varos días. El efecto de agregacó de días Fd se determó de forma empírca 5

16 co u procedmeto smlar al utlzado para estmar Fa, resultado los valores sguetes : Cadea Total TV Todo el día Semaa 0,66 0,76 Mes 0,6 0,7 Itervalos ferores a 4 horas Semaa 0,54 0,67 Mes 0,50 0,63 Se observa que la mayor parte de la gaaca potecal a cosegur se cosgue e la prmera semaa, sedo después meos sgfcatvos los cremetos de precsó. 6

17 ERROR ESTÁNDAR DEL SHARE Como el share es la dvsó etre el cosumo de ua cadea y el cosumo del total televsó durate u msmo tervalo temporal (rato etre dos varables aleatoras), s dejamos fuera los efectos dervados del equlbraje y de los coglomerados, podemos aplcar, para calcular el error estádar relatvo del share σ s ( y ) ( ) x x x ( ) y y y x y dode x e y refleja los cosumos de la cadea e cuestó y del total televsó, sedo x e y los valores medos respectvos. Ua expresó equvalete, pero mas adecuada a uestros propóstos sería σ σ + σ ρ σ σ s x y xy x y dode σ x, σ so los errores relatvos de los ratgs de la cadea y del total y televsó respectvamete y ρ xy el valor del coefcete de correlacó etre los cosumos de la cadea y del total televsó. Como los errores relatvos de los ratg ya ha sdo aalzados e los aterores apartados, profudzemos ahora e los valores que toma este coefcete de correlacó. Utlzado la base de datos expermetal ya mecoada, dode se ha calculado y añaddo el share y el valor del coefcete de correlacó para cada caso, y dode se ha elmado los elemetos que se refere al Total Televsó (dode el share es sempre 00), observamos que la dstrbucó geeral de este coefcete, basada e los casos resultates, preseta valores sempre postvos, pero co u alto grado de dspersó. Se determó que el factor más codcoate e el valor del coefcete de correlacó era el vel del share. Y que la relacó etre esas dos varables podía expresarse umércamete como sgue: Share Coefcete de correlacó 0-3 % 0, % 0,5 0-5 % 0, % 0, % 0, % 0,54 Más de 40 % 0,603 7

18 CALCULO APROXIMADO DE LOS ERRORES ESTÁNDAR Todo lo ateror, además de profudzar e mportates feómeos que afecta a la precsó de las estmacoes de las audecas a través de u pael de audmetría, os puede permtr estmar los errores estádar de los ratg a partr de la fórmula base, que es de fácl cálculo, pero que correspode a u muestreo aleatoro smple para estmar proporcoes, lo que, como hemos vsto, o correspode, e geeral, a uestro caso. Se recurre a este tpo de aproxmacó porque, e geeral, el usuaro de audmetría o dspoe de la formacó elemetal ecesara para determar la precsó de ua estmacó cocreta. Además, aú s dcho usuaro pudera dspoer de ella, el cálculo es lo sufcetemete egorroso para que uo se cuestoe s el esfuerzo merece la pea. La aproxmacó es lo sufcetemete buea a los efectos que u usuaro ormal puede ecestar (orde de magtud de la precsó de las estmacoes) y tee la vetaja de que : La formacó de etrada que se precsa está dspoble para todos los usuaros de audmetría. El algortmo de cálculo es de aplcacó seclla. E el algortmo smplfcado se parte de cosderar el ratg como ua proporcó (hecho sólo estrctamete certo cuado el tervalo tee ua logtud de u muto; co esa logtud u dvduo del pael sólo preseta los valores cero/uo correspodetes a "o ha vsto"/"ha vsto"; co logtudes mayores los valores dvduales de vsoado correspode a catdades que va desde cero hasta la logtud total de vsoado e mutos, lo que o se correspode co el carácter dcotómco de las proporcoes). Hacedo uso de dcha presucó, se aplca, para el ratg, la fórmula del error estádar de las proporcoes (e térmos relatvos): σ r r r. (dato e porcetaje) sedo "r" el ratg y "" el tamaño de muestra. Partedo de la fórmula ateror, procedemos a u ajuste que mejore la aproxmacó a los valores reales segú σ r 00. F e. F c. F a. F d 00 r r.( 0, 94. ) dode Se ha aplcado al tamaño de muestra teórco el factor de correccó de 0,94 para cosderar el valor medo de la merma muestral dara. Fe es el factor de correccó por el efecto del equlbraje. Fc es el factor de correccó por el efecto coglomerado (dvduos agrupados e hogares). 8

19 Fa es el factor de correccó por el efecto de la agregacó de mutos e tervalos temporales. Fd proporcoa la correccó ecesara para teer e cueta el úmero de días que la estmacó de audeca cubre. Cuado la estmacó está cetrada e u úco día, este factor toma el valor. Todo lo ateror se aplca a la determacó de la precsó del dcador fudametal de la audeca, el ratg. Para cuatfcar el error estádar del share (rato porcetual etre el ratg de la cadea y el ratg del Total Televsó e el msmo tervalo temporal), hacemos uso de la fórmula σ σ + σ ρσ σ sedo s r t r t σ s : error estádar del share σ r : error estádar del ratg de la cadea e cuestó σ t : error estádar del ratg del Total Televsó ρ : coefcete de correlacó etre el vsoado de la cadea y el vsoado del Total Televsó. Para hacer uso de estas fórmulas, se echa mao de los valores para Fe, Fc, Fa, Fd y ρ determados aterormete. 9

20 GRP S EN LA RECONSTRUCCIÓN DE CAMPAÑAS El error estádar del ratg r de u spot dvdual se puede calcular (e putos) segú σ F F r ( 00 r ) e. c. 0, 94 sedo el tamaño teórco de muestra para el target cosderado. E ua campaña de h spots se puede por tato estmar el error e putos σ asocado al ratg de cada spot. Nuestro problema es estmar el error estádar de los GRP s G obtedos e el total de la campaña. h G σ Obvamete, la suma de los errores de todos los spots que compoe la campaña ( σ ) es ua cota máxma del error que buscamos. Por otra parte, s las muestras utlzadas para estmar cada uo de los ratg fuera depedetes, el error estádar de G vedría dado por σ. Dado que la muestra es báscamete la msma para todos los spots, es presumble ua correlacó postva etre las observacoes correspodetes a los dferetes spots (aumetado cosguetemete el error), por lo que la expresó ateror costtuye ua cota míma del valor a determar. A f de ecotrar u algortmo smplfcado de cálculo, se comezó por determar el valor real del error estádar para los GRP s de dferetes campañas calculados segú (dejado a u lado las correccoes por equlbraje, efecto coglomerado y merma muestral) ( x x) dode x es el úmero de spots vstos por el sujeto de etre los emtdos e la campaña, x el promedo y el tamaño de la muestra. Se tomaro 85 campañas reales desarrolladas a lo largo del mes de Abrl de 995 co la sguete dstrbucó: Dstrbucó por úmero de spots Meos de De 50 a 00 6 De 00 a 00 7 De 00 a 400 0

21 De 400 a Más de 800 Total 85 Dstrbucó por úmero de cadeas dferetes Ua 9 Dos 3 Tres 5 Cuatro 3 Cco 7 De ses a dez Más de dez 6 Total 85 Dstrbucó por úmero de días dode hubo al meos u spot Meos de ocho Más de 6 Total 85 Dstrbucó por el úmero de GRP s obtedos Meos de más de 00 Total 85 Se costruyó la muestra comú a todos los días del mes de Abrl e el pael de audmetría y se calcularo para cada ua de las 85 campañas las sguetes varables: Gj (GRP s total dvduos), SIGMAMAX, SIGMAMIN Y SIGMAREAL, dode las tres últmas correspode a los algortmos de cálculo mecoados aterormete. Se procedó a cotuacó a relacoar SIGMAREAL co SIGMAMAX y SIGMAMIN a través de u aálss de regresó leal. Dado que el mejor ajuste se obtee co la varable SIGMAMIN, coclumos que ua buea aproxmacó del error estádar de los GRP s de ua campaña publctara de logtud feror o o muy superor al mes puede calcularse a través de σ, 5F. F σ, 5F. F G e c e c sedo la muestra teórca del target cosderado. r ( 00 r ). 0, 94

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

7. Muestreo con probabilidades desiguales.

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

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Inferencia Estadística

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

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

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

Más detalles

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

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

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

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

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

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Regresión - Correlación

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

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido: Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

Esta t d a í d s í titcos o TEMA 3.3

Esta t d a í d s í titcos o TEMA 3.3 TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

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

Más detalles

Análisis de Regresión

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

Tema 2. Muestreo Aleatorio Simple Contenido

Tema 2. Muestreo Aleatorio Simple Contenido Tema. Muestreo Aleatoro Smple Cotedo 1) Defcó, seleccó otacó ) Estmadores de la meda el total. Propedades. Varazas error de estmacó. Límtes de cofaza. 3) Muestreo smple co resttucó 4) Estmadores de la

Más detalles

Regresión lineal simple

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

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

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

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

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

Más detalles

Análisis de Regresión y Correlación Lineal

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

Más detalles

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

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

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

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

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

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

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

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable

Más detalles

PyE_ EF1_TIPO2_

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

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

1.2. Medidas de Concentración

1.2. Medidas de Concentración .. Meddas de Cocetracó Matlde Machado.. Meddas de Cocetracó La gra mayora de los mercados se ecuetra etre los extremos de competeca perfecta (cocetracó mma) y moopolo (cocetracó máxma). Las meddas de cocetracó

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Como en ningún caso se conoce el valor verdadero de una medida es aconsejable hablar de error aparente.

Como en ningún caso se conoce el valor verdadero de una medida es aconsejable hablar de error aparente. ERRORES EXPERIMENTALES E todo proceso de medcó este lmtacoes dadas por los strumetos usados, el método de medcó, el observador (u observadores) que realza la medcó. Asmsmo, el msmo proceso de medcó troduce

Más detalles

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

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

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

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

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

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles