Coordenadas Principales de Matrices de Proximidad (Principal Coordinates of Neighbor Matrices) PCNM

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

Download "Coordenadas Principales de Matrices de Proximidad (Principal Coordinates of Neighbor Matrices) PCNM"

Transcripción

1 Coordenadas Principales de Matrices de Proximidad (Principal Coordinates of Neighbor Matrices) PCNM Implementación de PCNM en QEco La rutina de Coordenadas Principales de Matrices de Proximidad (PCNM) en QEco se invoca de la librería PCNM (Dray et al., 2013), del paquete estadístico R (R Development Core, 2009), cuya propuesta inicial fue desarrollada por Borcard et al. (2002). Mayor información de la rutina: El PCNM permite detectar y cuantificar patrones espaciales sobre un rango amplio de escalas, descomponiendo las variables espaciales (coordenadas geográficas) en una matriz truncada de distancias euclídeas, con la flexibilidad de poderla aplicar a distintos contextos de transeptos, superficies geográficas o espacios tridimensionales regulares o irregulares (Borcard y Legendre, 2002). Este enfoque de descomposición del espacio geográfico ayuda a resolver problemas de cumplimiento de supuestos con los análisis estadísticos para procesos particulares en ecología o como un factor responsable de la estructura y organización ecológica de las comunidades (Borcard y Legendre, 2002). La estructura espacial que induce la organización ecológica de las comunidades puede surgir a partir de factores ambientales espacialmente estructurados o como consecuencia de procesos bióticos tales como competencia y dispersión de semillas (Borcard y Legendre, 2002; Legendre y Legendre 2012). Estos dos procesos de dependencia espacial de las comunidades pueden actuar de manera simultánea. Los PCNM se obtienen mediante un Análisis de Coordenadas Principales (PCoA, Gower, 1966) de una matriz de distancia geográfica truncada entre los sitios de muestreo. Los autovectores corresponden a la representación euclidiana de la matriz de distancia truncada y son utilizados como predictores espaciales en regresiones múltiples o en análisis de ordenaciones canónicas como RDA o CCA (Borcard y Legendre, 2002; Dray et al., 2006). Los pasos de la rutina son:

2 1. Construir una matriz de distancia Euclídea sobre los sitios de muestreo (transepto, superficie geográfica y espacios tridimensionales). 2. Definir un umbral que actuará como valor máximo de distancias a retener (de la matriz de distancia Euclídea). Por defecto, el valor máximo del umbral es igual a 4. Truncar la matriz de distancia con el valor del umbral permitirá tener una matriz de vecinos más cercanos. 3. Realizar un análisis de coordenadas principales de la matriz de distancia truncada. Las coordenadas principales (autovectores) derivadas del análisis se pueden utilizar como variables explicativas dependiendo del contexto (regresión múltiple, RDA, o CCA, varpart). Consideraciones QEco permite construir el PCNM clásico propuesto por Borcard et al. (2002) donde la diagonal de la matriz es cero indicando que el sitio está conectado consigo mismo. Además, obtiene las distancias basadas en autovectores de mapas de Moran s (distance-based Moran s Eigenvector Maps (db-mem)). La ventaja de la utilización del db-mem como un caso especial del PCNM es que no permite generar mayor número de autovectores positivos (Dray et al., 2006; Legendre y Legendre, 2012). Muchos autores (Borcard et al., 2002; Dray et al., 2006; Legendre y Legendre, 2012) sugieren remover la tendencia lineal espacial de los sitios. Esto es razonable si se detecta una tendencia lineal significativa en un RDA, CCA o regresión lineal entre la variable respuesta y las coordenadas geográficas. Sin embargo, esto se puede realizar una vez obtenidos los PCNM, solamente excluyendo el primer PCNM de cualquier análisis posterior. Cuando se solicitan todos los autovectores en QEco, el usuario puede interpretar los autovectores negativos como información de correlación espacial local. El usuario debe especificar si la matriz de distancia euclídea debe ser transformada o no, la transformación es ideal cuando los sitios de muestreos no se encuentran equidistantes o cuando uno espera una tendencia no lineal entre la comunidad ecológica o especie con el espacio geográfico. Las opciones de transformación provistas por QEco son transformaciones logarítmicas.

3 Invocando PCNM en QEco Para ejemplificar el uso del PCNM en QEco se trabaja con un archivo de coordenadas geográficas Mite.XY disponible en la librería PCNM (Dray et al., 2012) usado en QEco para ejemplificar el uso de la rutina de partición de la varianza. PCNM se invoca desde Menu>>Community>>Ordination>>PCNM. Automáticamente se desplegará una solapa para declarar las coordenadas geográficas X e Y (Figura 1). Si el usuario necesita incluir la elevación para estimar una distancia un poco más acorde con la topográfica del terreno, puede declarar las coordenadas geográficas y la variable de elevación para estimar los PCNM s. Figura 1. Ventana de declaración de las coordenadas geográficas para la descomposición de autovectores espaciales. QEco permite mantener las opciones que se encuentran en la rutina PCNM del programa R. Para ello, solicita (Figura 2):

4 - Método de transformación (Transformation method) de las coordenadas geográficas. Las opciones son: logaritmo (Logarithm), logaritmo base 2 (Logarithm base 2), logaritmo base 10 (Logarithm base 10) y estandarización (Standardize) - Medida de distancia (Distance measure): Euclídea (por defecto) y Manhattan - La opción Threshold, permite indicar algún umbral para truncar la matriz de distancia. Los valores deben ser enteros entre 1 y 4 - All eigenvalues es una opción lógica que puede tomar los valores TRUE o FALSE. El usuario debe solicitar si quiere que QEco retorne todos los autovectores (positivos y negativos) o solamente los autovectores positivos. Autovectores positivos describen autocorrelación positiva y estructura espacial global mientras que autovectores negativos describen una autocorrelación negativa y una estructura local - dbmem indica si se utiliza el db-mem para ponderar la diagonal de la matriz y poder, de esta manera, evaluar todos los autovectores y no tener en juego la conexión de los sitios por sí mismo. Esta opción es lógica y puede tomar los valores TRUE o FALSE Para el ejemplo las opciones son mantenidas por defecto. Figura 2. Solapa de opciones del PCNM. QEco retornará la información de los PCNM y su peso para cada uno de los autovectores, esto es similar al análisis de componentes principales donde el primer eje captura la máxima variabilidad y así sucesivamente (Figura 3).

5 Figura 3. Valores de variación de cada uno de los autovectores. Además retornará los autovectores que son los utilizados para análisis posteriores (por ejemplo, para RDA, CCA, regresiones lineales, partición de la varianza o análisis geoestadísticos) Figura 4. No todos los autovectores explican el gradiente espacial de la variable respuesta, por eso se sugiere retener aquellos autovectores con una explicación significativa. Figura 4. Tabla con los autovectores de la descomposición de la matriz de distancia calculada por las coordenadas geográficas.

6 Por último, invoca la ventana gráfica de R para mostrar los autovectores y su significancia estadística del índice de autocorrelación de Moran (a través de la opción Generate data tables from frames in results). Muestra la tabla con el valor de Moran, el p-valor asociado y si el vector es positivo o negativo (Figura 5). Figura 5. Tabla con el Índice de Moran. Bibliografía Borcard. D.; Gillet, F.; Legendre, P. (2011). Numerical Ecology with R. Springer New York Dordrecht London Heidelberg. Borcard, D.; Legendre, P. (2002). All-scale spatial analysis of ecological data by means of principal coordinates of neighbour matrices. Ecological Modelling, 153: Dray, S.; Legendre, P.; Peres-Neto, P. R. (2006). Spatial modelling: a comprehensive framework for principal coordinate analysis of neighbour matrices (PCNM). Ecological Modelling, 96: Dray, S.; Legendre, P.; Borcard, D.; Blanchet, G. (2013). Library PCNM spatial eigenfunctions. Disponible en: Legendre, P.; Legendre, L. (2012). Numerical Ecology. 3ra edition. Elservier. R Development Core Team. (2009). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Disponible en

ADONIS. Implementación del ADONIS en QEco

ADONIS. Implementación del ADONIS en QEco Análisis de varianza multivariado con permutaciones usando matrices de distancia (permutational multivariate analysis of variance using distance matrices) ADONIS Implementación del ADONIS en QEco La rutina

Más detalles

ANÁLISIS DE DATOS ESPACIALES Y SUS APLICACIONES

ANÁLISIS DE DATOS ESPACIALES Y SUS APLICACIONES CURSO: ANÁLISIS DE DATOS ESPACIALES Y SUS APLICACIONES INTRODUCCIÓN El curso está destinado a usuarios que necesiten adquirir conocimientos básicos del análisis estadístico de datos con estructura y quieran

Más detalles

Análisis de ecología de comunidades en R.

Análisis de ecología de comunidades en R. Santa Fe, 20 de octubre de 2017 Curso de Posgrado: Análisis de ecología de comunidades en R. Institución organizadora: Facultad de Bioquímica y Ciencias Biológicas (FBCB-UNL) e Instituto Nacional de Limnología

Más detalles

Ordenación contrastante o directo. Pueden los patrones de la comunidad de aves ser explicados por variables ambientales medidas?

Ordenación contrastante o directo. Pueden los patrones de la comunidad de aves ser explicados por variables ambientales medidas? Ordenación contrastante o directo Pueden los patrones de la comunidad de aves ser explicados por variables ambientales medidas? Ordenación contrastante o directa De análisis de gradiente indirecto a directo

Más detalles

Documentos de Trabajo

Documentos de Trabajo UNIVERSIDAD DE LA REPÚBLICA Facultad de Ciencias Económicas y de Administración Instituto de Estadística Determinación de regiones de imputación para datos espaciales utilizando el algoritmo PCNM: un ejemplo

Más detalles

Espacialidad y sus retos

Espacialidad y sus retos Espacialidad y sus retos Daniel A. Rodríguez, Ph.D. University of North Carolina, Chapel Hill danrod@unc.edu www.planning.unc.edu/index.php?option=com_content&view=article&id=51&itemid=16 Resumen de temas

Más detalles

Programación en Lenguaje R

Programación en Lenguaje R Programación en Lenguaje R Tutor: El curso será impartido por el Dr Oldemar Rodríguez y el Ing. Carlos Agüero. Duración: Cuatro semanas. Descripción: Este curso ofrece una introducción práctica a las técnicas

Más detalles

Eigenvalores y eigenvectores

Eigenvalores y eigenvectores Eigenvalores y eigenvectores Los dos problemas principales del álgebra lineal son: resolver sistemas lineales de la forma Ax = b y resolver el problema de eigenvalores. En general, una matriz actúa sobre

Más detalles

Método Kriging de inferencia espacial

Método Kriging de inferencia espacial Método Kriging de inferencia espacial Autor: M. en G. Alberto Porras Velázquez Introducción Kriging es un método de inferencia espacial, el cual nos permite estimar los valores de una variable en lugares

Más detalles

Conjunto de datos multivariados Matriz de datos de doble entrada

Conjunto de datos multivariados Matriz de datos de doble entrada Conjunto de datos multivariados Matriz de datos de doble entrada Fuentes - Applied Multivariate Statistics for Ecology and Conservation Course website: http://www.umass.edu/landeco/teaching/multivariate/multivariate.html

Más detalles

1. Justicación. 2. Objetivos General Especícos PLAN DE TRABAJO DE LA ASIGNATURA. Código: Versión: 02 Emisión: Página 1 de 6

1. Justicación. 2. Objetivos General Especícos PLAN DE TRABAJO DE LA ASIGNATURA. Código: Versión: 02 Emisión: Página 1 de 6 Código: Versión: 02 Emisión: 03-02-2014 Página 1 de 6 PERÍODO 2015-II ASIGNATURA Herramientas estadísticas para la investigación cuantitativa INTENSIDAD HORARIA SEMANAL: : 4 Independiente: 8 Total: 12

Más detalles

El Análisis de Correspondencias tiene dos objetivos básicos:

El Análisis de Correspondencias tiene dos objetivos básicos: Tema 8 Análisis de correspondencias El Análisis de Correspondencias es una técnica de reducción de dimensión y elaboración de mapas percentuales. Los mapas percentuales se basan en la asociación entre

Más detalles

Predicción de Inventarios Series de Tiempo

Predicción de Inventarios Series de Tiempo Predicción de Inventarios Series de Tiempo Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado en Minería de Datos de la Universidad de

Más detalles

Itinerario del Curso. Análisis de Datos Multivariados para Ciencias Ambientales. Semana 1. Lunes 23 de mayo de Miércoles 25 de mayo de 2016

Itinerario del Curso. Análisis de Datos Multivariados para Ciencias Ambientales. Semana 1. Lunes 23 de mayo de Miércoles 25 de mayo de 2016 Semana 1 Lunes 23 de mayo de 2016 8:30am - 9:00am 9:00am - 10:30am Bienvenida / Introducción Medidas de asociación para muestras biológicos-ambientales con estructura multivariada 11:15am - 12:45pm Laboratorio:

Más detalles

Universidad de Puerto Rico Recinto de Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas

Universidad de Puerto Rico Recinto de Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas 1 Universidad de Puerto Rico Recinto de Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas Título: Introducción a la Estadística con Computadoras Codificación: MATE 3026 Número de horas

Más detalles

PROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

PROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA PROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA DATOS IDENTIFICATIVOS DE LA MATERIA Código de la materia: P1061101 Nombre de la materia: Modelos de Regresión Número de créditos ECTS:

Más detalles

Regresión polinomial y factores

Regresión polinomial y factores Capítulo Regresión polinomial y factores.. Regresión polinomial Si una función media tiene un predictor X pueden usarse sus potencias enteras para aproximar E (Y X). El caso más simple es la regresión

Más detalles

PRACTICA Nº 4 AUTOCORRELACIÓN ESPACIAL

PRACTICA Nº 4 AUTOCORRELACIÓN ESPACIAL CARRERA DE POSGRADO ESPECIALIZACIÓN EN TECNOLOGÍAS DE LA INFORMACIÓN GEOGRÁFICA (TIG) -------------------------------------------------------------------------------------------------------------------------

Más detalles

ANÁLISIS DE COMPONENTES PRINCIPALES

ANÁLISIS DE COMPONENTES PRINCIPALES CAPÍTULO 4 ANÁLISIS DE COMPONENTES PRINCIPALES 4.1 Introducción Al investigar un fenómeno desconocido se pretende abordarlo con muestras de diferentes variables, en las cuales muchas veces existe una fuerte

Más detalles

Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA. Ricardo Aler Mur

Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA. Ricardo Aler Mur Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA Ricardo Aler Mur Aprendizaje de distancias Kilian Q. Weinberger, Lawrence K. Saul: Distance Metric Learning for Large Margin

Más detalles

Pirámides Poblacionales Alumnos Activos Presentación 3. Total Universidad Nacional de Rosario 4

Pirámides Poblacionales Alumnos Activos Presentación 3. Total Universidad Nacional de Rosario 4 ÍNDICE Índice Presentación 3 Total Universidad Nacional de Rosario 4 Facultad de Arquitectura, Planeamiento y Diseño 5 Facultad de Ciencia Política y Relaciones Internacionales 6 Facultad de Ciencias Agrarias

Más detalles

TIPOLOGÌA DE PROYECTOS

TIPOLOGÌA DE PROYECTOS MAPA: DISTRIBUCIÓN ESPACIAL DEL CO 2 e EN LOS BOSQUES DE CONÌFERA Y BOSQUES MIXTOS DE GUATEMALA Y HONDURAS Componente 3 Monitoreo Forestal País: Honduras y Guatemala TIPOLOGÌA DE PROYECTOS Patricio Emanuelli

Más detalles

Análisis multivariante II

Análisis multivariante II Análisis multivariante II Tema 1: Introducción Pedro Galeano Departamento de Estadística Universidad Carlos III de Madrid pedro.galeano@uc3m.es Curso 2016/2017 Grado en Estadística y Empresa Pedro Galeano

Más detalles

Caso 17. Análisis multivariante: reducción de datos por componentes principales.

Caso 17. Análisis multivariante: reducción de datos por componentes principales. Caso 17: reducción por componentes principales 115 Caso 17. Análisis multivariante: reducción de datos por componentes principales. (JESÚS LÓPEZ FIDALGO, UCLM) CASO PRÁCTICO Se dispone de 15 variables

Más detalles

Sesión 3: Análisis Exploratorio de Datos Espaciales (AEDE): Técnicas básicas

Sesión 3: Análisis Exploratorio de Datos Espaciales (AEDE): Técnicas básicas Sesión 3: Análisis Exploratorio de Datos Espaciales (AEDE): Técnicas básicas Profesora: Coro Chasco Yrigoyen Universidad Autónoma de Madrid 17 a 21 de mayo, 2010 2010, Coro Chasco Yrigoyen Índice del Curso

Más detalles

Análisis Estadístico de Datos Climáticos. Análisis de correlación canónica. Facultad de Ciencias Facultad de Ingeniería 2013

Análisis Estadístico de Datos Climáticos. Análisis de correlación canónica. Facultad de Ciencias Facultad de Ingeniería 2013 Análisis Estadístico de Datos Climáticos Análisis de correlación canónica Facultad de Ciencias Facultad de Ingeniería 2013 Motivación Si se tienen dos conjuntos de datos (A y B) que, por ejemplo, varían

Más detalles

Tema 2 Datos multivariantes

Tema 2 Datos multivariantes Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,

Más detalles

METODOS DE ANALISIS DE COMUNIDADES VEGETALES

METODOS DE ANALISIS DE COMUNIDADES VEGETALES METODOS DE ANALISIS DE COMUNIDADES VEGETALES METODOS DE ORDENACION Ordenación significa arreglo de las muestras de vegetación, o de otro tipo, en relación una con otras en términos de la similitud de la

Más detalles

Introducción a las Redes Neuronales mediante el paquete neuralnet

Introducción a las Redes Neuronales mediante el paquete neuralnet Introducción a las Redes Neuronales mediante el paquete neuralnet El paquete neuralnet es un paquete de muy sencilla utilización que permite la aplicación, visulaización e implementación de redes neuronales.

Más detalles

Instructores: Dr. Martín A. Díaz Viera Dr. Ricardo Casar González

Instructores: Dr. Martín A. Díaz Viera Dr. Ricardo Casar González UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Variográfico Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009 Contenido

Más detalles

PROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

PROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA PROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA DATOS IDENTIFICATIVOS DE LA MATERIA Código de la materia: V03M017V01208 Nombre de la materia: Estadística Espacial Número de créditos

Más detalles

Se usa para encontrar un numero relativamente pequeño de variables nuevas que contengan la mayor cantidad de info posible del conjunto de datos

Se usa para encontrar un numero relativamente pequeño de variables nuevas que contengan la mayor cantidad de info posible del conjunto de datos Analisis Estadístico de Datos Climáticos Análisis de componentes principales Analisis de componentes principales Se usa para encontrar un numero relativamente pequeño de variables nuevas que contengan

Más detalles

Identificación de Coordenadas de las Ciudades Capitales de Bolivia utilizando el Escalamiento Multidimensional

Identificación de Coordenadas de las Ciudades Capitales de Bolivia utilizando el Escalamiento Multidimensional Identificación de Coordenadas de las Ciudades Capitales de Bolivia utilizando el Escalamiento Multidimensional Autor: Lic. Fernando O. Rivero Suguiura 1. Introducción El escalamiento multidimensional es

Más detalles

Extracción de Regiones

Extracción de Regiones Visión por Computadora Unidad V Extracción de Regiones Rogelio Ferreira Escutia Contenido ) Conceptos sobre Regiones 2) Binarización mediante detección de umbral 3) Etiquetado de componentes conexas 4)

Más detalles

Programa Educativo: Licenciatura en PROGRAMA DE ESTUDIO

Programa Educativo: Licenciatura en PROGRAMA DE ESTUDIO Programa Educativo: Licenciatura en PROGRAMA DE ESTUDIO Matemáticas Área de Formación : Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad Total de créditos: 8 Clave:

Más detalles

CASO 5-3 MILAN FOOD COOPERATIVE (B)

CASO 5-3 MILAN FOOD COOPERATIVE (B) CASO 5-3 MILAN FOOD COOPERATIVE (B) INTRODUCCIÓN Éste es una continuación del caso Milan Food Cooperative (A), de la parte 4 del texto. Aquí se presentan los resultados del análisis de correlación y regresión

Más detalles

AÑO: Datos de la asignatura Nombre Estadística. Tipo (Marque con una X) Nivel (Marque con una X) Obligatoria X Grado X Optativa Post-Grado

AÑO: Datos de la asignatura Nombre Estadística. Tipo (Marque con una X) Nivel (Marque con una X) Obligatoria X Grado X Optativa Post-Grado AÑO: 2015 1- Datos de la asignatura Nombre Estadística Código M178 Tipo (Marque con una X) Nivel (Marque con una X) Obligatoria X Grado X Optativa Post-Grado Área curricular a la que pertenece Matemática

Más detalles

Análisis Espacial. Superposición: Cuando es posible conocer las relaciones de intersección entre diferentes capas temáticas.

Análisis Espacial. Superposición: Cuando es posible conocer las relaciones de intersección entre diferentes capas temáticas. Análisis Espacial Superposición: Cuando es posible conocer las relaciones de intersección entre diferentes capas temáticas. Proximidad-Vecindad: Cuando una estructura topológica permite investigar las

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina

Más detalles

Herramientas geoestadísticas en la construcción de Modelos Digitales de Elevación (MDE) Ing. Agrim. Eduardo Sierra setiembre de 2014

Herramientas geoestadísticas en la construcción de Modelos Digitales de Elevación (MDE) Ing. Agrim. Eduardo Sierra setiembre de 2014 Herramientas geoestadísticas en la construcción de Modelos Digitales de Elevación (MDE) Ing. Agrim. Eduardo Sierra setiembre de 2014 agrimeduardosierra@hotmail.com.uy I. ETAPAS EN LA ELABORACIÓN DE UN

Más detalles

Complementación y ampliación de la currícula de la Maestría 2017 Maestría en Generación y Análisis de Información Estadística

Complementación y ampliación de la currícula de la Maestría 2017 Maestría en Generación y Análisis de Información Estadística ampliación de la currícula Maestría en Generación y Análisis de Información Estadística Programa abierto de ampliación de la currícula Maestría en Generación y Análisis de Información Estadística La Maestría

Más detalles

Licenciatura en Actuaría PROGRAMA DE ESTUDIO. Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad

Licenciatura en Actuaría PROGRAMA DE ESTUDIO. Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad PROGRAMA DE ESTUDIO Programa Educativo: Licenciatura en Actuaría Área de Formación : Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad Total de créditos: 8 Clave:

Más detalles

INTERVALOS DE CONFIANZA BOOTSTRAP BAJO INCUMPLIMIENTO DE SUPUESTOS EN REGRESIONES SPLINES PENALIZADAS

INTERVALOS DE CONFIANZA BOOTSTRAP BAJO INCUMPLIMIENTO DE SUPUESTOS EN REGRESIONES SPLINES PENALIZADAS Cristina Cuesta Gonzalo Marí Nicolás Zino Instituto de Investigaciones Teóricas y Aplicadas en Estadística (IITAE) INTERVALOS DE CONFIANZA BOOTSTRAP BAJO INCUMPLIMIENTO DE SUPUESTOS EN REGRESIONES SPLINES

Más detalles

BREVE DESCRIPCIÓN DEL PROGRAMA

BREVE DESCRIPCIÓN DEL PROGRAMA BREVE DESCRIPCIÓN DEL PROGRAMA La aplicación de entorno Windows está organizada en menús; los principales son el menú Archivo, que entre otras opciones permite trabajar con los ficheros de datos (solamente

Más detalles

Curso: MODELOS ECONOMÉTRICOS ESPACIALES DE CORTE TRANSVERSAL Y DATOS DE PANEL

Curso: MODELOS ECONOMÉTRICOS ESPACIALES DE CORTE TRANSVERSAL Y DATOS DE PANEL Curso: MODELOS ECONOMÉTRICOS ESPACIALES DE CORTE TRANSVERSAL Y DATOS DE PANEL Coro Chasco Yrigoyen Profesora de Economía Aplicada Directora del Grupo de Investigación ECONRES Universidad Autónoma de Madrid

Más detalles

ÍNDICE PRESENTACIÓN 1 I. INTRODUCCIÓN A LA ECONOMETRÍA... 4 CURRICULUM I.1. 4 Definición... I.2

ÍNDICE PRESENTACIÓN 1 I. INTRODUCCIÓN A LA ECONOMETRÍA... 4 CURRICULUM I.1. 4 Definición... I.2 ÍNDICE Pags. PRESENTACIÓN 1 I. INTRODUCCIÓN A LA ECONOMETRÍA... 4 CURRICULUM I.1 4 Definición... I.2 4 Propósito... 1.3 Evolución y Perspectivas de la Econometría... 4 1.4 Los Modelos Macroeconómicos más

Más detalles

Introducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03

Introducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03 Introducción al Procesamiento de Imágenes Satelitales con Software Libre Módulo 03 Dirección de Formación de Capital Humano Especializado en el Campo Espacial Agencia Espacial Mexicana www.gob.mx/aem Plan

Más detalles

ANÁLISIS DE CORRESPONDENCIAS

ANÁLISIS DE CORRESPONDENCIAS Análisis de correspondencias 1 ANÁLISIS DE CORRESPONDENCIAS Uno de los fines del análisis de correspondencias es describir las relaciones existentes entre dos variables nominales, recogidas en una tabla

Más detalles

RECONOCIMIENTO DE PAUTAS

RECONOCIMIENTO DE PAUTAS RECONOCIMIENTO DE PAUTAS ANÁLISIS DISCRIMINANTE (Discriminant analysis) Reconocimiento de pautas supervisado si se cuenta con objetos cuya pertenencia a un grupo es conocida métodos: análisis de discriminantes

Más detalles

Transformaciones de Potencia

Transformaciones de Potencia Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen

Más detalles

Métodos Descriptivos en Minería de Datos

Métodos Descriptivos en Minería de Datos Métodos Descriptivos en Minería de Datos Descripción: En este curso se presentarán los principales conceptos y métodos en Minería de Datos. El énfasis principal del curso será examinar dichos métodos desde

Más detalles

Estructura de Datos Espaciales. por José Antonio Navarrete Pacheco INTRODUCCIÓN

Estructura de Datos Espaciales. por José Antonio Navarrete Pacheco INTRODUCCIÓN Estructura de Datos Espaciales por José Antonio Navarrete Pacheco INTRODUCCIÓN 1 FENÓMENOS GEOGRÁFICOS Definición: Es algo de interés que: Puede ser medido o descrito Puede ser georreferido o georreferenciado,

Más detalles

Capítulo 4. Introducción a la Formulación Lagrangiana y Hamiltoniana para Sistemas Continuos. 4.1 Transición de un sistema discreto a uno continúo

Capítulo 4. Introducción a la Formulación Lagrangiana y Hamiltoniana para Sistemas Continuos. 4.1 Transición de un sistema discreto a uno continúo Capítulo 4 Introducción a la Formulación Lagrangiana y Hamiltoniana para Sistemas Continuos Hay algunos problemas de la mecánica que implican sistemas continuos, como, el problema de un sólido elástico

Más detalles

Modelo de Regresión Lineal

Modelo de Regresión Lineal Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES ESTADÍSTICAS BIDIMENSIONALES VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes

Más detalles

Biplot Versus Coodernadas Paralelas

Biplot Versus Coodernadas Paralelas Biplot Versus Coodernadas Paralelas Purificación Galindo Villardón a, Purificación Vicente Galindo Universidad de Salamanca Carlomagno Araya Alpízar Universidad de Costa Rica 1. Métodos Biplot Un Biplot

Más detalles

INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS. SU EFICIENCIA BAJO DISTRIBUCIONES NORMALES.

INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS. SU EFICIENCIA BAJO DISTRIBUCIONES NORMALES. Dianda, Daniela Hernández, Lucia Quaglino, Marta Pagura, José Alberto Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS.

Más detalles

Regresión. Edgar Moyotl-Hernández. Análisis y Métodos Numéricos Físico Matemáticas, BUAP Otoño Regresión Introducción Regresión Lineal

Regresión. Edgar Moyotl-Hernández. Análisis y Métodos Numéricos Físico Matemáticas, BUAP Otoño Regresión Introducción Regresión Lineal Edgar Moyotl-Hernández Análisis y Métodos Numéricos Físico Matemáticas, BUAP Otoño 2018 Regresión E. Moyotl-Hernández 1 / 31 Contenido Introducción Regresión Lineal E. Moyotl-Hernández 2 / 31 Definición

Más detalles

Diseño de Experimentos

Diseño de Experimentos Tema 2 Universidad Cooperativa de Colombia Facultad de Medicina Veterinaria y Zootecnia December 12, 2011 OBJETIVO DEL MUESTREO Obtener estimaciones sobre características de una población basados en estadísticos

Más detalles

Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.

Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de

Más detalles

Una nueva metodología para el estudio de la conectividad dinámica en EEG

Una nueva metodología para el estudio de la conectividad dinámica en EEG Una nueva metodología para el estudio de la conectividad dinámica en EEG A. Alba 1, J.L. Marroquín 1, T. Harmony 2 1.- CIMAT 2.- INB-UNAM Contenido Introducción Objetivo Problemas con el uso de potenciales

Más detalles

ANÁLISIS CUANTITATIVO Y MODELIZACIÓN EN ECOLOGÍA PROGRAMA

ANÁLISIS CUANTITATIVO Y MODELIZACIÓN EN ECOLOGÍA PROGRAMA ANÁLISIS CUANTITATIVO Y MODELIZACIÓN EN ECOLOGÍA Semestre A-2015 Horario: Lunes. 2 horas teóricas y 6 horas de práctica Profesores: Luis D. Llambí y Teresa Schwarzkopf Duración del curso: Inicio: 9 de

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Ciencias. Plan de estudios de la Licenciatura en Actuaría. Modelos Lineales

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Ciencias. Plan de estudios de la Licenciatura en Actuaría. Modelos Lineales UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Ciencias Plan de estudios de la Licenciatura en Actuaría Modelos Lineales Clave 0861 Modalidad Semestre 7 u 8 Créditos 10 Área Campo de conocimiento

Más detalles

ANALISIS ESPACIAL DE LAS CARACTERISTICAS ECONOMICAS DE LAS COMUNAS DE LA PENINSULA DE SANTA ELENA

ANALISIS ESPACIAL DE LAS CARACTERISTICAS ECONOMICAS DE LAS COMUNAS DE LA PENINSULA DE SANTA ELENA ANALISIS ESPACIAL DE LAS CARACTERISTICAS ECONOMICAS DE LAS COMUNAS DE LA PENINSULA DE SANTA ELENA Ramos Benavides Mauricio Omar 1 Msc. Cesar Guerrero Loor 2 1 Ingeniero en Estadística e Informática 2 Director

Más detalles

Regresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

Regresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16 Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3

Más detalles

GUÍA RÁPIDA DEL PROGRAMA SPAGeDI v.1.5

GUÍA RÁPIDA DEL PROGRAMA SPAGeDI v.1.5 1 GUÍA RÁPIDA DEL PROGRAMA SPAGeDI v.1.5 Análisis de la distribución espacial de la diversidad genética Este programa tiene la peculiaridad de aceptar datos de individuos con diferente nivel de ploidía.

Más detalles

Técnicas Estadísticas. Operaciones matriciales. sticas. Análisis de continuidad espacial. Análisis espectral

Técnicas Estadísticas. Operaciones matriciales. sticas. Análisis de continuidad espacial. Análisis espectral Lección n 6. Análisis de datos geográficos Los modelos de abstracción tipo campo son en realidad matrices de datos. Esto nos permite realizar con ellos todo tipo de operaciones matriciales: Superposición

Más detalles

Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.

Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows. TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente

Más detalles

ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com

ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO

Más detalles

Procesamiento Avanzado de Imágenes Astronómicas. Filtrado Espacial

Procesamiento Avanzado de Imágenes Astronómicas. Filtrado Espacial Procesamiento Avanzado de Imágenes Astronómicas Filtrado Espacial Fundamentos filtrar implica retener o remover ciertas componentes de la imagen. el filtrado se hace utilizando kernels (máscaras, ventanas,

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS ESPACIOS EUCLÍDEOS ) a) Decir cuál de las siguientes aplicaciones de x de no definir un producto escalar comprobar el axioma que falla: a ) x' x,y,

Más detalles

Continental Cubierta de altimetría e hidrografía a partir de los Modelos Digitales de Elevación LIDAR de tipo Terreno Introducción

Continental Cubierta de altimetría e hidrografía a partir de los Modelos Digitales de Elevación LIDAR de tipo Terreno Introducción Continental Cubierta de altimetría e hidrografía a partir de los Modelos Digitales de Elevación LIDAR de tipo Terreno Introducción El Instituto Nacional de Estadística y Geografía, en su componente geográfico

Más detalles

MINISTERIO DE EDUCACIÓN PÚBLICA DIRECCIÓN DE GESTIÓN Y EVALUACIÓN DE LA CALIDAD Departamento de Evaluación Académica y Certificación

MINISTERIO DE EDUCACIÓN PÚBLICA DIRECCIÓN DE GESTIÓN Y EVALUACIÓN DE LA CALIDAD Departamento de Evaluación Académica y Certificación MINISTERIO DE EDUCACIÓN PÚBLICA DIRECCIÓN DE GESTIÓN Y EVALUACIÓN DE LA CALIDAD Departamento de Evaluación Académica y Certificación Número de ítems por habilidades generales del Programa de estudio Pruebas

Más detalles

Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión

Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo

Más detalles

Análisis de Estados Financieros

Análisis de Estados Financieros Análisis de Estados Financieros 1 Sesión No. 9 Nombre: Diagnóstico financiero. Primera parte. Contextualización Los diferentes métodos de análisis que se pueden utilizar para evaluar y en su defecto emitir

Más detalles

FUNDAMENTOS DE MATEMÁTICAS. ISBN: Depósito Legal: M Número de páginas: 487 Tamaño: 21 x 14,6 cm Precio: 23,93

FUNDAMENTOS DE MATEMÁTICAS. ISBN: Depósito Legal: M Número de páginas: 487 Tamaño: 21 x 14,6 cm Precio: 23,93 FUNDAMENTOS DE MATEMÁTICAS ISBN: 978-84-941559-0-1 Depósito Legal: M-20468-2013 Número de páginas: 487 Tamaño: 21 x 14,6 cm Precio: 23,93 FUNDAMENTOS DE MATEMÁTICAS INDICE MATEMÁTICAS BÁSICAS CONJUNTOS

Más detalles

NORMAS El examen consta de dos partes: Diez Cuestiones: (tiempo: 60 minutos)

NORMAS El examen consta de dos partes: Diez Cuestiones: (tiempo: 60 minutos) NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: (tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido

Más detalles

Nivel Intermedio. A comprender de forma activa conceptos fundamentales de estadística. Crear bases de datos estadísticos.

Nivel Intermedio. A comprender de forma activa conceptos fundamentales de estadística. Crear bases de datos estadísticos. Análisis de datos mediante el SPSS A comprender de forma activa conceptos fundamentales de estadística. Crear bases de datos estadísticos. Procesar eficientemente información estadística. Analizar con

Más detalles

GEOESTADÍSTICA. Preparado por: Dr. Manuel Fuenzalida-Díaz / Departamento de Geografía, Universidad Alberto Hurtado.

GEOESTADÍSTICA. Preparado por: Dr. Manuel Fuenzalida-Díaz / Departamento de Geografía, Universidad Alberto Hurtado. GEOESTADÍSTICA Preparado por: Dr. Manuel Fuenzalida-Díaz / mfuenzal@uahurtado.cl Departamento de Geografía, Universidad Alberto Hurtado. 0 TEMARIO Geoestadística (Teoría y Práctica 6 h) 1.- La interpolación

Más detalles

Relaciones espaciales

Relaciones espaciales Relaciones espaciales Autores: M. en G. Camilo A. Caudillo Cos M. en G. Claudia Coronel Enríquez Introducción La aplicación de métodos de análisis espacial permite simplificar la realidad adaptándola a

Más detalles

ANÁLISIS DE COMPONENTES PRINCIPALES

ANÁLISIS DE COMPONENTES PRINCIPALES ANÁLISIS DE COMPONENTES PRINCIPALES INTRODUCCIÓN El objetivo principal de la mayoría de las técnicas numéricas de análisis multivariado, es reducir la dimensión de nuestros datos. Por supuesto, si esta

Más detalles

Diagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico

Diagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico TALLER DE APLICACIONES ESTADÍSTICAS CON EXCEL Diagnóstico Elaborado por Mónica Patricia Ballesteros Chávez 1. Es una expresión en Excel que puede incluir operadores, referencias a celdas, valores, funciones

Más detalles

GUIA DOCENTE. Titulación Máster en Ingeniería Ambiental. Profesores (*) Responsable. Juan José Egozcue Rubí. Otros. Maribel Ortego Martínez

GUIA DOCENTE. Titulación Máster en Ingeniería Ambiental. Profesores (*) Responsable. Juan José Egozcue Rubí. Otros. Maribel Ortego Martínez GUIA DOCENTE Nombre de la asignatura Análisis e interpretación de datos ambientales (AIDA) Centro Escuela Técnica Superior de Ingenieros de Caminos, Canales y Puertos de Barcelona Departamento Matemática

Más detalles

MODELADO CALIBRACIÓN MULTIVARIADA

MODELADO CALIBRACIÓN MULTIVARIADA MODELADO CALIBRACIÓN MULTIVARIADA Calibración multivariada aproximaciones multivariadas para crear una curva de calibración: regresión clásica u ordinaria (classical/ordinary least squares, CLS) regresión

Más detalles

INTRODUCCIÓN ACCESO AL MATERIAL COMPLEMENTARIO... 16

INTRODUCCIÓN ACCESO AL MATERIAL COMPLEMENTARIO... 16 INTRODUCCIÓN... 13 ACCESO AL MATERIAL COMPLEMENTARIO... 16 1. EMPEZAR CON MAXIMA... 17 1.1 EL NÚCLEO Y LOS ENTORNOS DE EJECUCIÓN... 18 1.2 DESCARGA E INSTALACIÓN... 21 1.2.1 Windows... 22 1.2.2 Linux...

Más detalles

Título del curso Análisis de datos socio-económicos espaciales

Título del curso Análisis de datos socio-económicos espaciales MASTER EN ECONOMÍA Y ORGANIZACIÓN DE EMPRESAS Curso 16-17 Programa con Mención de Calidad otorgada por el Ministerio de Educación y Ciencia Título del curso Análisis de datos socio-económicos espaciales

Más detalles

19/05/2013. TIG 2013 I John Beltrán

19/05/2013. TIG 2013 I John Beltrán Proceso de modelamiento de DATOS ESPACIALES, para examinar e interpretar esos datos. Estudio tanto de la forma como de la ubicación de los rasgos geográficos y las relaciones entre esos rasgos. El análisis

Más detalles

Análisis estadístico integral de información obtenida en un lote bajo agricultura de precisión RESUMEN

Análisis estadístico integral de información obtenida en un lote bajo agricultura de precisión RESUMEN Análisis estadístico integral de información obtenida en un lote bajo agricultura de precisión Boca Teresa 1, Rodríguez Gabriel, Mariel Vanín Instituto de Clima y Agua, INTA, Castelar tboca@cnia.inta.gov.ar

Más detalles

Introducción Ordenación Clasificación Ord. + Clas. Geobotánica. Tema 12 Ordenación y clasificación

Introducción Ordenación Clasificación Ord. + Clas. Geobotánica. Tema 12 Ordenación y clasificación Introducción Clasificación Ord. + Clas. Geobotánica Tema 12 y clasificación Copyright: 2011 Francisco Alcaraz Ariza. Esta obra está bajo una licencia de Reconocimiento-No Comercial de Creative Commons

Más detalles

Tema 9. Análisis factorial discriminante

Tema 9. Análisis factorial discriminante Máster en Técnicas Estadísticas Análisis Multivariante. Año 2008 2009. Profesor: César Sánchez Sellero. 9.1. Introducción. Tema 9. Análisis factorial discriminante Supongamos que están denidos I grupos,

Más detalles

David R. González Barreto Universidad de Puerto Rico

David R. González Barreto Universidad de Puerto Rico Diccionario de Términos Multivariados David R. González Barreto Universidad de Puerto Rico Pagina 2 MVDA (Multivariate Data Analysis) Principal Component Analysis (PCA) Hotelling T 2 técnicas gráficas

Más detalles

Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga

Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga Los modelos de optimización usados para despacho y planificación energética requieren de un modelo que represente

Más detalles

Data Analysis in Python (Pandas)-Parte I

Data Analysis in Python (Pandas)-Parte I 1 Sistemas Expertos e Inteligencia Artificial / Guía IV / Ciclo 01 2018 / Ing. Herson Serrano Data Analysis in Python (Pandas)-Parte I Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos

Más detalles

GEOESTADÍSTICA STICA APLICADA. Tema: Análisis Estructural UNIVERSIDAD NACIONAL AUTÓNOMA

GEOESTADÍSTICA STICA APLICADA. Tema: Análisis Estructural UNIVERSIDAD NACIONAL AUTÓNOMA UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICOM GEOESTADÍSTICA STICA APLICADA Tema: Análisis Estructural Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009

Más detalles

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo

Más detalles

Métodos Predictivos en Minería de Datos

Métodos Predictivos en Minería de Datos Métodos Predictivos en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado en Minería de Datos de la Universidad de Stanford.

Más detalles

Ajustando Curva SnapStat

Ajustando Curva SnapStat STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable

Más detalles

FORMATO MODALIDAD PRESENCIAL UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA. Plan de estudios

FORMATO MODALIDAD PRESENCIAL UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA. Plan de estudios FORMATO MODALIDAD PRESENCIAL UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA Plan de estudios Clave Semestre Séptimo Créditos 7 Programa Econometría II Área Economía Campo de Economía Matemática

Más detalles