Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

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

Download "Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA"

Transcripción

1 Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA

2 Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales, so aquellos e los que se obtee los msmos resultados, sempre que se realce e las msmas codcoes. E ellos es posble predecr el resultado fal coocedo el estado cal y las codcoes de realzacó. Está sujetos a leyes aturales que puede ser formuladas medate ecuacoes matemátcas. Se comprede fáclmete la mposbldad de realzar u feómeo e las msmas codcoes absolutas, pues la mperfeccó de la mete y de los setdos del hombre hace que o podamos represetaros todas las causas que tervee e u determado feómeo. Estas causas descoocdas las susttumos por lo que se llama azar, pero e el caso de los feómeos determístcos el azar juega u papel ta ífmo que suele desprecarse su efecto. E muchos feómeos (físcos especalmete) la preseca del azar es míma, s embargo e otros feómeos, como los socales, lo mprevsble es de tal magtud que hace que o podamos predecr el estado fal. Obvamete los feómeos determístcos so objeto de estudo por parte de cecas tales como La Físca, la Químca...etc. U ejemplo de feómeo determístco es la cada lbre y e vacío de u objeto desde ua altura h. Se sabe a pror que la velocdad fal co la que va a llegar al suelo (estado fal) vee determada por la ley v gh. Otro sería que s teemos u gas comprmdo e u recpete de volume V y sometdo a ua presó P, su temperatura PV. vee dada por la fórmula : T, dode es el úmero de moles de gas y R es ua R costate químca. Observemos que e ambos casos podemos saber co segurdad el estado fal sempre y cuado realcemos el expermeto co u estado cal coocdo y dádose la partculardad de que s lo volvemos a realzar tatas veces como deseemos, los resultados fales va a ser détcos. Todo ello es lo que caracterza a los feómeos determístcos o causales.

3 Tema I. Estadístca descrptva 3 Métodos Estadístcos Feómeos aleatoros A dfereca de los aterores, so aquellos e los que es mposble predecr el resultado fal, au reptédolo e las msmas codcoes y además, dode ua pequeña varacó e las codcoes cales produce ua gra varacó e los resultados fales. (El aleteo de ua marposa e cha puede provocar u huracá e Paamá). Esta característca podría haceros pesar e la mposbldad de u estudo formal y utl de este tpo de feómeos. La presuta esterldad del estudo de los feómeos aleatoros queda refutada de medato debdo a que todos preseta ua mportatísma propedad empírca deomada regulardad estadístca que aalzaremos co u ejemplo. Obvamete so feómeos aleatoros, el lazar u dado o ua moeda; extraer ua carta de ua baraja o ua bola de ua ura, rellear u boleto de la lotería prmtva...etcétera. Como se podrá tur hay toda ua fdad de feómeos aleatoros. Estos feómeos so objeto de estudo de la Estadístca. Estadístca. Cocepto: Como ya se cocluyó e el apartado ateror, la Estadístca es la ceca que estuda los feómeos aleatoros. Hstórcamete, parece ser que los datos más atguos que se posee acerca del uso de las téccas estadístcas, se remota a los cesos chos ordeados por el emperador Tao, 00 años a.c. També tuvero mportaca los cesos romaos haca el año 555 a.c. Es e el año 660 cuado se publca la obra Artmétca polítca o descrpcó de las cosas otables del Estado de Hoerá Corg. Es dode esta ceca comeza a deomarse Estadístca. Más adelate ctar los otables trabajos del alemá Medel (8-844), abad del moastero de Brü que fue qué puso los cmetos de la actual Geétca co sus estudos sobre la hereca. Ctar a Pascal y a otros colegas fraceses, que motvados por problemas surgdos e los juegos de azar, comeza a estudar e sero esta Ceca. E el sglo XX, la Estadístca adquere u mpulso reovador co los estudos de los gleses Pearso, Galto y Weldo, así como del ruso Kolmogorov. Hoy e día la Estadístca forma parte de uestra realdad más cotdaa, pues basta abrr u peródco o escuchar u otcaro para daros cueta de la catdad de datos y coceptos estadístcos que se maeja. Estadístca descrptva Es aquella rama de la estadístca dode las coclusoes que se obtee de las experecas o datos e estudo o rebasa los límtes de los msmos. Tee como propósto su represetacó medate tablas, gráfcos y reduccoes de datos. Puede també compreder el aálss de los msmos, sempre que sus coclusoes o trasceda más alla de dchos datos. Coceptos báscos de Estadístca descrptva.

4 Tema I. Estadístca descrptva 4 Métodos Estadístcos Poblacó o Uverso Estadístco.- Cojuto formado por todos los elemetos que posea ua sere de caracteres prevamete estpulados. Cada uo de los elemetos de la poblacó se deoma dvduo y éstos puede ser smples (hombres, pezas) o colectvos (famlas) Toda vez que el úmero de los elemetos de ua poblacó objeto de estudo estadístco, e la mayoría de los casos es muy umeroso, resulta caro y egorroso el estudo de los msmos, por lo que se recurre a u subcojuto represetatvo de la poblacó. Muestra.- Para evtar u estudo, a veces mposble, de ua poblacó debdo a su gra úmero de dvduos, se suele tomar u subcojuto represetatvo llamado muestra, bajo crteros prevamete estudados, de tal modo que el estudo e dcho cojuto os permta ducr resultados e toda la poblacó co u grado de certeza certamete grade. De la buea eleccó de la muestra, depederá la bodad de los datos extraídos para la poblacó. Tamaño de la poblacó: Obvamete el tamaño es el úmero de dvduos que compoe la poblacó o muestra. Lo represetaremos por N Varable estadístca.- Deomada també carácter, es ua característca o propedad comú a todos los dvduos de ua poblacó objeto de estudo estadístco. Por ejemplo e ua poblacó de persoas, el peso podría ser ua varable estadístca, el color de ojos...etc. A todos los posbles resultados de ua varable estadístca se le deoma modaldades o valores de la varable (datos) Normalmete represetaremos por X ua v.e y por x sus modaldades. U ejemplo de varable estadístca podría ser el sexo, cuyas modaldades sería varo, hembra. Se trataría de ua v.e. co dos modaldades; por el cotraro s cosderamos la v.e. estatura, las modaldades puede llegar a ser ftas, detro de u tervalo. Estos dos últmos ejemplos me va a permtr clasfcar las varables estadístcas segú el sguete esquema: Dscretas Cuattatvas Varable estadístca Cotuas Cualtatvas Vamos a aalzar esta clasfcacó: a) Varables estadístcas cuattatvas: So aquellas cuyas modaldades vee represetadas por u valor umérco; es decr so de algú modo medbles. Por ejemplo, la estatura, el peso, e valor de u dado...etc. a.) So dscretas cuado la catdad de modaldades e u cojuto fto o fto umerable (los valores de u dado, el úmero de bolas blacas que se extrae de ua ura co devolucó hasta que aparezca ua egra) a.) So cotuas cuado la catdad de modaldades es fto y toma cualquer valor e u tervalo real. (el peso de ua persoa)

5 Tema I. Estadístca descrptva 5 Métodos Estadístcos b) Varables estadístcas cualtatvas: Sus modaldades so atrbutos o cualdades o medbles y por tato carece de represetatvdad umérca (color de ojos, cara o cruz...etc) Parámetro.- Es toda fucó defda sobre los valores umércos de ua poblacó (Meda artmétca de las altura de todos los alumos de Bachllerato de Galca) Estadístco.- Es toda fucó defda sobre los valores umércos de ua muestra (Meda artmétca de las altura de los alumos de ua muestra de 0 alumos por cetro de bachllerato de Galca) Sea ua poblacó o muestra, de tamaño N, sobre la que vamos a estudar ua varable estadístca dscreta co p modaldades: x, x, x 3... x p Frecueca absoluta de la modaldad x.- Es el úmero etero de veces que dcha modaldad aparece e la poblacó o muestra. Lo represetaremos por. So de destacar las sguetes propedades, que se deduce medatamete de la defcó: a) 0 N... p p b) N Frecueca relatva de la modaldad x.- Es la proporcó co la que aparece la modaldad x e la poblacó o muestra. Se obtee dvdedo la frecueca absoluta etre N. E muchas ocasoes esta proporcó vee expresada e tato por ceto. Basta multplcar la frecueca relatva por 00. La frecueca relatva la represetaremos por f. E cosecueca: f N So propedades trvales de la frecueca relatva, que se deduce de las dcadas para la frecueca absoluta, las sguetes: a) 0 f... p p b) f Frecuecas acumuladas.- Ordeados e setdo crecete o decrecete los valores o modaldades de ua v.e., defremos la frecueca acumulada (absoluta o relatva) como la suma de frecuecas hasta u valor determado de la varable. Cuado la modaldad es la últma de la ordeacó crecete, la frecueca acumulada será gual a N s se trata de frecuecas absolutas, y s lo que se acumula so las frecuecas relatvas. La frecueca acumulada absoluta para la modaldad x, se represetará por N, metras que s se trata de la relatva, la represetaremos por F

6 Tema I. Estadístca descrptva 6 Métodos Estadístcos Tablas de recogda de datos.- Toda la formacó recogda aterormete se dspoe e ua tabla de la sguete maera: Datos Fr. Absoluta Fr. relatva Fr.Abs.Acu. Fr.Rel.Acu. % x f F F f 00.f x f F + F f +f 00.f x p p f p F p N F p 00.f p TOTALES N 00 Es de resaltar que estas defcoes aterores está establecdas cuado el cojuto de datos e dscreto. E caso de que la varable sea cuattatva cotua, el úmero de modaldades es fto y o toma valores aslados, por lo que o podemos represetarlas medate los x. Cómo se procede e este caso? Itervalos de clase. Marcas de clase.- Cuado la varable estadístca es cuattatva cotua o dscreta pero co gra catdad de modaldades, es ecesaro dvdr el recorrdo de la varable e tervalos, a ser posble de gual tamaño, deomados tervalos de clase. El úmero de tervalos flurá e la precsó de los estadístcos que se vaya a estudar. Obvamete a mayor úmero de tervalos, mayor precsó. Utlzaremos la sguete otacó. El tervalo de clase lo deotaremos por ( L L ), sedo L - y L los límtes feror y superor, respectvamete, del tervalo. La dfereca etre ambos límtes os determará el tamaño o logtud del tervalo, deomado ampltud y que represetaremos por c. Así pues, c L -L -. Como vamos a segur teedo ecesdad de utlzar valores umércos para obteer los dsttos estadístcos de la muestra, cosderaremos como valores represetatvos de los tervalos de clase, sus valores cetrales, que deomaremos marcas de clase. Las marcas de clase so los equvaletes a los x e el caso dscreto. L + L Su valor vee dado por: x. Las frecuecas absolutas y relatvas se referrá a los tervalos de clase, de tal modo que dremos que el tervalo ( L L ) tee frecueca absoluta cuado el úmero de dvduos, cuya modaldad caga detro de dcho tervalo, sea precsamete. Aálogamete haremos lo msmo para la frecueca relatva. Es mportate que cada dato esté e u solo tervalo, por lo que los extremos ha de ser dcados abertos o cerrados, segú el caso. E ocasoes para evtar esto, los valores extremos de los tervalos suele ser tomados co ua cfra decmal más que la que posee los datos. Este procedmeto de clasfcar los datos e tervalos va a producr ua evtable pérdda de formacó, puesto que o se cosderará los resultados exactamete, so por aproxmacó: o se drá que u elemeto tee u carácter cuya medda es x, so que dcho valor se ecuetra e el tervalo L L ) (.

7 Tema I. Estadístca descrptva 7 Métodos Estadístcos Así pues, lo que teresa es elegr ua ampltud (a ser posble costate) de los tervalos lo sufcetemete pequeña para que la pérdda de formacó sea la meor posble y, al msmo tempo, lo sufcetemete grade para que el agrupameto presete ua dstrbucó de o demasados tervalos, pues de lo cotraro dcho agrupameto perdería su faldad, es decr, la comoddad del tratameto. Tablas de recogda de datos Itervalos Marcas Fr. Absoluta Fr. relatva Fr.Abs.Acu. Fr.Rel.Acu. % L 0 -L x f F F f 00.f L -L x f F + F f +f 00.f L p- -L p x p p f p F p N F p 00.f p TOTALES N 00 Represetacoes gráfcas Partedo de la máxma vale más ua mage que ml palabras, el objeto de las represetacoes gráfcas es precsamete hacer valer esta frase hecha, de modo que el mpacto vsual de la represetacó respoda a la realdad y, por cosguete, el método segudo deberá basarse e prcpos geométrcos ortodoxos. Veamos los casos de represetacó para el caso de varables dscretas o agrupadas e tervalos. a) Dagrama de barras: Se elabora señalado e las abscsas de u sstema de ejes de coordeadas los valores de la varable costruyedo sobre ellos uas columas de altura gual a la frecueca de cada uo de los valores, medda e el setdo del eje de ordeadas. També puede realzarse u dagrama de barras para frecuecas acumuladas. b) Dagrama de sectores: Cosste e u círculo co sectores de área proporcoal a las frecuecas de cada uo de los valores. El águlo correspodete al sector de la modaldad x, vee dado por 360.f. També puede represetarse e u semcírculo, por lo que los águlos vedría dados por 80.f c) Pctograma: No es más que u dagrama de barras, pero e vez de smples columas, se lustra co fguras alusvas a los datos estudados (amales, persoas, máquas...etc) Cuado los datos vee agrupados por tervalos, dspoemos de otro tpo de represetacó gráfca: Los hstogramas. Los hstogramas so rectágulos de base gual a los tervalos de clase y altura proporcoal a la frecueca establecda para dchos tervalos. (també se puede hacer para frecuecas acumuladas) Polígoo de frecuecas: Es el polígoo lmtado e u hstograma por el eje de abscsas y la líea quebrada resultate de ur el puto medo del lado superor de cada rectágulo (co frecuecas

8 Tema I. Estadístca descrptva 8 Métodos Estadístcos absolutas) o la líea quebrada resultate de ur e cada rectágulo el vértce del polígoo ateror co el suyo. Se realza tato para hstogramas de frecuecas smples como acumuladas. REDUCCIÓN DE DATOS. MEDIDAS CARACTERÍSTICAS Esta deomacó de reduccó de datos se debe a Fsher, y cosste e susttur la tabla estadístca, la cual os da ua dea de dfícl comparacó co otras tablas, por uos úmeros (estadístcos o meddas característcas) que mda las característcas más mportates de la dstrbucó de los datos. Estos valores o meddas característcas puede ser de dos tpos: de cetralzacó y de dspersó. Meddas característcas de cetralzacó: So valores de tedeca cetral e toro a los cuales se ecuetra los valores de la varable estadístca, co arreglo a u certo crtero de equbro para las frecuecas. Es la característca más mportate de la dstrbucó y se mde a traves de los promedos, etre los cuales está los sguetes: a) Meda artmétca (Cuado se habla de meda a secas, os referremos a la meda artmétca): Se obtee multplcado cada valor de la v.e. por su frecueca relatva y sumado todos los productos obtedos. Se represeta por x. x p x. f p x. N N p Se llama també cetro de gravedad de la dstrbucó por admtr la sguete terpretacó mecáca: Cosderemos que sobre cada puto x actúa ua fuerza de valor. E este caso x correspode al puto del eje e el cual, aplcado la fuerza de valor N, produce el equlbro del sstema. Para evtar largos y tedosos cálculos de artmétca elemetal, la meda artmétca la obtedremos medate el uso de calculadora cetífca. S cosderamos los valores de desvacó, x - x, se tee como propedad teresate que p c) Meda artmétca poderada.- ( x x ). 0. E determadas ocasoes queremos que algú dato tega más valor, o pese más a la hora de ser cosderado detro de la dstrbucó. As pues, e este caso, asocamos a los datos x, x,..., x p, certos factores peso (o pesos) w, w,..., w p, depedetes de la relevaca asgada a cada úmero. E tal caso, la expresó:

9 Tema I. Estadístca descrptva 9 Métodos Estadístcos x p x. w w se llama meda artmétca poderada de pesos w, w,..., w p d) Meda geométrca G N x p p N. x... x p ( x ) No tee uas propedades ta secllas y claras como la meda artmétca; o obstate se suele usar cuado la varable sgue progresó geométrca. També e la elaboracó de los úmeros ídces (que se verá más adelate), muestra ua propedad teresate. e) Meda armóca H p N. x f) Meda cuadrátca Esto puede geeralzarse defedo la meda geeral de orde m C M(m) p x. N p m m x. N resultado la meda armóca para m-; la meda geométrca para m0, la meda artmétca para m y la meda cuadrátca para m Se verfca: M ( ) M (0) M () M (), es decr que: H G x C Medaa Ordeados los datos de meor a mayor o vceversa, la medaa es el valor de la v.e, que deja el 50% de los datos a u lado y el 50% restate al otro. E otras palabras, la medaa dvde por la mtad a los datos. El cálculo de la medaa dfere e fucó del tpo de dstrbucó, es decr s se trata de valores aslados o dstrbudos por tervalos de clase.

10 Tema I. Estadístca descrptva 0 Métodos Estadístcos E el prmer caso, la medaa se obtee del sguete modo: a) S el úmero de datos es par, la medaa es la meda artmétca de los dos valores cetrales que se obtee al ordear dchos datos, es decr que s los N datos ordeados so a, a,..., a N, la medaa es: Me a N a + N + b) S el úmero de datos es mpar, solamete habrá u valor cetral. Este será precsamete la medaa, y dcho valor, sguedo la otacó ateror es. a N Et ( ) + E el caso de dstrbucó por tervalos el valor de la medaa es: ( N / ) N Me L +. c., sedo L - el límte feror del tervalo dode se ecuetra la medaa (aquel dode se alcace el 50% del total de la poblacó N); N - es la frecueca acumulada absoluta hasta dcho tervalo; es la frecueca absoluta e el tervalo y c es la ampltud del tervalo. Esta fórmula se demostrará e clase. Ejemplo: Sea la dstrbucó sguete: Itervalos Marcas Frecu. Absoluta Frec. Abs. acum Prmero detectamos el tervalo dode se ecuetra la medaa. Como N5, calculamos N/,5. Esta frecueca, vedo la tabla de frecuecas acumuladas, se ecuetra e el tervalo 8-0, por tato L - 8, N -, 6.,5 De ahí se obtee que Me , 6. 6 Moda Es el valor de la v.e. que más se repte. Segú esta defcó puede haber más de ua moda, llamádose la dstrbucó umodal, bmodal...etc, segú tega ua, dos...etc modas. El cálculo para dstrbucoes co valores aslados es trval; s embargo para el caso de dstrbucoes agrupadas por tervalos o es ta evdete, y la fórmula que determa la moda es:

11 Tema I. Estadístca descrptva Métodos Estadístcos Mo L +. c, sedo L - L el tervalo dode se ( ) + ( + ) ecuetra la moda. Relacó empírca etre meda, medaa y moda. Para dstrbucoes de frecueca umodal que sea poco asmétrcas se tee que: Meda Moda 3(meda medaa) MEDIDAS POSICIONALES Los cuatles Se llama cuatl de orde m a u valor x m que deja por debajo de él al m por 00 de los elemetos de la poblacó. Cuartles: So los valores que dvde a la poblacó e 4 partes guales. Exste por tato tres cuartles: Q (prmer cuartl), Q (segudo cuartl), Q 3 (tercer cuartl). Resulta obvo que Q Me. Cálculo de los cuartles. a) Caso dscreto o valores aslados: Ordeados de meor a mayor los datos y para,,3. S N./4 o correspode a gú valor de la frecueca acumulada (está etre N k y N k+ ) se le da a Q el valor de la varable que correspode a la frecueca acumulada N k+. E caso de que N./4 correspode a u valor N k de la frecueca acumulada, el cuartl es la meda artmétca etre x k y x k+ b) Caso cotuo o por tervalos: Se utlza la fórmula: Q r r.( N / 4) N + c, para r,,3 L. Recorrdo tercuartílco o I.Q.R.: Es la dfereca etre Q 3 y Q. La dea es dvdr los datos e cuatro grupos guales y ver lo dstates que so los extremos de esos grupos Box plots o dagramas de Tukey de caja y bgotes Para realzar el IQR, Joh Tuker vetó u tpo de represetacó llamado Dagrama de caja y bgotes. Los extremos de la cja so los cuartles Q y Q 3. La Medaa se dbuja detro de la caja. S u puto está a más de,5 veces el IQR alejado de u extremo de la caja, se deoma atípco y se dbuja de forma aslada. Falmete

12 Tema I. Estadístca descrptva Métodos Estadístcos se extede los bgotes hasta los putos más lejaos que o sea atípcos (es decr detro de,5 veces el IQR de los cuartles). Estos dagramas so especalmete bueos para realzar las dferecas etre grupos. Veamos como so: Datos atípcos Q Me Q 3 Datos atípcos Qutles:,5 IQR So los valores que dvde a la poblacó e 5 partes guales. Exste 4 qutles: K, K, K 3, K 4. Su cálculo es exactamete gual que e el caso de los cuartles y su fórmula es: K r r.( N / 5) N + c, para r,,3,4 L. Decles: So los valores que dvde a la poblacó e 0 partes guales. Exste 9 decles, sedo estos: D r, co r...9 Su cálculo es exactamete gual que e el caso de los cuartles y además se verfca: D K ; D 4 K ; D 5 Me ; D 6 K 3 ; D 8 K 4 La formula para los decles es: Cetles o percetles: r.( N /0) N D r L +. c para r,, So los que dvde a la poblacó e 00 partes guales. Hay 99 cetles que se represeta por C r o P r dsttamete, dode r Para su cálculo os remtmos al cálculo de los cuartles. Se produce certas detdades tales como: C 5 Q ; C 50 Me...etc. La fórmula para cetles es:

13 Tema I. Estadístca descrptva 3 Métodos Estadístcos C r r.( N /00) N + c para r,, L. RECOGIDA DE DATOS CON LA CALCULADORA Depededo de las marcas comercales de las calculadores cetífcas, el modo de trabajar co datos estadístcos ormalmete varía de ua a otra. Aquí se va a desarrollar el método de recogda de datos co la calculadora Caso fx00d. Paso ) Actvar el modo de trabajo e Estadístca: MODE + 3 (E la cabecera de la patalla tee que aparecer la leyeda SD ) Paso ) Borrado de posbles datos e memora de trabajos aterores: KAC SHIFT + AC Paso 3) Comprobar que, e efecto, o teemos datos SHIFT + 3 (Este es el equvalete a uestro N). E la patalla tee que aparecer 0. Paso 4) Itroducr los datos: Para troducr, por ejemplo, el dato 8 co frecueca 4: 8 X 4 M+, o be 8 y se pulsa la tecla M+ cuatro veces. Paso 5) Comprobar que el úmero de datos troducdos cocde co N SHIFT + 3. E la patalla tee que aparecer N. Paso 6) Calcular la meda artmétca, desvacoes típcas...etc. SHIFT + CREAR TABLAS DE FRECUENCIAS EN EXCEL Caso dscreto: E u rago se escrbe todos los datos. A cotuacó e ua matrz columa se escrbe las modaldades. Seleccoamos la columa dode queremos que aparezca las frecuecas absolutas Se pulsa f x y vamos a las fucoes estadístcas, detro de las que escogeremos FRECUENCIA. Hay dos parámetros que hay que troducr: Datos y grupos. E datos seleccoamos la matrz de datos y e grupos la matrz de modaldades. y damos salda a los resultados, al tratarse de ua matrz, co CTRL.+Mayúsculas.

14 Tema I. Estadístca descrptva 4 Métodos Estadístcos Caso cotuo: Al gual que e el caso ateror pero e el parámetro grupos hemos de escrbr los lmtes superores de los tervalos de acogda de datos.

15 Tema I. Estadístca descrptva 5 Métodos Estadístcos EJERCICIOS PROPUESTOS. Las edades de ses depedetes de u comerco so: 8,9,5,9,34,35 años. Calcular la meda de dchas edades. La medda de la logtud de 50 varllas ha dado los sguetes resultados: de 5 cms, 8 varllas; de 7 cm., 6 varllas; de 8 cm., 6 varllas; de 9 cm., 9 varllas; de 0 cm., varllas; de cm., 7 varllas y de 3 cm., 3 varllas. Calcular la meda de estas logtudes. 3. Calcular la meda de la dstrbucó correspodete a la estatura de 40 chcos de prmero de Bachllerato, sedo esta: Itervalos 48,5-53,5 53,5-58,5 58,5-63,5 63,5-68,5 68,5-73,5 73,5-78,5 Frec.abs Calcular la meda de los sguetes valores agrupádolos prmero por tervalos de ampltud gual a 5 y después por tervalos de ampltud gual a 0. Estos valores so: 49,48,43,4,49,4,4,43,43,44,44,5,53,54,5,59,58,57,56,54,5,54,53,64,6,64, 63,6,6,6,68,68,67,66,69 5. Dada la dstrbucó de la tabla, calcular la meda artmétca, la meda geométrca, la meda armóca, la meda cuadrátca. Comprobar que relacó exste etre ellas: x Calcular la frecueca correspodete al tercer tervalo de la sguete dstrbucó, sabedo que la meda artmétca es gual a,5 It x 3 7. Calcular la medaa de las sguetes dstrbucoes de frecuecas: x x Dada la sguete sere estadístca de la dstrbucó de salaros a los obreros de ua empresa, calcular la medaa: SALARIO NUM. OBREROS NUM. OBREROS. ACUM

16 Tema I. Estadístca descrptva 6 Métodos Estadístcos 9. Las calfcacoes de la asgatura de Matemátcas de los 40 alumos de ua clase vee expresadas por la sguete tabla: Nota Alum Calcular los cuartles y 3 así como los percetles de orde 30 y Se tee la sguete dstrbucó cotua, expresada por la tabla sguete: Iterv N Calcular los cuartles y 3, así como los percetles 40 y 90. Ua zapatería de caballeros vede e u día 45 pares de zapatos de las sguetes tallas. Talla Zapatos ? Calcular a) la medaa, b) Cuartles, c) Qué percetles correspode a la talla. El úmero de hjos de 0 famlas seleccoadas al azar, es el sguete: 3,,,,, 5,,, 0, 6, 3,, 4, 3, 4,, 3,, 7, 6 a) formar la tabla de frecuecas b) Costrur el correspodete dagrama de barras c) Costrur el polígoo de frecuecas. d) Costrur u dagrama de sectores o e su defecto dcar el águlo que correspodería a cada modaldad e dcho dagrama. 3. Los valores el ph saguíeo e 80 dvduos so los sguetes: 7,33 7,3 7,34 7,40 7,8 7,9 7,35 7,33 7,34 7,8 7,3 7,35 7,3 7,33 7,33 7,36 7,3 7,3 7,35 7,36 7,6 7,39 7,9 7,3 7,34 7,30 7,34 7,3 7,39 7,30 7,33 7,33 7,35 7,34 7,33 7,36 7,33 7,35 7,3 7,33 7,37 7,38 7,38 7,33 7,35 7,30 7,3 7,33 7,35 7,33 7,7 7,33 7,3 7,3 7,34 7,3 7,3 7,3 7,3 7,36 7,30 7,37 7,33 7, 3 7,3 7,33 7,3 7,30 7,9 7,38 7,33 7,35 7,3 7,33 7,3 7,34 7,3 7,34 7,3 7,33 a) Formar la tabla de frecuecas utlzado 5 tervalos de clase. b) Costrur el hstograma de frecuecas c) Polígoo de frecuecas d) Costrur el hstograma de frecuecas acumuladas e) Costrur el polígoo de frecuecas acumuladas

17 Tema I. Estadístca descrptva 7 Métodos Estadístcos 4. Se ha meddo la logtud de 50 dvduos adultos de ua determada espece de raa, obteédose los sguetes resultados: 3, 3,0 3,6 30,0 3,8 3,4 3,0 30,0 30, 3,8 34,0 3,7 33,0 3,0 3,3 3,6 3,0 3,4 30, 3,0 33,0 3,4 3,4 3,6 3,7 34,0 33, 33, 33,7 3,0 3,8 33,0 3,3 3,4 3,4 3,4 34,0 33,4 3,7 3,3 3, 33, 34, 3,3 9,6 3,7 33,0 3,4 3,6 33,0 a) Formar la tabla de frecuecas e 5 tervalos de clase b) Costrur el hstograma de frecuecas relatvas c) Polígoo de frecuecas relatvas d) Costrur el hstograma de frecuecas relatvas acumuladas e) Costrur el polígoo de frecuecas relatvas acumuladas 5. El úmero de accdetes mortales daros e ua gra cudad e ueve días ha sdo: 6, 4, 8,, 5, 3, 3, 7,. a) Hallar la meda artmétca b) Hallar la meda geométrca c) Hallar la meda armóca d) Hallar la meda cuadrátca e) Relacó etre estas medas. 6. El úmero de dvduos muertos por cólera e u determado pás por año, e el trascurso de años ha sdo:, 7, 5, 8,, 3,, 8,,, 3. f) Hallar la meda artmétca g) Hallar la meda geométrca h) Hallar la meda armóca ) Hallar la meda cuadrátca j) Relacó etre estas medas. 7. El úmero de pétalos de 3 flores de ua determada espece es el sguete: 8, 0, 6, 5, 8,, 8, 0, 7, 0, 7, 0, 9 a) Calcular la medaa b) Calcular la moda c) Calcular los cuartles de prmer y tercer orde d) Calcular el recorrdo tercuartlco e) Represetar el Box Plot.

18 Tema I. Estadístca descrptva 8 Métodos Estadístcos 8. Cosderado el valor teórco del metabolsmo basal gual a 00, los valores observados e 50 dvduos ha dado los sguetes resultados Calcular agrupado los datos e 0 clases, los sguetes valores: a) Meda artmétca b) Medaa c) Moda d) Cuartles de prmer y tercer orde e) Recorrdo tercuartílco f) Dagrama de Tukey de caja y bgotes 9. La dstrbucó por pesos de 70 empleados de u hosptal se expresa e la tabla sguete: Kg Nº empl Calcular la meda artmétca, la medaa y la moda. 0. Dada la sguete dstrbucó, qué cetl correspode a?. Qué cetl correspode a 30? Itervalo

19 Tema I. Estadístca descrptva 9 Métodos Estadístcos Meddas característcas de dspersó: El smple coocmeto de las meddas de cetralzacó o sólo es sufcete para daros ua dea de cómo está los datos dstrbudos, so que cluso puede llegar a ser egañoso. Pesemos e ua poblacó dode la meda artmétco del sueldo de sus dvduos es ptas; eseguda os vee a la mete que la gra mayoría de la poblacó gaa ua catdad etoro a esta cfra; s embargo pudera ocurrr que la mtad de la poblacó gaa y la otra mtad ada. De este modo vemos que e ambos casos: Rqueza be repartda y mal dstrbuda so dos casos e los que la meda cocde, s embargo las realdades so opuestas. El ejemplo ateror demuestra que se hace ecesaro dspoer de formacó acerca de cómo está dstrbudos los datos alrededor de las meddas de cetralzacó; dcho de otro modo.. qué alejados o dspersos está los datos?. Esto coduce a las meddas de dspersó, etre las que se ecuetra las sguetes: Recorrdo o rago: Ya utlzado co aterordad, el recorrdo de ua varable estadístca es la dfereca etre el valor más alto y el más bajo de dcha varable. Desvacó a la meda de la modaldad x. La desvacó a la meda de la modaldad a x, mde la dstaca etre dcho valor x y la meda, por tato su valor vee determado por: d x x Es mportate destacar que dcha medda vee dada por el valor absoluto de la dfereca, ya que s omtésemos dcha fucó, podría ocurrr que algua medda fuese egatva y estos sería cotradctoro co el cocepto de dstaca (alejameto o dspersó) como u valor postvo. Obsérvese que esta defcó es válda solamete para los valores de la modaldad aslados, por tato d es depedete de la frecueca, as como del resto de valores, por lo que es ua medda de dspersó que o os da ua formacó de cojuto. Esto os los cubre la sguete medda. Desvacó meda Es la meda artmétca de las desvacoes a la meda d, esto es: D m p d. N p x x. N

20 Tema I. Estadístca descrptva 0 Métodos Estadístcos Varaza E ocasoes se suele prmar los alejametos grades y mmzar las pequeños dspersoes, esto produce la medda característca llamada varaza que o es más que la meda cuadrátca de las desvacoes a la meda, esto es: p p d. ( x x) σ N N Esta medda tee el coveete que vee expresada e udades de la varable al cuadrado. Para evtar este problema se extrae la raz cuadrada, y el valor obtedo se deoma: Desvacó típca: Llamada també desvacó stadard o desvacó cuadrátca meda, es la raz cuadrada (postva) de la varaza σ E Excel es la fucó DESVESTPA p ( x x) N Coefcete de varacó de Pearso: E ocasoes se hace ecesaro comparar dos o más dstrbucoes de datos de dstta aturaleza. Supogamos que queremos saber que dstrbucó está más dspersa e los sguetes casos: Ua varable estadístca X de pesos de dvduos de meda 70 cm. y desvacó típca 0 cm., o ua varable Y de produccó de ua gaadería vacua de meda 30 ltros y desvacó típca 6,5 ltros. Obvamete o se puede comparar ltros co cetímetros, pero para saber comparatvamete cuál está más cocetrada o tee los datos meos dspersos co respecto a la meda, se utlza el llamado coefcete de varacó de Pearso σ ν x Es por tato ua medda admesoal y establece u valor de relacó depedete de las udades e las que se esté trabajado. A mayor coefcete, mayor dspersó de datos. MOMENTOS Geeralzado lo ateror, tato e las meddas de cetralzacó como e las de dspersó, podemos defr los llamados mometos potecales respecto al orge y respecto a la meda. So teresates porque os va a proporcoar uos valores para obteer más formacó acerca de la dstrbucó.

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

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

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

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

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

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

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

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

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

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles

Manual de Estadística

Manual de Estadística Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

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

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

Tema 2: Modelos lineales de optimización con variables enteras. Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

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

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

Más detalles

A2.1 SUMA PRESENTE A SUMA FUTURA

A2.1 SUMA PRESENTE A SUMA FUTURA A2. APÉNDICE MATEMÁTICAS FINANCIERAS E este apédce se preseta las fórmulas tradcoales para hallar las sumas equvaletes e el tempo y ua coleccó de fórmulas para equvaleca de tasas omales y efectvas. Para

Más detalles

CIRO MARTINEZ BENCARDINO

CIRO MARTINEZ BENCARDINO CIRO MARTINEZ BENCARDINO Nacdo e Covecó (Norte de Satader - Colomba). Ecoomsta de la Uversdad Jorge Tadeo Lozao de Bogotá, D.C. Bo-estadístca (Uversdad de los Ades, Bogotá, D.C.). Téccas Estadístcas (CIENES-Satago

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

Más detalles

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

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

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,

Más detalles

MAESTRÍA EN ECONOMÍA INTERNACIONAL. Tesis

MAESTRÍA EN ECONOMÍA INTERNACIONAL. Tesis MAESTRÍA EN ECONOMÍA INTERNACIONAL Tess Grades depóstos y el resgo de lqudez bacaro Ua aproxmacó medate la domaca estocástca Martí Egozcue 006 Uversdad de la Repúblca Facultad de Cecas Socales Departameto

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

Suficiencia de Capital y Riesgo de Crédito en Carteras de Préstamos Bancarios

Suficiencia de Capital y Riesgo de Crédito en Carteras de Préstamos Bancarios Sufceca de Captal y Resgo de Crédto e Carteras de Préstamos Bacaros U modelo de mpago que relacoa la sufceca de captal co el resgo de crédto, mde el resgo de cocetracó, y determa límtes dvduales para los

Más detalles