|
|
- Javier San Segundo Sáez
- hace 8 años
- Vistas:
Transcripción
1 Anál de ere temporale Fernando Berzal, Anál de ere temporale Caracterítca de la ere temporale Vualzacón de ere temporale Fltrado de ere temporale Meda móvle Suavzado exponencal Técnca de regreón Regreón lneal Coefcente de correlacón de Pearon Funcón de autocorrelacón Cao práctco: Una eón de anál 1
2 Caracterítca Tendenca Etaconaldad (comportamento peródco) Rudo Otro, p.ej. cambo bruco de comportamento 2 Ejemplo Tendenca y etaconaldad Concentracón de CO 2 medda en el obervatoro de Mauna Loa, Hawa. 3
3 Ejemplo Varacón uave pero n tendenca a largo plazo Concentracón de ga a la alda de una caldera 4 Ejemplo Tendenca no lneal Cote de llamada telefónca de larga dtanca (USA) 5
4 Ejemplo Cambo bruco de comportamento Índce Nkke (Bola de Tokyo) 6 Ejemplo Conjunto de dato reale Etaconaldad a corto y largo plazo, poble cambo de comportamento y rudo Llamada dara a un call-center center 7
5 Vualzacón Número anual de mancha olare durante 300 año Una relacón de apecto ncorrecta hace dfícl reconocer lo detalle de cada cclo. 8 Vualzacón Bankng [Bankng to 45 degree] Lo cambo ca vertcale de la fgura anteror no cueta trabajo aprecarlo. Sn embargo, reconocemo mejor lo cambo en una ere cuando e dbujan con un ángulo de 45º: Ahora podemo aprecar que la ubda on má rápda que la bajada, aunque la fgura e tan pequeña que apena e pueden analzar detalle 9
6 Vualzacón Stackng Dvdendo el eje temporal en 3 fragmento, mantenemo el bankng y generar un gráfco con una dmenone má razonable (p.ej. 4:3). 10 Fltrado de ere temporale Meda móvle [movng average] IDEA: Reemplazar el punto central de una ere de un número mpar de número conecutvo por u meda artmétca (fltro pao bajo ). = 1 x + j 2k+ 1 j= k k 11
7 Fltrado de ere temporale Meda móvle [movng average] PROBLEMA: La preenca de un pco en la ventana [-k, +k] dtorona la meda móvl. POSIBLE SOLUCIÓN: Utlzacón de peo (menore en lo extremo de la ventana). k k w jx+ j donde wj = j= k j= k = 1 Ejemplo: Gauana, ventana de Hammng 12 Fltrado de ere temporale Meda móvle [movng average] k=5 13
8 Fltrado de ere temporale Meda móvle [movng average] Lmtacone de la meda móvle: Cotoa de calcular: Cuando e utlzan peo, el cálculo hay que hacerlo dede cero para cada valor. Problemátca en lo extremo de la ere de dato (dada la anchura de la ventana, no e pueden extender hata el fnal de la ere, que uele er lo má ntereante). No e pueden defnr fuera de la ere temporal, por lo que no e pueden utlzar para realzar predccone. 14 Fltrado de ere temporale Suavzado exponencal [exponental moothng] Proporcona un fltrado fácl de calcular, ademá evta lo problema de la meda móvle: Suavzado exponencal mple (para ere n tendenca n etaconaldad). Suavzado exponencal doble (para ere con tendenca pero no etaconaldad). Suavzado exponencal trple (para ere con tendenca y etaconaldad). 15
9 Fltrado de ere temporale Suavzado exponencal mple = αx + ( 1 α) 1 Lo dtnto método de uavzado exponencal actualzan el reultado del anteror valor con el últmo dato de la ere orgnal (combnando la nformacón ya dponble con la aportada por el nuevo dato medante un parámetro, 0<α<1). 16 Fltrado de ere temporale Suavzado exponencal mple Por qué e llama uavzado exponencal? S expandmo la recurrenca, obtenemo: = α ( 1 α) j= 0 j Toda la obervacone preva contrbuyen al valor uavzado, pero u contrbucón e uprme por el exponente crecente del parámetro α. j x 17
10 Fltrado de ere temporale Suavzado exponencal mple Uo en predccón: S extendemo el uavzado má allá del fnal de lo dato dponble, la predccón e extremadamente mple :-( x = + h Ante la preenca de tendenca, la eñal uavzada tene r retraada con repecto a lo dato orgnale alvo que utlcemo un valor de α cercano a Fltrado de ere temporale Suavzado exponencal doble t = αx = β( + (1 α)( 1 + t ) + (1 β) t ) El uavzado exponencal doble retene nformacón acerca de la tendenca: la eñal uavzada y la tendenca uavzada t. El parámetro β e utlza para realzar un uavzado exponencal obre la tendenca. 19
11 Fltrado de ere temporale Suavzado exponencal doble Uo en predccón: S extendemo el uavzado má allá del fnal de lo dato dponble, la predccón e la guente: x = + + h ht 20 Fltrado de ere temporale Suavzado exponencal trple (a.k.a. método de Holt-Wnter Wnter) Una tercera cantdad e utlza para decrbr la etaconaldad, que puede er adtva o multplcatva egún no nteree. NOTA: p modela el componente peródco de la eñal, donde k e el período obervado. 21
12 Fltrado de ere temporale Suavzado exponencal trple (a.k.a. método de Holt-Wnter Wnter) ESTACIONALIDAD ADITIVA = α( x p ) + (1 α )( + t ) t p x = β( + h = γ( x = + k 1 ht ) + (1 β) t ) + (1 γ) p + p k+ h 1 k Fltrado de ere temporale Suavzado exponencal trple (a.k.a. método de Holt-Wnter Wnter) ESTACIONALIDAD MULTIPLICATIVA t p x x = α + (1 α )( 1 + t 1 ) p k = β( + h x = γ = ( 1 + (1 γ) p + ht ) + (1 β) t ) p k k+ h 1 23
13 Fltrado de ere temporale Suavzado exponencal [exponental moothng] Número menual de paajero (en mle). 24 Técnca de regreón La predccón (numérca) e Smlar a la clafcacón: Se contruye un modelo a partr de un conjunto de entrenamento. Se utlza el modelo para predecr el valor de una varable (contnua u ordenada). Dferente a la clafcacón: El modelo defne una funcón contnua. Método má empleado: Regreón 25
14 Técnca de regreón La técnca de regreón modelan la relacón entre una o má varable ndependente (predctore) y una varable dependente (varable de repueta). Método de regreón Regreón lneal Regreón no lneal Árbole de regreón (p.ej. CART) 26 Técnca de regreón Regreón lneal mple Una únca varable ndependente: y = w 0 + w 1 x donde w 0 (deplazamento deplazamento) y w 1 (pendente pendente) on lo coefcente de regreón. Método de lo mínmo cuadrado (etma la línea recta que mejor e ajuta a lo dato): w = y wx 0 1 w D ( x = 1 = D 1 = 1 x)( y ( x x) y) 2 27
15 Técnca de regreón Regreón lneal mple 28 Técnca de regreón Regreón lneal mple El método de lo mínmo cuadrado mnmza la uma de lo cuadrado de lo reduo ε (la dferenca entre la predccone y lo valore obervado). 29
16 Técnca de regreón Regreón lneal mple OJO! Al utlzar regreón lneal, la recta y=f(x) que e obtene e dtnta a la que obtenemo x=f(y). 30 Técnca de regreón Regreón lneal múltple Vara varable ndependente: y = w 0 + w 1 x 1 + w 2 x 2 + Reoluble por método numérco de optmzacón. Mucha funcone no lneale pueden tranformare en una expreón lneal. p.ej. Un modelo de regreón polnomal y = w 0 + w 1 x + w 2 x 2 + w 3 x 3 puede tranformare en un modelo lneal defnendo la varable x 2 = x 2, x 3 = x 3 : y = w 0 + w 1 x + w 2 x 2 + w 3 x 3 31
17 Técnca de regreón Regreón lneal Condcone neceara para aplcar regreón lneal: Obvamente, la muetra ha de er aleatora. El tpo de dependenca decrta ha de er lneal. Fjado un valor de la() varable() ndependente(), la varable dependente e dtrbuye egún una dtrbucón normal. Lo errore han de tener la mma varanza (nube de punto homogénea). 32 Técnca de regreón Regreón lneal mple 1. Medante un dagrama de dperón, comprobamo vualmente exte una relacón lneal entre la varable X (predctor predctor) e Y (repueta): 33
18 Técnca de regreón Regreón lneal mple 2. Cuantfcamo la relacón contruyendo la recta que reume la dependenca y damo una medda de cómo e ajuta la recta a lo dato (correlacón): 34 Técnca de regreón Coefcente de correlacón r=+1 r=-1 Dependenca lneal total en entdo potvo (cuanto mayor e X, mayor e Y). Dependenca lneal total en entdo negatvo (cuanto mayor e X, menor e Y ). 35
19 Técnca de regreón Coefcente de correlacón r > 0 r < 0 r = 0 Exte una dependenca potva. Cuanto má e acerque a 1, mayor e éta. Exte una dependenca negatva. Cuanto má e acerque a -1, mayor erá. No podemo afrmar nada. 36 Técnca de regreón Coefcente de correlacón 37
20 Técnca de regreón Coefcente de correlacón 38 Técnca de regreón Coefcente de correlacón El cuarteto de Ancombe (4 conjunto de dato con el mmo coefcente de correlacón) 39
21 Técnca de regreón Coefcente de correlacón Ventaja de r No depende de la undade uada en la medcón. Lmtacone de r Sólo mde dependenca lneal entre la varable. OJO! La correlacón no mplca caualdad 40 Técnca de regreón Coefcente de correlacón "Correlaton not cauaton but t ure a hnt." -- Edward Tufte 41
22 Funcón de autocorrelacón k ( x µ )( x+ k µ ) = 1 1 con = 2 ( x µ ) = c ( k ) = µ = 1 x 42 Funcón de autocorrelacón Autocorrelacón para la alda de ga de una caldera 43
23 Funcón de autocorrelacón Autocorrelacón en la llamada a un call-center center 44 Cao práctco Conjunto de dato Medcone de CO 2 en Mauna Loa (Hawa Hawa) Adaptado de Phlpp K. Jannert: Intermezzo: A Data Analy Seon [capítulo 6] 45
24 Cao práctco A partr de la medcone menuale ( ), 1991), elmnamo la fecha del eje X y hacemo que la ere empece de cero: 46 Cao práctco Tendenca: : Aprecamo una tendenca no lneal: Intentamo ajutarla con una funcón de la forma x k Nota: Toda la curva de ee tpo paan por (0,0) y (1,1) Con k=2, tenemo 35*(x/350)^2, pero parece que no hemo paado 47
25 Cao práctco Afnamo un poco má y uamo un valor menor: OK! k=1.35 Ajute de la funcón f(x) = 35*(x/350)^ Cao práctco Para comprobar que no vamo mal, calculamo lo reduo (valor orgnal aproxmacón): Reduo del ajute f(x) = 35*(x/350)^
26 Cao práctco S nuetro ajute de la tendenca e correcto, lo reduo no deben exhbr tendenca alguna (deberían aparecer balanceado en torno a y=0): Suavzamo lo reduo para comprobar aún exte algún tpo de tendenca en lo reduo 50 Cao práctco Etaconaldad: Aprecamo una perodcdad anual (cada 12 valore) Ajutamo con una funcón enodad 3*n(2*p*x/12) 51
27 Cao práctco Calculamo lo reduo tra nuetra aproxmacone (valor orgnal tendenca etaconaldad) 52 Cao práctco En la fgura anteror no e ve mucho hacemo zoom: Se gue aprecando certa perodcdad, por lo que uamo un egundo armónco -0.75*n(2*p*x/6) 53
28 Cao práctco Reduo tra elmnar la tendenca y lo do prmero armónco correpondente a la etaconaldad: 54 Cao práctco Añadmo línea que no ayuden a ver lo reduo etán egado: Parece egado haca arrba, por lo que añadmo un deplazamento de
29 Cao práctco Lo reduo de nuetra aproxmacón fnal: f(x) = *(x/350)** *n(2*p*x/12) 0.75*n(2*p*x/6) Cao práctco El ajute que hemo realzado ( ): 1990): 57
30 Cao práctco Nuetra predccón del futuro ( ) 58 Má técnca de anál Forecatng 59
31 Bblografía Jawe Han & Mchelne Kamber: Data Mnng: Concept and Technque [8.2] Morgan Kaufmann, ISBN Phlpp K. Janert: Data Analy wth Open Source Tool [Part I] O Relly, ISBN
Tema 9: Distribuciones Bidimensionales.
Tema 9: Dtrbucone Bdmenonale. 9.1 Nube de punto. Correlacón. 9. Medda de correlacón. 9.3 Recta de regreón. 9.4 Dtrbucone condconada. Dependenca e ndependenca. 9.1 Nube de punto. Correlacón. Regreón e un
Más detallesCONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL
CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL Inferenca Etadítca Se ocupa de etudar lo método necearo para etraer, o nferr, concluone válda e nformacón obre una poblacón a partr del etudo epermental de
Más detallesDiseño óptimo de un regulador de tensión en paralelo
Deño óptmo de un regulador de tenón en paralelo Federco Myara 1. egulador mple con un dodo de ruptura El cao má mple e el regulador con un dodo zener, ndcado en la fgura 1. S ben el crcuto parece muy encllo,
Más detallesLECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION
Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesLECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION
Unverdad Católca Lo Ángele de Chmbote LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesLECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION
Unverdad Católca Lo Ángele de Chmbote LECTURA 0 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón o de dperón
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesEl CAT se calcula a partir de los flujos de recursos entre el cliente y la institución que otorga el crédito. t j
Explcacón del cálculo del Coto nual Total (CT) El CT e calcula a partr de lo fluo de recuro entre el clente y la nttucón que otorga el crédto.. Fórmula para el cálculo del CT El CT e el valor numérco de,
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL
ESTADÍSTICA DESCRIPTIVA Y BIDIMESIOAL ÍDICE. Defncón de Etadítca. Concepto generale 3. Tratamento de la nformacón 4. Repreentacón de lo dato. Medda de centralzacón 6. Medda de dperón 7. Etadítca bdmenonal
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesEstimación de la Demanda: Pronósticos
UNIVERSIDAD SIMON BOLIVAR Estmacón de la Demanda: Pronóstcos PS-4161 Gestón de la Produccón I 1 Bblografía Recomendada Título: Dreccón de la Produccón: Decsones Estratégcas. Capítulo 4: Prevsón Autores:
Más detallesDiseño de Controladores PID. Sistemas de Control Prof. Mariela CERRADA
Deño de Controladore PID Stema de Control Prof. Marela CERRADA Controlador del to PI: Mejorando la reueta etaconara Lo controladore del to PI olo ncororan la accone Proorconale Integrale, aumentando en
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesProgramación de la Producción en un sistema flow shop híbrido sin esperas y tiempos de preparación dependientes de la secuencia
DITS ( 2006/01). Workng Paper del Departament d Organtzacó D empree de la Unvertat Poltècnca de Catalunya. Programacón de la Produccón en un tema flow hop híbrdo n epera y tempo de preparacón dependente
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesHistogramas: 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 detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesLección 4. Ejercicios complementarios.
Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesCinemática de Robots. Práctica 2. 2.1.- Introducción
Práctca de Robótca utlzando Matlab Práctca 2 Cnemátca de Robot 2..- Introduccón Lo robot cláco preentan una arqutectura antropomórfca eral, emejante al brazo humano. Conten de una ere de barra rígda unda
Más detallesTABLAS DE RESULTADOS DEL ESTUDIO DE COMISIONES BANCARIAS 2014. Opción de análisis de cuentas sin nómina o ingresos regulares:
Co m o n e b a n c a r a E t u d od e1 6e n t d a d e j u l o e p t e mb r e2 01 4 TABLAS DE RESULTADOS DEL ESTUDIO DE COMISIONES BANCARIAS 2014 Opcón de anál de cuenta n nómna o ngreo regulare: Entdade
Más detallesELECTRONICA III (ELT 2782) CAPITULO II CIRCUITOS CON AMPLIFICADORES OPERACIONALES
ELECTONICA III (ELT 78) CAPITLO II CICITOS CON AMPLIFICADOES OPEACIONALES OBJETIVOS Analzar crcuto baado en amplfcadore operaconale Deñar un amplfcador que atfaga certa epecfcacone Grafcar la forma de
Más detallesCapítulo 4 APLICACIÓN
Capítulo 4 APLICACIÓN A travé de ete captulo, e expondrá con la ayuda de do ejemplo, la aplcacón de la prueba DE en lo do tpo de modelo de bloque al azar, poterormente, e explcara el dagrama de flujo,
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesANÁLISIS DEL CRITERIO COSTE AMORTIZADO. APLICACIÓN A UN PRÉSTAMO CONCERTADO POR EL SISTEMA DE AMORTIZACIÓN FRANCÉS CON TIPO DE INTERÉS INDICIADO
87a ANÁLISIS DEL RITERIO OSTE AMORTIZADO. APLIAIÓN A UN PRÉSTAMO ONERTADO POR EL SISTEMA DE AMORTIZAIÓN FRANÉS ON TIPO DE INTERÉS INDIIADO Mª armen Vall Martínez Alca Ramírez Orellana Profeora Ttulare
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesMEDIDAS DE ASOCIACIÓN: COEFICIENTES DE CORRELACIÓN Y DE REGRESIÓN I.- Introducción En el tema I estudiamos las medidas descriptivas para una
MEDIDAS DE ASOCIACIÓ: COEFICIETES DE CORRELACIÓ DE REGRESIÓ I.- Introduccón En el tema I estudamos las meddas descrptvas para una varable, y además, planteamos que tales meddas tambén exsten para dos o
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesGuía de ejercicios #1
Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje
Más detallesAgenda del 17/5/2017
Agenda del 17/5/2017 Regresón lneal Idea y orgen La geometría de los mínmos cuadrados Los problemas numércos que conducen a malos resultados. Ejemplo real. Mínmos cuadrados no lneales Demostracón de software
Más detallesUNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II
UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesMDE.Representación superficie
MDE.Representacón superfce Representacón superfce a partr de datos (observacones). Problema : Cómo crear superfces dscretas y contnuas para representar la varacones de altura en el espaco?. Construccón
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesTEMA 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 detallesCAPÍTULO 4. INTEGRACIÓN DE FUNCIONES RACIONALES 4.1. Introducción 4.2. Raíces comunes 4.3. División entera de polinomios 4.4. Descomposición de un
CAPÍTULO. INTEGRACIÓN DE FUNCIONES RACIONALES.. Introducción.. Raíce comune.. Diviión entera de polinomio.. Decompoición de un polinomio en producto de factore.5. Método de fraccione imple.6. Método de
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesGeometría y Cinemática. Control y Programación de Robots
Geometría y Cnemáta Control y Programaón de Robot Cnemáta de un Robot Manpulador Cnemáta dreta Cnemáta Invera Matrz Jaobana Cnemáta de un Robot Manpulador Cnemáta del robot : Etudo de u movmento on repeto
Más detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detallesEcuaciones de Movimiento
Facultad de Cenca Fíca y Matemátca Unverdad de Chle Ecuacone de Movmento Concepto báco 26 de octubre de 2011 Depatamento de Ingenería Mecánca ME4701- Vbracone Mecánca 1. Segunda Ley de Newton En un tema
Más detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesCONTENIDO 1. TEORÍA DEL RIESGO Y ÁRBOLES DE DECISIÓN...2
CONTENIDO. TEORÍ DEL RIESGO Y ÁRBOLES DE DECISIÓN.... ELEMENTOS ESTRUCTURLES DE JUEGOS EN RIESGO.... DOMINCIÓN SIMPLE Y ESTOCÁSTIC.... DOMINCIÓN ESTOCÁSTIC....4 VLOR ESPERDO DE L INFORMCIÓN PERFECT....4.
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesPara el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por:
Capítulo 5 La fórmula de Welch-Satterthwate Hemo vto como encontrar un ntervalo de confanza para una cantdad medda (tanto con N grande como con N peueño). La pregunta ue naturalmente urge e cómo encontrar
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesInterferencias en los equipos electrónicos de medida
6 Interferenca en lo equpo electrónco de medda 6. Introduccón En el capítulo e comprobó que el rudo y la eñale externo no deeado e acoplan a todo equpo electrónco de un laboratoro o cadena de produccón
Más detallesAlgoritmo para la ubicación de un nodo por su representación binaria
Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesRespuesta A.C. del FET 1/14
espuesta A.C. del FET 1/14 1. Introduccón Una ez que se ubca al transstor dentro de la zona saturada o de corrente de salda constante, se puede utlzar como amplfcador de señales. En base a un FET canal
Más detallesMovimiento rectilíneo uniformemente variado. Caída Libre
Materal de trabajo autónoo Undad de aprendzaje 1 Materal de trabajo autónoo Seana 1 Seón Movento rectlíneo unforeente varado. Caída Lbre Índce Intruccone 4 I. Mateátca prelnare 5 Antdervacón 5 II. Movento
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detalles1,567 f 4 = R 8 f 4 = 15 cm = 41,5 cm. 1,000 f = R 8 f = 15 cm = 26,5 cm. El dioptrio esférico es, por tanto, como el que se muestra en la imagen:
0 Óptica geométrica Actividade del interior de la unidad. Tenemo un dioptrio eférico convexo de 5 cm de radio que epara el aire de un vidrio de índice de refracción,567. Calcula la ditancia focal e imagen.
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesERRORES DE LAS MEDIDAS EXPERIMENTALES
TÉCICAS XPRIMTALS FÍSICA I DPARTAMTO D FÍSICA APLICADA FACULTAD D CICIAS. UIRSIDAD D ALLADOLID RRORS D LAS MDIDAS XPRIMTALS. ITRODUCCIO l objetvo de la maoría de lo epermento centífco e el etudo cuanttatvo
Más detallesMaterial realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera
Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca
Más detallesPROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)
ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO ) CAPÍTULO II.- AÁLISIS DE UA CARACTERÍSTICA (DISTRIBUCIOES UIDIMESIOALES) TEMA 5.- MEDIDAS DE DISPERSIÓ DE LA DISTRIBUCIÓ DIPLOMATURA E CIECIAS EMPRESARIALES UIVERSIDAD DE SEVILLA .
Más detallesTRIEDRO DE FRENET. γ(t) 3 T(t)
TRIEDRO DE FRENET Matemática II Sea Γ R 3 una curva y ean γ : I = [a,b] R 3, γ(t = (x(t,y(t,z(t una parametrización regular y α : I = [a,b ] R 3 u parametrización repecto el parámetro arco. A partir de
Más detallesErrores y Tipo de Sistema
rrore y Tipo de Sitema rror dinámico: e la diferencia entre la eñale de entrada y alida durante el período tranitorio, e decir el tiempo que tarda la eñal de repueta en etablecere. La repueta de un itema
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detalles