Análisis de Datos en Física de Partículas
|
|
- Juan Carlos Córdoba Moya
- hace 7 años
- Vistas:
Transcripción
1 Análisis de Datos en Física de Partículas Sección de Posgrado Facultad de Ciencias Universidad Nacional de Ingeniería C. Javier Solano S. Página del curso: curso-analisis-estadistico-de-datos-en-fisica-de-particulas-mf708/ J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 1
2 Análisis de Datos en Física de Partículas: Temas por Capítulo 1 Teorema de Probabilidad de Bayes, Variables aleatorias, y pdfs 2 Funciones de r.v.s, Valores de expectación, propagación de errores 3 Catálogo de pdfs 4 El método de Monte Carlo 5 Test estadísticos: conceptos generales 6 Test statistics, métodos multivariantes 7 Tests Bondad de ajuste (goodness-of-fit) 8 Parámetros de estimación, maximum likelihood 9 Mas de maximum likelihood 10 Método de mínimos cuadrados (least squares) 11 Intervalo de estimación, establecimiento de límites 12 Parámetros molestos (nuisance), incertidumbres sistemáticas 13 Ejemplos de aproximación Bayesiana J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 2
3 Algunos libros de Estadística, artículos, etc. G. Cowan, Statistical Data Analysis, Clarendon, Oxford, 1998 ver también R.J. Barlow, Statistics: A Guide to the Use of Statistical Methods in the Physical Sciences, Wiley, 1989 ver también hepwww.ph.man.ac.uk/~roger/book.html L. Lyons, Statistics for Nuclear and Particle Physics, CUP, 1986 F. James., Statistical and Computational Methods in Experimental Physics, 2nd ed., World Scientific, 2006 S. Brandt, Statistical and Computational Methods in Data Analysis, Springer, New York, 1998 (CD c/libreria de programas) C. Amsler et al. (Particle Data Group), Review of Particle Physics, Physics Letters B667 (2008) 1; ver también pdg.lbl.gov secciones de probabilidad estadística, Monte Carlo J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 3
4 Análisis de Datos en Física de Partículas Observar eventos de un cierto tipo Medir características de cada evento (momenta de partículas, número de muons, energía de jets,...) Teorías (ej. SM) predicen distribuciones de estas propiedades usando parámetros libres, e.g., α, G F, M Z, α s, m H,... Algunas de las tareas de análisis de datos: - Estimar (medir) los parámetros; - Cuantificar la incertidumbre de las estimación de los parámetros; - Probar hasta donde las predicciones de una teoría están de acuerdo con los datos. J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 4
5 Trabajando con incertidumbre En Física de Partículas hay varios elementos de incertidumbre: Teoría no es determinista Mecánica Cuántica errores aleatorios de medición presentes aún sin efectos cuánticos cosas que en principio podríamos conocer, pero no.. ejs. de limitaciones de costo, tiempo,... Podemos cuantificar la incertidumbre usando PROBABILIDAD J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 5
6 Una definición de probabilidad Considerar conjunto S con subconjuntos A, B,... Axiomas de Kolmogorov (1933) A partir de esos axiomas podemos derivar otras propiedades, ej. J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 6
7 Probabilidad Condicional, independencia Definir también probabilidad condicional de A dado B (con P (B) 0): Ej: tirar dados: Subconjuntos A, B independendientes si: Si A, B independendientes, Nota: no confundir con subconjuntos disjuntos, i.e., J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 7
8 Interpretación de probabilidad I. Frecuencia relativa A, B,... son los resultados de un experimento repetible cf. mecánica cuántica, scattering de partículas, decaimiento radiactivo... II. Probabilidad subjectiva A, B,... son hipótesis (declaraciones que son verdaderas o falsas) Ambas interpretaciones consistentes con axiomas de Kolmogorov En Física de Partículas, la interpretación frecuentista a menudo más útil, pero la probabilidad subjetiva puede proporcionar un tratamiento más natural de fenómenos no repetibles: incertidumbre sistemática, probabilidad que partículas SUSY existan,... J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 8
9 Teorema de Bayes De la definición de probabilidad condicional tenemos, and pero, entonces Teorema de Bayes primero publicado (posthumously) por el Reverendo Thomas Bayes ( ) An essay towards solving a problem in the doctrine of chances, Philos. Trans. R. Soc. 53 (1763) 370; reimpreso en Biometrika, 45 (1958) 293. J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 9
10 Ley de probabilidad total B Considerar un subconjunto B del espacio muestra S, S Dividir en subconjuntos disjuntos A i tal que i A i = S, A i B A i Ley de probabilidad total El teorema de Bayes se convierte en J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 10
11 Un ejemplo usando el teorema de Bayes Suponer la probabilidad (para cualquiera) de tener AIDS (SIDA) es: Considerar un test de AIDS: resultado es + o probabilidad a priori, i.e., antes de realizar cualquier test probabilidades de (in)correctamente identificar una persona infectada probabilidades de (in)correctamente identificar una persona no infectada Suponga que tu resultado es +. Que tan preocupado deberías estar? J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 11
12 Un ejemplo usando el teorema de Bayes (cont.) La probabilidad de tener AIDS dado un resultado + es Osea que probablemente estas OK! probabilidad posterior Tu punto de vista: mi grado de creencia que tengo AIDS es de 3,2% El punto de vista de tu doctor: 3,2% de las personas como el tendrá el AIDS J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 12
13 Estadística frecuentista filosofía general En estadísticas frequentistas, probabilidades se asocian sólo con los datos, es decir, resultados de observaciones repetibles (abreviatura: ). Probabilidad = frequencia límite Probabilidades tal como P (boson de Higgs existe), P (0.117 < α s < 0.121), etc. son 0 o 1, pero no sabemos cual. Las herramientas de la estadística frecuentista nos dicen qué esperar, bajo la suposición de ciertas probabilidades, sobre hipotéticas observaciones repetidas. Las teorías preferidas (modelos, hipótesis,...) son aquellas en las que nuestras observaciones se considerarían 'normales'. J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 13
14 Estadística Bayesiana filosofía general En estadística Bayesiana, se usa la probabilidad subjetiva para las hipótesis: Probabilidad de los datos asumiendo hipótesis H (el likelihood/probabilidad) probabilidad a priori, i.e., antes de ver los datos Probabilidad a posteriori, i.e., despues de ver los datos normalización envuelve suma sobre todas las hipótesis posibles Teorema de Bayes tiene un caracter de si-entonces : Si tu probabilidad a priori fuera π(h), entonces te dice como esa probabilidad cambiará a la luz de los datos. Ninguna prescripción general para los prioris (subjectivo!) J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 14
15 Variables aleatorias y funciones de densidad de probabilidad Una variable aleatoria es una característica numérica asignada a un elemento del espacio de muestra; puede ser discreta o continua. Supongamos que el resultado del experimento es el valor continuo x f(x) = función de densidad de probabilidad (pdf) x debe estar en alguna parte O para resultados discretos x i con e.g. i = 1, 2,... tenemos función de probabilidad x debe tomar uno de sus posibles valores J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 15
16 Función de distribución acumulativa Probabilidad de tener un resultado menor o igual a x es función de distribución acumulativa Alternativamente definir pdf con J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 16
17 Histogramas pdf = histograma con muestra infinita de datos, bin de ancho cero, normalizada a área unidad J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 17
18 Distribuciones multivariantes Resultado de un experimento caracterizado por varios valores, por ej. un vector de n-componentes, (x 1,... x n ) pdf conjunta Normalización: J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 18
19 pdf marginal A veces sólo queremos pdf de algunos (o uno) de los componentes: i pdf marginal x 1, x 2 independiente si J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 19
20 pdf marginal pdf (2) pdf marginal ~ proyección de pdf conjunta en distintos ejes. J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 20
21 pdf conditional A veces queremos considerar algunos componentes de la pdf conjunta como constante. Recordemos probabilidad condicional: pdfs conditionales: Teorema de Bayes se convierte en: Recordar A, B independientes si x, y independientes si J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 21
22 pdfs conditional (2) Por ej. pdf conjunta f(x,y) usada para encontrar pdfs condicionales h(y x 1 ), h(y x 2 ): Básicamente tratar algunos de las r.v.s como constante, entonces dividir la pdf conjunta por la pdf marginal de esas variables que se mantienen constantes, para que lo que quedó tenga la normalización correcta, por ej. J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 22
23 Terminando Capítulo 1 Hasta ahora hemos hablado de algunas de las propiedades abstractas de la probabilidad: definición e interpretación, teorema de Bayes,... Y hemos definido las variables aleatorias (etiquetas numéricas para el resultado de un experimento), los cuales se describen utilizando funciones de densidad de probabilidad. Siguiente: Funciones de variables aleatorias, valores esperados. J. Solano Clases de Análisis de Datos en Física de Partículas Capítulo 1 página 23
Variables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesTema 2. Introducción a la Estadística Bayesiana
2-1 Tema 2 Introducción a la Estadística Bayesiana El teorema de Bayes Ejemplo Interpretación Ejemplo: influencia de la distribución a priori Ejemplo: densidad de flujo Probabilidad bayesiana Ejemplo:
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 1
Maestría en Bioinformática Probabilidad y Estadística: Clase 1 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Introducción 2 Teoría
Más detallesConceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones
Más detallesUnidad 1: Probabilidad
Cuál es la probabilidad de aprobar Introducción a la Probabilidad y Estadística? - - Introducción a la Probabilidad y Estadística Unidad 1: Probabilidad Cuál es la probabilidad de no encontrarme un embotellamiento
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesPROBABILIDAD Y ESTADISTICA
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: PROBABILIDAD Y ESTADISTICA ÁREA DEL MATEMÁTICAS CLAVE: I2PE1 CONOCIMIENTO: ETAPA FORMATIVA:
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesProbabilidad Condicional
Probabilidad Condicional Algunas veces la ocurrencia de un evento A puede afectar la ocurrencia posterior de otro evento B; por lo tanto, la probabilidad del evento B se verá afectada por el hecho de que
Más detalles4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 2 Probabilidad condicional e independencia Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir los eventos condicionales de los eventos independientes.
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesUNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTests Estadísticos. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
Tests Estadísticos Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Introducción Considerar el experimento HARP: pal p,π,k,e... Objetivo: Medir la sección eficaz de producción de piones en función del
Más detallesDr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez
Profesores: Mg. Cecilia Rosas Meneses Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Definición. La función de distribución acumulada F X de una v.a. X es definida para cada número real x como
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesMs. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ La estadística descriptiva Le concierne el resumen de datos recogidos de eventos pasados. Por ejemplo los precios de
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detallesSERIES TEMPORALES. Isabel Molina Peralta. Departamento de Estadística Universidad Carlos III de Madrid. Roland Fried
SERIES TEMPORALES Isabel Molina Peralta Departamento de Estadística Universidad Carlos III de Madrid Roland Fried Department of Statistics Technique University of Dormund 1 CONTENIDO 0. Introducción. 1.
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesIntroducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesU.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesSucesiones en R n. Ejemplos.-Considerando el espacio R 2 sea la sucesión {x k } 1 dada por x k = ( k, 1 k) podemos listar como sigue:
Sucesiones en R n Definición. Una sucesión en R n es cualquier lista infinita de vectores en R n x, x,..., x,... algunos de los cuales o todos ellos pueden coincidir entre si. Dada una sucesión x, x,...,
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesUnidad II. 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función.
Unidad II Funciones 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función. Función En matemática, una función (f) es una relación entre un conjunto dado X (llamado dominio)
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesCardinalidad. Teorema 0.3 Todo conjunto infinito contiene un subconjunto infinito numerable.
Cardinalidad Dados dos conjuntos A y B, decimos que A es equivalente a B, o que A y B tienen la misma potencia, y lo notamos A B, si existe una biyección de A en B Es fácil probar que es una relación de
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTeléfono:
Apartado postal 17-01-218 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: ESTADISTICA II CÓDIGO: 15017 CARRERA: Economía NIVEL: Cuarto No. CRÉDITOS: SEMESTRE / AÑO ACADÉMICO: III semestre 2011-2012 PROFESOR:
Más detallesTema 1: Introducción
Estadística Universidad de Salamanca Curso 2010/2011 Outline 1 Estadística 2 Outline 1 Estadística 2 La estadística es una ciencia que comprende la recopilación, tabulación, análisis e interpretación de
Más detallesTema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2015-2016 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Escuela Politécnica Superior
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesAxiomas de separación
CAPíTULO 6 Axiomas de separación Tema 1. Axiomas de separación: conceptos básicos El objetivo de este capítulo es considerar ciertas propiedades topológicas que comparten algunos espacios topológicos y
Más detallesPROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.
PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesDefinición de la integral de Riemann (Esto forma parte del Tema 1)
de de de Riemann (Esto forma parte del Tema 1) Departmento de Análise Matemática Facultade de Matemáticas Universidade de Santiago de Compostela Santiago, 2011 Esquema de Objetivos del tema: Esquema de
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesObjetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis
Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa Nivel de significación Test de Hipótesis Introducción
Más detallesProbabilidades. 11 de noviembre de 2013. Felipe Bravo Márquez
Felipe José Bravo Márquez 11 de noviembre de 2013 Motivación Las probabilidades son el lenguaje de la incertidumbre que a la vez es la base de la inferencia estadística. El problema estudiado en probabilidades
Más detallesESPACIOS MUESTRALES Y EVENTOS
1 ESPACIOS MUESTRALES Y EVENTOS Definiciones 1. Un experimento aleatorio es aquel que proporciona diferentes resultados aun cuando se repita siempre de la misma manera. 2. El conjunto de los posibles resultados
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesKolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona
Kolmogorov y la teoría de la la probabilidad David Nualart Academia de Ciencias y Universidad de Barcelona 1 La axiomatización del cálculo de probabilidades A. N. Kolmogorov: Grundbegriffe des Wahrscheinlichkeitsrechnung
Más detallesCapítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta
Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesTrabajo No 1. Derivados Financieros
Trabajo No 1. Derivados Financieros Norman Giraldo Gómez Escuela de Estadística - Universidad Nacional de Colombia ndgirald@unal.edu.co Marzo, 2010 1. Introducción Este trabajo consiste de un punto asignado
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesM.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO Análisis de Datos Categóricos Programa Educativo: Área de Formación : Transversal Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos: 8 Clave: F1145 Tipo : Asignatura
Más detallesEl método de mínimos cuadrados. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
El método de mínimos cuadrados Curso de Estadística TAE, 005 J.J. Gómez-Cadenas Mínimos cuadrados y máxima verosimilitud Teorema del límite central Una medida y, puede considerarse como un variable aleatoria,
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesPruebas de Bondad de Ajuste
1 Facultad de Ingeniería IMERL PROBABILIDAD Y ESTADÍSTICA Curso 2008 Pruebas de Bondad de Ajuste En esta sección estudiaremos el problema de ajuste a una distribución. Dada una muestra X 1, X 2,, X n de
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesProbabilidad Condicional
Cómo actualizar la probabilidad de un evento dado que ha sucedido otro? o Cómo cambia la probabilidad de un evento cuando se sabe que otro evento ha ocurrido? Ejemplo: Una persona tiene un billete de lotería
Más detallesProbabilidad. Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad Licenciatura en Informática IFM - 0429 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesEspacios Normados (Normas en R n )
Espacios Normados (Normas en R n ) Uno de los conceptos más importantes del cálculo y del analisis matemático es el de métrica o distancia. En R n la noción de metrico depende a su vez del concepto de
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
Más detallesPráctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011 CÓMO CARACTERIZAR UNA SERIE DE DATOS? POSICIÓN- dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos CENTRALIZACIÓN-
Más detallesDistribuciones de Probabilidad Para Variables Aleatorias Continuas
Distribuciones de Probabilidad Para Variables Aleatorias Continuas Departamento de Estadística-FACES-ULA 20 de Diciembre de 2013 Introducción Recordemos la definición de Variable Aleatoria Continua. Variable
Más detalles