Práctica 4 CONTRASTE DE HIPÓTESIS AMPLIACIÓN DE ESTADÍSTICA
|
|
- Jaime Castilla Redondo
- hace 7 años
- Vistas:
Transcripción
1 . Objetivs: a) Calcular ls parámetrs de la distribución de medias prprcines muestrales de tamañ n, extraídas de una pblación de media y varianza cncidas. b) Calcular el interval de cnfianza para la media cn varianza cncida y descncida. c) Hallar el interval de cnfianza para la varianza cn media descncida. d) Calcular el interval de cnfianza para la diferencia de medias cn varianzas cncidas y descncidas per iguales. e) Utilizar distints tamañs muestrales para cntrlar el nivel de cnfianza y el errr máxim admitid.. Intrducción a ls cntrastes de hipótesis: Partims de una pblación de la que estudiams una característica mediante una v.a. X de la que cncems su función de distribución F(x; θ ) salv un parámetr θ. Planteams cierta hipótesis sbre el verdader valr del parámetr θ Ω. A cntinuación extraems una m.a.s. de la v.a. X y, a partir de ella, aceptams rechazams la hipótesis planteada usand el criteri del cntraste adecuad. Pr tant, pdems definir un test cntraste de hipótesis cm una regla prcedimient que ns permite aceptar rechazar una hipótesis planteada sbre el parámetr descncid mediante una muestra aleatria simple de la pblación. 3. Elements que intervienen en un cntraste de hipótesis Hipótesis Nula : es l que querems verificar. Se representa pr H. Hipótesis Alternativa: es l cntrari a l que querems cmprbar. Se representa pr H. Región de aceptación: cnjunt de realizacines muestrales para las que aceptams la hipótesis nula H 0. Región de rechaz: cnjunt de realizacines muestrales para las que rechazams la hipótesis nula H 0. De frma general td cntraste de hipótesis l pdems expresar de la frma: H O θ Ω O Ω Ω = Ω : dnde H :θ Ω Ω Ω = Φ 3.. Tips de cntrastes de hipótesis a) Bilaterales de ds clas: H H : θ = θ : θ θ. siend α = nivel de significación y -α = nivel de cnfianza.
2 b) Unilateral derech de una cla: H H : θ θ : θ > θ. siend α = nivel de significación y -α = nivel de cnfianza. c) Unilateral izquierd de una cla: H H : θ θ : θ < θ. siend α = nivel de significación y -α = nivel de cnfianza. 4. Pass para reslver un cntraste de hipótesis a) Plantear las hipótesis: Bilateral unilateral b) Elección del estadístic adecuad al cntraste: Se calcula el valr del estadístic en una realización muestral. X µ Para cntraste de media cn varianza cncida se usa Z = N(0; ). c) Cálcul de la región de aceptación: depende del tip de cntraste y del tip de estadístic. d) Verificación: cmprbar si el estadístic pertenece a la región de aceptación. e) Decisión: aceptams rechazams H Tips de errres A partir de la infrmación cntenida en una muestra bservada de la v.a. X, pdems ACEPTAR O RECHAZAR H. Se pueden cmeter ds tips de errres: El tratamient de ambs errres n es el mism, es decir, un errr tiene más imprtancia que el tr. El ejempl típic es el de un juici, dnde: H 0 : El acusad es incente H : El acusad es culpable
3 α =ERROR tip I = P( RH siend verdadera)=p( cndenar siend incente) β = ERROR tip II = P( Aceptar H siend falsa) = P ( abslver siend culpable) El test óptim sería aquel en el que n puede cmeterse ningún errr, es decir, α= β. Para n fij, cuand aumenta α disminuye β. Pr ell, en general, n es psible btener el test óptim. El númer α, llamad nivel de significación, puede fijarse dependiend de la imprtancia que le dems al errr tip I. Ls valres más cmunes sn α =0.,0.05,0.0 y α indica la fuerza cn la que se rechaza H, pudiéndse fijar el valr que se quiera. Así, si rechazams H para α =0. será mens significativ que si rechazams H para a =0.00.Recíprcamente, si α =0.00 es más fácil que aceptems H (pr ser fuerza de rechaz menr) que si α =0.. Pr tant, la aceptación de la hipótesis nula n debe verse cm una demstración de que ésta es cierta, sin cm que n se dispne de pruebas suficientes que demuestren su falsedad. En el cas del juici, si se declara culpable al acusad debe hacerse cn una prbabilidad pequeña de errr tip I, que nstrs fijams de anteman, mientras que si es declarad incente, est n quiere decir que hayams prbad su incencia sin que n se ha pdid prbar su culpabilidad. 6. Cntrastes de hipótesis en pblacines nrmales N(µ, ) Para una muestra de tamañ n y un nivel de cnfianza - α 6.. Cntraste de hipótesis para µ cncida Η 0 Η ESTIMADOR RECHAZAR H 0 SI: µ µ 0 µ >µ 0 X µ Ζ > Ζ α Z = N(0;) µ µ 0 µ <µ 0 Ζ < Ζα n µ =µ 0 µ µ 0 Ζ > Ζ α/ ó Ζ < Ζα/ 6.. Cntraste de hipótesis para µ descncida Η 0 Η ESTIMADOR: RECHAZAR H 0 SI: µ µ 0 µ >µ 0 X µ t > t n-,α t = tn µ µ 0 µ <µ s 0 t < t n-, α n µ =µ 0 µ µ 0 t > t n-,α/ ó t < t n-, α/ 3
4 6.3. Cntraste de hipótesis para cncida µ Η 0 Η ESTIMADOR: RECHAZAR H 0 SI: 0 > 0 X X > X I µ n,α X = ℵ n 0 < 0 0 X < X n,α = 0 0 X > X n,α/ ó X < X n,-α/ 6.4. Cntraste de hipótesis para descncida µ Η 0 Η ESTIMADOR: RECHAZAR H 0 SI: 0 > 0 X X > X n-,α = I X X ℵ n 0 < 0 0 X < X n-,α = 0 0 X > X n-,α/ ó X < X n-,-α/ 6.5. Interval de cnfianza para µ µ cncidas, Η 0 Η ESTIMADOR RECHAZAR H 0 SI: ) µ µ =δ δ 0 µ µ =δ > δ 0 X Y δ Ζ > Ζ 0 α Z = N(0; µ µ =δ δ 0 µ µ =δ < δ 0 + Ζ < Ζα n m µ µ =δ = δ 0 µ µ =δ δ 0 Ζ > Ζ α/ ó Ζ < Ζα/ 6.6. Interval de cnfianza para µ µ descncidas (, ) per iguales (, = ) Η 0 Η ESTIMADOR RECHAZAR H 0 SI: µ µ =δ δ 0 µ µ =δ > δ 0 X Y δ nm( n + m ) t > t 0 n+m-,α t = t n + m µ µ =δ δ 0 µ µ =δ < δ + 0 ns + ms n m t < t n+m-, α µ µ =δ = δ 0 µ µ =δ δ 0 t > t n+m-,α/ ó t < t n+m-,α/ 4
5 7. Cntraste de hipótesis usand EXCEL: 7.. Inversa de la Función de distribución Nrmal =DISTR.NORM.INV(prbabilidad;media;desv_estándar) Devuelve el invers de la distribución acumulativa nrmal para la media y desviación estándar especificadas. Sintaxis DISTR.NORM.INV(prbabilidad;media;desv_estándar) Prbabilidad es una prbabilidad crrespndiente a la distribución nrmal. Media es la media de la distribución. Desv_estándar es la desviación típica de la distribución. Ejempl Dats A = 0, A3 = 40 A4 =,5 Fórmula =DISTR.NORM.INV(A;A3;A4) Descripción Prbabilidad crrespndiente a la distribución nrmal Media de la distribución Desviación típica de la distribución Descripción (Resultad) Inversa de la Función de distribución nrmal: 7.. Inversa de la función de distribución de una Chi-cuadrad = PRUEBA.CHI.INV(prbabilidad;grads_de_libertad) Devuelve, para una prbabilidad dada, el valr de la variable aleatria siguiend una distribución chi cuadrad. Si el argument prbabilidad = DISTR.CHI(x;...), entnces PRUEBA.CHI.INV(prbabilidad,...) = x. Sintaxis PRUEBA.CHI.INV(prbabilidad;grads_de_libertad) Prbabilidad es una prbabilidad asciada a la distribución chi cuadrad. Grads_de_libertad es el númer de grads de libertad. Ejempl: en la práctica. 5
6 7.3. Inversa de la función de distribución de una t de Student Devuelve el valr t de la distribución t de Student cm función de la prbabilidad y ls grads de libertad. Sintaxis =DISTR.T.INV(prbabilidad;grads_de_libertad) Prbabilidad es el nivel de significación α (ds clas) y *α ( cla) Grads_de_libertad es el númer de grads de libertad de la distribución. Observacines Puede calcularse un valr t de una cla reemplazand prbabilidad pr *prbabilidad. Para una nivel de significación de 0,05 y grads de libertad de 0, el valr de ds clas se calcula cn DISTR.T.INV(0,05;0), que devuelve,839. El valr de una cla para la misma prbabilidad y ls misms grads de libertad puede calcularse cn DISTR.T.INV(*0,05;0), que devuelve,846. Ejempl Dats Descripción A= 0, = α Nivel de significación para t de Student de ds clas. A3 = 60 Fórmula Grads de libertad Descripción (Resultad) =DISTR.T.INV(A;A3) Valr t α =,
7 8. Cas práctic 8.. Cntraste de hipótesis en una pblación Nrmal : 8... Crea una hja de cálcul (HOJA) mediante la cual se pueda realizar cualquier cntraste de hipótesis (unilateral bilateral) para la media de un pblación cn varianza cncida. Utilizand la HOJA resuelve el siguiente prblema: Un exprtadr de tmates empaqueta cajas que en términ medi deben pesar kg. Cn una desviación típica de 0,5 kg. Reciente se ha prducid una avería en la máquina de empaquetad que hace pensar que el pes medi ha pdid cambiar. Para verificarl se extrae una m.a..s. de pess recgida en la HOJA. Supniend que la distribución de pess sigue una distribución nrmal, se pide: i. Cntrastar si el pes medi es igual, mayr igual, menr igual que kg al nivel de cnfianza del 90%, 95% y 99%. ii. Repetir el apartad anterir para,5 kg Crea una hja de cálcul (HOJA) mediante la cual se pueda realizar cualquier cntraste de hipótesis (unilateral bilateral) para la media de una pblación cn varianza descncida. Utilizand la HOJA resuelve el siguiente prblema: Una revista de gastrnmía desea calificar ls restaurantes de ls restaurantes una región según la puntuación que recibe pr parte de ls usuaris. El barem utilizad es el siguiente: Media Clasificación 7,5 Tres tenedres 5 µ < 7,5 Ds tenedres µ < 5 Un tenedr Para evaluar un restaurante en particular se han recgid las puntuacines que aparecen en la HOJA. Supniend que las puntuacines siguen una distribución Nrmal, determine cuál es la clasificación de este restaurante cn un nivel del cnfianza del 99% Crea una hja de cálcul (HOJA3) mediante la cual se pueda reslver cualquier cntraste de hipótesis (unilateral bilateral) para la diferencia de medias cn varianzas descncidas per iguales. Utilizand la HOJA 3 resuelve el siguiente prblema: Una empresa de muebles puede acudir a ds prveedres de madera, A y B. Cnservará al prveedr A si la media de su tiemp de entrega es igual menr que del prveedr B y se supne que las varianzas sn iguales. El prveedr B afirma que ha incrprad una nueva tecnlgía que reduce su tiemp de entrega medi sin alterar la varianza. La empresa decide simultanear sus pedids a cada prveedr y btiene ls tiemps de entrega recgids en la HOJA 3. Sabiend que ls tiemps de entrega se distribuyen según una nrmal y de acuerd cn ls dats maestrales, debería la empresa cambiar de prveedr al nivel % y 5%? 7
Pruebas de contraste de hipótesis. Estimación puntual y por intervalos
10 Pruebas de cntraste de hipótesis. Estimación puntual y pr intervals Ágata Carreñ Serra 10.1. Intrducción La mayría de las investigacines realizadas en el ámbit médic-clínic, cmprtan estudis cmparativs
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 detallesLECTURA 02: DISTRIBUCIÓN NORMAL (PARTE II) CALCULO INVERSO EN LA DISTRIBUCIÓN NORMAL ESTÁNDAR. ESTANDARIZACIÓN.
LECTURA 2: DISTRIBUCIÓN NORMAL (PARTE II) CALCULO INVERSO EN LA DISTRIBUCIÓN NORMAL ESTÁNDAR. ESTANDARIZACIÓN. TEMA 4: CALCULO INVERSO EN LA DISTRIBUCION NORMAL ESTANDAR En la sesión anterir llevams acab
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 detallesTema 4B. Inecuaciones
1 Tema 4B. Inecuacines 1. Intrducción Una inecuación es una desigualdad en la que aparecen númers y letras ligads mediante las peracines algebraicas. Ls signs de desigualdad sn: , Las inecuacines
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 detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
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 detallesREGISTRO HISTÓRICO DE LAS FÓRMULAS CEPI
REGISTRO HISTÓRICO DE LAS FÓRMULAS CEPI VERSIÓN FECHA DESCRIPCIÓN DEL CAMBIO REALIZADO ELABORADO POR DURACION (Hras) V3.1 3 septiembre 2010 Emisión inicial Sergi Enrique Méndez 15 v3.2 v3.3 15 ct 2010
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 detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
Más detallesMétodo Lúmen. Procedimiento:
Métd Lúmen La finalidad de este métd es calcular el valr medi en servici de la iluminancia en un lcal iluminad cn alumbrad general. Es muy práctic y fácil de usar, y pr ell se utiliza much en la iluminación
Más detallesGuía del usuario: Perfil País Proveedor
Guía del usuari: Perfil País Prveedr Qué es? El Perfil del País Prveedr es una herramienta que permite a ls usuaris cntar cn una primera aprximación a la situación pr la que atraviesa un país miembr de
Más detallesPLANIFICACIÓN DE LA SESIÓN DE APRENDIZAJE. Dividiendo terrenos II. APRENDIZAJES ESPERADOS COMPETENCIA CAPACIDADES INDICADORES
PLANIFICACIÓN DE LA SESIÓN DE APRENDIZAJE Grad: Primer I. TÍTULO DE LA SESIÓN Duración: 2 hras pedagógicas Dividiend terrens UNIDAD 6 NÚMERO DE SESIÓN 3/12 II. APRENDIZAJES ESPERADOS COMPETENCIA CAPACIDADES
Más detallesINFORMACION GENERAL TÉCNICA A CONOCER DURANTE EL TRASLADO
INFORMACION GENERAL TÉCNICA A CONOCER DURANTE EL TRASLADO Tal y cm se ha indicad en el vide crprativ, el mvimient de persnal de la Agencia EFE se realizará pr fases, infrmándse a cada dirección/área de
Más detalles( )( ) ( ) ( ) ( ) ( ) ( )
Primera Prueba Parcial Laps 03-778 /5 Universidad Nacinal Abierta Análisis de Dats (Cód. 778) Vicerrectrad Académic Cód. Carrera: 06 Fecha: 8 09 03 OBJ PTA Dada la siguiente matriz: MODELO DE RESPUESTAS
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesImportación de facturas desde Excel
Imprtación de facturas desde Excel caicnta Indice 1.- Cnfiguración de la Hja Excel:... 2 2.- Cnfiguración de caicnta:... 3 2.1.- Cnfiguración del esquema de estructura esquema de la hja Excel... 3 2.2.-
Más detallesGuía de integración del módulo de Redsys en Magento
Guía de integración del módul de Redsys en Magent Versión: 2.2 25/08/2015 Referencia RS.ED.IND.MAN.0035 Redsys C/ Francisc Sancha, 12 28034 Madrid ESPAÑA Versión: 2.2 i Guía de integración Redsys en Magent
Más detalles65 HORAS. documentos. describe el. información. de la suite. Pág.1
Micrsft Access 2010 (Cmplet) 65 HORAS ON-LINE CONTENIDOS Intrducción a Office 2010 Intrducción a Office Intrducción a la suite fimática Micrsft Office 2010, presentand ls prgramas que la frman. Se describee
Más detallesSistemas de numeración
Indice 1. Intrduccin 2. Sistema de numeración binari 3. Operacines Binarias 4. Bibligrafía (Internet) www.mngrafias.cm Sistemas de numeración 1. Intrducción La imprtancia del sistema decimal radica en
Más detallesCALCULADORA KERO KET021
CALCULADORA KERO KET021 MANUAL DE USUARIO MANUAL DE USUARIO, vers.24-12-2006 Pág. 1 / 7 ÍNDICE DESCRIPCIÓN... 3 DISTRIBUCIÓN DEL TECLADO... 3 Grup I...3 FILA I...4 FILA II...4 FILA III...4 FILA IV...4
Más detalles1º CC.SS. Resumen tema 10. Distribuciones de probabilidad de variable discreta. La binomial.
1. CÁLCULO DE PROBABILIDADES. a. Suces aleatri. Aquél que depende del azar, es decir, que n se puede prever. Para estudiar ests sucess, es necesari hacerl a partir de la experiencia. nº de veces que curre
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesEstudio ICANN sobre la prevalencia de los nombres de dominio registrados con un servicio proxy o de privacidad entre los 5 gtlds más destacados
Estudi ICANN sbre la prevalencia de ls nmbres de dmini registrads cn un servici prxy de privacidad entre ls 5 gtlds más destacads RESUMEN EJECUTIVO: Ls titulares de nmbres registrads tienen la psibilidad
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 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 detallesConexión al acumulado de máquinas Merkur - Dosniha
Departament I+D+i - 08/11/2012 /2012 Usuaris Rulette Jackpt e HyperJackpt Cnexión al acumulad de máquinas Merkur - Dsniha Md en que estas máquinas aprtan al Jackpt Nta técnica I0019 Versión 1.1 Cambis
Más detallesInstalación y Configuración de la interfaz de TPV. www.chefexact.es
Instalación y Cnfiguración de la interfaz de TPV INSTALACIÓN Una vez descargad el ficher de la Interfaz se instalara en el mism rdenadr dnde este TPVFacil instalada, haga dble clic para cmenzar la instalación,
Más detallesLENGUAJES DE PROGRAMACION INFORMATICOS PARA EL DESARROLLO DE SOFTWARE
LENGUAJES DE PROGRAMACION INFORMATICOS PARA EL DESARROLLO DE SOFTWARE 3. LOS LENGUAJES DE PROGRAMACION Para que un prcesadr realice un prces se le debe suministrar un algritm adecuad. El prcesadr debe
Más detallesEl Proyecto de Criterio elimina el uso del Índice de Dominancia y mantiene únicamente el Índice de Herfindahl.
Cmentaris al Pryect de Criteri Técnic para el Cálcul de un Índice Cuantitativ en el Análisis de Psibles Efects sbre la Cmpetencia y Libre Cncurrencia La Cmisión Federal de Cmpetencia Ecnómica ( COFECE
Más detallesefactura Red Eléctrica
efactura Red Eléctrica Guía Rápida Prveedr Carga Manual de Facturas May 2014 1 1. INTRODUCCIÓN... 3 2. ACCESO AL PORTAL DE EFACTURA... 3 3. MIS DATOS DE USUARIO... 6 4. DESCONECTAR... 6 5. AYUDA... 6 6.
Más detallesPerceptrón Adaline. ( Desarrollado en el entorno Eclipse en el lenguaje JAVA ) Jose Alberto Benítez Andrades 71454586A
Perceptrón Adaline ( Desarrllad en el entrn Eclipse en el lenguaje JAVA ) Jse Albert Benítez Andrades 71454586A Redes Neurnales y Algritms Genétics Universidad de León Manual de usuari PerAda JABA 2.0
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesAVANCE SOLUCIONES INFORMÁTICAS. Preguntas Frecuentes SGTaller. Cómo respaldo la información del programa?
Cóm respald la infrmación del prgrama? La base de dats de SGTaller se encuentra pr defect en C:\SGTaller 2\Base\Service.fdb Ese archiv cntiene tda la infrmación. Si Ud. a parte tiene reprtes persnalizads,
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesPLANIFICACIÓN DE LA SESIÓN DE APRENDIZAJE. Duración: 2 horas pedagógicas. Observamos preferencias turísticas en medidas estadísticas
PLANIFICACIÓN DE LA SESIÓN DE APRENDIZAJE Grad: Tercer I. TÍTULO DE LA SESIÓN Duración: 2 hras pedagógicas Observams preferencias turísticas en medidas estadísticas UNIDAD 4 NÚMERO DE SESIÓN 3/14 II. APRENDIZAJES
Más detallesHOTEL RURAL. Taller de modelado de objetos. Ingeniería del Software Curso 2005-2006. Salamanca, 16-XI-2005. Trabajo realizado por:
Taller de mdelad de bjets HOTEL RURAL Salamanca, 16-XI-2005 Trabaj realizad pr: Javier Trujill Hernández Javier Rubi Alamill Fernand Buitrag Alns El Htel Rural Un pequeñ htel rural necesita una aplicación
Más detallesPLANIFICACIÓN ESTRATÉGICA DE LA INTERVENCIÓN PARA EL DESARROLLO LOCAL, HUMANO Y SOSTENIBLE
PLANIFICACIÓN ESTRATÉGICA DE LA INTERVENCIÓN PARA EL DESARROLLO LOCAL, HUMANO Y SOSTENIBLE INTRODUCCIÓN Y OBJETIVOS DEL CURSO En un mment cm el actual parece ineludible realizar un análisis prfund de las
Más detalles, si X toma valores muy grandes positivos, f(x) se va aproximando a l. o., si X toma valores muy grandes negativos, f(x) se va aproximando a l.
3.8 Límites en el infinit En casines interesa cnsiderar el cmprtamient de una función cuand la variable independiente tiende, n a un valr cncret, sin a valres muy grandes, tant psitivs cm negativs. En
Más detallesAnálisis de arquitecturas para un Core IP/MPLS
Análisis de arquitecturas para un Cre I/MLS Abreu, Marcel Universidad de Mntevide Resumen En la estructura de redes cnvergentes actuales, ls equips de núcle sn de vital imprtancia. A través de ells transita
Más detalles1.1. Qué entiende por el concepto de generalización de una red neuronal artificial?
UNIVERSIDAD CARLOS III DE MADRID In g e n i e r í a In f r m á t i c a, 3 º Cu r s Ex a m e n d e In f r m á t i c a T e ó r i c a II P a r t e d e t e r í a ( 2 p u n t s ) Se p t i e m b r e d e 2 0
Más detallesSistemas Electrónicos y Automáticos
Sistemas Electrónics y Autmátics PRÁCTICA 1 CARACTERIZACIÓ DE FILTROS RC 1. OBJETIVO DE LA PRÁCTICA. El bjetiv de la práctica es bservar las características de funcinamient de diferentes cmbinacines de
Más detallesV d o. Electrónica Analógica II Parte 3 Slew Rate (razón o velocidad de cambio)
Electróna nalóga Parte 3 Slew Rate (razón velcidad de cambi) Otr fenómen que puede causar la distrsión n-lineal cuand señales grandes de salida están presentes, es la limitación del slew rate. El slew
Más detallesMateria: Tecnología de la Información. Profesor: Ariana Rosenthal Cátedra: Silvia Koklia FCE UBA. Tema: Instructivo de Access
Materia: Prfesr: Ariana Rsenthal Cátedra: Silvia Kklia FCE UBA Tema: Instructiv de Access Autres: Lic Ana Paula Vida Lic Adrian Telias Lic Leandr Rabinvich Lic Ariana Rsenthal Instructiv de Access: Qué
Más detallesOPERACIONES CON MATRICES
OPERACIONES CON MATRICES ESCRITURA DE MATICES (MTRW) OPERACIONES BÁSICAS CON MATRICES APLICACIONES AL ÁLGEBRA LINEAL (MATEMÁTICAS I) Rang de una matriz Determinante de una matriz Autvalres y autvectres
Más detallesEquipos de respaldo de energía eléctrica UPS, SPS
Equips de respald de energía eléctrica UPS, SPS Intrducción Pág. 1 Sistema UPS Pág. 2 Funcinamient Pág. 2 Sistema SPS Pág. 2 Funcinamient Pág. 3 Diferencias Técnicas Principales Pág. 3 Cnclusión Pág. 4
Más detallesSesiones 2-3: Transformación de datos
Curs de intrducción a Stata Jrdi Muñz (UAB) Sesines 2-3: Transfrmación de dats Hasta ahra hems vist ls elements básics de stata, y cóm inspeccinar ls dats que tenems. A partir de ahra vams a trabajar sbre
Más detallesFUNCIONES REALES DE VARIABLE REAL
FUNCIONES REALES DE VARIABLE REAL CONCEPTOS BÁSICOS Se llama función real de variable real a cualquier aplicación f : D R cn D Œ R, es decir, a cualquier crrespndencia que ascia a cada element de D un
Más detallesModelo de Garantía Antifraude
Mdel de Garantía Antifraude Pnte en cntact cn nstrs! 902 87 65 82 sprte@avaibk.cm Validacines y Garantías AvaiBk En AvaiBk querems frecer seguridad y cnfianza a ls viajers, pr ell sabems que un aspect
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detalles5.- Calcule: a) La entalpía de combustión del etino a partir de los siguientes datos: o
TERMOQUÍMICA QCA 09 ANDALUCÍA.- Cnsidere la reacción de cmbustión del etanl. a) Escriba la reacción ajustada y calcule la entalpía de reacción en cndicines estándar. b) Determine la cantidad de calr, a
Más detallesPLATAFORMA TECNOLOGICA EN LINEA DE GESTION DE PROYECTOS DE LA INGENIERÍA INDUSTRIAL
Platafrma en línea de Gestión de Pryects PLATAFORMA TECNOLOGICA EN LINEA DE GESTION DE PROYECTOS DE LA INGENIERÍA INDUSTRIAL Para que la realización de un pryect tenga éxit en sus tres bjetivs (calidad,
Más detallesNavegación y Administración en egela (Moodle 2.5)
Navegación y Administración en egela (Mdle 2.5) Manual para el prfesrad Versión 1 (23/06/2014) El presente manual ha sid desarrllad pr el Campus Virtual de la Universidad del País Vasc / Euskal Herrik
Más detallesPerspectiva de Alto Nivel del Funcionamiento y de las interconexiones del computador
Perspectiva de Alt Nivel del Funcinamient y de las intercnexines del cmputadr Capítul 3 Fecha de presentación Debems pder cntestar las preguntas, Qué aspects de diseñ sn ls que permite que ls cmpnentes
Más detallesPLANIFICACIÓN DE LA SESIÓN DE APRENDIZAJE. Empleamos la groma para dividir regiones II. APRENDIZAJES ESPERADOS COMPETENCIA CAPACIDADES INDICADORES
PLANIFICACIÓN DE LA SESIÓN DE APRENDIZAJE Grad: Tercer I. TÍTULO DE LA SESIÓN Duración: hras pedagógicas Empleams la grma para dividir regines UNIDAD 6 NÚMERO DE SESIÓN /15 II. APRENDIZAJES ESPERADOS COMPETENCIA
Más detallesDERIVADA DE UNA FUNCIÓN REAL
Unidad didáctica 7 Funcines reales de variable real Autras: Glria Jarne, Esperanza Minguillón, Trinidad Zabal DERIVADA DE UNA FUNCIÓN REAL CONCEPTOS BÁSICOS Dada una función real y f( ) y un punt D en
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesHojas de Cálculo Apunte N 3. Fórmulas
Hjas de Cálcul Apunte N 3 Fórmulas Qué sn las Fórmulas? Las fórmulas sn expresines que se utilizan para realizar cálculs prcesamient de valres, prduciend un nuev valr que será asignad a la celda en la
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 detallesEJERCICIOS DE DISTRIBUCIONES DE PROBABILIDAD E INFERENCIA ESTADÍSTICA
EJERCICIOS DE DISTRIBUCIONES DE PROBABILIDAD E INFERENCIA ESTADÍSTICA 1. La media de ls pess de 500 estudiantes de un clegi es 70 kg y la desviación típica 3 kg. Supniend que ls pess se distribuyen nrmalmente,
Más detallesDOCUMENTO DE AYUDA PARA LA TRAMITACIÓN ELECTRÓNICA DE RADIOENLACES PUNTO A PUNTO DE BANDA RESERVADA
DOCUMENTO DE AYUDA PARA LA TRAMITACIÓN ELECTRÓNICA DE RADIOENLACES PUNTO A PUNTO DE BANDA RESERVADA Marz 2015 Versión 1.0 Guía para la presentación Cuestines generales La presentación de ls Radienlaces
Más detallesCONTENIDO 1. INTRODUCCIÓN. 2. Presentación general del software.
CONTENIDO 1. INTRODUCCIÓN 2. Presentación general del sftware. 3. TEST DIANA (CPT simple). a. Cnfiguración. b. Ejecución del test. c. Resultads. d. Guardar resultads. 4. TEST CONDICIONADO (CPT cndicinad)
Más detallesFundamentos de los timers de los microcontroladores STM32F4
Fundaments de ls timers de ls micrcntrladres STM32F4 Apellids, nmbre Departament Centr Yuste Pérez, Pedr (pyuste@disca.upv.es) Departament de Infrmática de Sistemas y Cmputadres Universidad Plitécnica
Más detallesPaessler - Webserver Stress Tool Características
Paessler - Webserver Stress Tl Características Webserver Stress Tl simula gran númer de usuaris que acceden a un siti web a través de HTTP / HTTPS. El sftware puede simular hasta 10.000 usuaris que de
Más detallesGuía de integración del módulo de Redsys en WooCommerce
Guía de integración del módul de Redsys en WCmmerce Versión: 2.6 25/08/2015 Referencia RS.ED.IND.MAN.0033 Redsys C/ Francisc Sancha, 12 28034 Madrid ESPAÑA Versión: 2.6 i Guía de integración Redsys en
Más detallesCómo realizar una renovación desde la intranet con cambio de foto?... 6. Fotos... 6 Cómo se realiza el Proceso de cambio de fotos?...
FAQ ACREDITACIONES (Preguntas Frecuentes) Cntenid General... 2 Qué tips de carnets se pueden tramitar desde la Universidad?... 2 Pr qué estads puede pasar la tramitación de un carnet?... 2 Cóm se realiza
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 detallesPero en este periodo implica a otras muchas cosas: Como objetivos durante este periodo el niño debe:
Objetivs para ls niñs En cuant a ls niñs, en el perid de adaptación es muy imprtante la separación cn ls padres, per n es sl es, pdríais pensar que si vuestr hij n llra, se muestra cntent y cnfiad, n necesita
Más detallesSITUACIONES DONDE SE USA FUNCIÓN LINEAL I
SITUACIONES DONDE SE USA FUNCIÓN LINEAL I Función Oferta y Función Demanda de un Mercad. Ejercicis prpuests: 1) Cnsidere la relación 8p +0Q 000 0, dnde p es el preci de un prduct. a) Da la función explícita
Más detallesCarga del Fichero XML _R para ETR (Eustat)
Carga del Ficher XML _R para ETR (Eustat) Acceda al prtal www.eustat.eus/etr en su navegadr habitual 1.- CARGA DEL FICHERO Identifíquese cn sus claves (Nº encuesta y Cntraseña) prprcinadas pr Eustat Elija
Más detallesBJ-211 RECEPTOR PARA LUZ Manual de Instrucciones
Manual de Instruccines c.mare de Déu del ll, 70,Lcal 08023 Barcelna Spain t.+34 93 285 04 37 fax + 34 93 553 56 34 inf@bj-adaptacines.cm www.bj-adaptacines.cm Manual de Instruccines 1_Descripción del equip
Más detallesAdministración Local Soluciones
SISTEMA INTEGRADO DE GESTIÓN DE EXPEDIENTES MODULAR (SIGM) MANUAL DE CONFIGURACIÓN DEL PAGO TELEMÁTICO SIGM v3 Administración Lcal Slucines Cntrl de versines Versión Fecha edición Cambi prducid Autr 01
Más detallesMASTER DEGREE: Industrial Systems Engineering
PAC- Perfrmance-centered Adaptive Curriculum fr Emplyment Needs Prgrama ERASMUS: Acción Multilateral - 517742-LLP-1-2011-1-BG-ERASMUS-ECUE MASTER DEGREE: Industrial Systems Engineering ASIGNATURA ISE2:
Más detallesTUTORIAL DEFORMACIONES Y LÍMITE ELÁSTICO
TUTORIAL DEFORMACIONES Y LÍMITE ELÁSTICO En este tutrial explicarems un cncept clave en Resistencia de Materiales cm es el que marca el límite en el cmprtamient elástic de cualquier material smetid a un
Más detallesPROGRAMA FORMATIVO AvANZA
Asesría y Organización de Frmación Cntinua Prgramación páginas web: servidr (PHP) Aplicacines Web Mdalidad: e-learning Duración: 56 Hras Códig: CAT00140 Objetiv Curs de desarrll de aplicacines web. Para
Más detallesNotificaciones Telemáticas Portal del Ciudadano MANUAL DE USUARIO. Versión 1.2
20 Ntificacines Telemáticas Prtal del Ciudadan MANUAL DE USUARIO Versión 1.2 Manual de Usuari ÍNDICE 1. DESCRIPCIÓN GENERAL... 3 1.1. Alcance...3 1.2. Fluj de navegación...4 2. DESCRIPCIÓN FUNCIONAL...
Más detallesPRÁCTICA 5: REDES LOCALES
PRÁCTICA 5: REDES LOCALES Ejercici 0 Cmpleta en tu cuadern la tería del Tema 2, manteniend tus prpis estils y frmat. Cmpleta ls cncepts LAN, MAN y WAN enumerand sus características principales. Explica
Más detallesCOMERZZIA. Manual de Usuario TIENDA VIRTUAL MP SISTEMAS
COMERZZIA Manual de Usuari TIENDA VIRTUAL MP SISTEMAS ÍNDICE DE CONTENIDOS 1 INTRODUCCIÓN... 3 1.1 Acerca de este Manual... 3 1.2 Dcumentación relacinada... 3 2 QUÉ ES LA TIENDA VIRTUAL GENERALIDADES...
Más detallesCarga de Facturas desde hoja Excel
Carga de Facturas desde hja Excel Carga de Facturas desde hja Excel Manual de Usuari Página - 2/5 Tabla de Cntenid: 1. Cnsideracines Generales... 3 2. Instruccines de cumplimentación de las pestañas de
Más detallesIngeniería del Software de Gestión
Ejercicis Análisis Estructurad Ejercici 1: Enunciad: La empresa CBA ha decidid infrmatizar su Departament de Cmpras (DC). Este departament es el encargad de gestinar las adquisicines que la empresa realiza
Más detallesInstalación de Winisis en Windows 7 64 bits Ernesto Spinak 28/06/2011, borrador 1.3
Instalación de Winisis en Windws 7 64 bits Ernest Spinak 28/06/2011, brradr 1.3 Intrducción Winisis es una aplicación Windws que usa librerías de prgramación para sistemas de 16 y 32 bits, pr l cual n
Más detallesa. N(19 5, 1 2) P(19 X 21) = P( Z ) = = P = P P = = P P = P = = = El 55 72% no son adecuados.
El diámetro de los tubos de cartón para un envase ha de estar entre 19 y 21mm. La maquina prepara tubos cuyos diámetros están distribuidos como una manual de media 19 5mm y desviación típica 1 2mm. Qué
Más detallesGUÍA FÁCIL CLAVE Y USUARIO PERSONA JURÍDICA
GUÍA FÁCIL CLAVE Y USUARIO PERSONA JURÍDICA 1. CÓMO REGISTRARSE EN EL PORTAL DEL SENIAT Para registrarse en el Prtal del Seniat cm Persna Jurídica, debe tener el Registr de Infrmación Fiscal (RIF) actualizad,
Más detallesPropuesta A B = M = (
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (016) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá contestar a una de las dos opciones propuestas A ó B. Se
Más detallesEurowin 8.0 SQL. Manual de EW-LOG. Revisión de incidencias
Eurwin 8.0 SQL Manual de EW-LOG Revisión de incidencias Dcument: me_ewlg Edición: 05 Nmbre: Manual de Ewlg Fecha: 03-02-2011 Manual de Ewlg Tabla de cntenids 1. Intrducción... 2 1.1. Qué es el Registr
Más detallesUnidad III: Termoquímica. 3. 1. Calores estándar de formación
67.30 - Cmbustión - Unidad III 5 Unidad III: Termquímica 3.. Calres estándar de frmación El calr estándar de frmación de una sustancia, H f (kcal/ml), se define cm el calr invlucrad cuand se frma un ml
Más detallesCondiciones específicas del servicio Depósito Central de Valores S.A. Versión vigente
Cndicines específicas del servici Depósit Central de Valres S.A. Versión vigente 29-06-2010 Depósit Central de Valres S.A. Página 1 de 7 Cntenid 1 Objetiv... 3 2 Aspects específics a validar... 3 2.1 Decimales
Más detallesManual para instalación de Teléfono Virtual: X Lite.
Asterisk@Hme Manual para instalación de Teléfn Virtual: X Lite. Primer debe de tener instalad el Prgrama X Lite, para psterirmente pasar a cnfigurar su Extensión y Nmbre del usuari de la misma. El prgrama
Más detallesLOCALIZACIÓN EN LA PROGRAMACIÓN DE AULA ÁREA Tecnología CURSO 3º E.S.O.
Unidad didáctica sbre pryect de transmisión: Tricicl chin LOCALIZACIÓN EN LA PROGRAMACIÓN DE AULA ÁREA Tecnlgía CURSO 3º E.S.O. UNIDAD DIDÁCTICA 2: Pryect de transmisión: Tricicl chin TRIMESTRE 1 SESIONES
Más detallesEOS.lab, Cruces de farmacia y tecnología LED.
EOS.lab, Cruces de farmacia y tecnlgía LED. Manual de usuari Jábega. Cntenids: En el presente se dcument describe el funcinamient del sftware llamad "Jábega". Qué es Jábega? Es la aplicación utilizada
Más detallesTambién se pueden desarrollar módulos específicos y luego sumarlos al conjunto de módulos de SUBAS.
SUBAS es un prgrama desarrllad pr TRON Sftware que tiene pr bjet vincularse cn el ERP BAS Cmpany Steering de Buens Aires Sftware, para btener infrmación a cmpletar cn diferentes prcess que amplían las
Más detallesGuia básica para la presentación y cobro de siniestros
Guia básica para la presentación y cbr de siniestrs RECOMENDACIÓN BASICA EN CASO DE CUALQUIER SINIESTRO Prcure en el mment del siniestr hacer td l que esté a su alcance para evitar su prpagación Cmuníquese
Más detallesWeb Biblioteca Complutense 2006: Manual del Gestor de Contenidos. Versión 1.1. Mayo 2006
Plantilla de menú de blques Esta plantilla prprcina una herramienta sencilla para realizar una página cuy aspect final sería una lista de enlaces a diferentes páginas, sean éstas páginas prpias, del rest
Más detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
Más detallesAsistencia técnica para instalación, reparación y mantenimiento preventivo de equipo de cómputo: PC, Laptop, impresora y Fax.
Códig: DOC 7.2 DAU 07 Página : 1 de 5 I. ÁREA SOPORTE TÉCNICO II. DESCRIPCIÓN Asistencia técnica para instalación, reparación y mantenimient preventiv de equip de cómput: PC, Laptp, impresra y Fax. III.
Más detallesFunción Pago y Cuadro de Amortización
Función Pag y Cuadr de Amrtización Función: =PAGO( ) HL Mata Esta función calcula ls pags periódics que se deben hacer sbre un préstam, a un interés y tiemp determinad. Pdrems ver cuant se tiene que pagar
Más detalles20 3.3.5.0 3 09/07/2008. Descripción: Conceptos básicos. Objetivos:
Slucines Infrmáticas Descripción: Cncepts básics Objetivs: Al finalizar este tutrial el usuari será capaz de utilizar ls aspects básics de la aplicación, tales cm: Buscadres, Fichas, Impresión y Estadísticas.
Más detalles