ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA"

Transcripción

1 ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

2 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos valores observados de la varable y cuyo vel de medcó sea al meos de tervalos (es decr, de tervalos y razó). La Ojva permte represetar las frecuecas absolutas, relatvas y porcetajes acumulados, para ello se toma los límtes superores de cada tervalo y luego se grafca las frecuecas acumuladas. Cosderemos uevamete la formacó del Ejemplo Nº 3, e dode se utlza ua varable de razó cotua, co muchas observacoes, que es el caso de la dstrbucó de ota e la asgatura de Estadístca I, para el sttuto profesoal IPLACEX, prmer semestre del 005. Ejemplo Nº13 Tabla Nº 16: Dstrbucó de las Notas e Estadístca I, Isttuto Profesoal IPLACEX Prmer Semestre 005 Notas (Itervalos) p N P 100* p 1,0-3,0 * % 3,0-4, % 4,0-5, % 5,0-6, % 6,0-7, % Total % Gráfco Nº 9: Ojva - Dstrbucó de Frecueca Acumulada N Para el prmer tervalo la Frecueca Acumulada es de 5 (Nj), co límte superor 3, ,0 3,0 4,0 5,0 6,0 7,0 Nota

3 S e la represetacó gráfca ateror, la ojva de la frecueca acumulada de las otas del curso de Estadístca I, se desea coocer cuátos alumos tee ua ota feror a 4,5, se debe trazar ua recta vertcal a partr de la ota 4,5 hasta la ojva, y desde este puto ua recta horzotal hasta la frecueca acumulada o porcetaje. La lectura de ese valor os da la frecueca o porcetaje acumulado, que correspode a los alumos co otas ferores a 4,5. Es mportate mecoar que, ua ojva puede costrurse s mportar que los tervalos sea de ampltud desgual, o ocurre lo msmo co el hstograma. 3.6 Gráfcos de Tallo y Hoja Ua alteratva para represetar las frecuecas de varables dscretas y co u vel de medcó de tervalos, es usar u gráfco de tallo y hoja que permte grafcar (a modo de tabulacó) la formacó, pero mateedo el detalle orgal de los datos. Este tpo de gráfcos, de tallo y hoja, so la prmera aproxmacó a las represetacoes gráfca de la formacó geerada por los datos, además de es fácl de utlzar. Para ordear los datos se hace la separacó de los dígtos cales (tallo) y el últmo dígto (hoja). E el ejemplo ateror, dode se mde la estatura de 0 fucoaros, los dos dígtos cales puede ser los dos prmeros que se deoma tallos y el tercero se cooce como hoja. E la prmera se ubca los dígtos cales y e la seguda el tercero. Realce ejerccos Nº 1 al 18 Ejemplo Nº 14 Supógase que se tee la estatura de 0 fucoaros de ua empresa, meddo e cetímetros Gráfco Nº 10: Gráfco de Tallo y Hoja - Dstrbucó de los Fucoaros del Dpto. de Fazas, segú Estatura 3

4 Tallo Hoja 14 * * * * Dagrama de Dspersó Esta represetacó gráfca se usa para estudar la posble asocacó etre dos varables dscretas o cotuas, cuyo vel de medcó es de al meos de tervalo (tervalo y razó, o se utlza para varables omales u ordales). E este tpo de gráfco las observacoes se represeta e coordeadas cartesaas, obteédose ua ube de putos e el plao, deomado dagrama de dspersó o gráfco de correlacó. Ejemplo Nº 15 Se dspoe de la sguete formacó sobre la estatura (e cetímetros) de 10 pares de famlares. X(Estatura del Padre) Y(Estatura hjo mayor)

5 Gráfco Nº 11: Dagrama de Dspersó - Asocacó etre la Varable Estatura de Padres e Hjos x x x x x x x x x x MEDIDAS DE RESUMEN Como su ombre lo dca, las meddas de resume, e estadístca descrptva, busca resumr la formacó coteda e ua dstrbucó de frecuecas e u úco valor. Las meddas de resume, se puede clasfcar e tres grades grupos: Meddas de Poscó Meddas de Dspersó Meddas de Forma 4.1 Meddas de Poscó Este tpo de meddas de resume tee por faldad resumr toda la formacó e u solo valor, que represeta ua poscó determada detro de la dstrbucó que esta sedo aalzada. Las meddas de poscó a su vez se puede dvdr e subgrupos: Las meddas de tedeca cetral. Las meddas que o so de tedeca cetral. 5

6 4.1.1 Meddas de Tedeca Cetral Este prmer tpo de medda, como se atcpo, correspode a ua medda de poscó, a la que també se le deoma promedos. La aturaleza de este tpo de meddas es tal que, s hubese que represetar la sere estadístca o poblacó por u úco dcador, las meddas de poscó, e partcular, las de Tedeca Cetral so los dcadores más adecuados para ello, ya que so los que proporcoa u máxmo de formacó. Las Meddas de Tedeca Cetral busca el cetro de la dstrbucó, es decr la poscó cetral de los datos. Exste dferetes meddas de tedeca cetral o promedos, atededo todos ellos a ua msma flosofía, pero co dferetes sstemas de aplcacó, etre los más utlzados se ecuetra la meda artmétca smple que, geeralmete, se deoma meda, la medaa y la moda. Exste otras, como la meda geométrca y la meda armóca, pero so de uso más especalzado, por lo que o será abordados e uestro estudo. A) Meda Artmétca Smple ( X ) Sea x ua varable secreta o cotua, cuyo vel de medcó es al meos de tervalos (escala de medcó de tervalo o razó), y sea x 1, x, x 3, x ; dode es el úmero total de valores de la varable, es decr, ua muestra de tamaño. Etoces, la meda artmétca smple se defe por la suma de todos los datos observados dvdda por el úmero total de valores de la varable (). x x 1 + x + x X + 1 x Dode: X : es la meda artmétca smple o meda. : es el sgo de sumatora, smbolza la suma de toda ua sere de úmeros, e este caso todos los valores que se observa de la varable. X : dca el valor de cada uo de los datos de la varable. : el úmero de datos total que cotempla la medcó. La defcó ateror, se refere al cálculo de la meda a partr de los datos orgales. S embargo, los datos a veces se ecuetra tabulados (agrupados e ua 6

7 tabla de dstrbucó de frecuecas). E este caso, la meda se calcula medate la sguete fórmula: X k 1 x k 1 p x Dode: X : es el valor de la varable, s ésta es dscreta, o marca de clase (puto medo del tervalo), s la varable es cotua y se ecuetra agrupada e tervalos. : es la frecueca absoluta correspodete a X k : es el úmero de valores dferetes de la varable dscreta o úmero de tervalos e que ha sdo agrupada ua varable cotua. Ejemplo Nº 16 Retomemos el ejemplo Nº 3, e dode se utlza ua varable de razó cotua, co muchas observacoes, que es el caso de la dstrbucó de ota e la asgatura de Estadístca I, para el sttuto profesoal IPLACEX, prmer semestre del 005. Tabla Nº 17: Dstrbucó de las Notas e Estadístca I, Isttuto Profesoal IPLACEX Notas (Itervalos) Prmer semestre 005 x Marca de Clase 1,0-3,0 * 5 3,0-4,0 15 3,5 4,0-5,0 0 4,5 5,0-6,0 6 5,5 6,0-7,0 4 6,5 Total 50 3,0 + 4,0 3,5 X X 7

8 4,3 putos de ota Por lo tato la meda es 4,. Propedades de la Meda Artmétca ) La suma algebraca de las desvacoes, de u cojuto de úmeros, de su meda artmétca es cero. 1 x X 0 ) S ua catdad de úmeros (f 1 ) tee ua meda m 1, otra catdad de úmeros (f ) tee ua meda m,..., así sucesvamete. Etoces, la meda de todos los cojutos de úmeros es: X f 1 m 1 + f m f f3 m 3 f + f f4 m f f 4 + f m ) Sea Y a + b x dode recorre desde el 1 al, tal que a y b so costates. Etoces, la fucó se puede expresar e térmos de su meda. Y a + b X v) La meda artmétca sempre se ecotrará etre el valor más pequeño y el más grade. X mí X máx X B) Meda Artmétca Poderada 8

9 E el cálculo de la meda artmétca smple cada observacó tee la msma poderacó, ahora be, e ocasoes os teresa dar ua poderacó dstta a cada observacó, debdo a que se les atrbuye ua mportaca dferete a cada dato. Luego, la meda artmétca poderada se defe como: X p 1 w w x w 0 Dode: X : es el valor de la varable, s ésta es dscreta; o marca de clase (puto medo del tervalo), s la varables es cotua y se ecuetra agrupada e tervalos. w : es la poderacó correspodete a X, que debe ser mayor que cero. : es el úmero de valores dferetes de la varable dscreta o úmero de tervalos e que ha sdo agrupada ua varable cotua. Ejemplo Nº 17 Supógase, que u alumo del Isttuto IPLACEX ha reddo 3 pruebas parcales e el curso de Estadístca, cada ua co dsttas poderacoes. Prueba Parcal 1 Parcal Exame Poderacó 30% 30% 40% Nota 4,0 5,0 6,0 La ota fal se obtee poderado las otas respectvas por su valor e porcetaje, lo que se cooce como meda artmétca poderada. X p 4,0*30 + 5*30 + 6,0* Por lo tato la ota fal es 5,1. Ejemplo Nº 18 9

10 El cálculo del Ídce de Precos al Cosumdor (IPC), es u ejemplo práctco para eteder la meda o promedo poderado, como el IPC busca represetar el costo de la vda se estma que los bees de cosumo masvo, debe teer ua gratfcacó dferete, desde el puto de vsta del presupuesto famlar. Por ello se asga ua poderacó mayor a bees como el pa, la locomocó, artículos escolares, etc. Metras que los bees de cosumo o masvo o sutuaros tee ua poderacó meor, pues se cosume meos. Por lo tato, el IPC se calcula medate la sguete fórmula: IPC 1 w w x w 0 Dode: X : es el preco del be. w : es la poderacó asgada al be. : es el úmero de bees de la caasta (cosumo famlar). C) Medaa (M e ) Este tpo de medda de tedeca cetral se puede calcular para todo tpo de varables excepto las omales. Es así, como e ua sere estadístca de ua varable cuattatva, cuyos resultados está ordeados e forma crecete, se llama medaa a aquel valor de la varable que tee gual úmero de resultados meor y mayores que él. Es decr, sea x ua varable co vel de medcó al meos ordal (ordal, tervalo y razó) y sea x 1, x, x 3, x ; observacoes de x, la medaa se defe como aquel valor de la varable que supera a o más del 50% de las observacoes y es superada por o más del 50% de las observacoes, cuado éstas ha sdo ordeadas segú su magtud. Por ejemplo, e la sere de valores

11 Valores meores Medaa valores mayores Exste dos métodos para calcular la medaa segú la presetacó de los datos, los que será abordados a cotuacó. ) Cálculo de la medaa para datos o agrupados 1 Para las observacoes que se ecuetra ordeadas e forma ascedete, es decr, para x 1 x x 3 x ; podemos determar que la observacó x (+1) / es la observacó que se ecuetra e la poscó: ( + 1) Dado lo ateror, es posble expresar el cálculo de la medaa de la forma que sgue: x (+1) s es mpar M e x + x + 1 s es par 1 Datos o agrupados: o se preseta tabulados co tervalos. 11

12 Ejemplo Nº 19 Supógase que se tee los sguetes datos sobre la temperatura (e grados Celsus) máxma e la cudad de Racagua, durate la prmera semaa de eero de 005. Calcular la Medaa 0,3 18,9 1,3 19, 18,0,5 19,5 Prmero, se debe ordear los datos: 18 18,9 19, 19,5 0,3 1,3, Segudo, es mpar, por lo tato: M e + 4 X ( + 1) X ( 7 1) X Que pasa s dspoemos de la temperatura de u día más? Se tee: 0,3 18,9 1,3 19, 18,0,5 19, Calcular la Medaa Prmero, se debe ordear los datos: 18 18,9 19, 19,5 19,8 0,3 1,3, Segudo, es par, por lo tato: X X ( ) + 1 X 4 5 M e + X

13 Cabe señalar que cuado a es par, cualquer valor compreddo etre X + X ( ) + 1, satsface la defcó de la medaa. Ejemplo Nº 0 Realcemos u ejemplo co ua varable ordal, supogamos que teemos la jerarquía de 7 profesores del departameto de Estadístca: Profesor 1 Profesor Profesor 3 Profesor 4 Profesor 5 Profesor 6 Profesor 7 Asstete Asocado Asocado Asstete Ttular Asocado Ttular Prmero, se debe ordear los datos de la varable ordal jerarquía, de acuerdo a grado jerárquco de mayor a meor. Profesor 1 Profesor Profesor 3 Profesor 4 Profesor 5 Profesor 6 Profesor 7 Asstete Asstete Asocado Asocado Asocado Ttular Ttular M e ) Cálculo de la medaa para datos agrupados E el caso de varables cotuas, e dode los datos observados se ecuetra agrupados e ua tabla de dstrbucó de frecuecas, etoces para calcular la M e, prmero se debe determar el tervalo e que ésta se ecuetra y después se ubca la M e detro del tervalo, para lo cual se utlza u procedmeto de terpolacó leal. Sea etoces X 1 - X el tervalo que cotee la medaa, para lo que debe cumplr la sguete codcó: Datos Agrupados: cuado los datos se preseta tabulados e tervalos. 13

14 N 1 N La fórmula del cálculo de la medaa para datos agrupados, puede ser expresada e térmos de frecueca relatva, a saber: M e x ( N ) / 1 / a Dode: X 1 : es el límte feror del tervalo que cotee a la medaa. : úmero de observacoes de la varable. : frecueca observada del tervalo que cotee a la medaa. N 1 : frecueca acumulada observada del tervalo ateror al tervalo que cotee a la medaa. a : es la ampltud del tervalo que cotee la medaa. Ejemplo Nº 1 Retomemos el Ejemplo Nº 3, e dode se utlza ua varable de razó cotua, co muchas observacoes, que es el caso de la dstrbucó de ota e la asgatura de Estadístca I, para el sttuto profesoal IPLACEX, prmer semestre del

15 Tabla Nº 18: Dstrbucó de las Notas e Estadístca I, Isttuto Profesoal IPLACEX Itervalo que cotee a la medaa. 50 por lo tato / 5 Es e este tervalo dode se ecuetra el dato observado úmero 5. Notas (Itervalos) Prmer semestre 005 Frec. Relatva N Frec. Relatva Acumulada 1,0-3,0 * 5 5 3,0-4, ,0-5, ,0-6, ,0-7, Total 50 N 1 N M e x ( N ) / 1 / a La ampltud del tervalo que cotee la meda es 1 Se reemplaza los datos e la fórmula: M e / 50 / 50 1 M e M e M e D) La Moda (M o ) La moda se defe como aquel valor de la varable que ocurre co más frecueca. Esta medda de tedeca cetral se puede calcular para cualquer tpo de varable, de 15

16 hecho es la úca medda de tedeca cetral que se puede calcular para varables omales. E el caso que los datos se ecuetre agrupados e tablas de dstrbucó de frecuecas y los tervalos costrudos so de gual ampltud etoces, la moda se puede calcular medate la sguete fórmula: M x 1 + a Dode: X 1 : es el límte feror del tervalo que cotee a la moda. 1 : dfereca etre la frecueca del tervalo modal y la frecueca del tervalo ateror al modal. : dfereca etre la frecueca del tervalo modal y la frecueca del tervalo sguete al modal. a : es la ampltud del tervalo modal, es gual para todos los tervalos. Ejemplo Nº Las cuotas mesuales de 0 faceras para u crédto de $ , a pagar e u plazo de 1 meses, so las sguetes: Se pde: a) Calcular la Moda de los datos o agrupados b) Calcular la Moda para los datos agrupados Para los datos o agrupados, la moda es el valor de la varable que más se repte. M o

17 Como se ha mecoado ateror, cuado los datos se ecuetra agrupados, la moda se calcula utlzado la sguete formula: M x 1 + a Tabla Nº 19: Dstrbucó de las Cuotas, Préstamo de $ por u Año Satago, 005 Cuotas N (Itervalos) Es la dfereca etre la frecueca ( ) modal y la frecueca del tervalo ateror al modal. (6-0 6) Itervalo Modal M M o Es la dfereca etre la frecueca ( ) modal y la frecueca del tervalo sguete al modal. (6-3 3) M o M o aprox. Cabe señalar, que esta medda de tedeca cetral preseta el coveete de que o sempre exste o be que puede exstr más de ua moda, como se muestra e los sguetes gráfcos de dstrbucó de datos: 17

18 Gráfco Nº 1: Gráfcos de Dstrbucó Umodal, Bmodal y Uforme a) Dstrbucó Umodal b) Dstrbucó Bmodal M o M o M o No exste Moda c) Dstrbucó Uforme Realce ejerccos Nº 19 al 5 Comparacó etre la Meda, Medaa y Moda La comparacó etre las tres meddas de tedeca cetral permte estudar la exsteca de ua posble asmetría e ua dstrbucó de los datos. Dado lo ateror, observe la relacó que se preseta etre estas meddas e los sguetes gráfcos. La lustracó del Gráfco Nº 13, os muestra la coveeca de usar la meda ( X ) como medda de tedeca cetral cuado la dstrbucó preseta mucha asmetría. Esto se debe a que la meda se puede ver fuertemete fluecada por uos pocos valores extremos. 18

19 Gráfco Nº 13: Comparacó Meddas de Tedeca Cetral a) Dstrbucó Smétrca b) Dstrbucó Asmétrca Postva p p X M o M e M o M e X p X M e M o X M e M o c) Dstrbucó Asmétrca Negatva 4.1. Meddas de Poscó y o de Tedeca Cetral Las meddas de poscó que o so de tedeca cetral, so coocdas també como Meddas de Orde, las cuales puede ser calculadas para todo tpo de varable, excepto las omales. Cuado los dferetes valores que puede tomar ua varable so meddas co al meos ua escala ordal (ordal, tervalo y de razó) y la medaa del cojuto de datos observados es el cetro de la dstrbucó de frecuecas acumuladas correspodete; es posble calcular estas meddas de poscó o de orde. ) Percetles Sea x ua varable, cuyo vel de medcó es al meos ordal etoces el percetl p, que se deotará como P p, se defe como aquel valor de la varable que supera a o más del p% de las observacoes y es superado por o más del (100 p)% de las observacoes, cuado estos ha sdo ordeados segú magtud. 19

20 S la varable es cotua y los datos está agrupados, etoces, medate u procedmeto aálogo al utlzado e el cálculo de la medaa, se llega a la sguete fórmula: P p ( p )/ 100 ( N ) 1 x 1 + a O su equvalete: P p ( p )/ 100 ( P ) 1 x 1 + P a Dode: X 1 : es el límte feror del tervalo que cotee al percetl. : úmero de observacoes de la varable. : frecueca observada del tervalo que cotee al percetl. p : frecueca relatva observada del tervalo que cotee al percetl. N 1 : frecueca acumulada observada del tervalo ateror al tervalo que cotee al percetl. P 1 : frecueca relatva acumulada observada del tervalo ateror al tervalo que cotee al percetl. a : es la ampltud del tervalo que cotee al percetl. Dada la sguete sere de valores: Ejemplo Nº

21 Se pde: a) Determar el percetl 55 P 55 b) Determar el percetl 30 P 30 Percetl 50 es aquel valor de la varable que supera a o más del 55% de las observacoes y es superado por o más del 45% (100 p) de las observacoes. Es decr: P % 45% A modo de ejercco, determe el percetl 30 (P 30 13) ) Cuartles Los cuartles o so más que los percetles 5, 50 y 75, que recbe el ombre de cuartles 1, y 3. A cotuacó, se preseta su deotacó: Q 1 P 5 Q P 50 M e Q 3 P Meddas de Dspersó Busca resumr la formacó coteda e ua tabla, pero a dfereca de poscó e geeral, que busca ua determada poscó e la dstrbucó, las meddas de dspersó busca complemetar la formacó aportada por otras meddas de dspersó para dar cueta de la varabldad o dspersó, exstete e los datos. 1

22 Esta varabldad o es dscerble a través del cálculo de algua medda de poscó, de hecho como se apreca e el grafco Nº 14, o es posble comparar o descrbr dstrbucoes e base a ua medda de poscó solamete. Gráfco Nº 14: Gráfcos Comparatvos de Meddas de Tedeca Cetral A C B X A X B X C E el Gráfco Nº14, podemos observar claramete que las dstrbucoes de las frecuecas A y B tee gual meda, pero B preseta mayor dspersó de los datos que A. Por otra parte, las dstrbucoes A y C preseta gual dspersó 3 de los datos, pero dfere e la meda, medaa y moda. Etre las meddas de dspersó que abordaremos e uestro estudo se ecuetra: el rago, la ampltud tercuartílca, la desvacó estádar, la varaza, el coefcete de varacó y la razó tercuatílca. ) El Rago o Recorrdo Auque, es ua medda mperfecta de la dspersó de los datos, se recooce como la dfereca etre el mayor y el meor de los valores de la varable. E efecto, s se acepta ua dstrbucó uforme para dchos valores parece ua medda razoable. Sea x ua varable de vel de tervalo o superor (tervalar o de razó), para datos o agrupados, el rago se defe como la dfereca etre el valor máxmo (X máx ) y el valor mímo de la varable (X mí ). RANGO (X) X máx - X mí 3 La Dspersó de los datos es la varabldad, dspardad o esparcmeto mutuo de los datos observados.

23 E el caso de datos agrupados, el rago se defe como el límte feror del prmer tervalo (X 0 ) y el límte superor del últmo tervalo (X k ). Dode K es el úmero de tervalos. RANGO (X) X K - X 0 A pesar de la secllez utlzada e el cálculo de esta medda de dspersó, se debe señalar, que o es ua medda muy cofable, ya que se basa sólo e dos valores. Los prcpales defectos de esta medda de dspersó so: a) Posee ua total depedeca de los valores extremos de la sere, sedo por tato, muy sesble a las varacoes que se produce e los datos de ua muestra a otra. b) Al o teer e cueta los valores termedos de la varable, el recorrdo dce poco acerca de la dspersó de ellos, pues o es fácl aceptar que los datos se dstrbuya uformemete etre los valores extremos. c) No es posble su aplcacó e los casos e que alguo de los valores, máxmo o mímo, como ocurre e ocasoes, quede determado. Por ejemplo, e el estudo de la varable catdad de hjos por famla el últmo tervalo puede estar defdo por 1 o más, es este caso el límte superor del últmo tervalo o está defdo. Estos coveetes, poe de mafesto la ecesdad de cosderar otras meddas de dspersó de los datos que estamos aalzado. Ejemplo Nº 4 Retomado el ejemplo ateror, que expoe ua sere de valores: Se pde: a) Determar el Rago E el ejemplo, los datos o se ecuetra agrupados, por lo que utlzamos la fórmula: RANGO (X) X máx - X mí

24 El rago de esta sere de datos es 1, es decr, los datos se ecuetra dspersos e 1 udades de medda. ) La Ampltud Itercuatílca Cuado los valores próxmos al máxmo y al mímo de los datos de ua varable observada, está excesvamete alejados del resto, la cosderacó de u recorrdo más corto, prescdedo de u determado porcetaje de los datos más alejados, puede dar ua dea de la dspersó de los datos más acorde co la realdad que s se emplea la determacó del recorrdo como la expuesta aterormete. Esta dea coduce a la ocó de recorrdo tercuatílco, que se defe como la dfereca etre dos cuatles smétrcos e la sere ordeada de los valores de la varable. Sea x ua varable co u vel de medcó a lo meos de tervalo (tervalar o de razó), para la cual la ampltud tercuatílca, que se deota como AI, se defe como la dfereca etre el tercer cuartel y el prmero, y se preseta e la sguete fórmula: AI (X) Q 3 - Q 1 Gráfcamete se puede presetar esta medda de dspersó, como sgue: Gráfco Nº 15: Ampltud Itercuatílca 50 % 5 % 5 % Q 1 Q 3 Se recomeda usar la ampltud tercuatílca como medda de dspersó por sobre otras meddas de dspersó, cuado se ha usado la medaa como medda de tedeca cetral, ya que cuado los valores máxmo y mímo de los datos de ua sere 4

25 está excesvamete alejados del resto, es mejor utlzar u recorrdo más corto, prescdedo de u determado porcetaje de los datos más alejados; lo que permte etregar ua dea de dspersó del cojuto más acorde co la realdad. Ejemplo Nº 5 Retomado el ejemplo ateror, que expoe ua sere de valores: Se pde: b) Determar la ampltud tercuatílca E el ejemplo, los datos o se ecuetra agrupados, por lo que utlzamos la fórmula: AI (X) Q 3 - Q 1 P 75 - Q La ampltud tercuatílca de esta sere de datos es 1, es decr, los datos se ecuetra dspersos etre los cuatíles 3 y 1 e 1 udades de medda. ) La Varaza y la Desvacó Estádar La varaza es la meda artmétca de los cuadrados de las desvacoes de los datos respectos a la meda. Se deota por S y se ecuetra defda por: S 1 x X 1 x X 5

26 Esta defcó de varaza es para ua varable cuyo vel de medcó es al meos de tervalo (tervalo y de razó), de datos o agrupados, y co observacoes de la varable. Cabe señalar, que es posble que alguos autores agregue al dvsor de esta expresó: el meos 1, es decr, e vez de aparece como u (-1). Lo ateror, correspode al procedmeto de ajustar la muestra a la poblacó. E el caso de que los datos se ecuetre agrupados e k tervalos, etoces la varaza se defe: S 1 x X 1 x X O su equvalete: S x X p 1 1 x p X Dode: X : es el puto medo (marca de clase) del -ésmo tervalo. : es la frecueca absoluta del -ésmo tervalo. p : es la frecueca relatva del -ésmo tervalo. La varaza es, como resulta de su defcó, u úmero o egatvo, y es ula cuado y sólo cuado (X - X) 0 para 1,,3,,k; es decr, cuado todos los valores de la varable (X ) so guales etre sí. E el caso de ua sere de datos observados que se represeta como ua costate (b) multplcada por la varable x, es decr, b * X, la varaza de defe como b * S. S (Y) b (S (x) ) 6

27 Debdo a la forma e que se defe la varaza (S ), la udad de medda de ésta, es la udad de medda de la varable x al cuadrado. Es decr, La varaza o vee expresada e las msmas udades de medda que la de los datos, salvo que se extraga su raíz cuadrada, (S ), obteedo así la más utlzada de las meddas de dspersó, llamada Desvacó Estádar, que se defe como: S (X) (S (x) ) La desvacó estádar posee la msma udad de medda, que la varable x. Para lo cual se recomeda utlzar esta medda de dspersó de los datos, cuado se utlce de la meda ( X ) como medda de tedeca cetral. v) El Coefcete de Varacó (CV) Las meddas de dspersó abordadas aterormete, o puede ser utlzadas para comparar la varabldad de los datos de varables co dferetes udades de medda. E estos casos, para comparar las dspersoes de dos grupos de observacoes, se ecesta meddas que resulte depedetes (relatvas) de la udad co que se mde los valores de cada varable. Estas meddas de dspersó que, como hemos atcpado aterormete, se deoma relatvas, se defe, e geeral, como el coefcete etre ua medda de dspersó absoluta (a excepcó de la varaza) y ua medda de tedeca cetral, que geeralmete es la meda o la medaa. El coefcete de varacó es ua medda relatva de dspersó de los datos, co respecto a la meda, y o depede de la udad de medda de la varable x. Se defe como: CV ( x ) S ( x X ) v) La Razó Itercuartílca Esta medda relatva de dspersó de los datos se cooce como Itervalo tercuartílco relatvo o razó tercuartl, se deota como RI (X) y se defe como el cocete etre el recorrdo tercuartílco y la medaa. Q 3 Q 1 RI ( x ) Q AI ( x ) M e 7

28 4.3 Meddas de Forma La prmera formacó acerca de las peculardades de forma de ua dstrbucó os la proporcoa la observacó del dagrama de barras o del hstograma, segú se trate de ua varable dscreta o cotua, la mera observacó gráfca de estas dstrbucoes poe de mafesto dferetes aspectos globales de las dstrbucoes. Por ejemplo, cuado e el gráfco hay u úco valor de la varable, al que correspode ua altura máxma, se trata de ua dstrbucó umodal. Las meddas de forma, como su ombre lo dce, tee por objeto caracterzar ua dstrbucó a través de la forma que ésta tee. Hay dos tpos de meddas de forma, las meddas de asmetría, que busca determar s la dstrbucó es smétrca o o; y las meddas de curtoss o aputameto, que busca medr el grado de aputameto o achatameto de la dstrbucó Meddas de Asmetría Ua dstrbucó es smétrca s tee gual frecueca los valores que está a gual dstaca de u puto fjo del recorrdo de la varable. Este puto fjo o es otro que la meda. Cuado la dstrbucó es smétrca, la meda deja por delate la msma catdad de observacoes que detrás de ella. Por tato, e estos casos la meda cocde co la medaa. Además, cuado la dstrbucó es umodal, las tres meddas de poscó, meda, medaa y moda, cocde. E las dstrbucoes smétrcas, las desvacoes de los valores a la zquerda de la meda so gualmete frecuetes que la de los valores a la derecha y, e cosecueca, o sólo el mometo de prmer orde, so todos los mometos cetrales de orde mpar so ulos. E el Gráfco Nº 16, se preseta los dferetes tpos de asmetría de la dstrbucó de los datos. 8

29 Gráfco Nº 16: Dstrbucoes Smétrcas y Asmétrcas p a) Dstrbucó Smétrca Campaforme p b) Dstrbucó Umodal, Campaforme y de Asmetría Postva X M o M e M o M e X p X M e M o c) Dstrbucó Umodal, Campaforme y de Asmetría Negatva La falta de asmetría orga que las meddas de tedeca cetral vega stuadas e poscoes dferetes. Dstgamos los dos casos sguetes: a) Los valores bajos de la varable so más frecuetes. E este caso, la correspodete represetacó gráfca represeta ua cola alargada haca la derecha, dcédose, etoces, que la asmetría es postva o que la dstrbucó está sesgada a la derecha (ver gráfco Nº 16 b). b) Los valores más frecuetes so los mayores de la varable. E este caso, la correspodete represetacó gráfca represeta ua cola alargada haca la zquerda, dcédose, etoces, que la asmetría es egatva o que la dstrbucó está sesgada a la zquerda (ver gráfco Nº 16 c). ) Asmetría de PEARSON U crtero para determar la smetría de ua dstrbucó es la medda de asmetría de PEARSON, la que se deota como A s y se defe: A s X M S ( x ) o 9

30 Dode: X : meda de x M o : moda de x S (X) : desvacó estádar de x Esta medda sólo se puede calcular para varables de vel de tervalo y razó. Ahora be, s la medda de asmetría de pearso es cero o aproxmada a cero (A s 0), la dstrbucó es smétrca. Para el caso, que la A s > 0, la dstrbucó de los datos preseta asmetría postva; caso cotraro, dode la A s < 0, la dstrbucó de los datos preseta asmetría egatva. Cabe señalar, que esta medda o depede de la udad de medcó de la varable orgal. ) Coefcete de Sesgo Es otra medda de asmetría, que para el caso de datos o agrupados, se defe como: a s 1 (X - X ) 3 / ( (X - X ) / ) 3 Para el caso de datos agrupados e k tervalos, etoces el coefcete de sesgo se defe como sgue: a s k 1 (X - X ) 3 / ( (X - X ) / ) 3 Dode: X : es el puto medo del tervalo o marca de clase. 30

31 K : el úmero de tervalos. : es la frecueca absoluta del -ésmo tervalo. Las cosderacoes realzadas para la medda de asmetría de PEARSON, so váldas para el coefcete de sesgo Meddas de Curtoss o Aputameto El aputameto o curtoss es el grado de achatameto o aflameto del polígoo o curva de frecuecas de ua dstrbucó umodal, es decr, la mayor o meor clacó de la curva de dstrbucó para valores próxmos a la moda. E otras palabras, la curtoss es u coefcete que mde el aputameto de ua dstrbucó de frecueca. Para datos o agrupados, se defe como: C k 1 (X - X ) 4 / ( (X - X ) / ) Para el caso de datos agrupados e k tervalos, etoces el grado de curtoss se defe como sgue: C k k 1 (X - X ) 4 / ( (X - X ) / ) Dode: X : es el puto medo del tervalo o marca de clase. K : el úmero de tervalos. : es la frecueca absoluta del -ésmo tervalo. 31

32 Esta medda sólo se puede calcular para varables de vel de tervalo y razó. El grado de curtoss, se defe usado como refereca el valor que se obtee para C k e el caso de ua dstrbucó ormal, que es gual a 3. Dado lo ateror, s la medda de curtoss es gual a tres o aproxmada a tres (C k 3), la dstrbucó es MESOCÚRTICA (curtoss termeda). Para el caso, que la C k > 3, se dce que la dstrbucó de los datos es LEPTOCÚRTICA (curtoss putaguda); caso cotraro, dode la C k < 3, la dstrbucó de los datos es PLATICÚRTICA (curtoss aplaada). Gráfco Nº 17: Dstrbucoes co Grado de Curtoss N Leptocúrtca C k > 3 Mesocúrtca C k 3 Platcúrtca C k < 3 Cabe señalar, que esta medda o depede de la udad de medcó de la varable orgal, es decr, es totalmete depedete de la udad de medda de la varable observada. Realce ejerccos Nº 6 al 30 3

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Estadística descriptiva

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

Más detalles

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

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

I n t r o d u c i ó n A l a E s t a d í s t i c a 1 Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

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

Más detalles

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

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

Más detalles

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

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

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

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

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES. TEMA : PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.. INTRODUCCIÓN Hasta ahora hemos vsto cómo se puede resumr los datos obtedos del estudo de ua muestra (o ua poblacó) e ua tabla estadístca

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

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

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

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

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

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

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

Más detalles

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

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 47 Meddas Descrptvas Numércas Frecuetemete ua coleccó de datos se puede reducr a ua o uas cuatas meddas umércas secllas que resume al cojuto

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

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

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

Más detalles

Manual de Estadística

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

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

Más detalles

LECCIONES DE ESTADÍSTICA

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

Más detalles

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

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

Más detalles

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

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

Más detalles

V Muestreo Estratificado

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

Técnicas básicas de calidad

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

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO CURO PROBABILIDAD Y ETADITICA FM75 PROFEOR RODOLFO TORO DEPARTAMETO DE FIICA Y MATEMATICA UIVERIDAD ACIOAL ADRE BELLO EL MÉTODO CIETÍFICO La Estadístca, costtuye así, ua dscpla cetífca extremadamete ampla

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 0 años de expereca e las más recoocdas uversdades del área metropoltaa

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

Más detalles

Figura 1

Figura 1 Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable

Más detalles

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

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

Más detalles

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información

MATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información MATEMÁTICA Udad 4 Resolvamos desgualdades Iterpretemos la varabldad de la formacó Objetvos de la Udad: Propodrás solucoes a problemas relacoados co desgualdades leales y cuadrátcas; y represetarás los

Más detalles

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

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

Más detalles

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

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

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

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

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

Más detalles

2.2 Distribuciones de frecuencias unidimensionales.

2.2 Distribuciones de frecuencias unidimensionales. Itroduccó a la Estadístca Empresaral Capítulo - Aálss de ua varable CAPITULO - AALISIS DE UA VARIABLE Itroduccó E este capítulo se dará u cojuto de strumetos que permtrá el aálss descrptvo de ua varable

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

MS Word Editor de Ecuaciones

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

Más detalles

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

Más detalles

Nociones de Estadística

Nociones de Estadística Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

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

Más detalles

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

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

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

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

Más detalles

6.2.- Funciones cóncavas y convexas

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

Más detalles

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

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

Más detalles

Simulación de sistemas discretos

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

Frecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti

Frecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti 116 Capítulo 7: Estadístca. Azar y probabldad TEORÍA. Matemátcas 4º de ESO 1. ESTADÍSTICA 1.1. Muestras. Estudos estadístcos S queremos hacer u estudo estadístco teemos que: a) Recoger los datos b) Descrbr

Más detalles