TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

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

Download "TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS."

Transcripción

1 1. Dstrbucoes Bdmesoales de Frecuecas Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca Dstrbucoes Margales Dstrbucoes Codcoadas Idepedeca Estadístca.. Represetacoes Gráfcas. 3. Mometos de Dstrbucoes Bdmesoales Mometos Respecto al Orge. 3.. Mometos Respecto a las Medas Cálculo de los Mometos Cetrales e fucó de los Mometos Respecto al Orge Método Reducdo para el Cálculo de Varaza y Covaraza Valor de la Covaraza e caso de Idepedeca Estadístca. 4. Auste Método de los Mímos Cuadrados Auste de ua Recta Auste de ua Parábola Auste Hperbólco Auste Potecal Auste Expoecal. 4.. Método de los Mometos. 5. Regresó Regresó Leal Recta de Regresó de Y sobre Recta de Regresó de sobre Y. 5.. Coefcetes de Regresó. 6. Correlacó Campo de Varacó de R y su Iterpretacó. 6.. Coefcete de Correlacó Leal Iterpretacó Aalítca de r Iterpretacó Geométrca de r. 7. Varaza debda a la Regresó y Coefcete de Determacó Leal. 8. Aplcacoes de la Regresó y la Correlacó Uso y Abuso de la Regresó. 8.. Predccó. Bblografía Recomedada. 1/5

2 TEMA 6 ERIE ETADÍTICA BIDIMEIOALE. COEFICIETE DE VARIACIÓ. VARIABLE ORMALIZADA. APLICACIÓ AL AÁLII, ITERPRETACIÓ Y COMPARACIÓ DE DATO ETADÍTICO. 1. DITRIBUCIOE BIDIMEIOALE DE FRECUECIA. estudamos sobre la msma poblacó dos caracteres cuattatvos e Y y los medmos e las msmas udades estadístcas, obteemos dos seres estadístcas de las varables e Y. Cosderado smultáeamete ambas seres, el par de valores (x,y ) le correspode ua varable estadístca Bdmesoal. Es posble estudar de forma separada la dstrbucó de la poblacó segú el carácter o Y, obteedo x, x, y, y o cualquer otro parámetro. Pero puede ser teresate cosderar de forma smultáea los dos caracteres, co el obetvo de determar las posbles relacoes etre ellos y así poder respoder a pregutas como Exste algú tpo de relacó etre los caracteres e Y?. Vamos a ver strumetos estadístcos que os va a permtr obteer la exsteca o o de cocdecas etre los valores de dos varables y, a partr de esas cocdecas, formular la hpótess de ua relacó causal etre los dos caracteres. exste cocdecas estadístcas etre los valores de dos caracteres, o lo que es lo msmo, s exste relacó etre las dos varables, las cocdecas puede ser más o meos fuertes, y la tesdad de la relacó puede varar etre auseca total de relacó o lgazó perfecta Idepedeca y Relacó Fucoal de dos Varables. DEF Dremos que dos varables so depedetes cuado o exste relacó etre ambas. Iversamete, cuado la relacó etre dos varables es perfecta, dremos que está relacoadas fucoalmete, lo cual mplca que su relacó puede expresarse como yf(x). DEF Dremos que Y depede fucoalmete de cuado podamos establecer ua aplcacó que os trasforme los elemetos de e elemetos de Y. Desde el puto de vsta de la Estadístca, lo que realmete os teresa es que podemos determar los elemetos de Y coocdos los de, o vceversa. Pero esa crcustaca o será muy habtual. Exste característcas como la estatura y el peso, cosumo y reta, etc. e los que au exstedo terrelacó, es mposble defr ua aplcacó e el setdo estrctamete matemátco. Es decr, o depede fucoalmete ua de otra. Estadístcamete hablado, es claro que el peso depede e certa forma de la estatura, el cosumo depede de la reta, etc. Este tpo de relacó o expresable a través de ua determada aplcacó es la coocda como Depedeca Estadístca. Y /5

3 este tpo de depedeca s admte grados, ya que puede haber depedecas más o meos fuertes. Estos tpos de depedeca se puede expresar gráfcamete medate u segmeto de la recta real, dode e u extremo stuamos la depedeca fucoal y e el otro la depedeca. Los putos termedos del segmeto se correspode co los dferetes grados de depedeca estadístca. 1.. Tablas de Correlacó y de Cotgeca. Dada ua poblacó, e la que estudamos smultáeamete dos caracteres e Y, podemos represetar la dstrbucó medate teras de la forma (x, y, ), dode x e y so dos valores cualesquera y es la frecueca absoluta couta del valor -ésmo de y -ésmo de Y. Los resultados se puede represetar e ua tabla de doble etrada coocda como Tabla de Correlacó. \ Y y 1 y y. x x 1 x m m1 m m m. 1 la dstrbucó bdmesoal es de atrbutos, la tabla de doble etrada recbe el ombre de Tabla de Cotgeca Dstrbucoes Margales. A partr de ua dstrbucó bdmesoal podemos realzar el estudo de cada ua de las varables de forma aslada. Tedríamos así dos dstrbucoes udmesoales las cuales sería las correspodetes a e Y respectvamete. Para poder obteerlas, ecestamos determar las frecuecas margales. La dstrbucó margal de se halla obteedo cuatas veces se repte el valor x, depedetemete de que aparezca coutamete o o co algú valor de Y. Así, teemos que la dstrbucó margal de sería: x 1 x x m m m 1 3/5

4 Aálogamete obtedríamos la dstrbucó margal de Y Dstrbucoes Codcoadas. e puede formar otro tpo de dstrbucoes udmesoales e las que prevamete haría falta defr ua codcó. E geeral, las dstrbucoes de codcoadas a que Y tome u determado valor (por eemplo y ) so: x /y x 1 x x m / 1 m De forma aáloga costruríamos las dstrbucoes de Y codcoadas a que tome u determado valor. La frecueca relatva de la dstrbucó codcoada a algú valor de y es: f / Aálogamete, la frecueca relatva de la dstrbucó codcoada a algú valor de x es: f 1.5. Idepedeca Estadístca. / DEF Dremos que dos varables e Y so depedetes estadístcamete cuado la frecueca relatva couta es gual al producto de las frecuecas relatvas margales. Es decr:, E este caso, las frecuecas relatvas codcoadas será: f / f / Como vemos, las frecuecas relatvas codcoadas so guales a sus correspodetes frecuecas relatvas margales, lo que os dca que el codcoameto o exste. Las varables so depedetes, puesto que e las 4/5

5 dstrbucoes margales se estuda el comportameto de ua varable co depedeca de los valores que pueda tomar la otra.. REPREETACIOE GRÁFICA. La represetacó gráfca más utlzada cosste e represetar cada parea de valores medate u puto e u sstema de ees coordeados. Por tato, la dstrbucó vedrá dada por u couto de putos que recbe el ombre de ube de Putos o Dagrama de Dspersó. Cuado ua parea de valores está repetda, uto a la represetacó del puto correspodete se dca el valor de su frecueca. La represetacó gráfca de la ube de putos puede hacerse tato co datos agrupados (las marcas de clase so las que se represeta) como co datos s agrupar. E el dagrama de tres dmesoes y utlzado los límtes de tervalos (o las marcas de clase), el escalograma más adecuado es el costtudo por paralelepípedos cuyo volume sea la correspodete frecueca, y los lados de la base cada ua de las ampltudes de los respectvos tervalos de las varables, y dode es el volume del paralelepípedo y h la altura del msmo. ( L L 1 ) ( L L 1 ) h 3. MOMETO DE DITRIBUCIOE BIDIMEIOALE. Al gual que se defe los mometos e las dstrbucoes udmesoales, podemos hacerlo e las bdmesoales. Por tato, podemos dstgur etre mometos respecto al orge y mometos respecto a la meda Mometos Respecto al Orge. DEF Defmos el mometo de orde r,s respecto al orge para la dstrbucó (x,y, ) como m α x r y s Podemos calcular los mometos de prmer orde: rs m m m 10 m α x 1 y 0 x x x 1 x m m m α 01 x y y y y y També resulta secllo calcular los mometos de segudo orde: 5/5

6 m m m m x x x α x y 0 0 m m m y y y α x 0 y 0 1 m α 01 x y Mometos Respecto a las Medas. DEF Defmos el mometo de orde r,s respecto a las medas para la dstrbucó (x,y, ) como: rs (x x) r (y ) s m 1 Los mometos de prmer orde so y 1 x x)1 (y y) 0 (x x) x x) m m m m ( 10 ( ( ) 0 ( ) 1 ( ( ) ( ) ) y y y y y y m m m 01 x x y y Los Mometos de segudo orde so: m (x x) 0 0 ( ) ( ) 0 m ( ) m (x x) m (x x) 0 x x y y x x ( ) 0 ( ) ( ) ( ) m m m (y 0 x x y y y y y y ( ) 1 ( ) 1 m 11 x x y y 1 1 y) Y DEF Llamamos Covaraza al mometo µ 11, que també se represeta por Cálculo de los Mometos Cetrales e Fucó de los Mometos respecto al Orge. Al gual que sucede e las dstrbucoes udmesoales, los mometos cetrales de ua dstrbucó bdmesoal puede expresarse e fucó de los mometos respecto del orge. 6/5

7 Veamos: m (x x) m x ( x x + ) x m α 0 xα 10 + x α α +α α 0 α α Por tato teemos que α m x x x m + x 1 1 De forma aáloga comprobaríamos que α α Y Además, de la covaraza podemos decr: ( ) 1 ( y (x xy y + yx x ) m 11 1 x 1 1 x y y m 1 1 m m m m x y x y y x + xy α 11 xα 01 yα 10 + xy α 11 α 10 α 01 α 01 α 10 + α 10 α 01 α 11 α 10 α 01 os queda que la covaraza es 11 α 11 α 10α Método Reducdo para el Cálculo de Varaza y Covaraza. E aquellos casos e los que os pueda parecer coveete, podemos realzar determados cambos de varable para así smplfcar los cálculos. Los cambos de varable sempre será los msmos: x ' x O 1 c 1 y ' O y c sedo O 1 y O orígees de trabao arbtraros que se procura sea putos cetrales de la dstrbucó. Así, sabemos que: x c 1 x'+o 1 y c y'+o c ( ' ) 1 c ( ' ) Y Y c c ' 1 7/5

8 3.5. Valor de la Covaraza e caso de Idepedeca Estadístca. egú hemos vsto, la covaraza se podía expresar como 11 α 11 α 10α 01 La codcó de depedeca estadístca era, Calculemos, segú esta codcó, el valor de α 11 m α 11 x y x y x y α 10 α m m Luego, cuado las varables so depedetes, la covaraza es ula. E cambo el recíproco o tee por qué ser certo. 4. AJUTE. ea (x,y, ) ua dstrbucó bdmesoal e la que supoemos que exste relacó etre las varables aleatoras e Y. represetamos e u sstema de ees coordeados los pares de valores de ambas varables, el problema del auste cosste e obteer la ecuacó de ua curva que pase cerca de los putos y se adapte lo meor posble a los msmos, cumpledo uas determadas codcoes. Cuado pretedemos realzar u auste os ecotramos co dos problemas: 1) Elegr el meor tpo de curva que se adapte a los datos dspobles, es decr, aquella que meor represete la relacó exstete etre e Y. Es mportate, sólo a modo de oretacó, ver la represetacó gráfca de los putos. ) Fado el tpo de curva a través de su ecuacó e forma explícta co u certo úmero de parámetro, determar éstos medate las codcoes que se mpoga segú el procedmeto de auste plateado Métodos de los Mímos Cuadrados. Dados los putos (x 1,y 1 ), (x,y ),..., (x m,y m ), podemos elegr ua fucó de auste defda por: y f(x,a 1,a,...,a ) e la que tervee parámetros (a 1,a,...,a ) co <m. Para cada valor x de la varable, teemos dos valores para Y: 1) El valor, y, observado e la propa dstrbucó. * ) El valor, que deotaremos por y, que se obtee de susttur x por x e la fucó f. 8/5

9 Para cada térmo x, exste ua dfereca etre el valor observado e la dstrbucó y el obtedo e forma teórca, que llamaremos Resduo. e y y * El método de mímos cuadrados cosste e determar los parámetros a 1,a,...,a de tal forma que los resduos sea mímos. tomamos la suma de todos los resduos * (y y ) os ecotramos co dos problemas a la hora de mmzar la expresó. El prmero es que teemos resduos de dferete sgo, los cuales se compesará e la suma, pudedo dar ua suma muy pequeña para resduos muy grades. El segudo problema es que la determacó de los parámetros o es úca, ya que obtedríamos dferetes coutos de parámetros que arroaría la msma suma míma de los resduos. Para solucoar estos problemas sguedo co el método de mímos cuadrados, lo que vamos a hacer es tratar de mmzar la expresó: * (y y ) Como los valores teórcos so los obtedos a partr de la curva austada, teemos que la expresó a mmzar se queda como: (y f ( x, a 1, a,, a )) para lo cual, la codcó ecesara es que las prmeras dervadas parcales respecto a cada uo de los parámetros se aule. El sstema que se obtee recbe el ombre de stema de Ecuacoes ormales. 9/5

10 ' [y f ( x ; a 1, a,, a )] ( f a ) 0 1 a 1 [y f (x ; a, a,, a )] ( f ' ) 0 1 a a [y f (x ; a, a,, a )] ( f ' ) 0 1 a a Resolvedo este sstema determamos los valores de los parámetros, así como la propa fucó f. A cotuacó vamos a utlzar el método descrto para austar alguas fucoes que corretemete se suele presetar Auste de ua Recta. Dada ua ube de putos, vamos a tratar de austarla medate ua recta de ecuacó y * a + bx Para determar los coefcetes a y b buscaremos el mímo de la fucó: (y y ) (y (a + bx )) (y a bx ) * para lo cual, obtedremos las dervadas parcales de la fucó co respecto a los parámetros. Al gualar a cero ambas expresoes, resolvemos el sstema de dos ecuacoes que aparece. (y a (y a bx )( 1) 0 a bx )( x ) 0 b Dvdedo ambos membros por, os queda: (y a bx ) 0 (y a bx )(x ) 0 Operado y cambado térmos de u membro a otro: 10/5

11 y a + b x y x a x + b x Podemos resumr la expresó ateror e: y a + b x y x a x + b x Ahora ya estamos e codcoes de resolver el sstema, llamado stema de Ecuacoes ormales. b a y bx Auste de ua Parábola. E este caso, la curva seleccoada para austarse a la ube de putos es * y a + bx + cx y para hallar los parámetros a, b y c debemos mmzar la fucó (y a bx cx ) Las prmeras dervadas parcales de la fucó co respecto a cada uo de los parámetros os determa el sstema sguete: (y a (y b a bx cx )( 1) 0 a bx cx )( x ) 0 (y a bx cx )( x ) 0 c Realzado las msmas operacoes que e el caso ateror para la recta, el sstema se trasforma e y a + b x + c x x y a x + b x + c x x y a x + b x + c x 11/5

12 de cuya resolucó se obtee los valores umércos de los parámetros de la meor parábola de segudo grado e el setdo mímo cuadrátco para la ube de putos dada Auste Hperbólco. o fucoes de la forma: yx b y b 1 x sedo b ua costate cualquera. També se puede cosderar la fucó ateror pero desplazada ua certa catdad a: y a + b 1 x El auste por mímos cuadrados lo podemos reducr al caso de la recta, ya vsto aterormete, s más que efectuar la trasformacó z 1 x co lo que la fucó se coverte e y a+bz Auste Potecal. La forma geeral de la fucó potecal es y a x b que de forma aáloga al ateror, lo podemos reducr al caso de ua recta smplemete tomado logartmos e ambos membros. log y log a + b log x y' a'+bx' Auste Expoecal. La ecuacó geeral es y a b x y reptedo el caso ateror, al tomar logartmos se os reduce al caso de ua fucó leal. log y log a + x log b 1/5

13 4.. Método de los Mometos. El Método de los Mometos se basa e el hecho coocdo de que dos dstrbucoes so tato más parecdas cuato mayor catdad de mometos guales tega. Dada la dstrbucó bdmesoal (x,y ) dada por u úmero de putos, recordemos que uestro obetvo era ecotrar ua certa fucó y*f(x,a 0,...,a ) que se auste lo más posble a la ube de putos obteda. Para hallar la fucó, bastará basaros e la propedad que hemos eucado, para lo cual, sólo tedremos que gualar los +1 prmeros mometos obtedos de la dstrbucó observada co sus correspodetes de la dstrbucó teórca. Teedo e cueta que los mometos respecto al orge de la dstrbucó observada vee dados por la expresó: 1 r s α rs x y 1 que para el valor s1 se coverte e: α r1 1 x r y 1 r:0,1,,... De forma aáloga, los mometos correspodetes a la dstrbucó teórca obtedos a partr de la fucó sería: α r1 1 x r y * 1 r:0,1,,... dode, recordemos, y *f(x,a 0,...,a ) Igualado los +1 prmeros mometos, obteemos el sstema de ecuacoes: y 1 1 x y * x y 1 x y 1 * y 1 y x * 1 Teemos así u sstema de +1 ecuacoes que os permte calcular el valor de los +1 parámetros que determa la fucó y *f(x,a 0,...,a ) esta fucó fuera u polomo de grado k, el sstema que se obtee es el stema de Ecuacoes ormales obtedo por el método de Mímos Cuadrados cuado la fucó a austar es u polomo de grado k. 13/5

14 5. REGREIÓ. La Regresó tee por obeto la determacó de ua certa estructura de depedeca que meor exprese el tpo de relacó de la varable Y co las demás. Es decr, trata de poer de mafesto, a partr de la formacó dspoble, la estructura de depedeca que meor explque el comportameto de la varable Y (varable depedete) a través de todo el couto de varables 1,,..., k (varables depedetes) co las que se supoe que está relacoada. E este tema sólo vamos a tratar el caso de dspoer de ua varable depedete, ya que estamos estudado dstrbucoes bdmesoales. ea pues, e Y dos varables cuya dstrbucó couta de frecuecas es (x,y, ) DEF Llamaremos Regresó de Y sobre a la fucó que explca la varable Y para cada valor de. DEF Llamaremos Regresó de sobre Y a la fucó que explca la varable para cada valor de Y Regresó Leal. La regresó será leal cuado la curva de regresó, obteda o seleccoada, sea ua recta. Desarrollaremos este caso partcular por ser el más empleado Recta de Regresó de Y sobre. Hacedo uso de la técca de mímos cuadrados para el auste de ua recta, debíamos hacer míma la fucó: (y a bx ) llegado al sstema de ecuacoes ormales y a + b x y x a x + b x Dvdedo ambas ecuacoes por, expresamos el sstema e fucó de los mometos respecto al orge: α 01 a + b α 10 α 11 a α 10 + b α 0 14/5

15 Para resolver el sstema, multplcamos la prmera ecuacó por α 10 y sumamos ambas, quedado: α α α b α 0 α 10 0 Despeado a e la prmera ecuacó y susttuyedo el valor de b obtedo a α 01 α 10 y x Por tato, la recta de regresó de Y sobre, e fucó de los mometos quedará: y y x + x Y reordeado los térmos obteemos: y y (x x) Recta de Regresó de sobre Y. Partedo de la fucó (x a by ) y realzado u desarrollo aálogo al del apartado ateror, llegamos a que la recta de regresó de sobre Y será: x x ( y y) DEF Llamaremos Cetro de Gravedad de la dstrbucó couto de e Y al puto (x, y), lugar dode se corta ambas rectas de regresó. Y 5.. Coefcetes de Regresó. Los coefcetes de regresó leal so las pedetes de las rectas de regresó. Así, el coefcete de regresó de Y sobre será pero b 15/5

16 y b tg α x luego el coefcete de regresó de Y sobre os mde la tasa de cremeto de Y para varacoes de. Es decr, b dca la varacó de la varable Y para u cremeto utaro de la varable. De forma aáloga, el coefcete de regresó de sobre Y será y como b Y b' tg α' y x b os dcará la varacó de correspodete a u cremeto utaro de Y. Tato el sgo de b como de b será el sgo de la covaraza. Ua covaraza postva os dará dos coefcetes de regresó postvos y sus correspodetes rectas de regresó crecetes. la covaraza es egatva, las dos rectas de regresó será decrecetes al serlo sus pedetes. E caso de que la covaraza sea cero, las pedetes será ulas y por tato las rectas será paralelas a los ees coordeados y perpedculares etre sí. 6. CORRELACIÓ. DEF Llamamos Correlacó al grado de depedeca mutua etre las varables de ua dstrbucó. El problema que se os platea es como medr la tesdad co que dos varables de ua dstrbucó bdmesoal está relacoadas. Recordemos que a través de la curva de regresó expresábamos la estructura de la relacó exstete etre las varables, y que para cada valor de x obteíamos ua dfereca, llamada resduo, etre el valor de Y e la ube de putos y el correspodete valor teórco obtedo e la fucó. todos los putos de la ube estuvera e la fucó, obtedríamos depedeca fucoal, sedo el grado de depedeca etre las varables el máxmo posble. Cuato más se alee los putos de la fucó (mayor sea los resduos) meor será la relacó etre ambas. Es por ello que para estudar la depedeca etre las varables vamos a hacer uso de los resduos. DEF Llamaremos Varaza Resdual a la meda de todos los resduos elevados al cuadrado. (y y ) * (y y * ) ry 16/5

17 la varaza resdual es grade, etoces los resduos, por térmo medo, será grades, lo que sgfca que los putos estará muy separados de la fucó, sedo pequeña la depedeca etre las varables. Razoado gual, s la varaza es pequeña, la relacó será grade. Para que la relacó etre la depedeca de las varables y la medda utlzada sea drecta (e lugar de versa como ocurre co la varaza resdual), defmos el sguete coefcete. DEF Llamamos Coefcete de Correlacó Geeral de Pearso a R 1 ry DEF Llamamos Coefcete de determacó al cuadrado del coefcete de correlacó, R. Y 6.1. Campo de Varacó de R y su Iterpretacó. Despeado la varaza resdual del coefcete de correlacó R, teemos ry (1 R ) Y Dado que la varaza margal de Y y la varaza resdual so sumas de sumados o egatvos, ambas será o egatvas, de lo cual deducmos que y de aquí obteemos 1 R 0 1 R 1 Por tato, el rago de valores de R es el tervalo cerrado [-1,1] Aalcemos ahora, e fucó de los valores de este coefcete, que depedeca exste etre las varables. 1) R1 0. ry Todos los valores teórcos cocde co los obtedos de la observacó y, por tato, la depedeca es fucoal. Dremos que exste Correlacó Postva Perfecta, dcado co Perfecta que ambas varables varía e el msmo setdo. ) R 1 0. ry E este caso, la depedeca també es fucoal pero ambas varables varía e setdos opuestos. Decmos que exste Correlacó egatva Perfecta. 17/5

18 3) R0 ry Y o exste gua relacó etre la varable Y y la varable, lo cual sgfca que o está asocadas. Dremos etoces que la Correlacó e ula. 4) 1<R<0. La Correlacó es egatva, sedo más fuerte coforme más cerca esté de 1. 5) 0<R<1. La Correlacó es Postva, y cuato más próxma esté a uo, más depedeca exstrá etre las varables. 6.. Coefcete de Correlacó Leal. abemos que la varaza resdual es (y y * ) ry y que los valores teórcos de la dstrbucó so y * y + ( x x) usttuyedo esta expresó e la varaza resdual teemos: * y y + ( x x) ry (y y ) (y y) ( x x) (y y) + (y y) (x x) Y + ( Y ) (x x) DEF Llamamos Coefcete de Correlacó Leal, al coefcete de correlacó geeral aplcado al caso de ua fucó leal. e deota por r y es Y Y 1 ry r 1 Y Y Y 18/5

19 Y el Coefcete de Determacó Leal es r Y Ya hemos vsto e el apartado ateror que R també os srve para r. 1 r 1 y la terpretacó dada para 6.3. Iterpretacó Aalítca de r. Teedo e cueta las rectas de regresó de Y sobre y de sobre Y y el coefcete de correlacó leal, podemos expresar las rectas de la sguete forma: y y r Y x x r Y (x x) ( y y) Cosderemos ahora los sguetes casos: 1) r1. La varaza resdual es cero y los valores teórcos cocde co los observados. Por tato, todos los putos de la ube está e la recta. La correlacó leal es perfecta postva y las rectas de regresó cocde, ya que al susttur r por 1 e la expresó ateror, obteemos la msma recta. E este caso, la depedeca fucoal exstete vee refleada por ua recta crecete, al ser la pedete postva. ) r 1. La correlacó es perfecta egatva. E este caso las rectas també cocde, pero la recta es decrecete al ser la pedete egatva. 3) r0 La correlacó es ula y las dos rectas so y y 0 x x 0 las cuales so dos rectas paralelas a cada uo de los ees y por tato, perpedculares etre sí. 19/5

20 4) 1<r<0. La correlacó es egatva y las rectas de regresó, las cuales ahora so dferetes, será las dos decrecetes ya que el sgo de las pedetes es el msmo que el de la covaraza, que es la que da el sgo a r. 5) 0<r<1 La correlacó es postva, sedo las dos rectas de regresó crecetes Iterpretacó Geométrca de r. Partedo de las rectas represetamos teemos de regresó de Y sobre y de sobre Y, s las abemos que b b' Y multplcado membro a membro obteemos b b' r Y Y Es decr r b b' el coefcete de correlacó leal es la meda geométrca de los coefcetes de regresó leales. 0/5

21 Por otra parte teemos que b tgα b' tgα' c tg ν α' 1 tg ν α' Por lo cual, el coefcete de correlacó leal se puede expresar como r b b' tg α ν tg α' 1) r±1 Teemos que ambas tagetes so guales lo cual mplca que α ν α', lo que geométrcamete sgfca que las dos rectas cocde, como se puede ver e la gráfca ateror. ) r0 Etoces teemos que se debe verfcar ua de las dos expresoes sguetes: tgα 0 α 0 ν tg α' α' 0 luego las dos rectas so dos paralelas a cada uo de los ees. Como coclusó, podemos decr que r es u coefcete tal que cuado es gual a +1 o 1, el águlo etre rectas es de cero grados, ya que cocde. Cuado r es cero, el águlo formado es de 90º. De aquí deducmos que cuado más se acerque r al valor +1 o 1 mas pequeño será el águlo etre rectas. Por tato, r també mde la apertura exstete etre las rectas de regresó. 7. VARIAZA DEBIDA A LA REGREIÓ Y COEFICIETE DE DETERMIACIÓ LIEAL. El teto de explcar ua varable e fucó de la otra vee motvado por el supuesto, el cual hemos de comprobar, de que la formacó que sumstra ua varable sobre la que se regresa va a meorar el coocmeto del comportameto de la otra varable. Es decr, se supoe que e el caso de la regresó de Y sobre, Y se explca meor a través de que co la dstrbucó margal de Y. Para ver e que medda la meora de la descrpcó de ua varable a través de la otra tee lugar, vamos a defr prmero el cocepto de Varaza Debda a la Regresó. Para ello, hemos de cosderar las tres varables que se obtee e la regresó. 1/5

22 y, que represeta los valores observados de la varable Y. y * que represeta los valores teórcos asgados a x e la regresó de Y sobre. e que so los resduos o errores que se geera e la regresó mímocuadrátca. Los valores medos de estas tres varables so 1) La meda de la sere observada de Y y y ) La meda de los valores teórcos. y* y * y 3) La meda de los resduos e la regresó leal de Y sobre e e 0 Teedo e cueta estos resultados, podemos defr las sguetes varazas: DEF Llamamos Varaza Total de los valores observados a Y (y y) DEF Llamamos Varaza de los Errores o Resduos a e (e e) teemos e cueta que la meda de los resduos tee valor ulo, al desarrollar la expresó ateror llegamos a que que es la llamada varaza resdual. e ry DEF Llamamos Varaza Debda a la Regresó, a la varaza de los valores teórcos. (y * y *) (y * y) R /5

23 E la regresó leal, podemos ecotrar ua relacó etre las tres varazas aterores, la cual pasamos a obteer. Para ello tedremos e cueta que la regresó es leal. * ( x x) y R (y y) y + (x ( ) x) ( ) r Y Por otra parte, la varaza resdual será Luego teemos que (1 r ) r ry Y Y Y ry Y R + Y R ry Dvdedo ambas ecuacoes membro a membro R ry 1 + Y El prmer sumado del segudo membro os dca la parte de la varacó de Y que es explcada por la recta de regresó. El segudo sumado dca la parte o explcada por la recta, la que escapa de ésta o varacó resdual. De la expresó ateror teemos R 1 ry r Y El coefcete de determacó leal r os medrá el grado de acerto de la utlzacó de la regresó. O lo que es lo msmo, r os dará el porcetae de varabldad de Y que queda explcada por la regresó. La troduccó de r, coefcete de correlacó leal, se ustfca co el f de añadr a r el carácter de la asocacó (postva o egatva). Teedo e cueta la expresó ateror, s r 1, es decr, s la correlacó es perfecta: r R 1 R Y Y Y Y 3/5

24 lo que mplca que la varaza resdual ry es ula, luego se ha meorado al máxmo la descrpcó de Y medate la utlzacó de la formacó sumstrada por. Toda la varabldad margal de Y está coteda e la regresó. r0, caso de correlacó ula r R 0 Y 0 R ry Y es decr, e este caso o os srve para amplar la descrpcó del comportameto de la varable Y. 8. APLICACIOE DE LA REGREIÓ Y LA CORRELACIÓ Uso y Abuso de la Regresó. La aplcacó de los métodos expuestos de regresó y correlacó exge u aálss teórco prevo de las posbles relacoes etre las varables. Puede ocurrr que se seleccoe dos varables cualesquera al azar y que dé la casualdad de que, estadístcamete, la correlacó sea perfecta cuado o exste relacó posble etre ellas. Por eemplo, el hecho de que, casualmete, la correlacó leal etre la tasa de ataldad e ueva Zelada y la produccó de cereales e España a lo largo de u determado perodo fuera perfecta o os debería llevar a supoer que exste algú tpo de relacó leal etre estas varables. e debe seleccoar varables etre las que la fudametacó teórca avale algú tpo de relacó, evtado, e lo posble, relacoes a través de otra varable prcpal.. Por eemplo, el cosumo de bebdas puede varar e la msma dreccó que el cosumo de gasola, pero o porque ua varable depeda drectamete de la otra, so porque ambas va e el msmo setdo que las varacoes de la reta, que será la prcpal varable explcatva. 8.. Predccó. El obetvo últmo de la regresó es la predccó o proóstco sobre el comportameto de ua varable para u valor determado de la otra. Así, dada la recta de regresó de Y sobre, para u valor x 0 de la varable, obteemos y 0 Es claro que la fabldad de esta predccó será tato mayor, e prcpo, cuato meor sea la correlacó etre las varables. Por tato, ua medda aproxmada de la bodad de la predccó podría ver dada por r. 4/5

25 BIBLIOGRAFÍA RECOMEDADA. Itroduccó a la Teoría de la Estadístca. Aut.: Mood/Graybll. Ed. Agular. Itroduccó a la Probabldad y la Medda. Aut. Procopo Zoroa. Ed. PPU Algortmo. Matemátcas II. Cou. Aut.: Vzmaos y Azola. Edt. M. 5/5

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

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

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

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

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

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: 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

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

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

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

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

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

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

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

Variables bidimensionales: regresión y correlación

Variables bidimensionales: regresión y correlación Varables bdmesoales: regresó correlacó VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1. Itroduccó.... Dstrbucoes margales... 4 3. Mometos... 7 3.1 Mometos respecto al orge... 7 3. Mometos respecto a la meda...

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

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

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

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

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

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

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

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

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

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

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

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

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

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

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

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

Ventajas e Inconvenientes.

Ventajas e Inconvenientes. 1. Itroduccó.. Meddas de Poscó..1. La Meda Artmétca..1.1. Propedades..1.. Cálculo Abrevado..1.3. Vetajas e Icoveetes... La Meda Geométrca...1. Propedades.... Vetajas e Icoveetes..3. La Meda Armóca..3.1.

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

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

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

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

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

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

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

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

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

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

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

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN

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

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

1.- DISTRIBUCIÓN BIDIMENSIONAL

1.- DISTRIBUCIÓN BIDIMENSIONAL º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN

Más detalles

EL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN

EL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN CAPÍTULO VIII EL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN 8. INTRODUCCIÓN A través del Dagrama Causa - Efecto establecemos las posbles causas que provoca u problema de caldad, estas aseveracoes

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

Calibración de modelos gravitacionales acotados en origen, para predecir variaciones en el total atraído de movilidad laboral

Calibración de modelos gravitacionales acotados en origen, para predecir variaciones en el total atraído de movilidad laboral Calbracó de modelos gravtacoales acotados e orge, para predecr varacoes e el total atraído de movldad laboral Report de recerca Nº 4 Jorge Cerda Trocoso Abrl 00 roblema de vestgacó El tradcoal problema

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

6 El modelo de regresión lineal

6 El modelo de regresión lineal 6 El modelo de regresó leal 1. Coceptos báscos sobre el aálss de regresó leal. Ajuste de la recta de regresó 3. Bodad de ajuste. La regresó leal múltple 5. Descrpcó estadístca de la relacó etre dos varables:

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

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

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

Unidad 2. Reactores Continuos

Unidad 2. Reactores Continuos Reactores Químcos: Udad Udad Reactores otuos Reactores cotuos so aquellos e los cuales, de maera cotua, se almeta los reactvos y també, de maera cotua se extrae los productos Detro de esta clasfcacó, de

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

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

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 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

Más detalles