ANEXO B: EXACTITUD Y PRECISIÓN ESTRATIFICACIÓN Y OTROS TÓPICOS

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

Download "ANEXO B: EXACTITUD Y PRECISIÓN ESTRATIFICACIÓN Y OTROS TÓPICOS"

Transcripción

1 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres ANEXO B: EXACIUD Y PRECISIÓN ESRAIFICACIÓN Y OROS ÓPICOS I.- EXACIUD Y PRECISIÓN Al recolar datos, la cantdad de cfras de éstos estará en funcón del uso que se le ense dar. Por ejemlo al recolar datos sobre la vda útl de focos de luz, es acetable regstrar un valor de 995,6 oras; sn embargo, regstrar un valor de 995,63 oras resulta excesvamente exacto ero nnecesaro. Asmsmo la esecfcacón de una llave establece como límte nferor 9,5 mm. (0,375 ulgadas) y un límte sueror de 9,58 mm. (0,77 ulgadas); al recolectar datos se deben consderar asta al 0,00 mm. más cercano y redondearlo al valor de 0,0 más cercano. En general, cuantas más cfras aya a la dereca del unto decmal, más comlejo deberá ser el nstrumento de medcón utlzado. En mucas ocasones no es osble tener medcones fdedgnas debdo a roblemas de dversa índole roos de los datos que se están analzando, or ejemlo, en el caso de utlzar nstrumentos de medcón mecáncos: éstos se ueden descalbrar (or uso y falta de control); mal manejo de los aaratos; nadecuada nstalacón de éstos, etc. Mayor es el roblema cuando el nstrumento de medcón deende necesaramente de crteros o factores umanos, ues la subjetvdad roa del ser semre afecta las medcones. En este sentdo, en la toma de datos se deben tener resentes dos concetos báscos mortantes y dferentes, que son la exacttud y recsón de la medcón. Partcularmente cuando la oblacón en estudo esta claramente estratfcada, éstos concetos son de gran utldad en la comaracón de los estratos. La exacttud, esta relaconada con el grado de cercanía que tenen las medcones con resecto a un valor objetvo que no necesaramente debe ser el romedo, aunque sea este últmo una buena medda ara medr la exacttud del estrato. La recsón de las medcones esta relaconada con el grado de dsersón resente en los datos recolados. Estos concetos se ueden arecar esquemátcamente en la sguente fgura. De estos concetos se deben desrender dos asectos mortantes. El rmero es que no se uede ablar de exacttud y recsón en datos que no sean v

2 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres cuanttatvos. S ben es certo en el asado se defneron meddas como la desvacón modal, no es sensato determnar ésta en datos ordnales o nomnales, ues las característcas que cumlen estos datos no son de dstanca, or tanto dfíclmente se odría ablar de dsersón. El segundo, es que cuando se abla de la recsón en las medcones, es decr, la dsersón de resente éstas, ero dsersón resecto a que? comúnmente la varanza es una buena medda, sn embargo, dado que se está en una oblacón estratfcada, no sería extraño en nngún caso que se obtengan romedos dstntos en cada estrato, or lo tanto s la dsersón es dstnta en cada estrato, no abría de extrañarse que la varanza tambén sea dstnta en cada estrato. En este sentdo una medda de varabldad de gran uso y utldad en la comaracón de oblacones o suboblacones en el caso de estratos, está dada or el coefcente de varacón (CV), que ndca la magntud relatva de la desvacón estándar con resecto a la meda de la dstrbucón. La fórmula de cálculo se exresa or: Poblacón CV µ σ Muestra CV x s A PLICACIÓN : Para accones de emresas de la ndustra electrónca, el reco romedo de cerre en el mercado de valores durante un mes fue, ara la accón A, de $5.000, con desvacón estándar de $500. Para la accón B, el reco romedo fue de $5.000, con desvacón estándar de $300. Hacendo una comaracón absoluta resultó ser sueror la varabldad en el reco de la accón A, debdo a que muestra una mayor desvacón estándar. Pero con resecto al nvel de recos, deben comararse los resectvos coefcentes de varacón: CV (A) 0,033 y CV(B) 0, Puede conclurse que el reco de la accón B a sdo cas veces más varable que la accón A (entonces más resgosa?). Nota: El coefcente de varacón ermte comarar oblacones aunque estén en dstntas undades. Sn embargo en mucas ocasones se a menconado que la meda como la desvacón estándar no son buenos ndcadores de tendenca central y dsersón, ues ante la resenca de datos extremes estos son fuertemente nfluencados. En estas stuacones es útl, un ndcador resstente (robusto) a la resenca de datos extremos conocdo como coefcente de varacón robusto (CVR), el cual se conforma a traves de los cuarteles uno y tres, y es reresentados or: Q3 Q CVR Q + Q 3 v

3 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres Este ndcador en mucas ocasones requerdo ara la comaracón de la varabldad de los datos en el centro de estos, dado que la resenca de datos extremadamente grandes o equeños, se encuentran en los extremos y no son caturados or los cuarteles centrales. A PLICACIÓN : Se toman dos muestras de materales fabrcados con tos dstntos de acero ara analzar la resstenca a la rutura. Los sguentes gráfcos resumen los temos máxmos que soortan dcos materales antes de fragmentarse, cuando son sometdos a la tensón: 0,5 0,4 0,3 0, 0, 0,0 Acero o I 0,0 0,30 0,5 0,5 0,5 0,4 0,3 0, 0, 0,0 Acero o II 0,50 0,5 0,0 0,05 0, Restenca [ua] 0, Resstenca [ua] Claramente se uede arecar que la dstrbucón de los datos dentro del rango de la tabla no es dstnta ara ambos tos de acero, es más se uede observar una clara smetría ostva en el acero to. Los cálculos de las meddas utlzadas ara el coefcente de varacón y el coefcente de varacón robusto son: x 0,60 s 4,779 CV 45,08% x 8,00 s 3,899 CV 48,74% Q 7,00 Q 3 4,40 CVR 34,58% Q 5,0 Q 3 0,40 CVR 33,33% Claramente se uede arecar que la resenca de los datos extremos afectan la comaracón de la varabldad y varabldad relatva, al analzar la dsersón de ambos tos de acero, ncluso al tener resultados contradctoros entre el CV y el CVR, determnado osterormente. En mucas ocasones se desea obtener la recsón medante la dsersón de las medcones resecto a un valor objetvo, artcularmente en control de caldad no es de nterés comarar los resultados de las medcones resecto a las tradcones meddas de tendenca central, sno resecto a un estándar ofrecdo or esecfcacón, or ejemlo, eso neto de un roducto. Una medda de varabldad drecta ara la comaracón de las oblacones o estratos en cuestón resecto a este valor objetvo, v

4 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres generalmente conocdo como un valor target, es reresentada or la desvacón objetvo, la cual es exresada or: t n S ( x t) n t valor Objetvo Se utlza con mayor frecuenca la raíz cuadrada de ésta, reresentada or S t. A PLICACIÓN 3: A fn de controlar la caldad de un artcular to de lo roducdo en sere, los ngeneros de control de caldad toman una muestras al azar de tamaño 7, corresondentes a cada uno de los cuatro turnos que los oeraros realzan y se mde la resstenca a la tensón [en lbras], cuyos datos se muestran a contnuacón. Se tene que la meda or esecfcacones debe ser de 48.0 [lbras]. Observacón urno urno urno urno En la sguente tabla se muestran algunas meddas de resumen de cada turno asocado al roblema antes exuesto. En ésta sn duda alguna se uede observar que la exacttud del turno 3 es el más adecuado. otalmente dscutble sería dscutr la solucón al roblema de la nexacttud de los otros turnos, algunos ueden dar referenca en mejorar la exacttud del turno or estar éste aberrantemente alejado del valor objetvo. Sn embargo, otros referrían mejorar en rmera nstanca los turno más cercanos, ero cual, el turno que se encuentra más cerca y no cumle con los requstos de resstenca, or lo cuál no es un buen roducto, o ben el turno 4 que se encuentra más alejado que el turno del valor objetvo, ero con la característca esecal que éste resste más de lo esecfcado (con un resectvo costo de or medo). Observacón Meda Desvacón Coefcente de estándar varacón S t urno 47,7,50 5,3%,33 urno 43,86,35 3,07% 4,34 urno 3 48,00 4,43 9,4% 4, urno 4 49,4,95 3,97%,3 Aora ben cuando se entra a dscutr la recsón de la resstenca de los los el roblema es más agudo, ues el coefcente de varacón nos resenta una alternatva bastante dstnta de S t. Luego cuál turno es el más reocuante y el v

5 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres menos reocuante? la resuesta deende de los requermentos de mortanca que asgne el encargado de control de caldad (escala de necesdades de éste). II.- MEDIA Y VARIANZA PONDERADA Como se observó en los casos anterores cuando la varable de estudo está claramente dvdda en estratos, y en cada uno de éstos se ueden obtener meddas de tendenca central y dsersón (exacttud y recsón), o ben cuando se tene nformacón (meddas de resumen) sólo de los estratos or searado y no se cuenta con los datos (ver fgura), buenas meddas de resumen de la oblacón total que se obtenen de resúmenes anterores de la oblacón (medas y desvacones estándar de cada estrato) son la meda y varanza total, tambén llamadas meda y varanza onderada..- La Meda Ponderada: La meda onderada o romedo onderado es una meda artmétca, en la cual se consdera a cada uno de los valores de acuerdo con su mortanca en el gruo. Las fórmulas ara la meda onderada oblaconal y muestral son déntcas y están dadas or: µ µ x x v

6 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres donde la mortanca del gruo en la oblacón total está dada or los esos exresados or, que generalmente se escogen de acuerdo al tamaño del gruo. A PLICACIÓN 4: En una comañía que maneja 4 roductos, los márgenes de utldad corresondentes a cada uno de ellos durante el año fscal anteror fueron: Producto A, 4,%; Producto B, 5,5%; roducto C, 7,4%; y roducto D, 0,%. El margen de utldad romedo, no onderado, es: 7, µ 4 6, 8% Sn embargo, este romedo no onderado es ncorrecto orque se venderon cantdades dstntas de los 4 roductos. Suonendo los totales de ventas y margen de utldad que aarecen en la abla sguente, se encuentra que el romedo onderado descrbe en forma correcta el romedo global. Producto Margen de utldades (%) Ventas () X A 4, $ $ B 5,5 $ $ C 7,4 $ $ D 0, $ $ µ µ ,% De manera análoga se uede obtener una onderacón de acuerdo a las ventas or roducto, obtenéndose déntco resultado. Producto Margen de utldades (%) Ventas () A 4, $ ,573 B 5,5 $ ,3448 C 7,4 $ ,086 D 0, $ ,057 S se consderan los datos del Alcacón 3, donde la onderacón de acuerdo x

7 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres a la muestra tomada en cada estrato se uede ercbr que el romedo onderado es gual al romedo artmétco de las cuatro medas de los turnos como se observa a contnuacón. Estrato amaño Muestra Ponderacón Meda urno 7 7/8 47,7 urno 7 7/8 43,86 urno 3 7 7/8 48,00 urno 4 7 7/8 49,4 4 x 47,8 [Lbras] 4 x 4 x 47.8 x 47,8 [Lbras] La Varanza Ponderada: La varanza onderada es una varanza descomuesta y onderada, en la cual se consdera a cada una de las meddas de dsersón de los estratos de acuerdo con su mortanca en el gruo, además de una descomoscón de la varabldad debdo a la varabldad roa del estrato, tambén llamada varabldad dentro o Intra, y una varabldad roa entre los estratos, tambén llamada varabldad entre o Inter. Las fórmulas ara la varanza onderada oblaconal y muestral son déntcas y están dadas or: σ σ + ( µ µ ) S s + ( x x ) donde: σ ó s Reresenta la varabldad Dentro. ( µ µ ) ó ( x x ) Reresenta la varabldad Entre. Por esta descomoscón de la varabldad total, se ueden obtener los orcentajes de varabldad debdo a la varabldad roa de los estratos y a la varabldad roa de la estratfcacón qué orcentaje debe ser el mayor? la resuesta, deende del roblema que se este estudando. x

8 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres Consderando las meddas de resumen del ejemlo resstenca de los los en lbras se obtene que el mayor aorte (en orcentaje) a la varabldad esta dada or la varabldad roa de la resstenca de los los. Ésto es bueno o malo? Estrato amaño Muestra Ponderacón Meda Varanzas urno 7 7/8 47,7 [,50] urno 7 7/8 43,86 [,35] urno 3 7 7/8 48,00 [4,43] urno 4 7 7/8 49,4 [,95] S Dentro + Entre S 7,88 + 3,963 S,844 [lbras] Dentro 66,5% Entre 33,5% Aora ben, s consderando las meddas de resumen del ejemlo 4 Margen de utldad y volumen de ventas ara 4 roductos se obtene que el mayor aorte (en orcentaje) a la varabldad esta dada or la varabldad roa del margen de utldad. Ésto es bueno o malo?, Es razonable?. Producto Margen de utldades (%) Ventas () Varanza (%) P A 4, $ ,0 0,573 B 5,5 $ ,0 0,3448 C 7,4 $ ,85 0,086 D 0, $ ,08 0,057 S Dentro + Entre S 4,934 +,06 S 7,40 [%] Dentro 69,% Entre 30,9% III.- CAMBIOS DE ESCALA (VALORES ESÁNDARIZADOS) Otras de las técncas muy utlzadas en la comaracón de estratos está dada or la determnacón de los valores estandarzados de la medda de tendenca central utlzada ara medr exacttud cada una de las oblacones o suboblacones x

9 Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres (estratos). El objetvo de esta estandarzacón, es realzar un cambo de escala en las meddas de resumen de cada estrato con el fn artcular de medr y comarar la exacttud y recsón de éstos. Se entenderá or estandarzacón a la transformacón que cumle con: restar a cada medda de tendenca de una suboblacón la meda general y a esta dferenca dvde or la desvacón estándar general. Esta transformacón es exresada or: z x s x donde z, reresenta la transformacón de la -ésma medda de tendenca (notar que se utlzó el romedo, ero no tene orque ser éste) resecto de la oblacón total. A PLICACIÓN 4: Una mortante multtenda está nteresado en la demanda anual de certos artefactos. Para esto se selecconaron al azar algunos meses en tres tendas, en la cuales se obtuvo que la demanda mensual de los artefactos fueron: Demanda Multtenda Promedo 70,00 76,87 76,93 Desvacón 8,3,53 34,33 C.V. 5,90% 6,3% 44,6% z -0,979 0,0975 0,004 x

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

La Derivada de un Número No es 0

La Derivada de un Número No es 0 Memoras II Encuentro Internaconal De Meta-Matemátcas: La Dervada de un Número No es 0 Geraldne Marcela Infante Jorge Danel Muñoz Alex Eduardo Poveda Gruo YAGLOM Escuela de Matemátcas Unversdad Sergo Arboleda

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

CALCULO DE INTERSECCIONES TOPOGRAFICAS UTILIZANDO EL PROMÉDIO PONDERADO

CALCULO DE INTERSECCIONES TOPOGRAFICAS UTILIZANDO EL PROMÉDIO PONDERADO CALCULO DE INERSECCIONES OOGRAFICAS UILIZANDO EL ROMÉDIO ONDERADO Irneu da Slva Dego de Olvera Martns aulo Cesar Lma Segantne Deartamento de Engenhara de ransortes EESC US - Brasl rneu@sc.us.br degoolmartns@us.br

Más detalles

CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan

CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

Análisis avanzado Bondad de ajuste Simulaciones

Análisis avanzado Bondad de ajuste Simulaciones Ejemlos Ejerccos Msceláneas Evaluacón Análss avanzado Bondad de ajuste Smulacones Bondad de ajuste. Intervalos de confanza. Muestras equeñas. Smulacones: método de Montecarlo. 3.1 Bondad del ajuste Volvendo

Más detalles

Como ya se ha establecido antes, la amplitud de la FMM rotante para la armónica de orden ν es: m, de aquí se obtiene para la amplitud de la onda de

Como ya se ha establecido antes, la amplitud de la FMM rotante para la armónica de orden ν es: m, de aquí se obtiene para la amplitud de la onda de Deartamento de Conversón y Transorte de Energía REACTANCIAS DE FUGA DE LA MAQUINA Hoja Nº II-45 ASINCRONICA Como ya se ha establecdo antes, la amltud de la FMM rotante ara la armónca de orden es: m FMM

Más detalles

Distribuciones estadísticas unidimensionales

Distribuciones estadísticas unidimensionales Dstrbucones estadístcas undmensonales ESTADÍSTICA Estuda los métodos ara recoger, organzar y analzar nformacón, con la fnaldad de descrbr un fenómeno que se está estudando y obtener conclusones. TÉRMIOS

Más detalles

Tema 7: MEDIDAS DE CONCENTRACIÓN

Tema 7: MEDIDAS DE CONCENTRACIÓN Introduccón a la Econometría. Conceto. Las meddas o índces de concentracón tenen como objetvo fundamental cuantfcar el grado de desgualdad en el rearto o dstrbucón de una magntud económca (rentas, negoco,

Más detalles

CONTROL DE PROCESOS QUÍMICOS

CONTROL DE PROCESOS QUÍMICOS UNIVESIDAD NACIONAL EXPEIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCE VICEECTOADO BAQUISIMETO DEPATAMENTO DE INGENIEÍA QUÍMICA CONTOL DE POCESOS QUÍMICOS Prof: Ing. (MSc). Juan Enrque odríguez C. Octubre, 03

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

Dualidad entre procesos termodinámicos y electromecánicos

Dualidad entre procesos termodinámicos y electromecánicos ENERGÍA Y COENERGÍA EN IEMA ELECROMECÁNICO REALE, DEDE PROCEDIMIENO ERMODINÁMICO CLÁICO Alfredo Álvarez García Profesor de Inenería Eléctrca de la Escuela de Inenerías Industrales de adajoz. Resumen La

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

ESTADISTICA APLICADA A LA EDUCACIÓN

ESTADISTICA APLICADA A LA EDUCACIÓN UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X: 7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

DATOS AGRUPADOS POR INTERVALOS DE CLASE

DATOS AGRUPADOS POR INTERVALOS DE CLASE 3. Datos agrupados por ntervalo (Varable contnua) Generalmente los datos se agrupan por medo de ntervalos de clase, los cálculos son una aproxmacón a la realdad, se faclta los cálculos. En la agrupacón

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos: MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3 PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO

Más detalles

Facultad de Química. UNAM Alejandro Baeza

Facultad de Química. UNAM Alejandro Baeza Facultad de Químca. UNM lejandro Baeza.006 Químca nalítca Instrumental I nálss de mezclas por espectrofotometría. Documento de apoyo. Dr. lejandro Baeza. Semestre 007-I.0 Selectvdad espectral en espectrofotometría

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

PROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos.

PROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos. ROILIDD Álgebra de sucesos. Un fenómeno o exerenca se dce que es aleatoro cuando al reetrlo en condcones análogas es mosble de redecr el resultado. El conjunto de todos los resultados osbles de un exermento

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

Tallerine: Energías Renovables. Fundamento teórico

Tallerine: Energías Renovables. Fundamento teórico Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

MEMORIA TÉCNICA. Dinámica del agua en el suelo a través del contenido de humedad edáfica H Paoli y J Diez

MEMORIA TÉCNICA. Dinámica del agua en el suelo a través del contenido de humedad edáfica H Paoli y J Diez MEMORIA TÉCNICA Dnámca del agua en el suelo a través del contendo de humedad edáfca H Paol y J Dez Análss estadístco: Lc. Ruben Cardoso 1. INTRODUCCIÓN El suelo es el recpente de donde las plantas extraen

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. 5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar

Más detalles

Correlación lineal Significación de Parámetros

Correlación lineal Significación de Parámetros Aéndce C Correlacón lneal Sgnfcacón de Parámetros Objetvos En este aéndce extendemos la dscusón de cuadrados mínmos, ncada en el Ca.7, al caso en que los datos tengan errores. Se analza la sgnfcacón estadístca

Más detalles

El diodo Semiconductor

El diodo Semiconductor El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por

Más detalles

FUNDAMENTOS QUIMICOS DE LA INGENIERIA

FUNDAMENTOS QUIMICOS DE LA INGENIERIA FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

GUÍA DE APOYO AL APRENDIZAJE N 2

GUÍA DE APOYO AL APRENDIZAJE N 2 GUÍA E APOYO AL APREIZAJE Meddas de Tendenca Central ó de Resumen Las meddas de resumen son valores de la varable que permten resumr la normacón que hay en una tabla undamentalmente estas meddas se usan

Más detalles

Guía de Equilibrio General. Ejercicio extraído de Mas-Colell, Whinston y Green, con algunas modificaciones

Guía de Equilibrio General. Ejercicio extraído de Mas-Colell, Whinston y Green, con algunas modificaciones Guía de Equlbro General Ejercco extraído de Mas-Colell, Whnston y Green, con algunas odfcacones - Consdere una econoía caja de Edgeworth en que dos consudores tenen referencas con no sacedad local. Sea

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009 METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan

Más detalles

2 Dos tipos de parámetros estadísticos

2 Dos tipos de parámetros estadísticos Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

Más detalles

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA) SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero

Más detalles

Práctica 1 Caracterización de un voltímetro analógico

Práctica 1 Caracterización de un voltímetro analógico Págna 3/9 Área: Práctca 1 Caracterzacón de un voltímetro analógco Págna 3 Págna 4/9 Área: 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Foco ncandescente Fuente de poder Resgo asocado Quemadura

Más detalles

Análisis de ruido en detectores ópticos.

Análisis de ruido en detectores ópticos. Análss de rudo en detectores óptcos. La corrente real generada en un fotododo es de carácter aleatoro, cuyo valor fluctúa entre el valor promedo defndo por la foto-corrente: p = RP Dchas fluctuacones se

Más detalles

Tallerine: Energías Renovables

Tallerine: Energías Renovables Tallerne: Energías Renoables Fundamento Teórco Parte II: Curas de crcutos Autores: Carlos Brozzo Agustín Castellano Versón 0.1 Tallerne2017 Energías Renoables 2 Índce 1. Curas de crcutos 3 1.1. Fuente

Más detalles

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO PLANTEL IGNACIO RAMÍREZ C. DE LA ESCUELA PREPARATORIA PROBLEMARIO DE ESTADÍSTICA MÓDULO I. REPRESENTACIÓN DE DATOS MÓDULO II. MEDIDAS DE TENDENCIA CENTRAL ELABORADO

Más detalles

Estadística Descriptiva Análisis de Datos

Estadística Descriptiva Análisis de Datos El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:

Más detalles

DEPARTAMENTO DE MATEMÁTICAS

DEPARTAMENTO DE MATEMÁTICAS . INTRODUCCIÓN En la socedad de la nformacón en la que vvmos resulta mprescndble dsponer de técncas y conceptos que permtan extraer, de manera fable y senclla, nformacón relevante de dferentes conjuntos

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón

Más detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles