CAPÍTULO 1 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES DE PROBABILIDAD. APLICACIONES ESTADÍSTICAS Y ECONÓMICAS
|
|
- Lourdes Josefa Farías Godoy
- hace 7 años
- Vistas:
Transcripción
1 CAPÍTULO 1 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES DE PROBABILIDAD. APLICACIONES ESTADÍSTICAS Y ECONÓMICAS RAFAEL HERRERÍAS PLEGUEZUELO JOSÉ CALLEJÓN CÉSPEDES Departamento de Métodos Cuanttatvos para la Economía y la Empresa Facultad de Cencas Económcas y Empresarales Unversdad de Granada Una forma de abordar el estudo global y conjunto de un gran número de dstrbucones de probabldades, se consgue con la formulacón de sstemas de dstrbucones que verfcan una determnada ecuacón funconal, ben dferencal para las dstrbucones de tpo contnuo, o ben en dferencas fntas para las dstrbucones de tpo dscreto. Son varos los objetvos que se consguen con esta formulacón, a saber: a) Aplcacón sstemátca de dversas metodologías en la generacón de famlas de dstrbucones b) La obtencón sstemátca de característcas comunes a cada famla: relacones de recurrencas entre momentos, clasfcacón de dstrbucones etc. Los sstemas de dstrbucones contnuos unvarantes más estudados por sus aplcacones son el de Pearson, y la famla exponencal, Loève (1963) Zacks, (1971). La relacón entre ambas famlas puede verse, con todo detalle, en Herrerías (1975) El sstema de Pearson responde a la ecuacón dferencal lneal de prmer orden y homogénea, Cansado(1950), Elderton,(1969) y Jonhson-Kotz, (1970): f '( x a (1) + b1 x + bx Es sobradamente conocdo que la mayoría de las dstrbucones contnuas unvarantes satsfacen la anteror ecuacón dferencal (1) y que el conocmento de los cuatro prmeros momentos muestrales es sufccente para estmar los cuatro
2 10 RAFAEL HERRERÍAS PLEGUEZUELO JOSÉ CALLEJÓN CÉSPEDES parámetgros que aparecen en la expresón (1) y de esta forma se dspone de una densdad, aunque por tratarse de una estmacón realzada por el método de los momentos, se conoce que tales estmacones, en general, no son efcentes. Obsérvese que el prmer membro de (1) puede expresarse por d ln y Dx y Dx ln y dx y donde D x representa el operador lneal dervada. En la lteratura especalzada se encuentran otros sstemas que extenden y generalzan las dstrbucones de (1); dos ejemplos sgnfcatvos son la extensón de L.K. Roy, (1971), y la generalzacón de Herrerías, (1975). La extensón de Roy se obtene cambando el segundo membro de (1), que pasa a ser, f '( a0 + a1x + ax () x( + b1 x + bx ) Como se observa, la dea es complcar el segundo membro de (1), de manera que se consdera una fraccón en la que el numerador es un polnomo de segundo grado, en vez de prmero, y el denomnador es un polnomo de tercer grado sn térmno ndependente, en vez de un polnomo de segundo grado como en (1). Con esta nueva formulacón se dan cabda a cnco tpos de dstrbucones de probabldad que no satsfacen a (1) pero que, por verfcar (), tenen un tratamento análogo a las dstrbucones que cumplen (1). En partcular se obtene una relacón de recurrenca entre momentos y, conocdos los sete prmeros momentos muestrales, pueden estmarse los parámetros a y b de (). La generalzacón de Herrerías se obtene cambando el prmer membro, al utlzar el operador aleph 1, en vez del operador dervada ordnara. Los sstemas obtendos a partr de la generalzacón de Herrerías responden a la ecuacón dferencal que se puede escrbr f '( x a + ϕ( (3) + b1 x + b x que es un caso partcular del sstema de Pearson generalzado, defndo medante 1 Dervada generalzada, Aldanondo (1969), [ y( ] operador dervada ordnara D, es a 0 1. a g f y' ( g( y(. Obsérvese que el En Herrerías (1975) se hace notar que s ϕ( 1/x entonces (3) se transforma en (), por lo que las nuevas dstrbucones de (), que no son de (1), son un caso partcular de (3).
3 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES...11 a f ( F( a y b + donde F ( x f ( t) dt ϕ [ F( x ] 0 + b1 F( b ) El sguente paso consste en extender el sstema de Pearson a dos dmensones; esto se consgue con la famla pearsonana bvarante, defnda por van Uven, (1947), L1 ln f x Q1 (4) L (, ) x y ln f y Q donde L 1 y L son formas lneales y Q 1 y Q son formas cuadrátcas, y donde además se ha de verfcar la gualdad de Schwartz para la ntegrabldad del sstema L1 L y Q1 x Q Fnalmente, Steyn (1960), realza la extensón del caso bvarante al multvarante, a través de un sstema de gual número de ecuacones que de varables componen el vector aleatoro. Por otra parte, Fernández (1979), extende el sstema de van Uven, utlzando funcones cuadrátcas y cúbcas para el numerador y el denomnador, respectvamente, del segundo membro de las ecuacones que defnen el sstema, a la manera de lo hecho por Roy en el caso unvarante. En estudos posterores, Herrerías, Palacos y Callejón, (1998), sguendo la metodología pearsonana, establecen los conceptos de funcón generadora de una dstrbucón de probabldad, y de sstema de funcones generadoras para dstrbucones multvarantes. La expresón (3) sugere el concepto de funcón generadora de una dstrbucón unvarante contnua. Mantenendo el prmer membro de la ecuacón (3), se susttuye el segundo por una funcón g( a la que sólo se le exgen las condcones necesaras y sufcentes para que f( sea una funcón de densdad de una varable aleatora, sobre un recnto determnado. Aparece de esta forma el concepto de funcón generadora de una dstrbucón unvarante contnua. S f( es la funcón de densdad de una varable aleatora y [a,b] es su domno de defncón, se puede calcular la correspondente funcón generadora, que vene dada por: f '( g (
4 1 RAFAEL HERRERÍAS PLEGUEZUELO JOSÉ CALLEJÓN CÉSPEDES Las propedades de estas funcones generadoras permten su utlzacón drecta, como herramenta, en dstntas aplcacones estadístcas: estudo de la ndependenca entre varables aleatoras a partr de la observacón drecta del sstema de funcones generadoras, Herrerías, Palacos y Callejon (1997), (1998) y (1999); cantdad de nformacón, Herrerías, Palacos, Pérez y Callejon (1998); estudo de la relacón entre los métodos de estmacón de los momentos y de la máxma verosmltud, Callejon y Santos (1994), etc. Palacos, Herrerías y Callejón (000), realzan una generalzacón del sstema de Pearson medante splnes, dejando patente la flexbldad que permte la utlzacón de los elementos de la famla a la hora de la modelzacón de los datos muestrales. La famla generalzada medante splnes vene defnda por la ecuacón donde y f ' ( x a k 1 d x k 1 c d ( x x ) ( x x ) + a < x1 < x <... < xk < b, 0 < p 1 <... < pk < 1 ( x x ) r + 0 ( x x ) r s s x > x x x Del msmo modo que la ecuacón que defne la famla de Pearson sugró la dea de funcón generadora de una dstrbucón contnua unvarante de probabldad, las extensones de van Uven y Steyn permten establecer el concepto de sstema de funcones generadoras de una dstrbucón contnua multvarante de probabldad, que resulta estar formado por las funcones generadoras de cada una de las dstrbucones condconadas, lo que permte obtener la funcón de densdad conjunta como solucón de una ecuacón dferencal, sn el concurso de las dstrbucones margnales En el caso dscreto unvarante, J.K. Ord (1967), ntrodujo una ecuacón en dferencas fntas, lneal de prmer orden y homogénea, para generar funcones de cuantía de manera análoga al sstema de Pearson, que responde a la expresón: pr 1 a r (5) pr 1 + b1r + br( r 1) de la cual se deduce una relacón recurrente entre los momentos factorales recurrentes y puede comprobarse fáclmente que la mayoría de las dstrbucones
5 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES...13 unvarantes dscretas que se estudan en los dstntos textos de Estadístca, satsfacen la ecuacón (5). Este sstema fue amplado por Herrerías (1976), mantenendo el paralelsmo con la extensón de Roy en el caso contnuo; la ecuacón que defne la extensón de Herrerías en el caso dscreto es: pr 1 a0 + a1r + ar( r 1) (6) pr 1 + b1r + br( r 1) + b3r ( r 1)( r ) El concepto de funcón generadora de una dstrbucón unvarante dscreta de probabldad supone que el segundo membro de (5) es una funcón a la que sólo se le exgrán las condcones necesaras para que al resolver la ecuacón en dferencas se obtenga una dstrbucón de probabldad. Evdentemente, no se modfca el concepto de funcón generadora, con respecto al caso contnuo, en el sentdo de que se defne gual al prmer membro de la ecuacón funconal correspondente, Callejón (1995). El sstema de dstrbucones bvarantes dscretas de tpo Pearson, análogo al estudado por van Uven en el caso contnuo, es estudado por Herrerías - Cobos (1984) y Herrerías Calvete (1985) y (1986), planteando el sstema de ecuacones en dferencas fntas que lo defne, mostrando dstrbucones que pertenecen a él, y encontrando una solucón general basada en las relacones de recurrenca de los momentos factorales descendentes. Fajardo (1985), realza la generalzacón del sstema de Pearson dscreto unvarante; parte de una ecuacón en dferencas fntas y obtene la solucón general, caracterzando las funcones generatrces de probabldad asocadas a las solucones de la menconada ecuacón y estuda algunas famlas de dstrbucones dscretas pertenecentes a este sstema. Parece oportuno resaltar en este prmer capítulo de la monografía algunas de las propedades que se pueden estudar, a partr de los sstemas de funcones generadoras de probabldad, en Estadístca Matemátca, tales como la dependenca o ndependenca estocástca, la regresón en dstrbucones con condconadas smétrcas, la cantdad de nformacón de Fsher o la relacón entre los métodos de estmacón de la máxma verosmltud y de los momentos. En cuanto al estudo de la dependenca o ndependenca estocástca, esta metodología prescnde de las dstrbucones margnales y de las dfcultades de cálculo para obtenerlas y resulta mucho más corta y senclla que la habtual. Se pone de manfesto que la ndependenca estocástca se puede observar a partr de la dependenca analítca de las funcones generadoras de las dstntas varables, (Herrerías, Palacos y Callejón, 1998). Medante un smple análss de la dervada del logartmo de la funcón de densdad (caso contnuo) o de la razón entre dos valores de la funcón de cuantía (caso dscreto), pueden extraerse todas las relacones de nterdependenca
6 14 RAFAEL HERRERÍAS PLEGUEZUELO JOSÉ CALLEJÓN CÉSPEDES estocástca entre las componentes de un vector aleatoro. Como consecuenca de la smplcdad del método se tene un nstrumento valoso, desde el punto de vsta ddáctco, para enseñar al alumno a chequear la ndependenca estocástca de varables aleatoras. Consderamos nteresante que los enseñantes de la Estadístca tengan conocmento de estos resultados para el aprovechamento ddáctco de los msmos en su quehacer daro. La utlzacón como herramenta de las funcones generadoras permten conclur que, s una dstrbucón contnua bvarante tene las dstrbucones de y condconadas a x smétrcas, entonces, la funcón de regresón de y sobre x se obtene al gualar a cero la segunda funcón generadora de la dstrbucón conjunta. Es decr al resolver en y la ecuacón que resulta de gualar a cero la dervada parcal con respecto a y, del logartmo de la densdad conjunta. Análogo razonamento se puede realzar para la funcón de regresón de x sobre y, Herrerías, Palacos y Callejón, (1997). La utlzacón de la metodología propa del sstema de Pearson y, por tanto, de las funcones generadoras, permte ajustar varos modelos probablístcos para la dstrbucón de la renta, empleando dos procedmentos dferentes aunque relaconados, Herrerías, Palacos y Callejon (1996) y (1997). (a) Medante el sstema de Pearson de dstrbucones contnuas unvarantes, se estman los parámetros a través del método de los momentos, para lo cual se utlzan los cuatro prmeros momentos muestrales respecto al orgen. (b) Utlzando una funcón generadora polnómca, cuyos parámetros se estman de forma análoga al apartado anteror. El grado se seleccona medante comparacón con la funcón de dstrbucón empírca, Herrerías, Palacos y Ramos (1996) y Herrerías, Palacos y Pérez (1997). Además, la generacón permte la formulacón de las meddas de concentracón, basada en la estructura probablístca subyacente de las varables que permten la cuantfcacón de la desgualdad económca y de otros conceptos afnes, como lo son la pobreza, la gualdad o el benestar socal, etc. Tanto la curva de Lorenz como el índce de Gn son meddas habtuales en el estudo de la desgualdad socal y en la medda de la pobreza de una poblacón, como ndca Sen (1973), entre otros. Por otra parte, la relacón entre ambas herramentas es muy fuerte como ponen de manfesto Calot (1967), Kendall y Stuart (1977), Casas y Núñez (1987), entre otros, s ben parece que el índce de Gn es más apto como medda sntétca de tpo cuanttatvo, mentras que la curva de Lorenz es más descrptva puesto que permte el estudo detallado del reparto efectuado de los recursos de un modo más pormenorzado. Resulta nteresante la dea de caracterzar la curva de Lorenz a partr de una sere de propedades que permtan obtener una gama coherente de formas funconales para estmarlas a partr de una dstrbucón de frecuencas observada. En este
7 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES...15 sentdo se puede reseñar el trabajo de Casas-Núñez (1987) en el que se obtene una condcón necesara para las curvas de Lorenz, que satsfacen las curvas exponencal y potencal. Así pues, exsten dos posbles líneas de nvestgacón: la prmera trataría de obtener una condcón sufcente que encauce el estudo de una posble caracterzacón de las curvas de Lorenz, y la segunda avanzar en la búsqueda de formas dstrbuconales coherentes con la condcón necesara allí desarrollada, para dsponer de un conjunto de ellas que permtan estmar razonablemente las curvas de Lorenz. Casas, Herrrerías y Núñez, (1990) proponen dos formas de obtencón de funcones que modelzan la curva de Lorenz, una medante combnacones lneales convexas de formas funconales, utlzadas en la estmacón de dcha curva por otros autores y otra, utlzando la ecuacón dferencal de Pearson, que genera la famla de dstrbucones contnuas unvarantes clásca, Lafuente, M. (1994). Posterormente se establecen las condcones necesaras y sufcentes para que una funcón que que verfca la ecuacón dferencal de Pearson, (1), sea generadora de una curva de Lorenz, Herrerías, Palacos y Callejon (001). El método de los momentos, utlzado para estmar la funcón de densdad de una dstrbucón contnua unvarante que pertenece a la famla de Pearson, tambén puede utlzarse para, obtener la correspondente curva de Lorenz. Por otra parte, García, R. M y Herrerías, J.M. (001) han logrado nclur curvas de Lorenz en las funcones generadoras, lo que prueba que las aplcacones económcas de las funcones generadoras no han hecho nada más que empezar. BIBLIOGRAFÍA 3 ALDANONDO, I. (1969). Ecuacones dferencales lneales de coefcentes constantes en dervadas parcales en el operador "aleph". Publcacones del Semnaro de Matemátcas García de Galdeano, Vol. 10, pág Unversdad de Zaragoza. CALLEJÓN, J. (1995). Un nuevo método para generar dstrbucones de probabldad. Problemas asocados y Aplcacones. Tess Doctoral. Unversdad de Granada. ETD Mcropublcacones S.L. CALOT, G. (1967). Cours de Calcul des Probabltés. Dunot. Pars. CANSADO, E. (1950). Exposcón sstemátca de las dstrbucones de Pearson. Trab. de Estadístca. Vol 1. Cuad. III, pág Todas las referencas bblográfcas señaladas con astersco se encuentran recogdas en el texto: Aplcacones Estadístcas y Económcas de los Sstemas de Funcones Generadoras. Edtores Herrerías, R; Palacos, F y Callejón, J (001). Edtoral Unversdad de Granada
8 16 RAFAEL HERRERÍAS PLEGUEZUELO JOSÉ CALLEJÓN CÉSPEDES * CASAS, J.M., y NÚÑEZ, J.J. (1987). Algunas consderacones sobre las meddas de concentracón. Aplcacones. Actas del I Congreso ASEPELT-ESPAÑA. Barcelona, pp * CASAS, J.M., HERRERÍAS, R. y NÚÑEZ, J.J. (1990). Famlas de formas funconales para estmar la curva de Lorenz. IV Reunón Anual ASEPELT-ESPAÑA. Murca. ELDERTON, W.P. y JOHNSON N.L.(1969), System of frequency curves. Cambrdge Unversty Press. FAJARDO, M.A. (1985). Generalzacones de los sstemas pearsonanos dscretos. Tess doctoral. Unversdad de Extremadura. FERNÁNDEZ, F. (1979). Una extensón del sstema de Pearson bvarante o sstema de van Uven. Publcacones de la Facultad de Cencas de Granada. * GARCÍA R.M y HERRERÍAS J.M. (001). Inclusón de curvas de Lorenz en el sstema de Pearson. Modelos de generacón de dstrbucones: propedades y aplcacones. Granada. HERRERÍAS, R.(1975). Sobre las estructuras estadístcas de Pearson y exponencales, problemas asocados. Publcacones de la Facultad de Cencas de Granada. * HERRERÍAS R. (1976). Extensón del sstema de dstrbucones dscretas de Pearson. Cuadernos de Estadístca Matemátca, vol 4, pp * HERRERÍAS, R. y CALVETE, H. (1986). Un sstema de dstrbucones dscretas bvarantes. Estadístca Española, nº 109, P pp * HERRERÍAS, R. y CALVETE, H. (1986). Estudo del sstema de dstrbucones de probabldad bvarantes dscretas del tpo Pearson-Ord. Cuadernos Aragoneses de Economía, nº 10, pp * HERRERÍAS, R. y COBOS, J. (1984). Solucón General para un tpo de sstemas de dstrbucones de probabldad bvarantes dscretas. Cuadernos Aragoneses de Economía, nº 8, pp * HERRERÍAS, R., PALACIOS, F. y CALLEJÓN, J. (1996) Dstrbucón de la renta en la provnca de Valladold: dos métodos de estmacón. Valladold; Hoy y Mañana. Pendente de publcacón. * HERRERÍAS, R., PALACIOS, F. y CALLEJÓN, J. (1996) Dstrbucón de la renta en la Comundad de Castlla y León: dos métodos de estmacón. 5º Congreso de Economía Regonal de Castlla y León. Comuncacones, pp HERRERÍAS, R., PALACIOS, F. y CALLEJÓN, J.(1997) A new condton to check the ndependence of random varable. Communcatons n Statstcs. Theory and Methods, vol 6-, pp * HERRERÍAS, R., PALACIOS, F. y CALLEJÓN, J. (1997) Aproxmacón a la regresón en dstrbucones con condconadas smétrcas. XI Reunón Anual de la Asocacón Centífca Europea de Economía Aplcada, ASEPELT-ESPAÑA. CD ROM HERRERÍAS, R., PALACIOS, F. y CALLEJÓN, J. (1998) Usng generator functon system to check ndependence of random varables. Communcatons n Statstcs. Theory and Methods, 7-, pp * HERRERÍAS, R., PALACIOS, F. y CALLEJÓN, J. (1999). Un método sencllo para enseñar la dependenca o ndependenca estocástca entre varables aleatoras
9 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES...17 Conferenca Internaconal Experencas e Perspectvas do Ensno da Estatstca, pp * HERRERÍAS, R., PALACIOS, F. y PÉREZ, E. (1997). Una alternatva de cálculo para mejorar el ajuste de una dstrbucón polnómca de la renta. XI Reunón Anual de la Asocacón Centífca Europea de Economía Aplcada, ASEPELT-ESPAÑA. Actas en CD ROM * HERRERÍAS, R., PALACIOS, F., PÉREZ, E y CALLEJÓN J. (1998). Sstema de funcones generadoras y cantdad de nformacón de Fsher. XII Reunón Anual de la Asocacón Centífca Europea de Economía Aplcada, ASEPELT-ESPAÑA. Actas en CD ROM. * HERRERÍAS, R., PALACIOS, F. y RAMOS, A (1998) Una metodología flexble para la modelzacón de la dstrbucón de la renta Décma Reunón ASEPRLT- ESPAÑA, CD-ROM, fchero G 5 JOHNSON, N.L. y KOTZ, S (1970). Dstrbutons n Statstc: Contnuous unvarate dstrbutons-1. John Wley & Sons. KENDALL, M. & STUART, (1977). A. The Advanced Theory of Statstcs., Vol. 1, 4ª ed. Grffn. LAFUENTE, M. (1994). Meddas de cuantfcacón de la Desgualdad: La Desgualdad de la Renta en España según la E.P.F Tess Doctoral. Unversdad de Murca. LOÈVE, M. (1963). Probablty Theory. Van Nostrand Company. New York. ORD,J.K. (1967). On a system of dscrete dstrbutons. Bometrka, 54, * PALACIOS, F., HERRERÍAS, R. y CALLEJÓN J. (000). Sstema de Pearson generalzado medante splnes. XIV Reunón Anual de la Asocacón Centífca Europea de Economía Aplcada, ASEPELT-ESPAÑA. Actas en CD ROM. ROY, L.K. (1971) An extenson of the Pearson system of frecuency curves. Trabajos de Estadístca e I.O. Vol XXII. Cuad. 1 y. Pág SEN, A. (1973). On economc nequalty. Oxford Unv. Press. STEYN, H.S. (1960). On regresson propertes of dscrete systems of probablty functons. Proceedngs of the Royal Academy of Scences, Amsterdam. Vol. 63, UVEN, M.J. van. ( ). Extensons of Pearson's probablty dstrbutons to two varable. Proceedngs of the Royal Academy of Scences. Amsterdam, 50, and ; 51, 41-5 and ZACKS, S. (1971). The theory of statstcal nference. Wley.
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 detallesVariables 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 detallesVariables 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 detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesProblemas 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 detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesCapítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS
Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco
Más detallesH 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 detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesDISTRIBUCIONES 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 detallesPUBLICACIONES DE 4º CURSO
PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detallesRelaciones 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 detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesProblema: 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 detallesTema 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 detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesMatemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de
Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesA. 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 detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesUniversidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller
Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo
Más detallesEL 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 detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesReconciliación 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 detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesTema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)
Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesFuentes de información
TEORÍA DE LA INFORMACIÓN Tratamento probablístco de la Informacón Fuentes de nformacón INGENIERÍA DE SISTEMAS Cursada 6 TRANSMISIÓN DE INFORMACIÓN decodfcacón automátca PRINCIPALES TEMÁTICAS DE LA TEORÍA
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesGuía 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 detallesAnálisis 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 detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detallesTema 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 detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesMª 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 detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesEjemplo: 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 detallesExistencia y unicidad de solución de una ecuación diferencial parcial no lineal estacionaria del tipo elíptico
Agrondustral Scence Agrond Sc 5 (05) Escuela de Ingenería Agrondustral Unversdad Naconal de Trujllo Exstenca uncdad de solucón de una ecuacón dferencal parcal no lneal estaconara del tpo elíptco Exstence
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesSistemas Lineales de Masas-Resortes 2D
Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesEstadísticos 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 detalles75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN
Análss Numérco Facultad de ngenería - UBA 75. ANÁLSS NUMÉRCO FACULTAD DE NGENERÍA UNVERSDAD DE BUENOS ARES GUÍA DE PROBLEMAS 4 6. NTEGRACÓN. Calcular la sguente ntegral utlzando las fórmulas del trapeco
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesEnfoque de la dominancia para el análisis de la evolución de la pobreza entre 1988 y 2004
Enfoque de la domnanca para el análss de la evolucón de la pobreza entre 1988 y 2004 Juan Dego Trejos S. Lus Ángel Ovedo C. Insttuto de Investgacones en Cencas Económcas Unversdad de Costa Rca Hechos 30
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un epermento, un número real.
Más detalles3. 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 detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detallesBoletín de la Tendencia Laboral del Desarrollo Humano
Boletín de la Tendenca Laboral del Desarrollo Humano Notas técncas AÑO 05 NÚMERO 6 PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO MÉXICO Nota técnca Índce de Compettvdad Socal (cs) El cs es una medda
Más detallespara 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 detallesModelos 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 detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesLECTURA 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 detallesEl 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 detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesMUESTREO 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 detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesTEMA 5. INTERPOLACION
TEMA 5.. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos 6. RESUMEN 7. Programacón en Matlab INTERPOLACION . Introduccón En el Tema 4, se ha descrto
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detalles1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Más detallesEnlaces de las Series de Salarios. Metodología
Enlaces de las eres de alaros Metodología ntroduccón La Encuesta de alaros en la ndustra y los ervcos (E, cuyo últmo cambo de base se produjo en 996) ha sufrdo certas modfcacones metodológcas y de cobertura,
Más detallesTema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas
Tema : Jerarquía Dgtal Síncrona, SDH Dsponbldad de Sstemas Tecnologías de red de transporte de operadora MÁSTER EN INGENIERÍ TELEMÁTIC Profesor: Espín Defncones Fabldad (Relablty): Probabldad de que el
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesJesús García Herrero CLASIFICADORES BAYESIANOS
Jesús García Herrero CLASIFICADORES BAYESIANOS En esta clase se presentan los algortmos Análss de Datos para abordar tareas de aprendzaje de modelos predctvos. Se partcularzan las técncas estadístcas vstas
Más detalles