1- Aplicar los conceptos básicos de Estadística para el análisis del comportamiento de la rentabilidad de una acción.

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

Download "1- Aplicar los conceptos básicos de Estadística para el análisis del comportamiento de la rentabilidad de una acción."

Transcripción

1 SEMINARIO FINANZAS - RIESGO UNIDAD 2 - MEDICION DEL RIESGO SEMANA 3. GUIA DE TALLER: ANALISIS ESTADISTICO DE UN ACTIVO RIESGOSO - Rentabilidad y Riesgo. PROPOSITOS: Este taller tiene como propósitos: 1- Aplicar los conceptos básicos de Estadística para el análisis del comportamiento de la rentabilidad de una acción. 2- Verificar la importancia de la distribución normal en el estudio de los factores financieros. RECURSOS: Conexión a Internet. Conceptos estadísticos y probabilísticos básicos. Archivo datos_accion_exito_1n.xls ACTIVIDADES: Individual o en grupos Uds. deben realizar, en el orden presentado, las actividades descritas a continuación. EVIDENCIA DE PRODUCTO: Cada grupo deberá preparar uno (o más, según crea conveniente) archivo(s) en formato Excel con los resultados obtenidos. PRESENTACION: Para entender los modelos que miden el riesgo, es necesario conocer algunos aspectos de matemáticas y estadística. En esta guía se practicará la manera de medir tanto el rendimiento como el riesgo de la inversión en un activo riesgoso. Especial atención merece la curva de distribución normal, la cual es el "corazón" en los supuestos de los modelos para medir el riesgo. Existe consenso en el mundo académico en el sentido de que los precios de las acciones en los mercados organizados se comportan de acuerdo con una caminata aleatoria, es decir, que el precio de una acción al día de hoy es independiente de los precios observados en días anteriores y que, por tanto, los mercados no tienen memoria y no son predecibles. Ésta es la base para considerar que el supuesto de normalidad en los rendimientos de los precios de los instrumentos financieros es un supuesto razonable, aunque la curva normal en el mundo real, no siempre es perfecta. Considere el archivo datos_accion_exito_1n.xls que contiene información sobre el precio y el volumen de una acción transada en bolsa y del índice IGBC de la Pág: 1 de 14

2 Bolsa de valores de Colombia. Guárdelo con el nombre sol_datos_accion_exito_1n.xls En la teoría financiera existen dos variables básicas que es preciso entender y calcular apropiadamente para tomar decisiones de inversión: el rendimiento y el riesgo. En la medida en que una inversión es más riesgosa, debe exigírsele un mayor rendimiento. ACTIVIDAD 1. Medición del rendimiento de una acción 1 : Este rendimiento del activo puede ser medido usando una de dos técnicas: a) Como variación porcentual: calculando la variación porcentual del precio en el periodo de tiempo en cuyo caso la rentabilidad se considera discreta o periódica. R i Precio Precio inicial Precio final Precio Precio inicial inicial b) Como cambio del precio en escala logaritmo natural: Otra manera de medir el rendimiento del activo es calculando su rentabilidad continua mediante el cálculo de la variación del precio en escala logaritmo natural R i Ln Precio Precio Final Inicial 1 La medición de la rentabilidad del activo se logra mediante dos técnicas básicas las cuales desde la econometría tienen el propósito de generar una nueva serie de tiempo que cumpla la condición de ser serie estacionaria. Para que una serie sea estacionaria debe garantizarse que los momentos de su distribución de probabilidad (media y varianza, al menos) no cambien en el tiempo. La estacionariedad de la serie de tiempo es la que permite el uso del modelo estadístico y probabilístico pues garantiza que los valores de los momentos se mantengan constantes. La serie original de los precios de la acción es una serie NO estacionaria y por tanto al utilizar las técnicas estadísticas y a pesar que se logran resultados para sus momentos estadísticos no existe garantía que tales momentos se mantengan constantes en el transcurso del tiempo. Otro detalle importante en la medición de la rentabilidad de un activo es la preferencia que se tiene en el campo financiero por la rentabilidad continua frente a la rentabilidad discreta. Por favor lea el documento: SFR_paradoja_de_las_variaciones_porcentuales. Pág: 2 de 14

3 Inserte una nueva hoja en el libro y llámela ANALISIS. Traslade a la hoja ANALISIS ( a partir de C5) las fechas desde la hoja DATOS_EXITO_IGBC y en la columna SIGUIENTE (D) calcule la rentabilidad continua de la acción, para todas las fechas - use formato de porcentaje con 5 decimales. Tenga cuidado: para la primera fecha en que no es posible calcular este valor. Considere la columna que contiene los rendimientos diarios y llame rentadiaria al rango de celdas ($D$7:$D$3217) que almacena dichos valores. Para el siguiente análisis (Actividad 2) considere SOLAMENTE la rentabilidad diaria (en el rango rentadiaria) ACTIVIDAD 2. Distribución de frecuencia de la rentabilidad: Una distribución de frecuencias muestra la manera como los rendimientos del activo se han comportado en el pasado. Cuando esta distribución se grafica (histograma de frecuencias) asume una forma en particular. Pág: 3 de 14

4 Los pasos principales para construir una distribución de frecuencias son los siguientes, recordando que se trata de una variable aleatoria continua: a) Determinar las observaciones de mínimo y máximo valor en la serie de tiempo y su rango de valores. b) Elegir un número de intervalos de igual magnitud que cubra desde el mínimo hasta el máximo valor. Éstos son los rangos o clases. c) Contar el número de observaciones que pertenecen a cada rango o intervalo. Esta es la frecuencia absoluta por clase o intervalo. d) Determinar la frecuencia relativa por intervalo - mediante como la relación entre la frecuencia absoluta y el número de observaciones. Recuerde que la frecuencia relativa es una medida de probabilidad; en este caso mide la probabilidad de que la rentabilidad diaria se encuentre en el intervalo. Para desarrollar estos pasos y construir la distribución de frecuencia de la variable en estudio (rentabilidad diaria de la acción), proceda de la siguiente manera: A partir de la celda G7 (de la hoja análisis) construya la siguiente tabla: Calcule el tamaño de la muestra usando la función =contara() de Excel sobre el rango de datos (rentadiaria) Pág: 4 de 14

5 Determine las observaciones de mínimo ( x min ) y máximo ( x max ) valor en la serie de tiempo (rentadiaria) utilizando las funciones =MAX() y =MIN() y su rango de valores ( R): R x max x min Calcule el número de intervalos (m), de igual amplitud, que cubran desde el mínimo hasta el máximo valor. Éstos son los rangos, intervalos o clases. En este caso utilice el criterio de Stugar para determinar el número adecuado de intervalos. Recuerde que m 1 3.3* log 10 ( n ) Tenga en cuenta que el número de intervalos debe ser un valor entero y que ningún segmento del rango deberá quedar fuera de los intervalos; en consecuencia haga redondeo al siguiente entero. Con n igual al número de datos se obtiene que se deben considerar 13 intervalos. Use en H11 la función = REDONDEAR.MAS(1+3,3*LOG10(H7);0) Calcule la amplitud de cada intervalo estableciendo la relación entre el rango y el número de intervalos (m), es decir: C=R/m Sabiendo el número de intervalos (H11) a usar y la amplitud de cada uno (H12), defina los extremos de cada intervalo, recordando que se debe empezar en el mínimo ( x min ) y terminar en el máximo ( x max ). Para ello, a partir de la celda J7 escriba los números de 1 a 15 que nos permitirán definir 14 intervalos 2. En la columna K y a partir de K7 establezca los extremos de los intervalos empezando por el menor. 2 Detalle que estamos tomando un intervalo más de los calculados Pág: 5 de 14

6 Llame INTERVALOS al rango (K7:K21) que contiene los extremos de los intervalos 3 Ahora hay que contar el número de observaciones que pertenecen a cada intervalo. Esta es la frecuencia por clase o la frecuencia de intervalo. Para este conteo utilice la función matricial =FRECUENCIA(), sobre las matrices RENTADIARIA e INTERVALOS y recordando que las funciones matriciales se ingresan con CTRL + SHFT + ENTER 3 Tenga presente que estos valores son puntos y no intervalos. El intervalo 1 se encuentra entre los puntos 1 y 2 De otra parte para uso de la función FRECUENCIA que haremos posteriormente, requerimos un intervalo más de los calculados, por eso se toman 15 puntos (para tener 14 intervalos) Pág: 6 de 14

7 Calcule ahora la frecuencia relativa que por ser una medida de probabilidad nos permite conocer la distribución de probabilidad de los rendimientos diarios de la acción en estudio Detengámonos acá para algunas interpretaciones de esta frecuencia relativa pero en términos de probabilidad: -Qué significa el % de la celda M7? - Es la probabilidad de obtener una rentabilidad diaria menor o igual al valor mínimo del % -Qué significa el % de la celda M15? - Es la probabilidad de obtener una rentabilidad diaria en el respectivo intervalo; es decir entre % y % y más precisamente es la probabilidad de obtener una rentabilidad diaria mayor que % y menor o igual a % Nombre FRECUENCIAS al rango de las frecuencias relativas (M7:M21) Ahora construya un gráfico (tipo XY Dispersión, con línea suavizada) con los datos de las columnas INTERVALOS Y FRECUENCIAS, que debe ser similar a la siguiente gráfica y recordando que la Frecuencia Relativa es una medida de la Probabilidad: Pág: 7 de 14

8 Qué tan parecida es esta curva a la curva de la distribución normal?, está centrada? Es más plana?, es menos plana?, es más puntuda?, es menos puntuda que la Normal? Recordemos sobre la Rentabilidad esperada y el Riesgo: El promedio de la variable (rentabilidad) es también conocido como esperanza matemática o valor esperado; de modo que al tratarse de la rentabilidad diaria diríamos que el promedio es el valor esperado de dicha rentabilidad. Es decir el inversionista, estadísticamente, espera como rentabilidad el promedio de la rentabilidad diaria. La medida de la rentabilidad esperada se obtiene usando el promedio: momento 1 de su distribución! Pero, como la rentabilidad es una variable aleatoria entonces su valores cambian constantemente sin manera de predecirlos. Los cambios de la variable (rentabilidad), es decir su dispersión con respecto al valor esperado, se mide mediante la VARIANZA y su resultado se llama financieramente la volatilidad de la rentabilidad. La medida de la VARIANZA no es fácil de interpretar por tratarse de una unidad de segundo orden y por ello es más usual trabajar con la desviación estándar que es la raíz cuadrada de la varianza. Pág: 8 de 14

9 En conclusión la volatilidad (o dispersión) de la rentabilidad en torno a su valor esperado (promedio) es el riesgo que asume el inversionista y su valor es medido por la desviación estándar. Una medida del riesgo de la rentabilidad es la dispersión en torno a su valor esperado y se mide usando la desviación estándar, momento 2 de su distribución! Entonces: Para responder vamos a calcular los momentos de la distribución de probabilidad de la rentabilidad diaria de la acción de almacenes éxito. Regrese a la tabla de la columna G: calcule e interprete los parámetros 4 : Valor esperado, Mediana, Moda, desviación estándar (riesgo) y varianza. La rentabilidad esperada y el riesgo asociado son los parámetros de interés en nuestro estudio del activo riesgosos: 4 Use las funciones Excel apropiadas recordando que estamos trabajando sobre una muestra y no sobre una población. En las más recientes versiones de Ms-Excel ya aparecen muy bien discriminadas las funciones para cada caso: Desviación estándar sobre muestra: DESVEST.M() y varianza sobre muestra: VAR.S() Pág: 9 de 14

10 La rentabilidad media diaria es el valor esperado (promedio, momento 1) de la rentabilidad de la acción y en este caso corresponde a un 0.06%; es decir que en términos de utilidad por cada 100 pesos que se inviertan en la acción se tiene una utilidad esperada de 6 centavos!!! El riesgo (de mercado) asociado a esta rentabilidad esperada nos lo mide la desviación estándar y corresponde al 2,28%. Es decir que la rentabilidad de la acción fluctúa entre el valor esperado menos una desviación estándar (-2,22227%) y el valor esperado más una desviación estándar (2,35017%). Este riesgo del 2.28% interpretado en términos de utilidad nos indica que por cada 100 pesos que se inviertan en la acción se tiene un riesgo de 2,28 pesos!! Asombroso! el inversionista espera una rentabilidad del 0.06% y el riesgo que asume es del 2.28%...así son los activos riesgosos. Por eso es necesario estudiar su comportamiento acudiendo a los modelos estadístico, probabilísticos y econométricos. ACTIVIDAD 3: Calculo de los coeficientes rentabilidad Diaria 5 de sesgo y kurtosis para la Una curva de distribución normal tiene dos características: el sesgo y la kurtosis, a los cuales se les conoce también como el tercer y cuarto momentos, 5 A continuación se muestran las fórmulas para calcular tanto el sesgo como la kurtosis: Sesgo n n ( x i ( n 1)( n 2) i1 3 Kurtosis n( n 1) ( n 1)( n 2)( n 3) 4 2 ( xi ) 3( n 1) 1 ( n 2)( n 3) n i donde es la desviación estándar de la muestra. Por fortuna estos cálculos se realizan con funciones de Excel de modo que nos podemos evitar estos tediosos cálculos Pág: 10 de 14

11 respectivamente y que permiten relacionar y estimar la cercanía distribución con la distribución normal. de la El sesgo es un indicador que mide la simetría de la curva. En el caso de una curva normal perfecta, el sesgo será igual a cero. Si éste es distinto de cero, entonces la curva es sesgada (asimétrica) hacia la izquierda o hacia la derecha, según el signo del sesgo (de la asimetría) La kurtosis es el indicador que mide el nivel de levantamiento de la curva respecto a la horizontal. Esta situación se presenta cuando existen pocas observaciones muy alejadas de la media. Al fenómeno de alta kurtosis se le conoce como; fat tails. La kurtosis de una distribución normal perfecta es igual a 3. Usando las funciones =COEFICIENTE.ASIMETRIA (rentadiaria) y =CURTOSIS(rentadiaria) en Excel calcule e interprete estos dos coeficientes. De acuerdo a los resultados obtenidos explique la gráfica obtenida en la actividad anterior?. Explique. ACTIVIDAD 4: Cálculo de probabilidad de ocurrencia de un valor de rentabilidad diaria Recuerda cuál es el valor esperado de la rentabilidad diaria? Y cuál es el valor de la desviación estándar? Pág: 11 de 14

12 Ahora, si parametrizamos la variable rentabilidad diaria, cuál es la probabilidad de que la acción en estudio registre un rendimiento diario ( x ) del 0.5% o menos? ( ) x ( ) Z Z Y usando la función =DISTR.NORM.ESTAND( ) se obtiene que la probabilidad acumulada es 0,576 (57.6%), es decir: la probabilidad de obtener un rendimiento diario máximo del 0.5% en la acción de Almacenes Éxito es del 57.6%. Como consecuencia de lo anterior la probabilidad de obtener un rendimiento diario de al menos el medio por ciento (0.5%) es del 42.4% ACTIVIDAD PRACTICA: Calcule la probabilidad de que la acción registre un rendimiento diario de máximo -2% diario. (18.3%) Construya una sección en la hoja que facilite el cálculo de la probabilidad de obtener una rentabilidad diaria máxima. Use como guía la siguiente figura 6. ACTIVIDAD 5: Nivel de confianza: En la realidad los administradores del riesgo prefieren determinar un nivel de confianza 7 y a partir de éste definir el rendimiento asociado a esa probabilidad. Usualmente el nivel de confianza se ubica entre el 95 y el 99%. Para una probabilidad (nivel de confianza) del 99%, cuál es el valor de Z? 6 En la celda verde se colocan los valores máximos de rentabilidad a calcular. 7 El nivel de confianza es el valor de probabilidad de ocurrencia del evento específico al cual corresponde un valor de la variable parametrizada Z Pág: 12 de 14

13 Usando la función Excel: =DISTR.NORM.ESTAND.INV(99%) se obtiene que Z = 2,326347, que puede ser también negativo Y recordando que ( ) Z x, entonces cuál es el valor de la rentabilidad asociada a dicho nivel de confianza (99%)? Despejando se obtiene que: x Z * y por tanto, considerando un Z positivo (2,326347), con y , x= 0,053825, lo que indica que con una probabilidad del 99% se puede aspirar máximo a una rentabilidad diaria del 5.36% y por tanto la probabilidad de obtener una rentabilidad mayor al 5.36% es del 1%. ACTIVIDAD PRACTICA: Calcule la rentabilidad diaria máxima para un nivel de confianza del 98%. (4.75%) y para un nivel de confianza del 50%? ( %, la rentabilidad esperada!!!!!). Cómo justifica este hecho? Construya una sección en la hoja que facilite el cálculo de la probabilidad de obtener una rentabilidad diaria máxima. Use como guía la siguiente figura: Pág: 13 de 14

14 ACTIVIDAD 6: Práctica. En un libro nuevo: repita las actividades 1, 2, 3, 4, y 5 para los precios de otra acción descargando los datos de la acción desde: Ahora puede avanzar a la guía sobre otras técnicas para la volatilidad medición de la Bibliografía: DE LARA HARO, Alfonso. Medición y control de riesgos financieros. 3ª.Edición.México: Limusa, 2005 MEDINA SERRANO, Antonio. 50 Modelos Financieros con Excel. México: Anaya, TALLER: ANALISIS ESTADISTICO DE UN ACTIVO RIESGOSO by Mg. Miguel Angel Rojas is licensed under a Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional License. Pág: 14 de 14

Fundamentos de Estadística y Simulación Básica

Fundamentos de Estadística y Simulación Básica Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión

Más detalles

Estadística Descriptiva

Estadística Descriptiva M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo

Más detalles

UNIDAD 7 Medidas de dispersión

UNIDAD 7 Medidas de dispersión UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada

Más detalles

ESTADÍSTICA CON EXCEL

ESTADÍSTICA CON EXCEL ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Fase 2. Estudio de mercado: ESTADÍSTICA

Fase 2. Estudio de mercado: ESTADÍSTICA 1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.

Más detalles

Dr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental

Dr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado

Más detalles

Medidas de tendencia central y dispersión

Medidas de tendencia central y dispersión Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:

Más detalles

ESTADÍSTICA SEMANA 3

ESTADÍSTICA SEMANA 3 ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros

MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

Proyecto PropULSA: Estadística y Probabilidad Breviario Académico

Proyecto PropULSA:  Estadística y Probabilidad Breviario Académico Estadística y Probabilidad Breviario Académico Estadística: Es la ciencia que tiene por objetivo recolectar, escribir e interpretar datos, con la finalidad de efectuar una adecuada toma de decisiones en

Más detalles

Unidad IV: Distribuciones muestrales

Unidad IV: Distribuciones muestrales Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia

Más detalles

1. La Distribución Normal

1. La Distribución Normal 1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

Tema 2. Descripción Conjunta de Varias Variables

Tema 2. Descripción Conjunta de Varias Variables Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis

Más detalles

El ejemplo: Una encuesta de opinión

El ejemplo: Una encuesta de opinión El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. 3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill. GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. Prólogo a la Segunda Edición INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.

Más detalles

Curva de Lorenz e Indice de Gini Curva de Lorenz

Curva de Lorenz e Indice de Gini Curva de Lorenz Curva de Lorenz e Indice de Gini Curva de Lorenz La curva de Lorenz es útil para demostrar la diferencia entre dos distribuciones: por ejemplo quantiles de población contra quantiles de ingresos. También

Más detalles

Análisis de Datos y Probabilidad Grado 9-12

Análisis de Datos y Probabilidad Grado 9-12 Análisis de Datos y Probabilidad Grado 9-12 Cómo se afectaría el costo de vida por el incremento en el precio de la electricidad en Puerto Rico? 1 Introducción En esta actividad los estudiantes usarán

Más detalles

Teoría de errores -Hitogramas

Teoría de errores -Hitogramas FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:

Más detalles

MANUAL DE USO PROGRAMA SENSIBAR

MANUAL DE USO PROGRAMA SENSIBAR MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS

Más detalles

Tema 6. Variables aleatorias continuas

Tema 6. Variables aleatorias continuas Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 23 Semestre Segundo examen parcial Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige

Más detalles

CM0244. Suficientable

CM0244. Suficientable IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE

Más detalles

Probabilidad y Estadística, EIC 311

Probabilidad y Estadística, EIC 311 Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda

Más detalles

U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo

U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:

Más detalles

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)

Más detalles

Unidad Temática 3: Probabilidad y Variables Aleatorias

Unidad Temática 3: Probabilidad y Variables Aleatorias Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento

Más detalles

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización

Más detalles

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016 ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una

Más detalles

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos

Más detalles

Z i

Z i Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda

Más detalles

Y accedemos al cuadro de diálogo Descriptivos

Y accedemos al cuadro de diálogo Descriptivos SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas

Más detalles

Materia: Matemáticas de 4to año. Tema: Logaritmos naturales y base 10. Marco Teórico

Materia: Matemáticas de 4to año. Tema: Logaritmos naturales y base 10. Marco Teórico Materia: Matemáticas de 4to año Tema: Logaritmos naturales y base 10 Marco Teórico Aunque una función de registro puede tener cualquier número positivo como base, en realidad sólo hay dos bases que se

Más detalles

Transformaciones de variables

Transformaciones de variables Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale

Más detalles

SESION 12 LA DISTRIBUCIÓN BINOMIAL

SESION 12 LA DISTRIBUCIÓN BINOMIAL SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:

Más detalles

A qué nos referimos con medidas de dispersión?

A qué nos referimos con medidas de dispersión? Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal

Más detalles

Bloque 1. Contenidos comunes. (Total: 3 sesiones)

Bloque 1. Contenidos comunes. (Total: 3 sesiones) 4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como

Más detalles

Estadística Inferencial. Estadística Descriptiva

Estadística Inferencial. Estadística Descriptiva INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y

Más detalles

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4 PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área

Más detalles

Medidas descriptivas I. Medidas de tendencia central A. La moda

Medidas descriptivas I. Medidas de tendencia central A. La moda Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el

Más detalles

Medidas de Tendencia Central. Dra. Noemí L. Ruiz Limardo Derechos de Autor Reservados Revisado 2010

Medidas de Tendencia Central. Dra. Noemí L. Ruiz Limardo Derechos de Autor Reservados Revisado 2010 Medidas de Tendencia Central Dra. Noemí L. Ruiz Limardo Derechos de Autor Reservados Revisado 2010 Objetivos de Lección Conocer cuáles son las medidas de tendencia central más comunes y cómo se calculan

Más detalles

LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL

LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL PreUnAB LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, MEDIDAS DE TENDENCIA CENTRAL Clase # 26 Noviembre 2014 ESTADÍGRAFOS Concepto de estadígrafo Un estadígrafo, o estadístico, es un indicador que se calcula

Más detalles

2º ESO UNIDAD 14 ESTADÍSTICA Y PROBABILIDAD

2º ESO UNIDAD 14 ESTADÍSTICA Y PROBABILIDAD º ESO UNIDAD 1 ESTADÍSTICA Y PROBABILIDAD 1 1.- CONCEPTOS BÁSICOS Estadística.- Es la ciencia que estudia conjuntos de datos obtenidos de la realidad. Estos datos son interpretados mediante tablas, gráficas

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

Más detalles

Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.

Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. CONTENIDO: MEDIDAS DE DISPERSIÓN INDICADOR DE LOGRO: Determinarás y aplicarás, con perseverancia las medidas de dispersión para datos no agrupados y agrupados Guía de trabajo: Las medidas de dispersión

Más detalles

Tema 1.- Correlación Lineal

Tema 1.- Correlación Lineal Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una

Más detalles

Módulo de Estadística

Módulo de Estadística Módulo de Estadística Tema 2: Estadística descriptiva Tema 2: Estadísticos 1 Medidas La finalidad de las medidas de posición o tendencia central (centralización) es encontrar unos valores que sinteticen

Más detalles

MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad

MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad 1 Propiedades deseables de una medida de Tendencia Central. 1) Definida objetivamente a partir de los datos de la serie. 2) Que dependa

Más detalles

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02 GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera

Más detalles

Tema 2. Medidas de tendencia central para datos agrupados

Tema 2. Medidas de tendencia central para datos agrupados Tema 2. Medidas de tendencia central para datos agrupados Como se ha establecido antes, los datos se dice que están agrupados cuando están presentados como una distribución de frecuencias, es decir, cuando

Más detalles

PROGRAMA INSTRUCCIONAL ESTADÍSTICA

PROGRAMA INSTRUCCIONAL ESTADÍSTICA UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE COMPUTACIÓN ESCUELA DE ELÉCTRICA PROGRAMA INSTRUCCIONAL

Más detalles

Medidas de dispersión

Medidas de dispersión Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia

Más detalles

Apuntes y ejercicios de Estadística para 2º E.S.O

Apuntes y ejercicios de Estadística para 2º E.S.O Apuntes y ejercicios de Estadística para 2º E.S.O 1 Introducción La Estadística es la ciencia que se encarga de recoger, organizar, describir e interpretar datos referidos a distintos fenómenos para, posteriormente,

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tendencia central Medidas de tendencia central Medidas de Posición: son aquellos valores numéricos que nos permiten o bien dar alguna medida de tendencia central, dividiendo el recorrido de

Más detalles

UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA

UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA I. DATOS INFORMATIVOS 1.1 Asignatura : Estadística para el Comunicador Social 1.2 Código : 1001-1023 1.3 Pre-requisito

Más detalles

3 PROBABILIDAD Y DISTRIBUCION NORMAL

3 PROBABILIDAD Y DISTRIBUCION NORMAL 3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder

Más detalles

ESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN

ESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas

Más detalles

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS

Más detalles

Estadística Descriptiva. SESIÓN 11 Medidas de dispersión

Estadística Descriptiva. SESIÓN 11 Medidas de dispersión Estadística Descriptiva SESIÓN 11 Medidas de dispersión Contextualización de la sesión 11 En la sesión anterior se explicaron los temas relacionados con la dispersión, una de las medidas de dispersión,

Más detalles

2.- Tablas de frecuencias

2.- Tablas de frecuencias º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------

Más detalles

UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I

UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I CLAVE: MAT 131 ; PRE REQ.: MAT 111 ; No. CRED.: 4 I. PRESENTACIÓN: Este

Más detalles

PROGRAMA INSTRUCCIONAL ESTADÍSTICA

PROGRAMA INSTRUCCIONAL ESTADÍSTICA UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE RELACIONES INDUSTRIALES ESCUELA DE ADMINISTRACIÓN FACULTAD DE CIENCIAS JURÍDICAS Y POLÍTICAS ESCUELA

Más detalles

EVALUACION. De Riesgo. Julio A. Sarmiento S.

EVALUACION. De Riesgo. Julio A. Sarmiento S. EVALUACION De Riesgo http://www.javeriana.edu.co/cursad/modulo.finanzas Julio A. Sarmiento S. Profesor - investigador Departamento de Administración Pontificia Universidad Javeriana Julio Alejandro Sarmiento

Más detalles

FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional

FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros

Más detalles

INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:

INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION

Más detalles

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT

Más detalles

Concepto de Probabilidad

Concepto de Probabilidad Concepto de Probabilidad Prof. Miguel Hesiquio Garduño. Est. Mirla Benavides Rojas Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com.mx mbenavidesr5@gmail.com PROBABILIDAD En cualquier

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El

Más detalles

Pruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis

Pruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de

Más detalles

Distribuciones muestrales. Distribución muestral de Medias

Distribuciones muestrales. Distribución muestral de Medias Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando

Más detalles

Unidad 5 Control Estadístico de la Calidad. Administración de Operaciones III

Unidad 5 Control Estadístico de la Calidad. Administración de Operaciones III Unidad 5 Control Estadístico de la Calidad Administración de Operaciones III 1 Contenido 1. Antecedentes del control estadístico de la calidad 2. Definición 3. Importancia y aplicación 4. Control estadístico

Más detalles

Planificación didáctica de MATEMÁTICAS 3º E.S.O.

Planificación didáctica de MATEMÁTICAS 3º E.S.O. Planificación didáctica de MATEMÁTICAS 3º E.S.O. (Orientadas a las enseñanzas aplicadas) Julio de 2016 Rev.: 0 Índice 1.- INTRODUCCIÓN... 1 2.- BLOQUE I. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS...

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro

Más detalles

Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth

Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth 1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito

Más detalles

MEDIDAS DE CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN. Matemáticas PAI 5 (4ºESO)

MEDIDAS DE CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN. Matemáticas PAI 5 (4ºESO) CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN Matemáticas PAI 5 (4ºESO) Ejercicio 2 Actividad de aula 3 Medidas estadísticas Recupera la tabla de frecuencias que realizaste en el ejercicio 2 de la actividad de

Más detalles

EJERCICIOS RESUELTOS TEMA 1.

EJERCICIOS RESUELTOS TEMA 1. EJERCICIOS RESUELTOS TEMA 1. 1.1. El proceso por el cual se asignan números a objetos o características según determinadas reglas se denomina: A) muestreo; B) estadística; C) medición. 1.2. Mediante la

Más detalles

PLANES CURRICULARES GRADO9º/ 01 PERIODO

PLANES CURRICULARES GRADO9º/ 01 PERIODO PLANES CURRICULARES GRADO9º/ 01 PERIODO Grado: 9º Periodo: 01 PRIMERO Aprobado por: G. Watson - Jefe Sección Asignatura: MATEMATICAS Profesor: Gloria rueda y Jesús Vargas ESTANDARES P.A.I. I.B. A. Conocimiento

Más detalles

CENTRO UNIVERSITARIO UTEG DIRECCIÓN ACADÉMICA

CENTRO UNIVERSITARIO UTEG DIRECCIÓN ACADÉMICA Objetivo general de la materia/asignatura El alumno se familiarizará con: a) La simbología, b) Los conceptos, c) y el lenguaje utilizado en la estadística, apreciará la importancia que tiene la probabilidad

Más detalles

UNIDAD 6 Medidas de tendencia central

UNIDAD 6 Medidas de tendencia central UNIDAD Medidas de tendencia central UNIDAD MEDIDAS DE TENDENCIA CENTRAL = EJEMPLO. ó Al estudiar la información estadística de los histogramas y los polígonos de frecuencia, se puso en evidencia un significativo

Más detalles

CAPÍTULO 4 TÉCNICA PERT

CAPÍTULO 4 TÉCNICA PERT 54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con

Más detalles

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza

Más detalles

Hoja 6: Estadística descriptiva

Hoja 6: Estadística descriptiva Hoja : Estadística descriptiva Hoja : Estadística descriptiva May Dada la siguiente distribución de frecuencias, halle: a) la mediana; b) la media. Número (x) Frecuencia (y) May De enero a septiembre la

Más detalles

ESTADISTICA DESCRIPTIVA Y PROBABILIDAD

ESTADISTICA DESCRIPTIVA Y PROBABILIDAD ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE

Más detalles

MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA

MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA 1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:

Más detalles

Construcción de Gráficas en forma manual y con programados

Construcción de Gráficas en forma manual y con programados Universidad de Puerto Rico en Aguadilla División de Educación Continua y Estudios Profesionales Proyecto CeCiMaT Segunda Generación Tercer Año Título II-B, Mathematics and Science Partnerships Construcción

Más detalles

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:

Más detalles

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más

Más detalles

Programa de estudios por competencias Licenciatura en Administración

Programa de estudios por competencias Licenciatura en Administración Programa de estudios por competencias Licenciatura en Administración 1. IDENTIFICACIÓN DEL CURSO Centro Universitario: CENTRO UNIVERSITARIO DEL NORTE Departamento: FUNDAMENTOS DEL CONOCIMIENTO Academia:

Más detalles

ADMINISTRACION DE OPERACIONES

ADMINISTRACION DE OPERACIONES Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura

Más detalles

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS

Más detalles

MATEMÁTICA DE CUARTO 207

MATEMÁTICA DE CUARTO 207 CAPÍTULO 1 CONJUNTOS NUMÉRICOS 1 Introducción... pág. 9 2 Números naturales... pág. 10 3 Números enteros... pág. 10 4 Números racionales... pág. 11 5 Números reales... pág. 11 6 Números complejos... pág.

Más detalles

ANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA

ANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA ANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA Jack Marlon Martínez Abregu e-mail: marlon_jack@hotmail.com IvánJosé Pazos Alvarado

Más detalles

Introducción a la unidad 4:

Introducción a la unidad 4: Introducción a la unidad 4: Valor actual neto, tasa interna de retorno INACAP Virtual Introducción a la Unidad 4 Matemática financiera 2 ÍNDICE DE CONTENIDOS ÍNDICE DE CONTENIDOS... 3 INTRODUCCIÓN... 4

Más detalles