LABORATORIO BIO 9000 PROCEDIMIENTO PE-I-03 PARA EL CÁLCULO DE LA INCERTIDUMBRE EN MICROBIOLOGÍA

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

Download "LABORATORIO BIO 9000 PROCEDIMIENTO PE-I-03 PARA EL CÁLCULO DE LA INCERTIDUMBRE EN MICROBIOLOGÍA"

Transcripción

1 LABORATORIO BIO 9000 PROCEDIMIENTO PARA EL CÁLCLO DE LA INCERTIDMBRE EN MICROBIOLOGÍA Rev. º: 00 Fecha de aprobació: 19/05/11 REV. FECHA HOJA/S CASA DEL CAMBIO Realizado Revisado Aprobado Fdo.: Daiel Aguilar-Galido Fecha: 18/05/11 Fdo.: Fco. Miguel Rguez. Peña Fecha: 18/05/11 Fdo.: Jua Carlos Domíguez Fecha: 19/05/11

2 PARA EL CALCLO DE INCERTIDMBRE EN MICROBIOLOGÍA Hoja de 8 INDICE 1.-OBJETO.-ALCANCE 3.- REFERENCIAS 3.1. Documetos utilizados para la elaboració de este PNT..-CONDICIONES GENERALES 5.-REALIZACIÓN 5.1. Cálculo de la Icertidumbre Global 6.- ANEXOS

3 PARA EL CALCLO DE INCERTIDMBRE EN MICROBIOLOGÍA Hoja 3 de 8 1.-OBJETO El objeto del presete procedimieto es idicar la sistemática para la realizació de la estimació de la icertidumbre de los esayos microbiológicos cuatitativos realizados co procedimietos iteros..-alcance Este procedimieto se aplica al cálculo de la estimació de la icertidumbre de métodos microbiológicos. 3.-REFERENCIAS 3.1.-Documetos utilizados e la elaboració de este PNT. - PG-01: Gestió, elaboració y cotrol de los documetos del sistema de la calidad. Procedimietos Geerales Bio Extracto del Procedimieto para el cálculo de icertidumbre e microbiología de Gabiete de Servicios para la Calidad S.A.L. - Curso de Validació y cálculo de Icertidumbres e microbiología, CEBF Network Solutios. - PG-17: Validació de métodos..- CONSIDERACIONES GENERALES E la realizació de la medida e esayos microbiológicos cuatitativos debemos teer e cueta factores que puede ifluir e el resultado y por lo tato tambié e la estimació de la icertidumbre de éste. NOTA: Ampliar segú se realice los esayos siguiedo las pautas idicadas e el curso de Validació y cálculo de icertidumbres e métodos microbiológicos. El método de estimació de icertidumbre podrá estar basado e u modelo deomiado caja egra o modelo global e el que se tedrá e cueta la icertidumbre del material de referecia que se utilice, la icertidumbre de la comparació co el valor medio, la icertidumbre de reproducibilidad cotidiaa y la icertidumbre de recuperació o adecuada. Estas icertidumbres se compodrá cuadráticamete multiplicádose por u factor K para ua probabilidad del 95%, co el fi de expresarla como icertidumbre expadida. El valor del factor K para ua probabilidad del 95% depede de los grados de libertad co los que se ha estimado la icertidumbre. (ver aexo). La icertidumbre expadida se podrá expresar e relativa (%) si se divide por el úmero de recueto.

4 PARA EL CALCLO DE INCERTIDMBRE EN MICROBIOLOGÍA Hoja de REALIZACIÓN Para la estimació de la icertidumbre de medida se tedrá e cueta los resultados obteidos e la validació. Además para cada resultado de esayo que se realice, se deberá estimar ua icertidumbre o aplicar ua relativa segú se idica e el presete procedimieto CÁLCLO DE INCERTIDMBRE GLOBAL Dado que las icertidumbres, sólo sigue ua distribució gaussiaa cuado so expresadas como logaritmos, todas las icertidumbres se expresará y compodrá como logaritmos. Las icertidumbres que se cosidera para la estimació de la icertidumbre global se compoe cuadráticamete de la siguiete maera: método Vref Vmedio Re prod Re c El cálculo de cada ua de ellas se realizará del modo siguiete: Vref Depediedo si se utiliza u Material de Referecia estable o o (Método de Duplicados) esta icertidumbre se calculará: - Para el método de duplicados, se puede hacer uso de esayos de aptitud o de cepas de trabajo diluidas, mediate la estadarizació de las mismas: Vref so de esayos de aptitud MR1 + MR N dode: MR se calcula como: S MR MR Siedo: - S MR la desviació estádar dada por el ejercicio - el º de laboratorios participates - N º de experimetos Cepas de referecia MR1 + MR N dode: MR se calcula como: S MR MR Siedo: - S MR la desviació estádar obteida de los recuetos de las placas utilizadas para la obteció del valor de referecia - el º de placas utilizadas - N º de experimetos

5 PARA EL CALCLO DE INCERTIDMBRE EN MICROBIOLOGÍA Hoja 5 de 8 (Se deberá covertir a logaritmos si los resultados se expresa e ufc.) E caso de utilizar u material de referecia estable MR estable Si solo se dispoe de ua serie de valores y ua desviació estádar (Material de Referecia) se calculará como: S MR Dode: S MR la mitad de la media de las diferecias de los itervalos úmero de laboratorios participates e la certificació del Material de Referecia. (Se deberá covertir a logaritmos si los resultados se expresa e ufc.) Vmedio Provedrá de la debida al cálculo de V M Vmedio S exp erimetos Dode: S es la desviació estádar obteida de aplicar el sistema de duplicados (S d ) o de aplicar repeticioes del Material de referecia estable (S m ), estas desviacioes está calculadas e logaritmos. º de experimetos.

6 PARA EL CALCLO DE INCERTIDMBRE EN MICROBIOLOGÍA Hoja 6 de Reprod Valor debido a la reproducibilidad cotidiaa. Tedrá e cueta el úmero de repeticioes diarias ( d ) y la reproducibilidad estimada para el método (σ R ). Re prpd σ R d La reproducibilidad (σ R ).deberá ser calculada bie e el propio esayo, bie co muestras adicioales, o bie de ua maera teórica supoiedo ua distribució de Poisso, y teiedo e cueta el valor de recueto C de la muestra. Propio esayo σ R Sm o Sd estimadas e logaritmos, e fució de si se dispoe de material de referecia estable o se utiliza la técica de duplicados. Poisso (sigma teórica) σ R 1 C C Co este modo de cálculo se expresa ya e ufc, por lo que será ecesario pasarlo a logaritmos REC Depederá del valor obteido e el esayo y sólo se aplicará si existe diferecias sigificativas. REC logv R logv 3 L La existecia de diferecias sigificativas se estimara a partir del IC o de la t de Studet calculada y tabulada, e fució de si se dispoe de u material de referecia estable o si se utiliza la sistemática de duplicados.

7 PARA EL CALCLO DE INCERTIDMBRE EN MICROBIOLOGÍA Hoja 7 de 8 a vez que se ha calculado todas las compoetes expresadas como logaritmos, tedríamos la icertidumbre combiada del método método Vref Vmedio Re prod Re c Para expresar la icertidumbre combiada como icertidumbre expadida es ecesario multiplicarla por el factor ± K obteido a partir de los grados de libertad efectivos e la tabla de la distribució t de Studet para ua probabilidad del 95%; y como la Icertidumbre de método se ha calculado e logaritmos es ecesario deslogaritmizar, tal y como idica la orma ISO I I ItervaloS uperior ItervaloI ferior K ( C 10 ) C 100 C C K ( C 10 ) 100 C La icertidumbre está expresada de maera relativa e dos itervalos ya que la icertidumbre e microbiología o es simétrica ANEXOS Estimació de los grados efectivos de libertad y del valor k E el caso de o haber realizado suficietes repeticioes para garatizar fiabilidad, (más de 10 medidas) se estimará los grados de libertad de acuerdo a: Efectivos Patró Patró + Media Media + Repro Rrepro + Correcció Correcció

8 PARA EL CALCLO DE INCERTIDMBRE EN MICROBIOLOGÍA Hoja 8 de 8 Dode los valores de los grados de libertad de cada compoete se calcula como: Valor de referecia Pares de valores Patró Media Repro Correcció -1 Dode úmero de -1 El obteido a partir del repeticioes de la media Dode valor K del certificado. Si se obtiee de muestras correspode al Si K el valor será (caso cuatitativo) será úmero de ifiito m*(-1) siedo úmero repeticioes de repeticioes y Ifiito múmero de muestras Para cada resultado será -1 úmero de participates o el correspodiete al K del método validado. Para el VR valor.referecia valor.referecia vri N i 1 Dode N correspode al úmero de itercomparativos utilizados(es decir, el umero de pares de valores); y i correspode al úmero de participates e cada itercomparativo -1 Dode úmero de pares de valores -1 Dode úmero de pares de valores Ifiito a vez estimado el efectivo, se obtedrá la K correspodiete para u itervalo del 95% aplicado la tabla de Studet, como ( t 0.05, Efectivos ) siedo éste el valor de K.

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas más Frecuentes: Tema 2 Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,

Más detalles

PROCEDIMIENTO DE CALIBRACIÓN M-002 BALANZA MONOPLATO INDICE 1. OBJETO 2. ALCANCE

PROCEDIMIENTO DE CALIBRACIÓN M-002 BALANZA MONOPLATO INDICE 1. OBJETO 2. ALCANCE INDICE BALANZA MONOPLATO EDICIÓN 0 1. OBJETO 2. ALCANCE 3. GENERAL 4. EQUIPO A UAR EN LA CALIBRACION 5. OPERACIONE PREVIA 6. REALIZACION 7. TOMA DE DATO 8. REULTADO DE LA CALIBRACIÓN 9. CRITERIO DE ACEPTACION

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA . Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

Formulas. Población infinita. Población finita

Formulas. Población infinita. Población finita Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC. APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de

Más detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

ESTIMACIONES DE MEDIAS

ESTIMACIONES DE MEDIAS COLEGIO SAN BARTOLOMÉ LA MERCED ESTADÍSTICA GRADO ESTIMACIÓN 0-0 Símbolos que se debe teer e cueta: POBLACIÓN MUESTRA MEDIA VARIANZA DESVIACIÓN ESTÁNDAR TAMAÑO N La estimació cosiste e determiar el valor

Más detalles

INSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz

INSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El eame preseta dos opcioes: A y B. El alumo deberá elegir ua de ellas y cotestar razoadamete a los cuatro ejercicios de que costa dicha opció. Para

Más detalles

EJERCICIOS DE SERIES DE FUNCIONES

EJERCICIOS DE SERIES DE FUNCIONES EJERCICIOS DE SERIES DE FUNCIONES. Campo de covergecia. Covergecia uiforme. Determiar el campo de covergecia de la serie 2 se x. Aplicado el criterio de la raíz, la serie es absolutamete covergete cuado:

Más detalles

α β la cual puede presentar

α β la cual puede presentar 5.4 Covergecia de ua serie de Fourier 8 5.4 Covergecia de ua serie de Fourier Teorema de covergecia de las series de fourier Ua serie de Fourier es ua fució ( ) f x cotiua e [, ] α β la cual puede presetar

Más detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS 8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

e i y i y i y i 0 1 x 1i 2 x 2i k x ki

e i y i y i y i 0 1 x 1i 2 x 2i k x ki Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos: T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo:

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: Itroducció al cálculo de icertidumbres e las INGENIERÍAS Cordiador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: lurodrig@puj.edu.co INTRODUCCIÓN E las ciecias aturales los resultados de las medidas

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

Ley de Grandes Números y Teorema Central del

Ley de Grandes Números y Teorema Central del Ley de Grades Números y Teorema Cetral del Límite 25 de mayo de 2017 2 Capítulo 1 Ley de grades úmeros y Teorema cetral del límite 1.1. Sucesioes i.i.d. E el capítulo aterior cosideramos variables X 1,...,X

Más detalles

CAPÍTULO 10. EJEMPLOS DE DISEÑO PARA FUNDACIONES PROFUNDAS. agrupar datos de ensayos disponibles por capa de suelo

CAPÍTULO 10. EJEMPLOS DE DISEÑO PARA FUNDACIONES PROFUNDAS. agrupar datos de ensayos disponibles por capa de suelo 171 CAPÍTULO 10. EJEMPLOS DE DISEÑO PARA FUNDACIONES PROFUNDAS Diseño usado LRFD Al igual que el Capítulo 6 para fudacioes superficiales, el presete capítulo explica cómo utilizar los factores de resistecia

Más detalles

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA

Métodos estadísticos y numéricos Estimación por Intervalos de confianza 1 PROBLEMAS RESUELTOS DE ESTIMACIÓN POR INTERVALOS DE CONFIANZA Métodos estadísticos y uméricos Estimació por Itervalos de cofiaa PROBLEMA REUELTO DE ETIMACIÓN POR INTERVALO DE CONFIANZA U adador obtiee los siguietes tiempos, e miutos, e 0 pruebas croometradas por

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

Números racionales. Caracterización.

Números racionales. Caracterización. Números reales Matemáticas I Aplicadas a las Ciecias Sociales 1 Números racioales. Caracterizació. ecuerda que u úmero r es racioal si se puede poer e forma de fracció de úmeros eteros de la forma a b

Más detalles

Parámetros de tiempo para

Parámetros de tiempo para Parámetros de tiempo para cotrol y diagóstico INTRODUCCIÓN. Ua de las actividades importates a ivel de sistemas que se debe desarrollar e toda etidad que cuete co u recurso computacioal de soporte para

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Estimación de parámetros. Biometría

Estimación de parámetros. Biometría Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes

Más detalles

Población Joven Adulta Total A favor En contra Total

Población Joven Adulta Total A favor En contra Total Nombre: Libre Reglametado C.I.: EXAMEN El exame costa de dos partes. La Primera Parte debe ser realizada por todos los alumos y el tiempo previsto es de 2 horas. La Seguda Parte debe ser realizada sólo

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3 Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral

Más detalles

EJERCICIOS DE RECURRENCIA

EJERCICIOS DE RECURRENCIA EJERCICIOS DE RECURRENCIA (co alguas solucioes) Resolver la recurrecia = 5 6 =, = y tambié ésta: = =, = Resolvamos la primera E primer lugar otamos que es ua recurrecia lieal, pues pasado todos los térmios

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

Tema 8 Límite de Funciones. Continuidad

Tema 8 Límite de Funciones. Continuidad Tema 8 Límite de Fucioes. Cotiuidad 1. Operacioes co límites. Los límites de las sucesioes a b, c, d y e so los idicados e la tabla siguiete:, a b c d e - 0 1 Di cual es el límite de: a) lim( a b ) c)

Más detalles

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

4.- Aproximación Funcional e Interpolación

4.- Aproximación Funcional e Interpolación 4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico

Más detalles

2 FUNDAMENTOS DE PROBABILIDAD

2 FUNDAMENTOS DE PROBABILIDAD 2 FUNDAMENTOS DE PROBABILIDAD T al vez el estudio de la probabilidad toma setido cuado se percibe y se acepta la existecia de la aleatoriedad e diversos aspectos de la vida diaria. Si embargo, si cosideramos

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

Ejercicios resueltos de Muestreo

Ejercicios resueltos de Muestreo Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad

Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad Evaluació NOMBRE APELLIDOS CURSO GRUPO FECHA CALIFICACIÓN Calcula el térmio geeral de ua progresió geométrica que tiee de térmio a y por razó /. a) b) c) El 6 es: a) b) 0 c) / 6 7 El es: a) b) c) 0 El

Más detalles

Gesdocal Pies de rey (1 de 9)

Gesdocal Pies de rey (1 de 9) Gesdocal Pies de rey ( de 9) OBJTO l objeto del presete PROCO D CALBRACÓN es defiir la pauta utilizada e el software CALBRO para la calibració de pies de rey, que les permita obteer resultados trazables

Más detalles

Por qué? Procedimiento. Software. Ejemplos. Población diana. Sumario. Necesidad del cálculo de tamaño muestral

Por qué? Procedimiento. Software. Ejemplos. Población diana. Sumario. Necesidad del cálculo de tamaño muestral Sumario Predetermiació del tamaño muestral Iñaki Pérez stadístico Uidad de Desarrollo líico J. Uriach y ompañía S.A. Por qué? Procedimieto Software jemplos Necesidad del cálculo de tamaño muestral Necesidad

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales. Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados

Más detalles

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

Pasos básicos para docimar una hipótesis:

Pasos básicos para docimar una hipótesis: Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los

Más detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo

Más detalles

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b) MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

Apellidos y Nombre: Aproximación lineal. dy f x dx

Apellidos y Nombre: Aproximación lineal. dy f x dx INGENIERÍA DE TELECOMUNICACIÓN HOJA 0 Aproximació lieal Defiició (Diferecial).- Sea y = f ( x) ua fució derivable e u itervalo abierto que cotiee al úmero x, - La diferecial de x es igual al icremeto de

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 8-9 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

Mó duló 21: Sumatória

Mó duló 21: Sumatória INTERNADO MATEMÁTICA 16 Guía del estudiate Mó duló 1: Sumatória Objetivo: Coocer y aplicar propiedades para el cálculo de sumatorias. Para calcular alguas sumatorias es ecesario coocer sus propiedades

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de

Más detalles

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

Estimación de Parámetros

Estimación de Parámetros Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 6)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 6) IES Fco Ayala de Graada Sobrates de 01 (Modelo 6 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 01 (MODELO 6) OPCIÓN A EJERCICIO 1_A Ua empresa vede tres artículos diferetes

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

Más detalles

Introducción a las medidas de dispersión.

Introducción a las medidas de dispersión. UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.

Más detalles

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)

PROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE) TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

Hoja de Problemas Tema 3. (Sucesiones y series)

Hoja de Problemas Tema 3. (Sucesiones y series) Depto. de Matemáticas Cálculo (Ig. de Telecom.) Curso 23-24 Hoja de Problemas Tema 3 (Sucesioes y series) Sucesioes de úmeros reales. Sea {a } N, {b } N sucesioes de úmeros reales. Demostrar o refutar

Más detalles

Unidad N 2. Medidas de dispersión

Unidad N 2. Medidas de dispersión Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

III.1 Descripción del simulador SIMUX

III.1 Descripción del simulador SIMUX ANEXO III Etoro de simulació SIMUX (Simulador IMUX) para evaluar el comportamieto del dispositivo IMUX III. Descripció del simulador SIMUX E este aexo describiremos de maera resumida el fucioamieto del

Más detalles

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá

Más detalles