MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

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

Download "MEDIDAS DE RESUMEN. Jorge Galbiati Riesco"

Transcripción

1 MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos de medidas de resume: las medidas de cetro, las medidas de posició, (las de cetro so casos especiales de estas últimas), las medidas de dispersió y las medidas de forma. Supógase que se dispoe de ua muestra de observacioes x 1, x 2,... x. Co estas observacioes se efectuará los cálculos de todas las medidas de resume que se preseta a cotiuació. A modo de ejemplo, se dispoe de tres muestras de datos co las que se obtedrá las medidas de resume. Los tres está ordeados de meor a mayor, por columas Muestra 1. Igresos de 45 empleados de ua firma (miles de pesos) Muestra 2. Pesos de bultos trasportados por u correo (kgs). Muestra 3. Escolaridad de los habitates adultos de u codomiio (años). 1

2 A cotiuació se preseta tablas de frecuecia por itervalos e histogramas de los tres cojutos de datos. Se puede observar que el primer cojuto tiee sesgo (la cola) hacia la derecha; el segudo es bastate simétrico; y el tercero tiee sesgo hacia la izquierda. Frec Frec. Clase Frecuec. acumul. relativa % 1 a a a a a a total Figura 1. Igresos de empleados. Tabla de frecuecias e histograma. Frec Frec. Clase Frecuec. acumul. relativa % 7 a a a a a a a total Figura 2. Pesos de bultos. Tabla de frecuecias e histograma. Frec Frec. Clase Frecuec. acumul. relativa % 1 a a a a a a a total Figura 3. Escolaridad. Tabla de frecuecias e histograma. 2

3 Medidas de Cetro So medidas que pretede idicar dóde está lo que se podría cosiderar como el cetro de la masa de datos. Promedio o media. Es la suma de todas las observacioes, dividida por el úmero de ellas. Las más coocidas so las siguietes: Promedio o Media. Es igual a la suma de todas las observacioes, dividida por el úmero de observacioes. Se usa el símbolo x para represetar la media. El promedio está dado por la fórmula x i= = 1 El promedio es ua medida muy iflueciada por valores extremos. Por lo tato, si los datos preseta mucha asimetría, el promedio resulta distorsioado. x i Ejemplo 1. Cálculo del promedio co los datos presetados al iicio: Suma de los datos Número de datos = Promedio 10130/45 = M$ 645/38 = 17.0 kilos 425/42 = 10.1 años Mediaa. Es u úmero tal que al meos el 50% de las observacioes so meores o iguales a él, y al meos el 50% so mayores o iguales a él. La mediaa es muy resistete a valores extremos. La represetamos por el símbolo M. Se calcula de la siguiete forma: 1 - Se ordea las observacioes, de meor a mayor. 2 - Si el úmero de observacioes es impar, la mediaa es la que queda exactamete al cetro. 3 - Si el úmero de observacioes es par, la mediaa es el promedio de las dos observacioes cetrales. Figura 4. Comparació etre promedios y mediaas e distitos casos. 3

4 Ejemplo 2. Cálculo de la mediaa: Número de datos = Ubicació de la mediaa La mediaa es la observació de orde 23 La mediaa es el promedio de las observacioes 19 y 20 Mediaa M = 185 M$ M = (17+17)/2 = 17 kilos La mediaa es el promedio de las observacioes 21 y 22 M = (11+11)/2 = 11 años Comparado co el ejmplo 1, se puede ver que el promedio es mayor que la mediaa cuado hay sesgo hacia la derecha. Las observacioes extremas ifluye más sobre el promedio que sobre la mediaa, y lo desplaza a la derecha. E el caso simétrico, ambas medidas coicide. Y cuado hay sesgo a la izquierda, el promedio está más a la izquierda que la mediaa. Promedio Recortado o Trucado e α%. Es el promedio del cojuto de observacioes, al cual se le ha elimiado u porcetaje predetermiado α de las observacioes más pequeñas y el mismo porcetaje de las más grades. Para calcularlo se debe ordear las observacioes, elimiar u porcetaje α%, previamete defiido, e ambos extremos. Luego se obtiee el promedio de las (100-2α)% observacioes cetrales. Valores típicos de α so 5 o 10 %. El promedio recortado es más resistete que la media, a valores extremos, precisamete porque se elimiaro los extremos. Pero o ta isesible como la mediaa, e casos e que hay muchos valores que se aleja sigificativamete del promedio. Ejemplo 3: Promedio recortado al 5%: Número de datos = Número de datos recortados por lado Cálculo del promedio recortado Promedio recortado 2.25 que lo aproximamos a 2 El promedio recortado al 5% es el promedio de las 41 observacioes cetrales ( )/41 = M$ 1.9, aproximado a 2 2.1, aproximado a 2 El promedio recortado El promedio recortado al 5% es el promedio al 5% es el promedio de las 34 de las 38 observacioes observacioes cetrales cetrales 17.0 kilos 10.3 años 4

5 Ejemplo 4: Promedio recortado al 20%: Número de datos recortados por lado Cálculo del promedio recortado Promedio recortado 9 datos por lado 7.6 datos, que lo aproximamos a datos, aproximado a 8 El promedio El promedio recortado El promedio recortado recortado al 20% es al 20% es el promedio al 20% es el promedio el promedio de las 27 de las 22 de las 26 observacioes observacioes observacioes cetrales cetrales cetrales ( kilos 10.4 años +350)/27=205.4 M$ Se observa que si se se recorta poco, el promedio recortado se parece al promedio simple. Si embargo, si se recorta más, se parece más a la mediaa. Medidas de Posició Señala otras posicioes, aparte del cetro, detro de la masa de datos. Por ejemplo, a partir de qué valores está el 10% mayor. Las medidas de cetro so casos especiales de medidas de posició. Percetil q, e que q es u úmero etero etre 1 y 99. El percetil q es u úmero P q tal que: 1 - Al meos q% de las observacioes so meores o iguales que él. 2 - Al meos (100-q)% de las observacioes so mayores o iguales que él. El percetil q se obtiee de la siguiete forma: 1 - Se ordea las observacioes, de meor a mayor. 2 - Se calcula el valor de r=q x /100, e que es el úmero de observacioes. 3 - Si el resultado de r es etero, el percetil P q es el promedio de las observacioes que ocupa los lugares r y r Si el resultado o es etero, se aproxima al etero superior y el percetil P q es la observació que ocupa ese lugar. 5

6 Casos Particulares de percetiles: La Mediaa. Es el percetil 50. Cuartiles. So los percetiles de orde 25, 50 y 75, represetados por Q 1, Q 2 y Q 3, respectivamete. Divide la muestra ordeada e cuatro grupos que cotiee la cuarta parte de las observacioes cada uo. Quitiles. So los percetiles de orde 20, 40, 60 y 80. Divide la muestra ordeada e cico grupos de igual tamaño. Deciles. So los percetiles de orde 10, 20, 30, 40, 50, 60, 70, 80 y 90. Divide la muestra ordeada e diez grupos de igual tamaño. Figura 5. Represetació de Cuartiles y Quitiles e u cojuto de datos simétrico. Ejemplo 5. Cálculo del cuartil 1. úm. de datos = */ ubicació del cuartil Q 1 El cuartil 1 es la observació de orde 12 El cuartil 1 es la observació de orde 10 El cuartil 1 es la observació de orde 11 Cuartil Q M$ 14 kilos 9 años Ejemplo 6. Cálculo del cuartil 2 o mediaa. 50*/ ubicació del cuartil Q 2 El cuartil 2 es la observació de orde 23 El cuartil 2 es el promedio de las obs. de lugares 19 y 20 El cuartil 2 es el promedio de las obs. de lugares 21 y 22 Cuartil Q M$ 17 kilos 11 años Observar que el cuartil 2 es igual a la mediaa, del ejemplo 2, e todos los casos. 6

7 Ejemplo 7. Cálculo del cuartil 3. 75*/ ubicació del cuartil Q 3 El cuartil 3 es la observació de orde 34 El cuartil 3 es la observació de orde 29 El cuartil 3 es la observació de orde 32 Cuartil Q M$ 20 kilos 12 años Medidas de Dispersió Describe el grado de dispersió de los datos, es decir, cuá separados se ecuetra, como opuesto a datos que esta muy cocetrados o cercaos etre sí. Las más coocidas so las siguietes: Rago. Es la diferecia etre el mayor valor y el meor. Depede sólo de dos observacioes, y justamete de las más extremas, por lo que, e geeral es ua muy mala medida de dispersió. R=x -x i Ejemplo 8. Cálculo del rago. Muestra 1 (Igresos) Muestra 2 (Pesos) Muestra 3 (Escolaridad) Míimo Máximo Rago =460 M$ 27-8=19 kgs. 14-2=12 años Desviació Media. Es el promedio de las desviacioes absolutas (e valor absoluto) respecto de la media. Se mide e las mismas uidades que las observacioes origiales. xi x i= DMd = 1 x es la media o promedio 7

8 Ejemplo 9. Cálculo desviació media. Muestra 1 (Igresos) Muestra 2 (Pesos) Muestra 3 (Escolaridad) Número de datos Media desviacioes absolutas 175.1, 175.1, 145.1,.., 274.9, , 9.0, 8.0,....., 8.0, , 6.1, 6.1, , 3.9 suma promedio /45=103.2 M$ 135.1/38=3.6 kg 94.8/42=2.3 años Desviació Mediaa. Es parecida a la desviació media. Se defie como el promedio de las desviacioes absolutas (e valor absoluto) respecto de la mediaa. Tambié se mide e las mismas uidades que las observacioes origiales. Tiee la característica de ser poco sesible a observacioes extremas. DM x M i i= = 1 e que M es la mediaa Ejemplo 10. Cálculo desviació mediaa. Número de datos Mediaa desviacioes absolutas 135, 135, 105, , 325 9, 9, 8, ,8,10 9, 7, 7, 4, , 3 suma DMd 4405/45= 97.9 M$ 135/38=3.6 kg 93/42=2.2 años Ambas medidas de dispersió, la desviació media y la desviació mediaa da resultados parecidos, y e u iguales. Variaza. Es u promedio de los cuadrados de las desviacioes respecto de la media, excepto que e lugar de dividir por (el úmero de observacioes), se suele dividir por -1. Se usa el símbolo s 2 o bie var para represetar la variaza. 8

9 s 2 = var = i= 1 ( x i x) 1 Su uidad de medida es el cuadrado de uidades e que se midiero las observacioes origiales. Hay ua forma alterativa de calcularla, que da el mismo resultado: s 2 = var = i= 1 x 2 i 1 2 x 2 Ejemplo 11. Cálculo variaza. desviacioes al cuadrado (ver ejemplo 8) (-175.1) 2, (-175.1) 2, (-145.1) 2, , = , , (-9) 2, (-9) 2, (-8) 2, (-7) ,8 2, 10 2 = 81, 81, 64, 49,..., 49.4, 64.4,100.5 (-8.1) 2, (-6.1) 2, (-6.1) 2, , = 65.6, 37.4, 37.4,..., 15.21, ,..., , suma Divisor s (M$) Kg años 2 Observar que la uidad de medida es el cuadrado de las uidades origiales. Desviació estádar. Es la raíz cuadrada de la variaza. Se mide e las mismas uidades que las observacioes origiales. Se usa el símbolo s o bie ds para represetar la desviació estádar. s = ds = var Tato la desviació media como la variaza y la desviació estádar se ecuetra muy ifluidas por valores extremos. Por lo tato, cuado la muestra preseta mucha asimetría, estos o so bueos idicadores de la dispersió, pues está sobrevalorados. Figura 6. Dispersió y desviacioes estádar. 9

10 Ejemplo 12. Desviació estádar. Variaza s desviació stadard 2 s M$ 4.3 kg 2.8 años Auque mide el mismo cocepto que las desviacioes media y mediaa, y está expresados e la misma uidad de medida, los úmeros está e escalas diferetes y o so comparables. Coeficiete de Variació. Es similar a la desviació estádar, pero dividido por la media. Co esto se logra que sea idepediete de la uidad de medida co que se midiero las observacioes. El coeficiete de variació o tiee uidad de medida. ds cv = x Tiee ua limitació, y es que sólo puede utilizarse cuado los datos se midiero e ua escala que sólo admite valores positivos. Ejemplo 13. Coeficiete de variació. desviació stadard M$ 4.6 kg 2.8 años media M$ 17.0 kg 10.1 años cv 124.3/225.1= /17.0= /10.1=0.272 El coeficiete de variació permite comparar dispersioes etre datos expresados e escas diferetes, como e este caso. Se puede cocluir que la muestra 1 tiee mayor dispersió que las muestras 2 y 3, y estas últimas tiee similares dispersioes. Desviació itercuartil o Rago Itercuartil. Es la diferecia etre los cuartiles 3 y 1. Es decir, es el rago del 50\% de las observacioes cetrales, las más represetativas de la masa de datos. Tiee la propiedad de ser muy resistete a valores extremos. DIC = Q 3 -Q 1 10

11 Ejemplo 14. Desviació iter cuartil. Cuartiles 1 y y y 20 9 y 12 (ejemplos 5 y 7) DIC 140 M$ 6 kg 3 años Medidas de Forma. Como u complemeto a la posició y la dispersió de ua muestra de datos, puede ser útil describir alguas características de su forma Coeficiete de simetría. Cuatifica el grado de asimetría que preseta la muestra. Se defie como el promedio de los cubos de las desviacioes e toro a la media, dividido por la desviació stadard elevada tambié al cubo. La fórmula es cs 1 3 ( x x) i i= 1 = e que s es la desviació estádar 3 s Si los datos preseta ua cola larga hacia la derecha, el coeficiete de simetría es positivo. Si preseta ua cola larga hacia la hacia la izquierda, el coeficiete de simetría es egativo. Si hay simetría, el coeficiete es cercao a cero. Figura 7. Coeficietes de simetría e distitos casos. 11

12 Ejemplo 15. Coeficiete de simetría Suma de las desviacioes al cubo Promedio Desviació stadard ds ds al cubo C. simetría cs El sigo positivo del coeficiete de simetría de la muestra 1 idica que tiee sesgo hacia la derecha. El coeficiete de simetría de la muestra 2 idica que o tiee sesgo. La muestra 3 tiee sesgo hacia la izquierda. Coeficiete de curtosis. Cuatifica el hecho que la masa de datos preseta ua forma de campaa (mesocúrtica), ua forma más bie putiaguda e la parte cetral (leptocúrtica) o muy plaa (platicúrtica). El coeficiete de curtosis se defie como el promedio de las desviacioes elevadas a la cuarta potecia, respecto de la media, dividido por la desviació stadard elevado a la cuarta. A todo esto se le resta el úmero 3. La fórmula es 1 k = i= 1 ( x s 4 x) Los datos co forma de campaa (mesocúrticos) tiee u coeficiete de curtosis cercao a cero. Si so leptocúrticos o co forma putiaguda, el coeficiete es egativo. Si so plaos o platicúrticos, su coeficiete de curtosis es positivo. i 4 3 Figura 8. Curtosis para cojutos de datos de diferetes formas. 12

13 Ejemplo 16. Coeficiete de curtosis. Promedio de las desviacioes a la cuarta ds a la cuarta Curtosis k Los primeros dos cojutos aparece co forma lepticúrtica (putiagudos), mietras el de la muestra 3 aparece co forma platicúrtica (más plao). Eso se puede apreciar por el hecho que las tres barras más grades, e el histograma correspodiete a este tercer cojuto, tiee alturas similares. Si se compara co los histogramas de los primeros dos cojutos, hay más diferecia etre la barra más alta y las que le sigue. Diagramas de cajó El diagrama de cajó o cajagrama es ua represetació gráfica basada e medidas resistetes, como la mediaa, los cuartiles y la desviació itercuartil. Se costruye dibujado ua líea horizotal que co ua escala que represeta el rago de las observacioes. Se represeta la mediaa mediate u pequeño trazo vertical. A los lados se dibuja dos trazos iguales, que represeta los cuartiles. Dos trazos horizotales cierra el rectágulo, deomiado cajó, que tiee los cuartiles por lados, y cotiee la mediaa e el iterior. Recordamos que para la muestra 1, igresos de 45 empleados de ua firma, e miles de pesos, el cuartil 1 es Q1 = 150 M$, la mediaa es M = 185 M$ y el cuartil 3 es Q 3 = 290 M$. El cajó se muestra a cotiuació. Luego se calcula la desviació itercuartil DIC = Q 3 Q 1 = = 140 Se dibuja dos trazos verticales, deomiadas rejas, e forma provisoria, a distacias r 1 = Q 1 1.5*DIC = *140 = =

14 y r 2 = Q *DIC = *140 = = 500 Las observacioes que queda detro de estos dos límites, se deomia observacioes iteriores. La meor y la mayor de las observacioes iteriores se deomia adyacetes. E uestro ejemplo, so los valores 50 y 500. Se dibuja dos líeas horizotales hacia ambos lados del cajó, hasta las respectivas observacioes adyacetes. Estas líeas se deomia bigotes. La figura siguiete represeta el cajó co sus bigotes. Fialmete, las observacioes que queda fuera de las rejas se deomias observacioes exteriores, o extremas (outliers, e iglés). Estas se represeta idividualmete, mediate putos o asteriscos. E el ejemplo, hay u valor extremo, que es el 510. El diagrama de cajó queda como e la siguiete figura: Se aprecia la forma asimétrica del cojuto de datos, co ua cola hacia la derecha. Veamos cómo so los cajagramas correspodietes a las otras dos muestras. Pesos de bultos trasportados por u correo: La mediaa es 17, los cuartiles 1 y 3 so 14 y 20, respectivamete. La desviació itercuartil es 20-14=6, las rejas so *6 = 5 y *6 = 29. Por lo tato los valores adyacetes so 8 y 27. No hay valores. El cajagrama es el siguiete, que muestra la forma simétrica de este cojuto de datos: 14

15 Escolaridad de los habitates de u codomiio: E este caso la mediaa es 11, los cuartiles 1 y 3 so 9 y 12, respectivamete. La desviació itercuartil es 3, las rejas so 4.5 y Por lo tato los valores adyacetes so 7 y 14. Hay tres valores extremos e el lado izquierdo, 2,4 y 4. El cajagrama, etoces, es Se ve claramete la asimetría co ua cola larga hacia los valores pequeños. PREGUNTAS 1. Qué vetajas tiee la mediaa sobre el promedio, como medida de cetro? 2. Cuádo se prefiere usar la mediaa e lugar del promedio, como medida de cetro? 3. Qué vetajas tiee el promedio sobre la mediaa, como medida de cetro? 4. Cuádo se prefiere usar el promedio e lugar de la mediaa, como medida de cetro? 5. Qué tiee de malo el rago, como medida de dispersió? 6. E qué uidad se expresa las siguietes medidas de dispersió, e relació a la uidad de medida de los datos origiales? Rago, desviació media, variaza, desviació stádar, desviació itercuartil. 7. U cojuto de 50 datos preseta las siguietes medidas descriptivas: El cuartil 1 es 16, la mediama es 25, el cuartil 3 es 43, el promedio es Explique qué forma tiee el cojuto de datos (puede ayudarse co u dibujo). 15

16 8. Se tiee u cojuto de datos, y resulta que la mediaa está a la izquierda del promedio. Qué características preseta esos datos? 9. Se tiee u cojuto de datos. El valor más grade es 23, pero por u error de digitació, se registró como 203. E qué afecta este error a la desviació itercuartil? E qué afecta a la mediaa? 10. U cojuto de 40 datos preseta las siguietes medidas descriptivas: El rago es 100, la desviació stadard es 28.4, el rago iter cuartil es Explique qué forma tiee el cojuto de datos (puede ayudarse co u dibujo). 11. Luis y Felipe so alumos de cuarto medio, de u total de 100 alumos del colegio. Diero ua prueba especial, y Luis estuvo e el percetil 85, mietras que Felipe e el percetil 62. Cuál de los dos estuvo mejor, y aproximadamete cuátos alumos obtuviero putajes etre los de Luis y Felipe? 12. Diga qué característica de ua muestra de datos mide cada uo de los idicadores: La mediaa, la media recortada, La desviació estádar, el coeficiete de variació, el cuartil U cojuto de 30 datos preseta las siguietes medidas descriptivas: El promedio es 23.6, el promedio recortado al 10% es Explique qué característica tiee el cojuto de datos. 14. Describa las medidas descriptivas que se represeta e u diagrama de caja. Cuál es su característica comú? 15. El siguiete histograma describe u cojuto de datos. Dibuje el diagrama de caja, a la misma escala. 16. Explique qué mide los cuartiles. 16

17 17. U cojuto de 40 datos cotiee cico valores mucho más grades que todo el resto. Idique cuáles de estas medidas de cetro estará afectadas por los cico valores y cuáles o: Promedio, mediaa, promedio recortado al 5%, promedio recortado al 20% 18. Alberto y Rubé so alumos de cuarto medio, de u total de 200 alumos del colegio. Diero ua prueba especial, y Alberto estuvo e el percetil 76, mietras que Rubé e el percetil 82. Cuál de los dos estuvo mejor, y aproximadamete cuátos alumos obtuviero putajes mejores que los de Alberto? 19. Se mide los días de ausecia auales de los 35 empleados de ua empresa. Aparece tres valores mucho mayores que el resto. Idique cuáles de estas medidas de dispersió estará afectadas por los tres valores y cuáles o: Rago, variaza, desviació itercuartil, desviació estádar, coeficiete de variació. 20. E el siguiete histograma, ubique, los cuartiles y la mediaa. Idique, e forma aproximada, dóde estaría el promedio. 21. Ordee de meos a más co respecto a su sesibilidad a putos extremos, las siguietes medidas de dispersió: La desviació estádar, el rago, la desviació itercuartil, la variaza, la desviació media. 17

18 22. Se mide los pesos de u grupo de pacietes, e kilos. E qué uidad se expresa las siguietes medidas de dispersió? El rago, la desviació media, la variaza, la desviació stadard, la desviació itercuartil. 23. Se mide el peso de la producció de ua muestra de idustrias, e pesos. E qué uidad se expresa las siguietes medidas de resume? Promedio, mediaa, desviació media, desviació estádar, promedio recortado al 15% desviació itercuartil, variaza. 24. Explique las siguietes afirmacioes: El promedio de otas de Jua está sobre el percetil 90. La desviació itercuartil de las edades de los cosumidores de este producto es 25 años. 25. E el siguiete histograma, ubique, e forma aproximada, el promedio y la mediaa. 26. Se hizo u curso de capacitació sobre uso de Excel a u grupo de 50 secretarias de ua istitució. Rosario y Cosuelo estuviero etre ellas. Rosario estuvo e el percetil 62, mietras que Cosuelo estuvo e el percetil 76. Cuál de las dos estuvo mejor, y aproximadamete cuátas secretarias obtuviero putajes etre los de Rosario y Cosuelo? 18

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 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

Más detalles

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

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

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral

Más detalles

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9. II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros

Más detalles

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL ) MEDIA ARITMÉTICA MEDIDAS DE TENDENCIA CENTRAL CON EXCEL Las medidas de tedecia cetral so medidas represetativas que como su ombre lo idica, tiede a ubicarse hacia el cetro del cojuto de datos, es decir,

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

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

Matemáticas I - 1 o BACHILLERATO Binomio de Newton

Matemáticas I - 1 o BACHILLERATO Binomio de Newton Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

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

COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN

COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN MEDIDAS DE POSICIÓN Las medidas de posició divide u cojuto de datos e

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Repaso...Último Contenidos NM 4

Repaso...Último Contenidos NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Fucioes y relacioes. Diagrama Sagital. Sea A = { a,b, c} y B = { 1, 2, 3, 4} Repaso...Último Coteidos NM 4 A: Cojuto

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

Más detalles

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito.

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito. MATEMÁTICAS 24, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES JOHN GOODRICK. Para cada sucesió ifiita abajo, determie si coverge o o a u valor fiito. (a) {! } e = (a): No coverge. El úmero e está etre

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

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.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

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.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com Autor: José Arturo Barreto M.A. Págias web: www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve El cocepto de límite Correo electróico: josearturobarreto@yahoo.com Zeó de Elea (90 A.C) plateó la

Más detalles

ESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas:

ESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas: ESTADÍSTICA Ejercicio º.- Al pregutar a 0 idividuos por el úmero de persoas que vive e su casa, hemos obteido las siguietes respuestas: Elabora ua tabla de frecuecias. Ejercicio º.- E ua empresa de telefoía

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

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 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

ELEMENTOS DE ÁLGEBRA MATRICIAL ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:

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

Teorías de falla bajo cargas estáticas

Teorías de falla bajo cargas estáticas Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto

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

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

Media aritmética, media geométrica y otras medias Desigualdades Korovkin

Media aritmética, media geométrica y otras medias Desigualdades Korovkin Media aritmética, media geométrica y otras medias Desigualdades Korovki Media geométrica y media aritmética Si,,, so úmeros positivos, los úmeros + + + a = g = formados a base de ellos, se deomia, respectivamete,

Más detalles

Transformaciones Lineales

Transformaciones Lineales Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN 3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

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

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

Abel Martín LAS FRACCIONES. - Las fracciones como parte de un todo - Egipto les espera

Abel Martín LAS FRACCIONES. - Las fracciones como parte de un todo - Egipto les espera LAS FRACCIONES - Las fraccioes como parte de u todo - Nuestros amigos prueba su máquia del tiempo. Egipto les espera Despegamos! E la evolució del pesamieto humao, 000 años a. C., los egipcios comieza

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición MATEMÁTICA Uidad Utilicemos fucioes Reales de variable Real. Utilicemos medidas de tedecia cetral. Trabajemos co medidas de posició Objetivos de la Uidad: Resolverás situacioes que implique la utilizació

Más detalles

Tema 2. Medidas descriptivas de los datos

Tema 2. Medidas descriptivas de los datos Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

Parámetros y estadísticos

Parámetros y estadísticos Parámetros y estadísticos «Parámetro»: Es una cantidad numérica calculada sobre una población y resume los valores que esta toma en algún atributo Intenta resumir toda la información que hay en la población

Más detalles

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato. UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

Pre-PAES 2016 Media aritmética, moda y mediana.

Pre-PAES 2016 Media aritmética, moda y mediana. Pre-PAES 016 Media aritmética, moda y mediaa. Nombre: Secció: Las medidas de tedecia cetral (MTC) so ciertos valores alrededor de los cuáles tiede a cocetrarse los datos de ua població, esto se debe a

Más detalles

Gradiente, divergencia y rotacional

Gradiente, divergencia y rotacional Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para

Más detalles

Otras medidas descriptivas usuales

Otras medidas descriptivas usuales Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.

Más detalles

X X. ... n. Medidas de tendencia Central Estadígrafos de tendencia central.

X X. ... n. Medidas de tendencia Central Estadígrafos de tendencia central. Medidas de tedecia Cetral Estadígrafos de tedecia cetral. Cada vez que se observa u feómeo cuatitativo, os iteresa saber si los datos recolectados se aglutia e toro a ciertos valores represetativos que

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 6. Sucesiones y Series. Teorema de Taylor Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació

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

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resumen sirven para describir en forma resumida un conjunto de datos que constituyen una muestra tomada de alguna población. Podemos distinguir cuatro

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

Revisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.

Revisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola. Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a

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

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS Rosario Romera Febrero 2009 1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Uidad Cetral del Valle del Cauca acultad de Ciecias Admiistrativas, Ecoómicas y Cotables Programa de Cotaduría Pública Curso de Matemáticas iacieras Profesor: Javier Herado Ossa Ossa Ejercicios resueltos

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014. EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.

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

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

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas

Más detalles

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p : Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?

Más detalles

Slide 1. Slide 2. Slide 3. # Categorias. Distribución de Frecuencia. Ejemplo: Taller de Reparaciones Hudson

Slide 1. Slide 2. Slide 3. # Categorias. Distribución de Frecuencia. Ejemplo: Taller de Reparaciones Hudson Slide 1 Ejemplo Práctico: Taller de Reparacioes Hudso Supoga que al admiistrador de u taller de reparacioes le gustaría teer ua mejor idea de la distribució de sus costos relacioados a comprar Autopartes

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 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

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n.

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n. Fucioes de varias variables (I TEMA - FUNCIONES DE VARIAS VARIABLES (I: LÍMITES Y CONTINUIDAD. Coceptos topológicos previos e el espacio euclídeo R. Sea R el espacio euclídeo de dimesioes. U puto a de

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)

Más detalles

1.1. Campos Vectoriales.

1.1. Campos Vectoriales. 1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica? COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas

Más detalles

1. (2 puntos) Deducir la fórmula de la mediana para variables agrupadas en intervalos. Respuesta en teoría.

1. (2 puntos) Deducir la fórmula de la mediana para variables agrupadas en intervalos. Respuesta en teoría. DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Estadística Descriptiva. Primero Ig. Iformática Exame 20-4-2005 (grupo 4) 1. (2 putos) Deducir la fórmula de la mediaa para variables agrupadas e itervalos.

Más detalles

Socioestadística I Análisis estadístico en Sociología

Socioestadística I Análisis estadístico en Sociología Análisis estadístico en Sociología Capítulo 3 CARACTERÍSTICAS DE LAS DISTRIBUCIOES DE FRECUECIAS 1. CARACTERÍSTICAS DE UA DISTRIBUCIÓ UIVARIATE Hasta ahora hemos utilizado representaciones gráficas para

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució L I T E R A T U R A Y M A T E M Á T I C A S El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía

Más detalles