Métodos de muestreo de variables con distribuciones continuas Dr. Ing. JORGE E. NÚÑEZ MC LEOD
|
|
- Víctor Lucas Ponce Prado
- hace 6 años
- Vistas:
Transcripción
1 Métodos de muestreo de variables con distribuciones continuas Dr. Ing. JORGE E. NÚÑEZ MC LEOD 1. MÉTODO DE LA TRANSFORMADA INVERSA (Simulación Montecarlo) Se desean obtener muestras aleatorias de una variable que tiene comportamiento estocástico. Para ello se recurre a su función de densidad acumulada, generando n números aleatorios r y obteniendo, de la gráfica o de la tabla construida a este efecto, x i = F -1 (ri). El proceso puede verse en la Fig. 1. Consultar: Investigación de Operaciones, Taha, 9na Edición, pp Investigación de Operaciones, Hillier-Lieberman, 9na Edición, pp Figura 1. Método de la transformada inversa A continuación ejemplificaremos la importancia del tamaño de muestra para la reconstrucción del comportamiento estadístico de la variable original. En la Figura 2 se puede observar el proceso completo en forma simplificada. Se tiene como dato la curva de distribución de frecuencias de la variable x. Se construye la función de densidad acumulada y sobre esta se procede al muestreo. En el caso mostrado y por razones didácticas sólo se grafica la obtención de 7 observaciones muestrales. Finalmente se analizan las observaciones muestrales para determinar el valor de frecuencia de cada valor de x y se reconstruye la función de distribución de frecuencias de la variable estudiada. Si esta curva coincide razonablemente con la original es una clara indicación que el muestreo ha sido el adecuado. Mientras que si difiere de la curva original indica que el nivel del muestreo es bajo.
2 Fig. 2. Proceso de muestreo y reconstrucción de la función de distribución de frecuencias Al comparar las Figuras 3 a 6 se puede observar como la reconstrucción del comportamiento estadístico de la variable original se vuelve mejor a medida que la cantidad de muestras empleadas aumenta. Fig. 3. Funciones de Densidad de Probabilidad y Distribución Acumulada de la variable original. Fig. 4. Funciones de Densidad de Probabilidad y Distribución Acumulada reconstruidas con 100 muestras.
3 Fig. 5. Funciones de Densidad de Probabilidad y Distribución Acumulada reconstruidas con muestras. Fig. 6. Funciones de Densidad de Probabilidad y Distribución Acumulada reconstruidas con muestras. 2. MÉTODO DE LA TRANSFORMADA INVERSA ESTRATIFICADA Debido a que el método anterior requiere un elevado número de muestras para lograr un correcto muestreo de la función de densidad acumulada se desarrolló el muestreo estratificado. El método de muestreo estratificado consiste en dividir el eje de ordenadas en segmentos equiprobables, continuos y disjuntos. La cantidad de estratos es igual al número de muestras deseadas. A continuación se genera un número aleatorio por cada estrato en orden desde el primero al último y se obtiene la observación aleatoria como en el método de la transformada inversa. El procedimiento se puede observar en la Fig. 7.
4 Figura 7. Muestreo por el Método de la Transformada Inversa Estratificada 3. MÉTODO DEL HIPERCUBO LATINO Definición estadística: La técnica de muestreo por Hipercubo Latino consiste en seleccionar los valores iniciales para la ejecución de un modelo en computadora, estratificando el rango de cada uno de los datos de entrada del modelo, y garantizando que se seleccionen valores iniciales de cada rango de datos de entrada del modelo. Es un método de muestreo estratificado sin reemplazo (muestreo con memoria). Es un método para obtener observaciones muestrales cuando se trabaja con 2 o más variables. Por simplicidad se explica el procedimiento para una variable; pero debe ser realizado independientemente para cada variable y el conjunto conforma una muestra de n muestras. 1. Se segmenta la distribución de probabilidad acumulada F(x) en n intervalos (donde n es el número de iteraciones a realizar). 2. Se genera un número aleatorio que corresponderá a un determinado segmento de F(x). 3. Se genera un segundo número aleatorio para determinar el punto preciso del muestreo dentro de ese intervalo F(x). 4. Se calcula el valor de x correspondiente a la Función Inversa G (F(x)). 5. Se repite el proceso en la segunda iteración, pero descartando el segmento ya muestreado. 6. Se repite el proceso hasta completar el número de iteraciones de la muestra.
5 Fig 8. Muestreo de una variable para el Método del Hipercubo Latino Ejemplo: se tienen 3 variables discretas en el rango de 1 a 7 y se requiere generar 7 muestras. Gráficamente la tabla obtenida realizando el procedimiento anterior para cada variables es la Tabla 1. Tabla 1. Muestras generadas para el conjunto de 3 variables discretas A continuación se debe verificar que las muestras no estén correlacionadas entre si o que lo estén en el valor deseado. La Fig. 9 muestra gráficamente y numéricamente la correlación entre las variables. Fig. 9 Correlación entre variables
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesGeneración de variables aleatorias discretas Método de la Transformada Inversa
Generación de variables aleatorias discretas Método de la Transformada Inversa Patricia Kisbye FaMAF 30 de marzo, 2010 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
Más detallesEXPOSICIÓN UNIDAD II
SIMULACIÓN EQUIPO: 4 2.1 MÉTODOS DE GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS 2.2 PRUEBAS ESTADÍSTICAS DE ALEATORIEDAD CABRERA HERNÁNDEZ TERESA ELIZABETH 1 DE MARZO DEL 2011 2.1 GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS
Más detallesEstadística Descriptiva
Estadística Descriptiva Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Estadística Descriptiva Es una etapa de la metodología estadística,
Más detallesANÁLI L S I I S S I S D E E D ATOS
Muestreo Definición: Es la operación para tomar una muestra del Universo. El objetivo del muestreo es contar con los datos necesarios para estimar parámetros en la población, es decir, poder hacer una
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesdistancia que alcanzan los efectos de la agregación o repulsión (r).
Applet 3.2. Distribución espacial Introducción Este applet permite estudiar la estructura espacial de poblaciones generadas aleatoriamente. En primer lugar el programa genera una población aleatoria pero
Más detallesCabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS
Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS NUMEROS ALEATORIOS Los números random son un elemento básico en la simulación de la mayoría de los sistemas discretos.
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesEvaluación y análisis de riesgos
Universidad del CEMA Evaluación de Riesgo Agropecuario Evaluación de riesgos mediante Simulación Monte Carlo Ariadna Berger Evaluación y análisis de riesgos La evaluación de riesgos es la cuantificación
Más detallesSECUENCIA DIDÁCTICA. Módulo IV Competencia de Módulo:
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas. Antecedente: Ninguno Módulo IV Competencia de Módulo: Clave de curso: COM1505B21 Clave de antecedente: Ninguna Desarrollar software con la finalidad
Más detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesAnálisis de Decisiones II. Tema 18 Generación de variables aleatorias discretas, continuas y su aplicación. Objetivo de aprendizaje del tema
Tema 18 Generación de variables aleatorias discretas, continuas y su aplicación Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Emplear la generación de números aleatorios con distribución
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 17 de abril, 2012 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesSECUENCIA DIDÁCTICA. Módulo IV
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas Antecedente: Clave de curso: ECOM118 Clave de antecedente: Ninguna. Módulo IV Competencia de Módulo: Desarrollar programas de cómputo utilizando
Más detallesAplicaciones con. Eduardo Herrera Lana
Aplicaciones con Eduardo Herrera Lana Todos los derechos reservados. Prohibida su reproducción total o parcial por cualquier medio, electrónico o mecánico, para cualquier propósito, sin autorización escrita
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesEstadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesDistribuciones de Probabilidad.
Práctica núm. 3 1 Distribuciones de Probabilidad. 3.1. Distribuciones de Probabilidad en Statgraphics El estudio de las distribuciones de probabilidad en Statgraphics se puede realizar en el menú Descripción/Distribuciones/Distribuciones
Más detallesMétodos de Investigación en Psicología (7) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (7) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesCAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS
CAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS SOFTWARE PARA LA GESTIÓN DE PRODUCCIÓN Y OPERACIONES 10MO IPO LOS NÚMEROS PSEUDOALEATORIOS Para poder realizar una simulación que incluya variabilidad dentro de sus
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesPROBABILIDAD. Unidad I Ordenamiento de la Información
1 PROBABILIDAD Unidad I Ordenamiento de la Información 2 Captura de datos muestrales Conceptos básicos de la estadística 3 Población (o universo): Totalidad de elementos o cosas bajo consideración Muestra:
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesESTADISTICA ELEMENTAL
ESTADISTICA ELEMENTAL Dr. Edgar Acuna http://academic.uprm.edu/eacuna UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ INTRODUCCIÓN En este capítulo, primero se introducirán algunos conceptos
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Unidad 4 Distribuciones muestrales de probabilidad Prof. Héctor Ulises Cobián L. ulises.cobian@itcolima.edu.mx elcampanariodelasmatematicas.wordpress.com April 14, 2016 1 Razones
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesCapítulo 2. Métodos estadísticos Simulación estadística. Simulación univariante
Capítulo 2 Métodos estadísticos 21 Simulación estadística La simulación estadística consiste en generar realizaciones de variables aleatorias que siguen unas distribuciones concretas Si esas variables
Más detallesNombre de la asignatura : Simulación. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9310
1. D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Simulación Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-910 Horas teoría-horas práctica-créditos : -0-8.
Más detallesTIPOS DE MUESTREO. Economía y Estadística. Docentes: Maria Cristina Figueroa Alberto Galindo Moreno
INSTITUCIÓN EDUCATIVA INEM JORGE ISAACS DE CALI RESOLUCIÓN No. 007 DEL 5 DE ENERO DE 2003 (Art. 7) DE LA SECRETARÍA DE EDUCACIÓN MUNICIPAL Condecoraciones Simón Bolívar y Aidee Guerrero TIPOS DE MUESTREO
Más detallesTema 5: Muestreo sistemático
Tema 5: Muestreo sistemático Contenido 1- Definición, Ventajas Desventajas, Variantes del muestreo sistemático, selección de una muestra sistemática. - Muestreo sistemático como Estratificado o Conglomerado
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesAsignatura: Prospección Geológica Profesor Responsable: Dr. Humberto Ulacco Jefe de Trabajos Prácticos: Lic. Augusto Morosini
Construcción y análisis de Curvas de Frecuencia acumulada (con datos obtenidos en Fiji) Localización de la zona en estudio: Keiyasi, Southern Viti Levu, Fiji. Geología: (Fig. 1- Mapa del sector estudiado).
Más detallesEstadística. Soluciones ejercicios: Variables aleatorias. Versión 8. Emilio Letón
Estadística Soluciones ejercicios: Variables aleatorias Versión 8 Emilio Letón. Nivel. Enunciar las dos propiedades que debe cumplir p) para ser función de probabilidad. Las dos propiedades para ser función
Más detallesPrograma Regular. Probabilidad y Estadística.
Programa Regular Probabilidad y Estadística. Modalidad de la asignatura: teórico-práctica. Carga horaria: 5hs. Objetivos: Con relación a los conocimientos a impartir en el desarrollo de la materia, es
Más detalles1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k
1. Estadística Definición: La estadística es un ciencia inductiva que permite inferir características cualitativas y cuantitativas de un conjunto mediante los datos contenidos en un subconjunto del mismo.
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesSIMULACIONES DE MONTECARLO
SIMULACIONES DE MONTECARLO Jorge Estévez Grupo ER La simulación de Monte Carlo es una técnica cuantitativa que hace uso de la estadística y los ordenadores para imitar, mediante modelos matemáticos, el
Más detallesPoblación, muestra, variable y experimento. 06/09/2017 Probabilidad y Estadística C.M. Y E.M.G. GLORIA ANGÉLICA FUENTES ZENTENO 1
Población, muestra, variable y experimento 06/09/2017 Probabilidad y Estadística C.M. Y E.M.G. GLORIA ANGÉLICA FUENTES ZENTENO 1 Competencia Identifica los conceptos y términos básicos utilizados en la
Más detalles1.5. Representaciones Gráficas
1.5. REPRESENTACIONES GRÁFICAS 21 Por otro lado podemos calcular n 4 teniendo en cuenta que conocemos la frecuencia relativa correspondiente: f 4 = n 4 n = n 4 = f 4 n = 0, 1 200 = 20 Así: N 4 = n 4 +
Más detallesPráctica 4 TEOREMA CENTRAL DEL LÍMITE
Práctica 4. Teorema Central del Límite 1 Práctica 4 TEOREMA CENTRAL DEL LÍMITE Objetivos: En esta práctica utilizaremos el paquete SPSS para ilustrar el Teorema Central del Límite. Además calcularemos
Más detallesAnexo I. Manual Crystal Ball
Anexo I. Manual Crystal Ball A1.1. Crystal Ball Este anexo presenta los conceptos básicos necesarios para comprender la simulación Monte Carlo, iniciar Crystal Ball, analizar los menús y las barras de
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesSimulación y evaluación de la confiabilidad de un proceso de sistema de producción
Simulación y evaluación de la confiabilidad de un proceso de sistema de producción Jorge Loor Quevedo 1, Fernando Sandoya 2 1 Ingeniero en Estadística Informática 2003 2 Director de Tesis. Matemático.
Más detallesLENGUAJE DE SIMULACION Y SIMULADORES
LENGUAJE DE SIMULACION Y SIMULADORES En un principio, los programas de simulación se elaboraban utilizando algún lenguaje de propósito general, como ASSEMBLER, FORTRAN, ALGOL o PL/I. A partir de la década
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesMatemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1
GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación
Más detallesPoblación y Muestra. Seminario de Investigación Pedagógica II
Población y Muestra Seminario de Investigación Pedagógica II CONCEPTOS Población. Es un conjunto de elementos que poseen una característica. En el proceso investigativo la población corresponde al conjunto
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesESTADÍSTICA. A su vez, las variables pueden ser :
ESTADÍSTICA La ESTADÍSTICA es una rama de las Matemáticas que recoge, ordena, analiza e interpreta datos relativos a un conjunto de personas o cosas ( POBLACIÓN ). La población es FINITA cuando lo es el
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTeoría de la decisión
Unidad 7.. Definiciones. Muestreo aleatorio y estadístico. Estadísticos importantes. Técnica de muestreo. Transformación integral Muestreo: selección de un subconjunto de una población ) Representativo
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesGráficos para variables cuantitativas
Gráficos para variables cuantitativas Para las variables cuantitativas, consideraremos dos tipos de gráficos, en función de que para realizarlos se usen las frecuencias (absolutas o relativas) o las frecuencias
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesTEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS
TEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS 1 Riesgo e incertidumbre en proyectos mineros Cuantificación de factores de riesgo e incertidumbre Análisis Probabilístico La necesidad surge porque
Más detallesTipos de Muestreo. Juan José Hernández Ocaña
Tipos de Muestreo Juan José Hernández Ocaña jujo386@hotmail.com Censo Censo es un proceso en que se recolecta la información contenido en el total de una población Básicamente podemos decir que son TODOS
Más detallesModelos Estocásticos. Simulación de fenómenos estocásticos. Simulación de fenómenos estocásticos. Definición. Por qué fenómenos estocásticos?
Definición Modelos Estocásticos Breve introducción Se denomina estocástico (del latín stochasticus, "hábil en hacer conjeturas") a un sistema cuyo comportamiento es intrínsecamente no determinístico. El
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detallesAnalista de Sistemas de Computación. Simulación
Analista de Sistemas de Computación 1er.Cuatrimestre 2005 MATERIA: Simulación V1.0-11 - PLANIFICACION de la MATERIA Carrera: ANALISTA DE SISTEMAS DE COMPUTACION Año / Ciclo : 2º 2º Materia: SIMULACIÓN
Más detallesDistribución muestral de proporciones. Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
Distribución muestral de proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Distribución muestral de Proporciones Existen ocasiones
Más detallesRepública de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo METODOLOGÍA DEL DISEÑO DE MUESTREO Encuesta entre Empresas no Financieras 2013 1. El
Más detallesUniversidad Católica de Valparaíso Facultad de Ingeniería Escuela de Ingeniería de Transporte
1. NÚMEROS ALEATORIOS 1.0 INTRODUCCIÓN El papel que desempeñan las variables aleatorias uniformemente distribuidas en la generación de variables aleatorias tomadas de otras distribuciones de probabilidad,
Más detallesUso de la simulación en hoja de cálculo como herramienta pedagógica para la inferencia estadística.
USO DE LA SIMULACIÓN EN HOJA DE CÁLCULO COMO HERRAMIENTA PEDAGÓGICA PARA LA INFERENCIA ESTADÍSTICA: APLICACIÓN A LAS PROPIEDADES CLÁSICAS DE LOS ESTIMADORES Carlos Martínez de Ibarreta Zorita Departamento
Más detallesCONSIDERACIONES METODOLÓGICAS ACERCA DE LOS SONDEOS DE OPINIÓN.
CONSIDERACIONES METODOLÓGICAS ACERCA DE LOS SONDEOS DE OPINIÓN. Gabriel Agudelo V. - Jaime Ruiz R. Miguel Aigneren Compilación CEO Abstract. The researchers often try to measure the public opinion through
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesLos datos obtenidos deberán de representarse de manera adecuada para que su interpretación y análisis sea más sencilla.
ESTADISTICA Estudia los métodos científicos para recoger, organizar, resumir y analizar datos así como como para sacar conclusión validas y tomar decisiones razonables basadas en tal análisis. TIPOS DE
Más detallesNormalidad. y si no qué pasa? por: Aarón O. Lemus Bernal
Normalidad y si no qué pasa? por: Aarón O. Lemus Bernal Marzo 2010 Introducción Cuando en un proyecto de mejora nos encontramos con variables de tipo continuo, la mayoría de las veces necesitamos aplicar
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesLaboratorio 2 Probabilidad y Estadística con MATLAB GENERACIÓN DE VARIABLES ALEATORIAS Y SIMULACIÓN
Laboratorio 2 Probabilidad y Estadística con MATLAB GENERACIÓN DE VARIABLES ALEATORIAS Y SIMULACIÓN Introducción Muchos de los métodos de estadística computacional requieren la capacidad de generar variables
Más detallesTeoría de la decisión
Unidad 7.. Definiciones. Muestreo aleatorio y estadístico. Estadísticos importantes. Técnica de muestreo. Transformación integral 1 Muestreo: selección de un subconjunto de una población 1) Representativo
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesSUBDIRECCION ACADEMICA
SUBDIRECCION ACADEMICA Página 1 de 9 CARRERA Ingeniería en Gestión Empresarial CURSO O ASIGNATURA Estadística Descriptiva PERIODO DEL CURSO Agosto 2011- Enero 2012 GRUPO 3 AGE NOMBRE DEL DOCENTE Ing. Rangel
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesMedidas de Tendencia Central
Medidas de Tendencia Central En cualquier análisis o interpretación, se pueden usar muchas medidas descriptivas que representan las propiedades de tendencia central, variación y forma para resumir las
Más detallesSimulación. pseudoalealeatorios
Generación n de números n aleatorios La aplicación de los números aleatorios se remonta a los tiempos de la primera revolución industrial, cuando los procesos manuales tuvieron que reemplazarse por procesos
Más detallesAsignaturas antecedentes y subsecuentes Probabilidad y Estadística Matemática
PROGRAMA DE ESTUDIOS MUESTREO Área a la que pertenece: ÁREA DE FORMACION INTEGRAL PROFESIONAL Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0082 Asignaturas antecedentes y subsecuentes Probabilidad
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesUNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
Más detallesORGANIZACIÓN Y REPRESENTACIÓN GRÁFICA DE LOS DATOS
ORGANIZACIÓN Y REPRESENTACIÓN GRÁFICA DE LOS DATOS Licenciatura en Gestión Ambiental 2015 Una vez que se ha realizado la recolección de los datos, se obtienen datos en bruto, los cuales rara vez son significativos
Más detalles