Inferencia estadística Intervalos de confianza

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

Download "Inferencia estadística Intervalos de confianza"

Transcripción

1 Ifereca estadístca Itervals de cfaa Cuad se btee ua estmacó utual de u arámetr es cveete acmañar dcha estmacó r ua medda de la recsó de la estmacó. U md de hacerl es frmar el estmadr y su errr stadard. Otr md es reemlaar la estmacó utual r u terval de valres sbles ara el arámetr. Ejeml: ugams que teems ua m.a.... de ua dstrbucó N c varaa ccda. r ser ls dats rmales sabems que ~ N ~ N0 y r l tat sabems que la rbabldad de que.96 es 0.95 es decr se ecuetre etre.96 y A artr de esta exresó bteems 74

2 Es decr que la rbabldad de que el terval ctega al verdader valr del arámetr es Este terval se dema terval de cfaa ara de vel de cfaa Observaces: N es crrect decr la rbabldad de que θ erteeca al terval ab es - rque θ es ua varable aleatra. El terval es aleatr ya que sus extrems s fuces de la muestra y r l tat debems decr la rbabldad de que el terval ab ctega al arámetr θ es - Ua ve cstruíd el terval a artr de ua muestra dada ya tee setd hablar de rbabldad. E td cas teems cfaa de que el terval ctega a θ. La cfaa está uesta e el métd de cstruccó de ls tervals que s asegura que - 00% de las muestras rducrá tervals que ctee a θ. Itervals de cfaa ara ls arámetrs de ua dstrbucó rmal Dstrbucó t: ea ds v.a. Z ~N0 y U ~ Z T ~ U Γ deedetes etces e dce que T tee dstrbucó t de tudet c grads de lbertad. Esta dstrbucó está tabulada ara dferetes valres de. u desdad es smétrca resect al 0 y tee frma de camaa er tee clas más esadas que la dstrbucó rmal stadard. Cuad tede a ft la dstrbucó de tudet tede a la dstrbucó rmal stadard. t rscó: ea... ua m.a. de ua dstrbucó N etces a ~ N ~ N0 75

3 b ~ c c y s deedetes d ~ t Dem: a Ya hems vst que cualquer cmbacó de v.a. rmales deedetes es rmal y el rmed es ua cmbacó leal artcular. b y c Está fuera del alcace de este curs. e Resulta de a b y c ues ~ N0 y ~ s v.a. deedetes. Etces r defcó de la dstrbucó t de tudet ~ t Iterval de cfaa ara la meda de la dstrbucó rmal c varaa ccda: ea... ua m.a. de ua dstrbucó N c varaa ccda etces ~ N0 de dde se deduce el sguete terval de cfaa de vel - ara 76

4 77 ε ε Iterval de cfaa ara la meda de la dstrbucó rmal c varaa desccda: ea... ua m.a. de ua dstrbucó N etces ~ t t t de dde se deduce el sguete terval de cfaa de vel - ara t t Iterval de cfaa ara la varaa de la dstrbucó rmal c meda ccda: ea... ua m.a. de ua dstrbucó N c meda ccda etces ~ 0 ~ N Γ Cm además las v.a. s deedetes Γ ~ Cóm elegms ls ercetles de la dstrbucó que ecerra u área gual a -?

5 78 Ls elegms de maera tal que quede u área gual a e cada extrem. Etces e btee el sguete terval Iterval de cfaa ara la varaa de la dstrbucó rmal c meda desccda: ea... ua m.a. de ua dstrbucó N etces ~ r l tat

6 e btee el sguete terval ε ε Ejemls: ea ua m.a. ~ N. a ugams que el verdader valr del desví stadard es 35 y que se bserva x 60 y cstruyams u terval de cfaa ara la meda de vel Cm las v.a. s rmales y la varaa es ccda el terval ara será de la frma ε ε c y valr bservad de gual a 60. Obteems b ugams ahra que la varaa es desccda er que el valr bservad de es s35. El crresdete terval de cfaa ara será de la frma t t c t t. 0. Obteems Ntems que es más ach que el aterr c ued cm ates que bservams x 60 y s 35 hallems u terval de cfaa ara de vel r tratarse de ua muestra rmal c meda desccda el terval ara será de la frma ε ε 79

7 c y Obteems y u terval de cfaa ara de vel 0.95 será Est últm resulta de alcar ua fucó móta crecete a cada extrem del terval ara Determacó del tamañ de muestra: Csderems el terval de cfaa ara c varaa ccda e el cas de ua m.a. rmal. La lgtud del terval bted es L y deede de vel de cfaa varaa desví stadard de las bservaces tamañ de la muestra U md de bteer mayr recsó es decr u terval más agst es aumetad el tamañ de la muestra. se desea ua lgtud mer gual que L etces L L L L Ejeml: ugams que 35 qué tamañ de muestra se requere cm mím ara bteer u terval de vel 0.95 de lgtud mer gual que 0?. r l tat L 0 35 y. 96 etces E el cas de varaa desccda el rblema es más cmlej rque el ercetl t també deede del tamañ de muestra. 80

8 Métd geeral ara bteer tervals de cfaa: ea... ua m.a. de ua dstrbucó que deede de u arámetr θ. ugams que exste ua fucó T... θ es decr ua fucó de la muestra y del arámetr cuya dstrbucó deede de θ de gú tr arámetr desccd. Etces exste ds valres a y b tales que a T... θ b y a artr de esta exresó es sble bteer u terval de cfaa ara θ. La fucó T... se dema vte. Ejeml: ea θ... Hems demstrad que ua m.a. de ua dstrbucó execal de arámetr λ. ~ Γ λ λ Usad este resultad y que s V ~ Γ λ y a > 0 etces av ~ Γ se uede a demstrar que λ ~ Γ Usad cm vte la fucó terval de cfaa de vel - ara el arámetr λ. T... λ λ dems bteer u λ λ y el terval requerd es 8

9 Ejeml: ea... ua m.a. de ua dstrbucó U0θ. ara bteer u terval de cfaa ara θ recrdems que el EMV de θ es θ ˆ max... y rbems que la dstrbucó de θ ˆ θ deede de θ. Llamems V a la v.a. max.... Recrdems que s... es ua m.a. de ua dstrbucó F etces la fucó de dstrbucó de V está dada r V F v F v Querems demstrar que la dstrbucó de Vθ. deede de θ. F Cm e uestr cas V θ F w V θ w w V θ w FV θ w θ ~U0θ F V θ w F θw 0 θw θ s θ w 0 s 0 < θ w < θ s θ w θ 0 w s w 0 s 0 < w < s w r l tat la dstrbucó de Vθ deede de θ. Dervad se btee la desdad de Vθ f V θ w w I 0 w max... Utlad T... θ cm vte btedrems u terval θ de cfaa ara θ de vel -. Buscams a y b tales que y bteems el sguete terval max... a b θ 8

10 max... max... b a Cóm elegms a y b?. Observad debems hallar a y b 0 < a < b < tales que b a w dw w b a b a Obvamete hay ftas sluces de esta ecuacó er dríams elegr la slucó que rduce el terval de mer lgtud eserada es decr buscar a y b que mmce EL sujet a la cdcó sed L max... a b Cm ya hems demstrad que E max... θ debems mmar θ b a 3 sujet a la cdcó b a. Est uede hacerse utlad multlcadres de Lagrage be desejad de esta últma exresó a e fucó de b reemlaádla e 3 y mmad la exresó resultate resect de a. El terval de míma lgtud eserada es max... max... Itervals de cfaa de vel astótc - : E muchs rblemas es sble ectrar tervals de cfaa de vel exact - be s de muy dfícl cstruccó. E tr cass dsems de muy ca frmacó sbre la dstrbucó de las varables aleatras. E estas stuaces es sble bteer tervals de cfaa de vel arxmad cuad teems u tamañ de muestra grade. Defcó: ea... ua m.a. de ua dstrbucó que deede de u arámetr a... y { b... } tales que θ. Dadas ds suceses { } a... θ b... lm 83

11 a es ua sucesó de tervals de cfaa de vel astótc - ara el arámetr θ. També se dce a... b... la sucesó de tervals [... b... ] que s es sufcetemete grade el terval [ ] tee vel arxmad -. rqué calcular tervals de vel astótc? rque es sble ectrar ua fucó vte que deeda del arámetr rque se cce a dstrbucó exacta de la fucó vte rque e geeral es más fácl ectrar la dstrbucó astótca que la exacta de la fucó vte Ejemls: ea... ua m.a. de ua dstrbucó F c E y V <. Buscams u terval de cfaa ara. abems que es u estmadr sesgad y csstete de. N ccems su dstrbucó exacta rque ccems la de er sabems que d N0 es ccd esta fucó dría servr de vte ara el terval de vel arxmad er qué usams s es desccd. redad: Y U d Y a U Y d ay s Cm s r ser u estmadr csstete etces y. s Lueg s d N0 s d N0 A artr de este resultad s 84

12 85 y se btee el sguete terval de vel arxmad - s s Iterval de cfaa de vel astótc - ara el arámetr de la dstrbucó Bmal: ea... ua m.a. de ua dstrbucó B. Etces B ~. Querems cstrur u terval de vel astótc - ara. Recrdems que r el TCL N a ~ ˆ y r l tat 4 Hay ds frmas de bteer u terval ara a artr de esta últma exresó. a Cm r la Ley de ls Grades Númers dems alcar la redad eucada ates y reemlaar e el demadr del vte r su estmadr. Etces ˆ ˆ

13 86 bteed u terval ara de vel arxmad. b Reescrbms la exresó 4 e la frma Observems que 0 0 Buscams las raíces de esta ecuacó de segud grad que llamarems ˆ y ˆ y el terval edd será ˆ ˆ

Inferencia estadística Intervalos de confianza

Inferencia estadística Intervalos de confianza rbblddes y Estdístc Cmutcó Fcultd de Cecs Excts y Nturles Uversdd de Bues Ares A M. Bc y Ele J. Mrtíe 4 Iferec estdístc Itervls de cf Cud se btee u estmcó utul de u rámetr es cveete cmñr dch estmcó r u

Más detalles

Recordemos el resultado que vimos en el contexto de Intervalos de Confianza

Recordemos el resultado que vimos en el contexto de Intervalos de Confianza Tests ara la media cuad la variaza es desccida: ugams ahra que la variaza es desccida y csiderems las mismas hiótesis sbre µ. Recrdems el resultad que vims e el ctext de Itervals de Cfiaza Las sibles hiótesis

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

FILTROS ACTIVOS DE ORDEN DOS

FILTROS ACTIVOS DE ORDEN DOS FITOS ATIOS DE ODEN DOS A ctuacó e reeta algua etructura báca muy útle e el deñ de fltr actv.. Fltr Paabaja. x (-) r r Fgura N. Aalzad el crcut, teem: Platead la ley de Krchff ara crrete e l d, x y teem:

Más detalles

L i. o i. es la presión de vapor del componente i a la temperatura del sistema, x i es la fracción mol del componente i en la fase líquida.

L i. o i. es la presión de vapor del componente i a la temperatura del sistema, x i es la fracción mol del componente i en la fase líquida. 3. EQUIIBRIO DE FASES CON MODEOS SIMPES E este caítul se reslverá rblemas de equlbr de fases utlzad ls mdels más smles que se ha ruest. Ests mdels está basads e la redccó del cmrtamet de mezclas multcmetes

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Inferencia estadística Tests de hipótesis

Inferencia estadística Tests de hipótesis rbabilidades y Estadística Cmputació Facultad de Ciecias Exactas y Naturales. Uiversidad de Bues Aires Aa M. Biac y Elea J. Martíe 004 Iferecia estadística Tests de hipótesis Hasta ahra hems vist cm bteer,

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

1 Elena J. Martínez 2do cuat Métodos no paramétricos y de libre distribución

1 Elena J. Martínez 2do cuat Métodos no paramétricos y de libre distribución Métds N Paamétcs I Elea J. Matíez d cuat. 004 Métds aamétcs y de lbe dstbucó La mayía de ls autes usa ambs téms cm sóms, auque ts hace ua dstcó. Badley (968: U test aamétc hace hótess sbe el val de ls

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

Semiconductores ( ) Masa Efectiva. Masa Efectiva. Masa Efectiva. Hueco. Masa Efectiva. v g dk h dk. m * Cualquier electrón está sujeto a fuerzas

Semiconductores ( ) Masa Efectiva. Masa Efectiva. Masa Efectiva. Hueco. Masa Efectiva. v g dk h dk. m * Cualquier electrón está sujeto a fuerzas Semdutres Masa Efeta Cualquer eletró está sujet a fuerzas ttal ext + t ma S resams la euaó sól e fuó de las fuerzas exteras ext m a El eletró se mrta m s su masa ambara. Esta es la masa efeta. Masa Efeta

Más detalles

Tema 8. CONTRASTES PARAMÉTRICOS.

Tema 8. CONTRASTES PARAMÉTRICOS. Objetvs Ccepts: Tema 8. CONTRASTES PARAMÉTRICOS. Cmpreder el métd geeral del ctraste de hpótess para bteer frmacó a partr de ua muestra y tmar decses. Cmpreder el sgfcad del p-valr de u ctraste. Saber

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE

Una introducción al concepto de VARIEDAD REAL DIFERENCIABLE Y GRUPO DE LIE N NTRODCCÓN L CONCPETO DE VREDD REL DFERENCBLE Y GRPO DE LE CRLOS S. CHNE a trduccó al ccept de VREDD REL DFERENCBLE Y GRPO DE LE 0. Sbre tplgía y espac tplógc. 0. Separabldad. Espacs de Hausdr. 03. El

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

Sesión 4: Estadística descriptiva y exportación de resultados

Sesión 4: Estadística descriptiva y exportación de resultados Curs de trduccó a Stata Jrd Muñz (UAB) Sesó 4: Estadístca descrptva y exprtacó de resultads E esta sesó vams a trabajar c la estadístca descrptva e Stata. Prevamete, presetams ua pequeña trduccó de ls

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Coutacó Facultad de Cecas actas y Naturales Uversdad de Bueos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó utual La estadístca rovee téccas que erte obteer coclusoes

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Tests basados en la distribución Binomial

Tests basados en la distribución Binomial Métd N aamétc I 8 Elea J. Matíez d cuat. 004 et baad e la dtbucó Bmal et bmal: E ua heameta útl e mucha alcace y també e utlza e ca que e quee btee u tet de lbe dtbucó. E mucha tuace e el tet má tete;

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados. Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AVANZADA Udad I: Prpedade y Leye de la ermdámca Prce reverble e tema cerrad Vlume de ctrl Cted Etrpía Degualdad de Clauu Defcó La ercera Ley de la ermdámca Prce ermdámc Dagrama -S Vlume de

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Aplicaciones de Balances de Energía en Reactores Batch

Aplicaciones de Balances de Energía en Reactores Batch plcacoes de Balaces de Eergía e Reactores Batch Para u reactor batch, el BdeM se epresa como la ecuacó para determar el tempo de resdeca: t N ( rv Separado varables: V N Esta es ua ecuacó dferecal ordara

Más detalles

Tema 7. ESTIMACIÓN POR INTERVALO.

Tema 7. ESTIMACIÓN POR INTERVALO. Estadística Tema 7 Curs 006/07 Objetivs Ccepts: Tema 7 ETIMACIÓN POR INTERVALO Ccer ls siguietes mdels de prbabilidad: Chi-cuadrad, t-tudet, F-edecr De cada u de ells: * Defiició e fució de tras variables

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

S e E h. En ingeniería se da la situación de trabajar funciones no elementales, por lo que casi siempre se recurre a los métodos numéricos.

S e E h. En ingeniería se da la situación de trabajar funciones no elementales, por lo que casi siempre se recurre a los métodos numéricos. Itrduó al Aálss Nuér TEORIA DE ERRORE Al aplar algú étd uér se realza uhas peraes artétas eleetales l ual al haerlas se prdue errres, errres que puede flur e la sluó de algú prblea, pdes lasfar a ls errres

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Sobrantes de 2004 (Modelo 6) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Modelo 6) Soluciones Germán-Jesús Rubio Luna OPCIÓN A IES Fc Ayala de Graada Sbrates de 004 (Mdel 6) Slucies Germá-Jesús Rubi Lua OPCIÓN A EJERCICIO 1_A (1 put) Dibuje la regió del pla defiida pr las siguietes iecuacies: x 3y -13; x + 3y 17, x + y 11; y 0.

Más detalles

Teoría e Ingeniería de Teletráfico

Teoría e Ingeniería de Teletráfico Dr. Ig. José Joskowcz, 2017 Teoría e Igeería de Teletráfco Dr. Ig. José Joskowcz josej@fg.edu.uy Dr. Ig. José Joskowcz, 2017 Itroduccó Teoría e Igeería de Teletráfco Qué es la Teoría de Teletráfco? Es

Más detalles

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN .4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO N

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO N GUIA DE TRABAJO PRACTICO Nº PAGINA Nº 69 GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO N 4 OBJETIVOS: Lgrar que el Alum: Iterprete el ccept de Dierecial Resuelva ejercicis y prblemas de aplicació. CONTENIDOS:

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Propiedades molares parciales. Volumen molar parcial. En este capítulo veremos las propiedades de mezclas binarias no reactivas.

Propiedades molares parciales. Volumen molar parcial. En este capítulo veremos las propiedades de mezclas binarias no reactivas. Priedades mlares arciales E este caítul verems las riedades de clas biarias reactivas. UNIDD 4: Mezclas simles Vlume mlar arcial Etal y agua s erfectamete miscibles etre sí. Si embarg al clar estas sustacias

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

El Teorema de Taylor

El Teorema de Taylor El Terema de Taylr Itrducció La recta tagete La parábla tagete Ls ceicietes de u plii e térmis de sus derivadas El Terema de Taylr Cálcul de aprimacies y estimació del errr Aplicació a Máims y Míims Ejercicis

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

ELIMINATORIA, 28 de marzo de 2009 PROBLEMAS

ELIMINATORIA, 28 de marzo de 2009 PROBLEMAS ELIMINATORIA, 28 de marz de 2009 PROBLEMAS 1. Ana y Pedr viven en la m ism a calle (sbre la m ism a banquet a). De un lad de la casa de Ana hay 2 casas y del tr hay 13 casas. Pedr vive en la casa que está

Más detalles

UNIDAD 10: MUESTREO E INFERENCIA ESTADÍSTICA.

UNIDAD 10: MUESTREO E INFERENCIA ESTADÍSTICA. IES Padre Poveda (Guad) Matemátcas Alcadas a las CCSS II UIDAD 0: MUESTREO E IFERECIA ESTADÍSTICA.. ITRODUCCIÓ. DEFIICIOES BÁSICAS. Cada 0 años se reala e Esaña u estudo ehaustvo de todos sus habtates

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Regresión con variable dependiente binaria (SW Capítulo 9)

Regresión con variable dependiente binaria (SW Capítulo 9) Regresó co varable deedete bara (SW Caítulo 9) Hasta ahora hemos cosderado que la varable deedete (Y) es cotua: utuacoes e los tests e las escuelas tasa de mortaldad e accdetes de tráfco Pero odemos estar

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

R 1º) La conexión de los R N 2. En los dos casos las S. T Para calcular el flujo máximo se utilizará la expresión: U1ef

R 1º) La conexión de los R N 2. En los dos casos las S. T Para calcular el flujo máximo se utilizará la expresión: U1ef Máquias Eléctricas 5º Curs Mecáics Máquias iversidad de Ovied Dpt. de geiería Eléctrica EJERCCO Nº 4 TEMA V: Trasfrmadres trifásics OBJETVOS: Circuit equivalete del trasfrmadr trifásic valració de pérdidas

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. Llamamos magnitud a toda propiedad física susceptible de ser medida.

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. Llamamos magnitud a toda propiedad física susceptible de ser medida. CÁLCULO VECTORIAL.- MAGNITUDES ESCALARES Y VECTORIALES. Llmms mgtud td prpedd físc susceptle de ser medd. Al lr ls mgtudes físcs pdems cmprr que este ds clses e dferecds: ) Mgtudes esclres: s quells que

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

Tema 6. ESTIMACIÓN PUNTUAL.

Tema 6. ESTIMACIÓN PUNTUAL. Estadística Tema 6 Curs 006/07 Tema 6. ESTIMACIÓN PUNTUAL. Objetivs Ccepts: Cmpreder y distiguir ls siguietes ccepts: muestra aleatria simple estadístic estimadr de u parámetr estimació de u parámetr estimadr

Más detalles

Medida de la longitud de onda del láser con una regla Fundamento

Medida de la longitud de onda del láser con una regla Fundamento Medida de la lgitud de da del láser c ua regla Fudamet Es psible medir la lgitud de da de la luz láser, utilizad cm red de difracció, ua regla graduada e medis milímetrs. Para ell, se hace icidir e direcció

Más detalles

Números complejos. .a C ib/ C.c C id/ D a C c C i.b C d/.a C ib/.c C id/ D ac bd C i.ad C bc/

Números complejos. .a C ib/ C.c C id/ D a C c C i.b C d/.a C ib/.c C id/ D ac bd C i.ad C bc/ Númers cmplejs El cjut frmad pr tds ls úmers de la frma acib, dde a y b s úmers reales, c las peracies de adició y prduct defiidas pr: 1/100.a C ib/ C.c C id/ D a C c C i.b C d/.a C ib/.c C id/ D ac bd

Más detalles

Comparación de Proporciones

Comparación de Proporciones Comaracó de Proorcoes Resume El rocedmeto Comaracó de Proorcoes esta dseñado ara comarar las roorcoes observadas de u eveto etre muestras. Este realza ua rueba ch-cuadrada ara determar s hay o o dferecas

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,

Más detalles

Tema 2. PROBABILIDAD.

Tema 2. PROBABILIDAD. Tema 2. PROBABILIDAD. 2..- Itrduccó. Feómes determstas: sempre que se realza baj las msmas cdces se btee ls msm resultads. Sltar u dad... se cae. Hrar del AVE Feómes aleatrs: es psble predecr el resultad

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles