3. Asociación, Correlación y Regresión Lineal
|
|
- Rafael Río Ayala
- hace 6 años
- Vistas:
Transcripción
1 3. Asocacón, Correlacón y Regresón Lneal 3
2 3.. Asocacón y Causaldad Algunos sucesos o crcunstancas tenden a segur a otros cuando ocurren en el tempo. varos de estos sucesos que ocurren repetdamente en el tempo tenen certas cualdades, los observadores podrían llegar a pensar que están asocados de alguna manera. En certos casos se puede r más lejos y pensar que un tpo de suceso es causa para otro, hablando de relacones causales o de causa y efecto. Podemos decr, por ejemplo, que los gatos por consumo de una famla están asocados a su ngreso. el consumo aumenta (o dsmnuye) en la proporcón que el ngreso, podemos pensar en una relacón causal. n embargo, las observacones muestran que esto no es así cuando los ngresos regulares aumentan en grandes cantdades: parte se ahorra o nverte. Entonces, exste algún tpo de asocacón que no es causal. En otros casos exsten asocacones de otro tpo, causadas ndrectamente por terceras varables. Por ejemplo, podemos observar que, a medda que aumenta el número de televsores por famla, dsmnuye el número de hjos. Esto no quere decr que la TV sea el mejor antconceptvo. Más ben hay que pensar en que la cantdad de aparatos receptores de televsón está lgada al ngreso y que, por otras razones, las famlas de altos ngresos tenen menos hjos. Una asocacón o relacón estadístca, por fuerte y sugerente que sea, jamás puede establecer una asocacón causal. Las deas de causa y efecto deben salr de otros ámbtos y no de la estadístca. Por ejemplo, la relacón entre la lluva y el rendmento de las cosechas es un caso en el que consderacones no estadístcas precsan una asmetría de la stuacón: se dce que la lluva ocasona una varacón en las cosechas, pero jamás se podría pensar esto al revés, es decr, que un aumento de cosecha mplque un aumento de lluva. Aun cuando, en el caso anteror, no exstan razones estadístcas para descartar la dea de un efecto en las lluvas causado por las cosechas, el descarte de esta alternatva se basa en otro tpo de consderacones. Como contrapartda de estas asocacones estadístcas, exste el concepto de ndependenca. Así, el color café del cabello de una persona esté relaconado al tpo de nstrumento que use para escrbr, por ejemplo, una lapcera. El tema de este capítulo se encuentra amplamente tratado en la lteratura centífca y técnca, y es sumamente extenso. Nos centraremos en revsar los tpos de asocacones y a estudar uno de ellos, el referente a la correlacón entre varables (cualtatvas), que fue desarrollado a comenzos del sglo pasado por Karl Pearson y George Udny Yule, entre otros. 3.. Qué asocar? 3
3 Recén se apuntó a una asocacón entre varables. En estos casos se determnan dos a más varables en una poblacón o muestra de ndvduos. Puede ser nteresante, por ejemplo, saber s el contorno del busto entre las mujeres está asocado a su estatura, s la temperatura nfluye en el tamaño de los objetos o s el tpo de corteza de certa espece de árboles está relaconada con la presenca de certo compuesto químco en la madera. En la teoría estadístca encontramos estadígrafos, usualmente llamados coefcentes de correlacón, que nos permten detectar s exste o no asocacón entre varables, y s exste, qué tan fuerte es. Tambén podemos asocar objetos o ndvduos. Así, por ejemplo, podemos determnar característcas en los seres humanos y agruparlos según que tan parecdos sean, orgnando la clasfcacón en razas humanas. En otro caso, puede nteresar la dstanca que hay entre slas para saber s están asocadas, dando orgen o no a archpélagos. Al asocar ndvduos, el nterés se centra en clasfcarlos o agruparlos, lo que se hace a través de estadígrafos conocdos como coefcentes de smltud o meddas de dstanca, tema que no tratará en estos apuntes Tpos de asocacón Al consderar los tpos de asocacón que pueden exstr entre varables, tenemos una prmera clasfcacón global en las sguentes tres categorías: A) Independenca: En este caso, las varables no están estadístcamente asocadas. Las probabldades de sucesos compuestos de casos correspondentes a varables ndependentes se obtenen multplcando las probabldades ndvduales. Por ejemplo, en una festa grande puede ocurrr que el 5% de las jóvenes sean rubas y el % se movlce en moto. La proporcón de jóvenes que cumplan ambas condcones será el producto.5. =.. Al revés, las característcas de color, peso y tamaño no son ndependentes de las razas cannas, esto es lo que nos permte dstngur un chhuahua de un gran danés. B) Dependenca funconal: La dependenca funconal se encuentra al relaconar varables a través de fórmulas matemátcas en las que no hay posbldad de error. on casos típcos de la físca clásca. Así, por ejemplo, la ley de Boyle establece que, s la temperatura es constante, la presón P y el volumen V de certa cantdad de gas están relaconados por la ecuacón P V = constante. queremos tomar en cuenta la temperatura T, modfcamos la ecuacón anteror obtenendo una relacón para las tres varables por la P V ecuacón = constante. T Esta matera es de nterés estadístco debdo a que las varables asocadas funconalmente están, sn embargo, sujetas a errores y/o precsones en nstrumentos u 33
4 observadores que las mden. Cuando esto se toma en cuenta, la relacón funconal pasa a ser una relacón estadístca. C) Asocacón Estadístca: La mayor parte de asocacón estadístca nacen al nteresarnos por la dstrbucón conjunta de dos varables. una categoría de sucesos (por ejemplo, peso de las personas entre 7 y 8 kg) ocurre con certa proporcón p de los casos, y otra categoría (por ejemplo, estatura entre 6 y 7 cm) ocurre con una proporcón q, los dos tpos de evento ocurrrán a la vez en algunos membros del grupo de estudo. De hecho, en una proporcón p q, s fueran ndependentes. En un sentdo que no es técnco, la exstenca de personas con peso entre los 7 y 8 kg y estaturas entre 6 y 7 cm, ndca que ambos tpos de suceso estás asocados en estos ndvduos. Pero esto no es evdenca que la asocacón sea estadístca. Por asocacón estadístca queremos expresar que la proporcón de personas que presentan ambos tpos de sucesos es, o ben, sgnfcatvamente más alta, o ben, sgnfcatvamente más baja que la proporcón esperada sobre la base de una consderacón smultánea de las frecuencas, calculadas por separado, de ambas categorías de sucesos. Consderemos otro ejemplo donde tenemos personas déntcas. A de ellas se les vacuna contra la nfluenza (grupo expermental) y a las otras se les admnstra un placebo. En una epdema posteror, ambos grupos quedan gualmente expuestos a la enfermedad y de los vacunados se contagan, mentras que lo msmo ocurre con 5 de los no vacunados. endo mposble atrbur estos resultados al azar, debemos conclur que el hecho de estar vacunado está asocado a no contraer la enfermedad. Más aún, se puede pensar que esta asocacón es de tpo casual. n embargo, s mramos un ndvduo en partcular, no es posble afrmar que la vacuna sea la causa por la que no se contagó, pues hay ejemplos de personas vacunadas que sí se contagaron y de ndvduos sn nfluenza que no estaban vacunados. Incluso se podría decr que esas personas se contagaron debdo a que sí estaban vacunadas!, aunque la tendenca general haya sdo en dreccón opuesta. Dentro de las asocacones estadístcas podemos dstngur relacones de nterdependenca y relacones de dependenca: a) Interdependenca: al estudar una relacón de nterdependenca, nos nteresa consderar varas varables smultáneamente, a fn de establecer la estructura de asocacones entre ellas. Por ejemplo, puede ser de nterés saber s exste relacón entre el largo del brazo y el largo de la perna en los seres humanos. Quzás se quera saber que tan relaconadas están las dstntas pruebas a que se somete una persona para determnar su coefcente ntelectual. Un químco querrá saber la 34
5 relacón exstente entre las decenas de productos químcos obtendos al destlar hojas de eucalptus. Y así, se podría nombrar muchos otros ejemplos. Generalmente, el nterés se centra es estas varables con el fn de establecer relacones numércas entre ellas, afín de dsmnur su cantdad o de construr ndcadores (como el índce de precos al consumdor). b) Dependenca: Volvendo al ejemplo del largo de la perna y el brazo, se puede desear usar sus medcones del largo del brazo para obtener nformacón sobre el largo de la perna (una cosa útl para los fabrcantes de overoles). De esta forma, estamos consderando la dependenca del largo de la perna respecto el largo del brazo. La dea se puede extender al caso en que deseamos saber s certas varables dependen de certas otras. Un caso nternaconalmente conocdo de esta stuacón, en el que se determnó que tres o cuatro meddas en el ser humano podían predecr las 5 ó necesaras para confecconar un traje, cas elmnó las confeccones a medda, creándose la moda pret a porter y la produccón en sere. Aunque no exste una dstncón clara y precsa, en la termnología estadístca, para referrse a las técncas que tenen que ver con estos tpos de problemas, la nterdependenca conduce a la teoría de la correlacón y la dependenca a la teoría de regresón Detectando Asocacón El problema consste en establecer s exste o no asocacón entre dos varables y, s exste, determnar qué tan fuerte es esta asocacón. Dos varables pueden tener relacones del tpo funconal como las que se muestran en la sguente fgura: 35
6 En el caso (a) el dbujo representa una curva, mentras que en (b) se observa una línea recta. Cuando la relacón funconal es una línea recta, el uso hace que se hable de una relacón lneal. En los demás casos la relacón puede ser cuadrátca o de otra forma, no lneal. El coefcente de correlacón lneal de Pearson, que será defndo más adelante, se puede aplcar úncamente cuando la relacón funconal, o la asocacón estadístca correspondente, se basa en una recta. Este es un concepto que debe ser recordado sempre. La nvestgacón de la relacón entre dos varables X e Y, basada en un conjunto de n pares de observacones, empeza con un ntento por descubrr la forma aproxmada de la asocacón. Esto se realza medante un gráfco X vs Y en el que se ubcan los n puntos pareados, y que se conoce como dagrama o gráfco de dspersón. Para aclara deas, consdere el número de empleados y los gastos fjos que se generan en cuatro empresas muy smlares. La nformacón obtenda es: X: Nro de Empleados Y: Gastos Fjos en mles de pesos Como se apreca, ahora la nformacón es entregada en pares ordenados. Por ejemplo el dato (5,43) ndca que esta empresa tene 5 empleados y tene un gasto fjo de $43. El dagrama o gráfco de dspersón es: Los puntos, así grafcados, consttuyen lo que se llama nube de puntos. 36
7 A smple vsta se puede aprecar en este dagrama que hay una tendenca entre la cantdad de empleados y los gastos fjos. Las empresas que tenen un bajo número de empleados tenden a tener un bajo gasto fjo. Asmsmo, empresas con una gran cantdad de empleados tenen un gasto fjo alto. Además, la tendenca general de la nube es la de una línea recta Correlacón lneal de Pearson. Para calcular el coefcente de correlacón lneal de Pearson se debe consderar, todo, el conjunto de n pares de observacones, es decr,, y ),( x, y ),,( x n, y ) ( n x K. n XY Este coefcente se defne como r =, donde: XY = x y n X Y = n XX x n = XX ( X ) n y y n ( Y ) YY = = YY. =, El coefcente de correlacón lneal tene algunas propedades muy nteresantes. En prmer lugar, la nube de puntos en el gráfco de dspersón debe representar, al menos aproxmadamente, una línea recta. esto no se cumple, no es bueno calcularla en propedad. La correlacón lneal ( r ) toma el valor cuando la nube de puntos es crcular, como se muestra en la sguente fgura. En general, r varía entre y, es decr r. El sgno ndca que tpo de asocacón exste entre las varables X e Y. el sgno es postvo la asocacón es drecta, esto quere decr, que s X aumenta, tambén aumenta Y,o a la nversa s X dsmnuye, tambén dsmnuye Y. el sgno es negatvo la relacón es nversa, es decr, s X aumenta Y dsmnuye, o a la nversa s X dsmnuye, Y aumenta. 37
8 la correlacón, en valor absoluto, es cercana a ndca que la relacón funconal entre X e Y es lneal ( Y = a + bx ). Por otra parte, s es cercana a ndca que las varables no están correlaconadas. El párrafo anteror permte defnr r % como el porcentaje de lnealdad, exstente, entre las dos varables en estudo. En el problema anteror, el coefcente de correlacón lneal entre la cantdad de empleados 675 y los gastos fjos es r = = El análss de esta cantdad es como sgue: Como el sgno es postvo, ndca que mentras mayor sea la cantdad de empleados, mayor son los gastos fjos. Por otro lado, exste un 99.5% de lnealdad ndcando que la relacón funconal entre el número de empleados y los gastos fjos es lneal. Hay casos en que las varables en estudo están extremadamente asocadas, pero como no es lneal, el coefcente de correlacón lneal es cercano a. Esto se debe a que el coefcente de correlacón lneal sólo detecta lnealdad o relacón lneal entre las varables en estudo. Por eso es mportante realzar en forma preva el dagrama de dspersón y verfcar vsualmente la tendenca de los datos. Es mportante notar, que la nterpretacón de un coefcente de correlacón, como medda de la ntensdad de la relacón lneal entre dos varables, es puramente matemátca y lbre de cualquer mplcacón de causa o efecto. El hecho de que las dos varables tendan a crecer o decrecer juntas, no ndca que la una tenga un efecto drecto o ndrecto sobre la otra. Ambas pueden estar nfludas por otras varables de modo que se orgne una fuerte relacón matemátca. uponga que, a lo largo de un certo período de años, el coefcente de correlacón entre los sueldos de los profesores y el consumo de bebdas alcohólcas resultó ser.98. Durante ese período de tempo hubo una frme subda de los salaros de todo tpoy una tendenca general ascendente propa de las buenas épocas. En tales condcones, los sueldos de los profesores aumentaron tambén. Además la tendenca ascendente general de los salaros y del poder adqustvo se reflejó en la compra de bebdas alcohólcas. Por lo tanto, esta elevada correlacón muestra smplemente el efecto común a la tendenca ascendente sobre las dos varables. 38
9 Los coefcentes de correlacón deben manejarse con cudado s se quere que den nformacón sensata en lo que concerne a las relacones entre pares de varables. El éxto de los coefcentes de correlacón requere estar famlarzados con el campo de aplcacón, así como tambén, con sus propedades matemátcas. Respecto al valor msmo de la correlacón, la sguente tabla da algunos crteros o guías que pueden ayudar a nterpretar el tamaño del coefcente de correlacón. Valor de r Interpretacón r =. No hay correlacón. < r.5 Correlacón débl.5 < r.8 Correlacón meda.8 < r <. Fuerte correlacón r =. Correlacón perfecta 3.6. El problema de Regresón En el ejemplo que relacona los gastos fjos de la empresa (Y) con la cantdad de empleados (X), el gráfco de dspersón muestra una tendenca lneal cas perfecta. Lo que hace suponer que el gasto fjo de la empresa se comporta de la sguente manera, según la cantdad que empleados que posee, y = β + βx + ε, para =,,3 y 4. La sguente gráfca explca mejor lo dcho anterormente: donde la línea recta es β + β x, pero como los puntos en la nube de puntos no están, generalmente, sobre la línea recta se ntroduce el térmno ε, que representa todo aquello que no podemos medr y hace que el valor de y (en el ejemplo el gasto fjo de la -ésma empresa) no caga exactamente sobre la línea recta. 39
10 Cuando exste relacón funconal lneal entre las dos varables, en estudo, el modelo matemátco y = β + βx + ε, con =,, K, n, recbe el nombre de regresón lneal smple. Esta es una técnca estadístca que permte el modelamento e nvestgacón de la relacón entre dos, la que permte predecr el valor de una de las varables (Y) dado un valor de la otra (X). La varable Y recbe el nombre de varable dependente ó endógena ó varable explcada, mentras que la varable X recbe el nombre de varable ndependente ó varable exógena ó varable explcatora ó regresor. El térmnoε recbe el nombre de error aleatoro ó perturbacón aleatora ó shock aleatoro ó rudo blanco. Lo que se quere es encontrar el valor de β y de β de manera que pase lo más cerca de los puntos en el dagrama de dspersón, es decr, la dstanca entre estos puntos a la recta ( ε ) sean lo más pequeño posble. Los valores que β y de β que cumplen con mnmzar las dstancas de la nube de puntos a la recta β + β x, son y de β ). Los valores de estas cantdades son ˆ β y ˆβ (que recben el nombre de estmacones de β ˆ β = ˆ β X Y y ˆ = xy β. xx Una de las dfcultades del modelo de regresón lneal, es reconocer cual varable es la explcatora y cual la varable dependente. En el problema de los gastos de fjos y el número de empleados, vsto con anterordad, es claro que el número de empleados no puede ser explcado por los gastos fjos. Esto ndca que la varable dependente es los gastos fjos, mentras que la varable explcatora es la cantdad de empleados (ya que a mayor cantdad de empleados mayor es el gasto fjo). Así se obtene que: X: Nro de Y: Gastos Fjos Empresa Empleados en mles de pesos X*X Y*Y X*Y Total Así X = = 7. 5 y Y = = 47. 5, por lo tanto, los estmadores de los parámetros 4 4 del modelo de regresón lneal smple son: 4
11 ˆ xy β = = = 3.4 ˆ β ˆ = Y βx = = *5.5 xx entonces el modelo estmado es : yˆ = x, =,,3, 4. La nterpretacón de los parámetros estmados ˆ β y ˆβ es: β es el valor de la varable dependente cuando la varables dependente toma el valor, y ˆβ es el aumento que se produce en la varable dependente cuando la varable ndependente aumenta en una undad. En el ejemplo ˆβ representa el gasto fjo de una empresa s se tenen cero empleados ($4) y ˆβ representa el ncremento en los gastos fjos por cada empleado, adconal, que se contrata ($34). Para determnar s el modelo de regresón lneal es adecuado, exste una medda llamada el coefcente de determnacón o smplemente el R, que se calcula como R = r (correlacón al cuadrado). Este coefcente, nos ndca cuanto explca el modelo de regresón lneal al la varabldad de la varable dependente. En el ejemplo de los gastos fjos se obtene que el coefcente de determnacón es R =.99 99%., ndcando que el modelo explca a la varabldad de los gastos fjos en un ˆ 3.7. Ejercco Resuelto. Imagne que una compañía de seguros desea determnar el grado de relacón que exste entre el ngreso semanal famlar (X) y el monto del seguro de vda (Y) del jefe de famla. Con base en una muestra de 8 famlas, se obtuvo la sguente nformacón (en mles de pesos). Observacón Ingreso eguro Observacón Ingreso eguro
12 Al realzar el dagrama de dspersón se puede conclur que exste una asocacón funconal lneal entre el monto del seguro y el ngreso semanal famlar. eguro de Vda Monto del eguro (en mles de $) Ingreso Famlar (en mles de $) Para calcular el coefcente de correlacón lneal de Pearson necestamos las sguentes cantdades: así: xx yy xy = = = n = n = n = x y n X ny x y nx Y = = = 35.9 = 64.3 = = XY r = = = XX YY Esto nos ndca que exste una fuerte relacón (drecta) entre el monto del seguro y el ngreso semanal famlar, más aún esta relacón es lneal en un 9.3%. Lo que nos hace pensar que es adecuado pensar en un modelo de regresón lneal smple. Es fácl darse cuenta que la varable dependente es el monto del seguro y que la varable explcatora es el ngreso semanal famlar. Los coefcentes estmados del modelo de regresón son: ˆ xy = = = ˆ β Y - ˆ β = β X = xx = Por lo que la ecuacón estmada de regresón quedaría: yˆ = x. La nterpretacón de los coefcentes de regresón estmados son Por cada ml pesos que aumenta el ngreso famlar, el seguro de vda aumenta en.78 pesos aproxmadamente, y que aún cuando no exsta un ngreso famlar, el monto del seguro de vda es de.5 pesos. 4
13 Imagne que la compañía de seguros está nteresada en estmar montos ndvduales del seguro de vda para los ngresos semanal de 8, 8, 38, 48 y 58. Los montos ndvduales estmados se muestran en la sguente tabla: Ingreso eguro 8 34,49 8 5,7 38 7, ,8 58 5,59 El coefcente de determnacón para este modelo es R =. 886, ndcando que el modelo explca a la varabldad del monto del seguro de vda en un 8.86% Ejerccos propuestos.. El gerente de una ndustra desea determnar s exste una relacón lneal entre el número de undades Y, armadas por los operadores de una línea de ensamble, y el lapso X que transcurre antes de que se presente una falla. Con base en una muestra aleatora de operadores de la línea de ensamble, se observa la sguente nformacón: Observacón Tempo en Horas Undades ensambladas Observacón Tempo en Horas Undades ensambladas a) Trace un dagrama de dspersón de los datos. Parece razonable modelar una ecuacón lneal que relacone a Y con X? b) Calcule la ecuacón de regresón.e nterprete los coefcentes. Un corredor de benes raíces estudó la relacón entre X= ngreso anual (en mllones de pesos) de los compradores de resdencas e Y= preco de venta de la resdenca (en mllones de pesos). e obtuveron datos de las solctudes hpotecaras correspondentes a 4 profesonales de dstntas empresas. El resumen de algunos resultados son: 43
14 n = 4 4 = y 4 = x = 94.5 = = 4 = x = x y = = y = 83.6 a) Para un modelo lneal smple, obténgase la ecuacón estmada de regresón b) Interprétense los coefcentes de regresón estmados. 3. Como parte de un estudo de sucursales de un banco mercantl, se han obtendo datos acerca del número del número de negocos ndependentes (X) localzados en una muestra de áreas selecconadas por medo del códgo postal y del número de sucursales del banco (Y) ubcadas en dchas áreas. e excluyeron los centro comercales de las cudades N de Observacón negocos Número de sucursales N de Observacón negocos Número de sucursales a) Trace un dagrama de dspersón de los datos. Parece razonable modelar una ecuacón lneal que relacone a y con X? b) Calcule la ecuacón de regresón e nterprete los coefcentes. 44
Problemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesSEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN
Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesMidiendo la Asociación lineal entre dos variables
Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesPráctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun
Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesGERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesTallerine: Energías Renovables. Fundamento teórico
Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detalles5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.
5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar
Más detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesAlgunas aplicaciones del test del signo
43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detalles2 Dos tipos de parámetros estadísticos
Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,
Más detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más detallesCada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.
Cada uno da lo que recbe, Y luego recbe lo que da, Nada es más smple, No hay otra norma: Nada se perde, Todo se transforma. Todo se transforma (Jorge Drexler, cantautor uruguayo) Estadístca Básca - Manuel
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesMétodos cuantitativos de análisis gráfico
Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detalles