1. ASPECTOS METODOLÓGICOS DEL SERVICIO ESTADÍSTICO PESQUERO COLOMBIANO SEPEC.

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

Download "1. ASPECTOS METODOLÓGICOS DEL SERVICIO ESTADÍSTICO PESQUERO COLOMBIANO SEPEC."

Transcripción

1 1. ASPECTOS METODOLÓGICOS DEL SERVICIO ESTADÍSTICO PESQUERO COLOMBIANO SEPEC. 1.1 COBERTURA GEOGRÁFICA Para la recolecta de datos pesqueros se seleccioaro los muicipios de maor relevacia (e cuato a actividad pesquera) asociados a las pricipales cuecas ribereñas al sector mario-costero del Caribe Pacífico colombiao; co el fi de o duplicar esfuerzos i recursos fiacieros sólo se moitorea e aquellos muicipios dode o ha presecia de otras orgaizacioes que tome iformació de estadísticas pesqueras que tega coveios vigetes co la AUNAP, así, el moitoreo pesquero artesaal se realizó e 166 sitios de desembarco distribuidos e 46 muicipios, de estos muicipios 16 está asociados al sector mario-costero del Caribe, 5 al Pacifico 5 a las pricipales cuecas ribereñas (Figura 1 tabla 1). Tabla 1. Muicipios por cueca o litoral moitoreados por el Servicio Estadístico Pesquero Colombiao SEPEC de eero a diciembre de 013. Cueca /Litoral Muicipio Cueca /Litoral Muicipio CARIBE PACÍFICO SINÚ Maaure Plato Riohacha Zambrao Dibulla Chimichagua Sata Marta Magagué Ciéaga El Baco Pueblo Viejo Sa Marcos Barraquilla Aapel Jua de Acosta Caucasia Tubará Nechí Cartagea MAGDALENA Gamarra Tolú Barracabermeja Sa Atero Puerto Berrío Sa Berardo del Vieto Puerto Boacá Necoclí La Dorada Turbo Hoda Acadí Neiva Bahía Solao Hobo Bueavetura Yaguará Guapi Villavicecio Mosquera ORINOQUÍA Puerto López Tumaco Puerto Carreño Lorica AMAZONÍA Leticia Momil ATRATO Quibdó

2 Figura 1. Lugares moitoreados por el Servicio Estadístico Pesquero Colombiao SEPEC de eero a diciembre de 013.

3 1. OBTENCIÓN DE DATOS EN CAMPO INFORMACION PESCA ARTESANAL Se utilizaro los criterios de la FAO (198; 1985) para el diseño desarrollo del esquema de recolecta de datos, basados e la actividad diaria de pesca artesaal e los putos de desembarco. Segú el esquema metodológico adoptado (que básicamete fue u muestreo aleatorio estratificado co asigació optima de Nema), los desembarques de las uidades ecoómicas de pesca (UEPs) costituero las uidades de ecuesta mietras que las características a determiar so: la captura e peso desembarcado discrimiada por especie tipo de arte; las zoas de pesca; iformació relativa al poder de pesca (tiempo de la faea, úmero de pescadores, método de propulsió, tipo de embarcació, características de los artes /o métodos), los costos de operació de la faea, las tallas de las especies capturadas (logitud total de los ejemplares para especies marias la logitud estádar para especies dulceacuícolas) precios de las especies. Así mismo, se tomó el registro de la actividad diaria de las uidades ecoómicas de pesca - UEP (úmero de embarcacioes que saliero a realizar la faea) e cada sitio de desembarque. Durate el mes tambié se cuatificaro los días efectivos de pesca por cada tipo de UEP para efectos de las estimacioes mesuales (Stamatopoulos, 00; Narváez et al., 005). Cuado por algú motivo o fue posible hacer los muestreos de los desembarcos de las UEPs (demasiados sitios mu dispersos; los pescadores o llega al sitio sio los acopiadores; debido a problemas de orde público e el sector), se registraro los volúmees tato de las UEPs, como de los acopiadores. Esta forma de recolectar los datos permite coocer e detalle los desembarcos de las diferetes especies, pero o así de los aspectos del esfuerzo ivolucrados e las faeas de pesca. La iformació pesquera que se colectó así como la itesidad de moitoreo mediate ecuestas se resume e la tabla, para el diseño de los formatos se tuvo e cueta los lieamietos del protocolo de captura de iformació pesquera, biológica socio ecoómica propuesto para Colombia (Agudelo et al., 011).

4 Tabla. Resume de la iformació colectada detro del moitoreo del Sistema de Iformació Pesquero de Colombia SEPEC de eero a diciembre de 013. INFORMACIÓN COLECTADA (FORMATO) DESCRIPCIÓN INTENSIDAD (MÍNIMA) Captura Esfuerzo (Aexo A) Actividad diaria por Uidad Ecoómica de Pesca (Aexo B) Días efectivos de pesca por UEP (Aexo C) Captura desembarcada por especie, peso úmero de ejemplares, esfuerzo pesquero por arte /o método de pesca, horas de pesca, zoa de pesca, gastos ivolucrados e las faeas de las diferetes UEP, tipo de embarcació, características del arte métodos de propulsió de las embarcacioes Número de embarcacioes muestreadas por arte /o método de pesca, activas e iactivas para ese día. Por sitio, arte método de pesca. 3 veces por semaa Cotiuo Cotiuo Precios por especies (Aexo D) Frecuecia de talla por especie (Aexo E) Observacioes ambietales socioculturales (Aexo F) Registra los precios promedios mesuales de los pricipales recursos extraídos e la zoa. Se registra el arte /o método de pesca así como las frecuecias por logitudes de cada especie Se detalla alguos evetos que pudiera haber afectado e determiado mometo la actividad pesquera. Dos veces por mes veces por semaa Semaalmete Diseño de muestreo Como se mecioó ateriormete se utilizaro los criterios de la FAO (198; 1985) para el diseño desarrollo del esquema de recolecta de datos, dode se recomieda que para obteer estimacioes más precisas si se utiliza algú tipo de estratificació tato e el espacio (sitios de desembarco) como e el tiempo. Es sabido que puede existir variacioes estacioales e la composició abudacia de los recursos pesqueros, lo que se refleja e las capturas a lo largo del año (Blaco, 1988). Por la razó aterior se dispuso de ua estratificació temporal por meses. Ua vez elegido el periodo, se distribue el tamaño de muestra a lo largo del mes, de maera que se reduzca la probabilidad de que las estimas mesuales refleje determiados comportamietos localizados.

5 Para la determiació del tamaño de muestra e cada sitio de desembarco se procedió iicialmete a determiar el tamaño de la població de desembarcos (N), la cual resulto de multiplicar el úmero promedio de UEP activas por los días efectivos de pesca e el mes. E cuato al úmero de ecuestas de desembarco a aplicar (tamaño de muestra) se procede de la siguiete forma: Determiació de ua muestra aleatoria simple global, para este paso se aplica la fórmula que defie el tamaño muestral e u muestreo aleatorio simple; la cual ivolucra los siguietes cálculos geerados de los desembarques del mes imediatamete aterior: Variaza Muestral V 1 1 j j (Ecuació 1) Desviació estádar muestral S V (Ecuació ) Coeficiete de variació CV S 100 (Ecuació 3) Coeficiete de variació de la media CV S 100 (Ecuació 4) Error estádar 1 1 S V S N (Ecuació 5) Dode N es el úmero de desembarcos totales del mes imediatamete aterior. El tamaño de muestra () es etoces defiido por Ng N g (Ecuació 6) Dode g CV CV, CV es el coeficiete de variació esperado. Teiedo e cueta que los estratos métodos de pesca preseta diferetes variazas, se utiliza la ecuació de muestreo estratificado optimo o Asigació optima de Nema, para distribuir el tamaño de muestra () etre los diferetes estratos de métodos de pesca (H), de acuerdo co esta asigació el tamaño de muestra será maor a medida que

6 aumete el tamaño del estrato N h su respectiva desviació estádar S h, la fórmula para determiar el tamaño de muestra e el estrato h queda defiida como: h N S h h H Nh Sh h 1 (Ecuació 7) 1.. INFORMACION PESCA INDUSTRIAL Dado que la actividad pesquera idustrial e Colombia preseta ua flota pesquera pequeña su desembarco se cocetra e cuatro puertos pesqueros (Barraquilla, Cartagea, Tolú Bueavetura), la recolecta de datos se realizará de maera cesal. Para la recolecta de la iformació se tomará e cueta las fechas de zarpe arribo sumiistradas por cada armador, las cuales será cotrastadas co la iformació de la oficia de la AUNAP de cada puerto. El registro se diligeciará e el formulario de captura esfuerzo de pesca idustrial que fue tomado modificado de Agudelo et al 011(Aexo G) MONITOREO BIOLÓGICO-PESQUERO La secuecia del proceso metodológico empleado para la toma de iformació se esquematiza e la figura, el cual fue estructurado co la fialidad de ordear sistematizar la obteció de la iformació coducir a la obteció de los parámetros biológico pesqueros. Frecuecias de tallas Para recolectar los datos de tallas tato para peces (óseos cartilagiosos), como para los mariscos (crustáceos moluscos) se sigue las recomedacioes de Agudelo et al (011) la literatura especializada para cada grupo taxoómico. Se mide aquellas logitudes que deote el tamaño del aimal co aproximació al 0.5 cm más cercao. El registro de las frecuecias de las logitudes de cada especie se realizará por tipo de UEP co ua periodicidad de dos veces por semaa. Se empleará el formulario del aexo E. E la pesca idustrial, esta iformació se obtiee a partir del

7 muestreo abordo. E la tabla 3 se preseta el ombre del grupo taxoómico, el tipo de medida el istrumeto de medició. Estructura de tallas Muestreo de desembarques Biometría Relació logitud total -logitud estádar Idicadores de referecia Talla media de madurez Talla media de captura Época reproductiva Factor de codició Peso etero Peso eviscerado Peso de la góada Relació talla -peso Relació Peso etero - Peso eviscerado Proporció hembras:machos Determiació del sexo Escala de madurez Figura. Proceso metodológico para la obteció de los parámetros biológico-pesqueros

8 Tabla 3. Tipo de medició de talla para cada grupo taxoómico. GRUPO TAXONÓMICO MEDIDA (cm) INSTRUMENTO DE MEDICIÓN Peces óseos marios (excepto Logitud total Ictiómetro escómbridos) Peces cotietales Logitud estádar Ictiómetro calibrador Peces amazóicos escómbridos Logitud horquilla Ictiómetro calibrador Tiburoes Logitud del troco Cita métrica logitud total Raas Acho del disco, logitud Cita métrica del disco logitud total Lagosta camaroes Logitud del cefalotórax o Calibrador la logitud cola Jaibas Acho a la base de las Calibrador espias laterales del caparazó Cagrejo Acho del caparazó Calibrador Bivalvos Logitud de la cocha Calibrador Gasterópodos Logitud del cuerpo Calibrador Calamares pulpos Logitud del mato Calibrador Aspectos biométricos Alguos aspectos biométricos se determia para las pricipales especies e fució a la composició por talla peso, relació talla-peso factor de codició de los ejemplares. La logitud total el peso de los ejemplares procesados permite determiar la composició por talla peso de la muestra, determiádose las tallas pesos míimos máximos, así como el promedio de cada parámetro por sexo combiado. Biología reproductiva

9 Este aálisis se lleva a cabo co especies claves determiadas por la AUNAP de cada litoral o cueca. A los idividuos de cada especie se les registrará la talla (cm), peso (gramos), sexo estado de desarrollo goadal. Para esto último se empleará las escalas macroscópica de desarrollo goadal propuestas e Agudelo et al (011) e la literatura especializada de cada grupo taxoómico. Para el registro de la iformació se empleará los formularios de los aexos G. Se garatizará que los aimales aalizados represete todas las tallas de la població para elimiar los sesgos de las estimacioes de los parámetros reproductivos. E la pesca idustrial, se empleará el método del muestreo abordo. La periodicidad del muestreo será ua vez por semaa para tratar de acumular u tamaño de muestra e el mes lo suficiete para hacer las estimacioes de las variables biológicas. 1.3 ESTIMACIÓN DE LAS VARIABLES PESQUERAS DE LA PESCA ARTESANAL Los cálculos matemáticos para estimar las capturas mesuales, el esfuerzo la captura por uidad de esfuerzo está basados e las recomedacioes de Bazigos (1974). Las variables a estimar so: Captura desembarcada mesual por especie (Yee) La estimació iicia co calcular la captura mesual de ua especie e, capturada por u arte de pesca g, que desembarca e u sitio p (Yee) co la siguiete ecuació: Ye e De Dm Dm fd fmd d1 e1 Cm e (Ecuació 8) Dode, Cme es la captura diaria para ua especie e, capturada co el arte de pesca g, e el sitio de desembarco p; fdes el úmero de UEP activas diarias del arte de pesca g; fmdso las UEP muestreadas diarias del mismo arte; De so los días efectivos de pesca del arte g e el mes Dm so los días muestreados e el mes del mismo arte. Tambié se puede calcular para el arte de pesca g desembarcado e el sitio p co la siguiete ecuació:

10 Ye Ye e e1 (Ecuació 9) Fialmete la sumatoria de las capturas de todos los artes e todos los sitios de desembarque para cada cueca os permite teer la captura mesual de cada especie (Yee): Ye e Ye e g1 p1 (Ecuació 10) Para calcular la precisió de la estimació de la captura mesual de cada especie (Yee) se tiee el siguiete procedimieto matemático tambié tomado modificado de Bazigos (1974): Primero se calcula la variaza del estimativo ( V ( Ye ) e ), la cual se estima de la siguiete maera: V ( Ye e ) fa 1 fm fa SCm fm e (Ecuació 11) Dode, SCm e es la variaza mesual muestral de la especie e capturada por el arte de pesca g desembarcada e el sitio p. Se estima teiedo e cueta la captura muestral diaria de cada especie ( Cm e ) así: SCm e 1 fm 1 Dm d 1 Cm e Dm d 1 Cm fm e (Ecuació 1) Fialmete, la desviació estádar del estimativo ( variaza del estimativo ( V ( Ye ) e ): S ( Ye ) e ) será igual a la raíz cuadrada de la S Ye ) V ( Ye ) (Ecuació 13) ( e e Y el coeficiete de variació del estimativo ( CV Ye ) ) será: ( jk

11 S( Yee ) CV ( Yee ) (Ecuació 14) Ye e 1.3. Esfuerzo de pesca mesual (fa) Para los artes de pesca que se les facilite la medició del esfuerzo e úmero de faeas, se le estimará u esfuerzo absoluto mesual a partir de la siguiete ecuació: fa De Dm Dm d1 fd (Ecuació 15) Dode, fd es el úmero de UEP activas diarias del arte de pesca g. La uidad del esfuerzo puede ser modificada por horas úmero de laces para alguos artes de pesca esta misma fórmula se utilizará para calcular el esfuerzo mesual absoluto co esas uidades Captura por uidad de esfuerzo mesual por especie (CPUEe) El cálculo de la captura por uidad de esfuerzo de ua especie se realizará co la fórmula clásica de CPUE=C/f, dode C es la captura f el esfuerzo (Sparre Veema, 1985; Hilbor Walters, 199). E SEPEC se calculará para la especie e, capturada co el arte de pesca g desembarcada e el sitio p(ec. 16) tambié sólo para el arte de pesca g(ec. 17). CPUE e Ye fa e (Ecuació 16) CPUE CPUE e e1 ^ Ye CPUE (Ecuació 17) fa La uidad de la CPUE depederá de la del esfuerzo absoluto mesual para cada arte de pesca, la cual puede ser kg/faea, kg/hora ó kg/lace.

12 1.3.4 Valores comerciales de las capturas mesuales por especie El valor comercial de las capturas mesuales de cada especie se calcula tomado e cueta los precios de primera veta que se trasa etre el pescador el primer itermediario del caal de comercializació. Se estadariza los precios por kilogramo (Pkep) e cada sitio de desembarco p. El precio de cada especie será multiplicado por su captura mesual co el arte de pesca g desembarcada e el sitio p (Yee) V e Ye e Pk ep (Ecuació 18) El valor comercial total de cada especie es calculado comoí: V e V e g1 p1 (Ecuació 19) Igreso, costo de operació reta ecoómica por arte de pesca. El igreso ecoómico de ua UEP se cosidera como los igresos geerados a través de la veta de su captura si teer e cueta los costos de operació. La teoría ecoómica pesquera clásica establece que los igresos ( IT de cada especie (C ) por el precio de cada especie ( ) se estima mediate la sumatoria del producto de la captura total p ) (Seijo et al., 1997). E SEPEC, el cálculo del igreso ecoómico diario de ua UEP que pesca co el arte de pesca g e el sitio de desembarco p ( ITd ) toma e cueta la CPUE e, a que se cosidera como u idicador de la abudacia relativa del recurso (Hilbor Walters, 199) se asume que su estimativo refleja el redimieto de cada tipo de UEP que tiee como objeto cierto recurso e ua faea. Se cosidera la siguiete ecuació: ITd VCPUE e g1 (Ecuació 0) Dode, VCPUE e será el valor comercial de la CPUE de cada especie e, capturada co el arte de pesca g, e el sitio de desembarco p, así:

13 VCPUE CPUE Pk (Ecuació 1) e e ep Los costos de operació se defie como los gastos que geera ua UEP durate ua faea de pesca: combustible, hielo, alimetació, carada, reparació del arte, alquiler del motor de la embarcació, etre otros. E SEPEC se calculará por tipo de UEP e cada sitio de desembarco, discrimiado las embarcacioes co motor de aquellas que tiee otro sistema de propulsió. El cálculo del costo de operació promedio diario del arte de pesca g, que desembarca e el sitio q ( COd ) se tiee co: COd c m 1 CO m (Ecuació ) Dode, CO m es cada gasto mde la UEP (por ej. combustible, carada, hielo, alimetació, etre otros) es el úmero de UEP que se les tomaro datos de gastos. La reta ecoómica de ua UEP es la diferecia etre el ITd COd : Rd ITd COd (Ecuació 3) Esta reta diaria puede extrapolarse al mes multiplicádola por los días efectivos de pesca de cada arte (De): Rt De Rd (Ecuació 4) 1.4 ESTIMACIÓN DE LOS INDICADORES BIOLÓGICO-PESQUEROS Estimació de la talla media de captura mesual (TMC) El calculó mesualmete de TMC mesual por especie está basado e el siguiete procedimieto de Sparre Veema (1985). Primero se realizará la sumatoria mesual de todas las frecuecias de cada marca de clase l para la especie e, que fue capturada co el arte de pesca g: Dm Fm e F lg p d 1 elg p (Ecuació 5)

14 Dode, Dm es el total de días d muestreados para el arte de pesca ge el sitio desembarque p; Luego, se multiplicará el producto aterior co su respectiva marca de clase l: FL elg p Fm elg p L elg p (Ecuació 6) Fialmete, el cálculo de TMC se hace co la divisió etre la sumatoria del producto de la Ec. 6 la sumatoria de las frecuecias de todas las marcas de clase ( F e ). Se tiee lo siguiete: TMC e l1 l1 FL F e e (Ecuació 7) Para estimar la desviació estádar de la talla media de captura ( la variaza ( S ( TMC ) e ) de la siguiete maera: S ( TMC ) e ), primero se estima S( TMC e ) l1 Fm e lg p l1 L F e lg p e TMC 1 e (Ecuació 8) Luego, extraedo la raíz cuadrada de S( TMC ) e teemos la desviació estádar de TMC e Estructura de tallas Para obteer la estructura de tallas de las especies, los datos de logitud se agrupa e itervalos de acuerdo a las recomedacioes de Aderso Neuma (1996) quiees sugiere itervalos de 1 cm para los peces que alcaza 30 cm, itervalos de cm para los peces que llega a 60 cm, 5 cm () para peces que llega a 150 cm de logitud total. A partir de los datos agrupados se obtiee distribucioes de frecuecia de tallas represetadas mediate histogramas para ambos sexos combiados..

15 1.4.3 Relacioes biométricas Se estima la relació logitud total (LT) -logitud estádar (LE) la relació peso total (PT)-PE (peso eviscerado), mediate regresió lieal por ajuste de míimos cuadrados para la estimació de los parámetros a b de la ecuacioes LT a ble (Ecuació 9) PT a bpe (Ecuació 30) Se calcula el coeficiete de determiació r para medir el grado de variabilidad explicada por el modelo lieal se evalúa la sigificacia de la regresió mediate u ANOVA (previa verificació de supuestos de ormalidad (Kolmogorov-Smiroff), Homogeeidad de variazas (prueba de Bartlett) e idepedecia (Durbi Watso)) probado las hipótesis H : 0, : 0 0 H a (Zar, 004) Se determia la relació logitud total (LT)-peso total (PT) para las especies más importates de cada cueca o litoral, a través del ajuste de la ecuació potecial PT alt b (Ecuació 31) mediate trasformació logarítmica lpt l a bl LT (Ecuació 3) Dode PT es el peso total e g, LT es la logitud total e cm, a el itercepto b el coeficiete de alometría, se realizá la estimació de u itervalo de cofiaza al 95% para b, para determiar el tipo de crecimieto (alométrico o isométrico) el grado de asociació etre las dos variables PT LT se evaluado a través del coeficiete de determiació R (Zar 1999). Todas las relacioes biométricas se realizaro por sexo separado para sexo combiado (machos, hembras e idetermiados).

16 1.4.4 Estimació de la talla media de madurez sexual (TMM) Tomado e cueta los estados de madurez macroscópicos propuestos para los diferetes grupos taxoómicos, se determia la codició de imaduro maduro para ambos sexos (machos hembras), e peces la codició imaduro correspodió a los estados de madurez I II, mietras que la codició maduro correspodió a los estados de madurez III IV. La estimació de la talla media (o modal) de madurez sexual se realiza aplicado el ajuste del modelo logístico de madurez (Ecuació 33), utilizado como variable respuesta ua biomial (maduro=1, imaduro=0) PLT 1 exp 0 1LT 1 (Ecuació 33) dode: P Lt es la proporció de peces sexualmete maduros; LT es la logitud total (talla) e cm; 0 1 so los parámetros de itercepto pediete de la ojiva de madurez, que se obtiee por ajuste co el procedimieto de modelos lieales geeralizados e R co la fució glm, previa trasformació logit de la ecuació 33, de esta maera el cálculo de la talla (LT) a cualquier proporció de madurez queda defiido por: LT plt log 1 p 1 LT 0 (Ecuació 34) E el caso comú de ecotrar LT para 50 % de madurez (es decir, siguiete fórmula simple: plt 0,5 ), (34) se reduce a la LT 50% 0 1 (Ecuació 35) E la estimació de itervalos de cofiaza (al 95%) se utiliza la técica de bootstrap que permite elimiar posibles sesgos derivados de las estimacioes de itervalos de cofiaza cuado se asume distribució ormal. el úmero de esaos boostraps es Época reproductiva Factor de codició. (K) Para evaluar la variació temporal de la codició de cada població de especie se utilizará los procedimietos matemáticos que se describe e la revisió de Froese (006). Se calculará el factor de codició K a partir de la siguiete ecuació:

17 K media 100 al b3 (Ecuació 36) Esta K puede ser utilizada para sumiistrar recomedacioes técicas de maejo pesquero, idicádoles a los pescadores cuado es mejor pescar cada recurso. Como complemeto a lo aterior, tambié se realizará ua estimació temporal del peso relativo de cada talla (Wrm) para idicar a que talla se preseta la mejor codició e peso de la especie que amerita ser pescada co la siguiete ecuació: W rm 100 W a L m b m (Ecuació 37) Dode, am bm so los valores promedios del itercepto de la pediete de varias estimacioes de relació W-L para ua especie.

18 BIBLIOGRAFIA Agudelo, E.; Ajiaco, R.E.; Álvarez, L.E.; Barreto, C.G.; Borda, C.A.; Bustamate, C.C.; Caldas, J.P.; De la Hoz, J.; Diazgraados, M.C.; Melo, Giovai.; Perucho, E.; Puetes, V.; Ramírez, A.; Ramírez, A.; Rueda, M.; Salias, J.C. L.A. Zapata Protocolo de captura de iformació pesquera, biológica socio-ecoómica e Colombia. Miisterio de Agricultura Desarrollo Rural - Direcció de Pesca Acuicultura - Subgerecia de Pesca Acuicultura INCODER - Coservació Iteracioal. 80 P. Bazigos, G.P The desig of fisheries statistical surves - ilad waters. FAO Fish.Tech.Pap., (133):1 p. Cadd, J.F. Bazigos, G.P Practical guidelies for statistical moitorig of fisheries i mapower limited situatios. FAO Fisheries Techical Paper, 57. FAO La recolecció de estadísticas de captura esfuerzo. FAO Circular de pesca: p. FAO Guidelies for statistical moitorig. FAO Fisheries Techical Paper: p. Froese, R Cube law, coditio factor ad weight legth relatioships: histor, meta-aalsis ad recommedatios. J Appl.Ichthol. : Hilbor, R. C.J. Walters Quatitative fisheries stock assessmet. Choice, damics ad ucertait. Chapma & Hall, New York. Majarrés, L. (Ed.) Estadísticas pesqueras artesaales del Magdalea La Guajira, co aplicació de herramietas iformáticas para su sistematizació procesamieto. UNIMAG- INCODER-INPA-COLCIENCIAS, Sata Marta. 71 p + CD-ROM. Narváez B., J.C., M. Rueda, E.A. Viloria M., J.A. Blaco R., J.A. Romero F. Newmark Maual del Sistema de Iformació Pesquera del INVEMAR: ua herramieta para el diseño de sistemas de maejo pesquero. Istituto de Ivestigacioes Marias Costeras-INVEMAR. Sata Marta, Colombia. 18 p. (Serie de documetos geerales del INVEMAR No. 18). Neuma, R. M. ad M. S. Alle Size Structure, chapter 9, pp. 375{41. America Fisheries Societ. Pikas L, MS Oliphat LR Iverso Food habits ofalbacore, bluefi tua, ad boito i Califoria waters. FisherBulleti 15:

19 Roa, R., Erst, B Tapia, F Estimatio of size at sexual maturit: a evaluatio of aalitcal ad resamplig procedures. Fish. Bull. 97: Seijo, J.; O. Defeo Y S. Salas Bioecoomía pesquera: Teoría, modelació maejo. FAO, Roma (368):176 p. Sparre, P. S.C. Veema Itroducció a la evaluació de recursos pesqueros tropicales. Parte I. Maual. FAO Doc. Téc. Pesca 306/1. Roma, 40 p. Stamatopoulos, C. 00. Sample-based fisher surves: A techical hadbook. FAO FisheriesTecicalPaper 45. ZAR JH (1999) Biostatistical aalsis. Fourth editio. Pretice Hall, Eglewood Cliffs, New Jerse. 663 pp.

Estimación puntual y por intervalos de confianza

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

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

Análisis de datos en los estudios epidemiológicos II

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

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

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

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

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

Más detalles

UNIVERSIDAD DE ATACAMA

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

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

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

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

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

Más detalles

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

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

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

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

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

Más detalles

Midiendo el Desempeño

Midiendo el Desempeño Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u

Más detalles

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno: Uidad 5 Aualidades vecidas Objetivos Al fializar la uidad, el alumo: Calculará el valor de la reta de ua perpetuidad simple vecida. Calculará el valor actual de ua perpetuidad simple vecida. Calculará

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,

Más detalles

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

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

Más detalles

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo

Más detalles

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

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

Más detalles

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

Estadística Descriptiva

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

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

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

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

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV Iforme sobre el Cálculo de Errores de Muestreo Ecuesta sobre Codicioes de Vida - ECV EUSKAL ESTATISTIKA ERAKUNDA INDICE. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo de errores....4 3.

Más detalles

16 Distribución Muestral de la Proporción

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

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

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

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

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

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

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

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

Más detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

Más detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES ALGEBRAICAS FUNDAMENTALES MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6

Más detalles

Estimación puntual y por intervalos

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

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5) SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 01 (MODELO 5) OPIÓN A EJERIIO 1_A ( 5 putos) U comerciate dispoe de 100 euros para comprar dos tipos de mazaas A y B. Las del tipo A las compra a 0 60 euros/kg

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

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

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

Más detalles

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

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

Más detalles

Matemáticas Financieras Material recopilado por El Prof. Enrique Mateus Nieves. Financial math.

Matemáticas Financieras Material recopilado por El Prof. Enrique Mateus Nieves. Financial math. Matemáticas Fiacieras Material recopilado por El Prof. Erique Mateus Nieves Fiacial math. 2.10 DESCUENO El descueto es ua operació de crédito que se realiza ormalmete e el sector bacario, y cosiste e que

Más detalles

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+ IES Fco Ayala de Graada Sobrates 009 (Modelo 3 Juio) Solucioes Germá-Jesús Rubio Lua+ MATEMÁTICAS CCSS JUNIO 009 (MODELO 3) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea la igualdad A X + B = A, dode

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

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

Más detalles

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

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL

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

Más detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 2.004-2.005 - CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

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

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

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

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

Análisis en el Dominio del Tiempo para Sistemas Discretos OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

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

Más detalles

Capítulo 2. Operadores

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

Más detalles

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

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

TEMA 5: INTERPOLACIÓN

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

Más detalles

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

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

Más detalles

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra.

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra. UNIDAD 9 Iferecia estadística. Distribucioes muestrales la Estadística se distigue dos partes perfectamete difereciadas. Ua de ellas se cooce co el ombre de Estadística Descriptiva y tiee como objetivo

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO DOCUMENTO TÉCNICO N 64 Versió 0.1 MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO CONCEPTOS GENERALES MINISTERIO SECRETARÍA GENERAL DE LA PRESIDENCIA Este documeto es parte de ua serie de guías

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

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

Más detalles

2. LEYES FINANCIERAS.

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

Más detalles

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

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

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

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

Más detalles

Metodología de la Encuesta Anual de Servicios en La Rioja

Metodología de la Encuesta Anual de Servicios en La Rioja Metodología de la Ecuesta Aual de Servicios e La Rioja Ecuesta Aual de Servicios. ITRODUCCIÓ El Acuerdo Marco sobre cooperació estadística e itercambio de iformació firmado aualmete etre el Istituto acioal

Más detalles

MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO

MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FERNANDO ESPINOSA FUENTES Necesidad del reemplazo. Si se matiee u riesgo durate u tiempo

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 014 (Geeral Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices A = y

Más detalles

Medidas de riesgo, características y técnicas de medición: una aplicación del VaR y el ES a la tasa interbancaria de Colombia

Medidas de riesgo, características y técnicas de medición: una aplicación del VaR y el ES a la tasa interbancaria de Colombia BANCO DE LA REPUBLICA Gerecia Técica Medidas de riesgo, características y técicas de medició: ua aplicació del VaR y el ES a la tasa iterbacaria de Colombia Luis Ferado Melo Veladia Oscar Reialdo Becerra

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

La volatilidad implícita

La volatilidad implícita La volatilidad implícita Los mercados de opcioes ha evolucioado bastate desde los años setetas, época e la que ue publicada la órmula de Black Scholes (BS). Dicha órmula quedó ta arraigada e la mete de

Más detalles

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

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

Más detalles

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

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

Más detalles

Apuntes De Análisis Numérico.

Apuntes De Análisis Numérico. Aputes De. Prof. Alberto Agarita. Departameto De Ciecias Básicas, Uidades Tecológicas de Satader. y P 1 (x) P 2 (x) P 3 (x) P i (x) P (x) P(x) I 1 I 2 I 3 I x 1 x 2 x 3 x 4 x 1 x x P(x) = P 1 (x) P 2 (x)

Más detalles

Para qué medir? Midiendo el Desempeño. M. Curiel 1. Midiendo el Desempeño. Qué variables se desea medir? Cuáles son las herramientas disponibles?

Para qué medir? Midiendo el Desempeño. M. Curiel 1. Midiendo el Desempeño. Qué variables se desea medir? Cuáles son las herramientas disponibles? Midiedo el Desempeño Mariela Curiel 009 (Alguas trasparecias so tomadas del libro de Juiz, Molero, etc) Para qué medir? teder el fucioamieto de u sistema o aplicació - cotrar los segmetos que se usa de

Más detalles

Análisis estadístico de datos simulados Estimadores puntuales

Análisis estadístico de datos simulados Estimadores puntuales Aálisis estadístico de datos simulados Estimadores putuales Georgia Flesia FaMAF 5 de mayo, 2015 Aálisis estadístico Modelizació estadística: Elegir ua distribució e base a los datos observados. Estimar

Más detalles

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

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

Más detalles

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción CAPÍTULO SEIS LA TRANSFORMADA Z 6. Itroducció E el Capítulo 5 se itrodujo la trasformada de Laplace. E este capítulo presetamos la trasformada Z, que es la cotraparte e tiempo discreto de la trasformada

Más detalles

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

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

Más detalles

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación Aálisis de Señales y Sistemas Digitales FFT Cocepto Algoritmo Implemetació 2010 FFT Trasformada Rápida de Fourier Cocepto La trasformada rápida de fourier (FFT) es u algoritmo que permite él cálculo eficiete

Más detalles

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1 Teoría de colas Adrés Ramos Uiversidad Potificia Comillas http://www.iit.comillas.edu/aramos/ Adres.Ramos@comillas.edu TEORÍA DE COLAS 1 Ua cola se produce cuado la demada de u servicio por parte de los

Más detalles

ALGORITMOS Y DIAGRAMAS DE FLUJO

ALGORITMOS Y DIAGRAMAS DE FLUJO ALGORITMOS Y DIAGRAMAS DE LUJO Elabore diagramas de flujo para expresar la solució de los problemas que se preseta a cotiuació. Auque sólo se pida explícitamete e alguos casos, es ecesario que Ud. siempre

Más detalles

TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulación Aplicada -

TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulación Aplicada - Escuela de Estudios Idustriales y Empresariales Igeiería Idustrial Facultad de Igeierías Físico-Mecáicas CONSTRUIMOS FUTURO TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulació Aplicada - NÚMEROS Y VARIABLES

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

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

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A

Más detalles

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6. Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO

Más detalles

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

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

Más detalles

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

Más detalles

Encuesta de Transición Educativo- Formativa e Inserción Laboral (ETEFIL)

Encuesta de Transición Educativo- Formativa e Inserción Laboral (ETEFIL) Ecuesta de Trasició Educativo- ormativa e Iserció Laboral (ETEIL) Diseño de la muestra I. Itroducció Esta ecuesta pretede proporcioar iformació sobre las características de la isercció e el mercado laboral

Más detalles

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

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

Más detalles

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

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

Más detalles