3 Metodología de determinación del valor del agua cruda

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

Download "3 Metodología de determinación del valor del agua cruda"

Transcripción

1 3 Metodología de determacó del valor del agua cruda 3. Aspectos Geerales La valorzacó del agua cruda cosste e la determacó de la versó e derechos de aprovechameto de agua, requerdos para abastecer la demada de autofacameto de cada sstema de la empresa modelo. Para tales efectos, se requere determar el valor del agua cruda (VAC), expresado e pesos por ltros por segudo ($/lt/s) para cada fuete de abastecmeto de agua cruda que se cosdere, el que se asgará a cada ua de las captacoes de la empresa modelo correspodetes a dcha fuete. 3.. Metodología La metodología de cálculo del VAC está sustetada e la formacó obteda de trasaccoes reales de derechos de agua y e la aplcacó de u procedmeto secuecal de 7 etapas que se dca a cotuacó: Etapa : Idetfcacó de las Fuetes de Abastecmeto de Agua Cruda Se detfcará para cada sstema, las fuetes de abastecmeto de agua cruda. Tratádose de fuetes superfcales, se deberá cosderar las fuetes afluetes drectas de la fuete de abastecmeto, y las fuetes vecas geográfcamete. Tratádose de fuetes subterráeas, se deberá cosderar los acuíferos vecos geográfcamete. Para la delmtacó de dchas fuetes, se ocupará la formacó ofcal de la DGA.

2 Etapa : Idetfcacó de Fuetes co VAC Igual a Cero Para aquellas fuetes e que haya posbldad de obteer uevos derechos de agua, por la vía de solctarlos a la DGA, el VAC será gual a cero. La empresa deberá etregar toda la formacó, valdada por la DGA, respecto a la mposbldad de obteer derechos de la DGA. E caso que o etregue esta formacó fdedga detro el plazo dspuesto e el artículo 5 del reglameto, valdrá la formacó que recolecte la Supertedeca respecto a cada ua de las fuetes. Etapa 3: Defcó de Mercados de Agua Para cada ua de las fuetes detfcadas e la Etapa y e las que además o haya posbldad de obteer uevos derechos de agua, por la vía de solctarlos a la DGA, se deberá defr el mercado asocado. Para estos efectos se deberá cosderar lo sguete: Aguas superfcales S se trata de ua fuete de aguas superfcales, el mercado de los derechos de aprovechameto correspodete quedará costtudo por las trasaccoes de derechos de aguas de dcha fuete. S la fuete correspode a u río seccoado de acuerdo co las ormas del Códgo de Aguas, se cosderará que cada seccó correspode a u mercado de derechos de aprovechameto dferete. Aguas subterráeas S se trata de ua fuete de aguas subterráea, el mercado de los derechos de aprovechameto correspodete estará defdo por las trasaccoes de derechos de agua del acuífero. S la fuete correspode a u acuífero sectorzado de acuerdo co las ormas del Códgo de Aguas, se cosderará que cada sector de acuífero correspode a u mercado de derechos de aprovechameto dferete.

3 Etapa 4: Costruccó Bases de Datos de Trasaccoes CBR Para cada mercado defdo e la Etapa 3, se deberá costrur ua base de datos a partr de los regstros de trasaccoes de derechos de agua exstetes e los Coservadores de Bees Raíces (CBR). El regstro de trasaccoes a extraer de los Coservadores de Bees Raíces deberá cumplr los sguetes requstos: a) Deberá correspoder a trasaccoes de derechos de agua cosutvos, permaetes y cotuos. b) Cuado el recurso sea cosutvo, permaete y se admstre e forma alterada. c) Se deberá també cosderar otros tpos de derechos úca y exclusvamete, cuado éstos correspoda al úco tpo de derecho que se trasa e dcho mercado. d) Se cosderará derechos de agua cosutvos, permaetes y dscotuos, solo cuado este tpo de derechos susteta la cocesó e los plaes de desarrollo. e) Cuado o sea posble detfcar drectamete el mercado al cual correspode la trasaccó, se clurá al mercado que cotee la comua del puto de captacó del derecho. f) Se deberá determar y explctar como so homologados los caudales de los derechos dcado e los putos b), c) y d) aterores, a u caudal de u derecho de agua cosutvo, permaete y cotuo. g) Los precos de los derechos de agua, depedetemete de su udad orgal, debe además ser expresados e forma utara e relacó a caudales pesos/ltros/segudo ($/lt/s). h) El regstro de datos debe ser cotuo e el tempo, cubredo u perodo de cco años desde el 3 de dcembre de 03 haca atrás. El esquema del

4 regstro de trasaccoes co el detalle de su cotedo se ecuetra explcado e Aexo 5. La base costruda e esta etapa se deomará Base de Datos CBR. Etapa 5: Base de Datos de Trasaccoes No Depurada E esta etapa, la Base de Datos CBR obteda e la Etapa 4, se deberá someter al sguete procedmeto: a) Agrupameto de Iscrpcoes Las Iscrpcoes Partcoadas correspoderá a aquellas scrpcoes que o preseta dferecas e la fecha de trasaccó, comprador, vededor y mercado. Para estas trasaccoes, depedetemete de s posee formacó de motos y caudales, debe agruparse los regstros de caudal y moto trasado e ua sola trasaccó. De esta forma, el preco del derecho será gual a la razó etre los motos totales y los caudales totales de todas las scrpcoes, y será cosderado como ua trasaccó e la base de datos. b) Desagregacó de Iscrpcoes Cuado ua msma scrpcó regstre derechos superfcales y derechos subterráeos, y se dvdualce el moto para cada tpo de derecho, se aotará e la base de trasaccoes la compraveta del derecho superfcal e u regstro y la del derecho subterráeo e otro. La base de datos de trasaccoes resultate de a) y b) aterores, se deomará Base de Datos No Depurada. Etapa 6: Base de Datos Depurada y Base de Datos Depurada Amplada A la base de trasaccoes resultate de la Etapa 5, se le deberá elmar los regstros que tega al meos ua de las sguetes característcas:

5 a) Iexsteca de la formacó del úmero de accoes o del caudal que se trasa. b) Imprecsó del valor de la trasaccó. c) Imposbldad de detfcar el tpo de eercco de que se trata o trasaccoes que correspode a derechos que o sea cosutvos, permaetes y cotuos. d) Trasaccoes dode o sea posble dstgur el preco de los derechos de agua trasados de otros bees. e) Iscrpcoes Partcoadas e las que el moto es costate y el caudal varable. f) Tratos co caldad de herecas, derechos de aguas orgales y, e geeral, todas las trasaccoes cuya caldad urídca sea dstta a la compraveta. g) Trasaccoes etre paretes, es decr, las trasaccoes etre cóyuges, etre paretes legítmos hasta el prmer grado de cosagudad y etre persoas que esté lgadas por vículos de adopcó. No bastará co la smple cocdeca de u apelldo para su elmacó. h) Trasaccoes realzadas por empresas sataras. Ua vez efectuadas las depuracoes aterores, se deberá actualzar los precos, utlzado la UF de la fecha de trasaccó, y expresarse e pesos del 3 de dcembre de 03 por ltro por segudo. La base de datos resultate se deomará Base de Datos Depurada. Cuado el úmero total de trasaccoes de la Base de Datos Depurada sea meor al tamaño mímo, defdo más adelate, se costrurá ua base de datos adcoal, deomada Base de Datos Depurada Amplada, la que estará costtuda por la Base de Datos Depurada a la que se corporará las sguetes trasaccoes adcoales:

6 Las trasaccoes de las fuetes afluetes a la propa fuete, detfcadas e la Etapa para las fuetes superfcales. Las trasaccoes de la base acordada del proceso tarfaro ateror, depuradas segú lo dcado e la Etapa 6. Las trasaccoes rezagadas del período correspodete al proceso tarfaro ateror regstradas e este proceso tarfaro. Las trasaccoes correspodetes a los otros tpos de derechos dcados e los putos b), c) y d) de la Etapa 4. E últmo térmo y sólo s co lo ateror el úmero de trasaccoes total sea aú meor al tamaño mímo, se deberá adcoar a ésta además las sguetes trasaccoes: Para el caso de fuetes superfcales, las trasaccoes de fuetes superfcales vecas geográfcamete y las trasaccoes de las seccoes adyacetes del msmo río. Para el caso de fuetes subterráeas, las trasaccoes de acuíferos vecos geográfcamete y las trasaccoes de las seccoes adyacetes del msmo acuífero. Las partes deberá acordar e u período o superor a 30 días corrdos, a partr de la fecha de etrega de formacó requerda e las bases, la Base de Datos Depurada y la Base de Datos Depurada Amplada. Para estos efectos, la empresa deberá etregar su Base de Datos CBR, su Base de Datos No Depurada, su Base de Datos Depurada y su Base de Datos Depurada Amplada, segú el esquema dcado e las Tablas. a.4 del Aexo 5, e el período de etrega de formacó prevsta e estas bases (artículo 5 del reglameto). S o se logra acuerdo, se usará la Base de Datos Depurada y la Base de Datos Depurada Amplada de la Supertedeca segú correspoda.

7 Etapa 7: Determacó del VAC El VAC se determará a partr de Base de Datos Depurada, aplcado el sguete procedmeto: Se defe como tamaño mímo, u úmero de 30 trasaccoes. Caso : Número de Trasaccoes es mayor o gual que el tamaño mímo Cuado el úmero total de trasaccoes de la Base de Datos Depurada sea mayor o gual al tamaño mímo, se deberá aplcar el método sguete: Se determará prevamete s exste ua relacó estadístcamete sgfcatva etre preco y caudal. E el puto 3. Cálculo del VAC se defe el método de detfcacó a aplcar. E el caso de haberse detectado y comprobado ua relacó sgfcatva etre preco y caudal, el VAC será gual al estadígrafo Promedo Poderado Robusto, el que se defe e el puto 3. Cálculo del VAC. De o exstr relacó sgfcatva etre preco y caudal, el VAC será gual al estadígrafo más efcete etre la Medaa, la Meda Bpoderada y la Meda de Huber. El estadígrafo más efcete será aquel que presete la míma varaza calculado sobre 000 smulacoes de Motecarlo. E Aexo 8 Metodología VAC se defe los estadígrafos aterores, y se dca como efectuar la smulacó de Motecarlo. Caso : Número de Trasaccoes es meor que el tamaño mímo Cuado el úmero total de trasaccoes de la Base de Datos Depurada sea meor al tamaño mímo, y el úmero de trasaccoes de la Base de Datos Depurada Amplada sea gual o mayor que 0, el VAC se determará a partr de Base de Datos Depurada Amplada, aplcado el método defdo e el Caso. Cuado el úmero total de trasaccoes de la Base de Datos Depurada Amplada sea meor a 0, el VAC correspoderá al promedo poderado de los restates VAC co preco

8 mayor a cero determados para la empresa e este proceso. Los poderadores correspoderá a los caudales de autofacameto modelados. Caso 3: Embalse E el caso que la fuete sea u embalse propedad de u tercero y exsta u cotrato de veta de agua cruda co el prestador, el VAC será el mímo etre el valor por l/seg. del cotrato y el VAC de la fuete aguas abao del embalse. E el caso que la fuete sea u embalse propo y o exsta más de 0 trasaccoes del tpo de derecho requerdo por éste, el VAC se determará a partr de la valorzacó del volume de agua ecesara para la operacó óptma del embalse de la empresa modelo, obteda de derechos cosutvos, permaetes y cotuos que se embalsa las 4 horas del día los 365 días del año, cosderado a lo más el VAC de la fuete aguas arrba del embalse. Co todo el valor del embalse más el valor de los derechos de agua o podrá ser mayor que el valor del agua aguas abao del embalse, s el embalse. 3. Cálculo del valor del agua cruda Este puto de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre preco y caudal, el cálculo de los estadígrafos robustos y el detalle del eercco de Motecarlo que debe ser realzado para estmar la varaza (desvacó estádar) de los estadígrafos robustos. 3.. Método de Idetfcacó de la relacó etre preco y caudal El método de detfcacó que se utlzará para determar s exste ua relacó estadístcamete sgfcatva etre preco (p) y caudal (q) correspode al test de sgfcaca estadístca del coefcete de correlacó de Kedall. El coefcete de Kedall dca la dfereca proporcoal etre los pares de datos (e este caso, trasaccoes)

9 cocordates y los pares dscordates, comparado el preco y el caudal de cada trasaccó respecto al preco y el caudal de todas las demás trasaccoes. Los pasos a segur so los sguetes: Las N trasaccoes que compoe la base de datos deftva, resulta e N ( N ) / par de datos posbles. Para cada par de datos ( p, q ) y ( p, q ) se calcula p < p, q < q. El par de datos es cocordate s ambas dferecas tee el msmo sgo. El par de datos es dscordate s ambas dferecas tee sgo cotraro (puede darse co: p > < p, q q ó: p p q < q >,. Deotado a C como el úmero de pares cocordates (dferecas co msmo sgo) y D como el úmero de pares dscordates (dferecas co sgo dstto), el coefcete de correlacó Kedall (també llamada tau de Kedall) resulta: τ ρ KEND C N( N D ) / S N( N ) * N ( N > ) / sgo(( p p N( N ) )( q q )) Dode τ correspode a tau de Kedall o coefcete de correlacó de Kedall ( ρ KEND ), S correspode a la dfereca etre pares cocordates y dscordates ( S C D), coocda como S de Kedall, la cual depede del úmero de pares (que a su vez depede del úmero de trasaccoes) y por eso se ormalza co la catdad total de pares ( N ( N ) / ). El factor de correlacó de Kedall ( KEND ) ρ varía e el tervalo [, ]. Dode s ρ 0 dca que o exste correlacó (úmero de pares cocordates es gual al KEND úmero de pares dscordates), ρ señala que exste ua correlacó postva KEND perfecta (todos los posbles pares so cocordates), 0 ρ < señala correlacó < KEND Los pares cocordates correspode a aquellos pares de trasaccoes dode preco y caudal tee msma relacó ordal, es decr, comparado trasaccoes A y B se obtee que PA>PB y QA>QB ó que PA<PB y QA<QB (tede a dcar correlacó postva). Por el cotraro, e los pares dscordates las varables o tee la msma relacó ordal, lo que se cumple s PA>PB y QA<QB ó PA<PB y QA>QB (tede a dcar correlacó egatva).

10 postva, ρ dca ua correlacó egatva perfecta (todos los pares so KEND dscordates) y < ρ < 0 dca correlacó egatva. KEND El test de la sgfcaca estadístca del coefcete de correlacó de Kedall está dado por: H ρ KEND 0 v / s H : ρkend 0, co RR Z > X / 0 : : α Z ρ KEND (N + 5) 9N( N ) ~ N(0,) Dode Z correspode al estadístco para establecer la sgfcaca de la correlacó etre preco y caudal, ρ KEND es el coefcete de correlacó de Kedall obtedo, N es el úmero de trasaccoes depuradas y α el vel de sgfcaca o probabldad máxma permtda del error tpo I: rechazar hpótess ula (hay relacó preco-caudal) e caso que sea certa (o hay relacó preco-caudal). El vel de cofaza se fa e 0,05. Así, cuado el p value sea meor a 0,05 se rechaza la hpótess ula, co lo que se cocluye que exste relacó preco-caudal. E caso cotraro, que p value sea mayor a 0,05, se cocluye que o exste relacó preco caudal. 3.. Estadígrafos Robustos El couto de estadígrafos robustos está formado por el promedo poderado robusto, la medaa, la meda Bpoderada y la meda de Huber Promedo poderado robusto El promedo poderado robusto se cosgue co la aplcacó del sguete procedmeto:. Cálculo del preco promedo poderado por caudal: El preco promedo poderado por caudal resulta:

11 N q p ER q M Q T T Dode: ER Preco promedo poderado por caudal q Caudal trasado e observacó p Preco de observacó M T Moto total de las trasaccoes depuradas Q T Caudal total de las trasaccoes depuradas N Número de trasaccoes depuradas. Deteccó y elmacó de valores atípcos: Se calcula el promedo poderado sesblzado para cada trasaccó medate el cómputo del promedo poderado elmado esa observacó, lo que cosdera todas las trasaccoes excepto la trasaccó asocada al promedo poderado sesblzado, de la sguete forma: ER M Q T T m q Este cálculo dca el valor que resultaría el promedo poderado s la trasaccó o hubera ocurrdo. Dode: ER - Promedo Poderado Sesblzado e la stuacó e que la trasaccó o hubese ocurrdo.

12 M T Moto total de las trasaccoes depuradas m Moto de la trasaccó. Q T Caudal total de las trasaccoes depuradas q Caudal trasado e observacó La desvacó estádar del promedo poderado sesblzado correspode a: Dode: S ( ER ER ) ER Correspode al promedo de los promedos poderados sesblzados. ER - Promedo Poderado Sesblzado e la stuacó e que la trasaccó o hubese ocurrdo. Obteda la desvacó estádar del promedo poderado sesblzado, se establece u rago permtdo del promedo poderado sesblzado gual a [ ER 3 S; ER + 3S]. Todas las trasaccoes asocadas a u promedo poderado sesblzado que se ubque fuera del rago permtdo so valores atípcos por lo que so descartadas del cálculo deftvo.. Promedo poderado robusto: El promedo poderado robusto se cosgue como el promedo poderado aplcado sobre las trasaccoes que o so detectadas como valor atípco: * m ER rob * ER 3 S ER ER + 3S q

13 Dode: ER rob Promedo Poderado Robusto. m Moto e $ correspodete a la trasaccó que o fue descartada como valor atípco. q Caudal e l/s correspodete a la trasaccó que o fue descartada como valor atípco. * es el úmero de trasaccoes que o se detecta como valor atípco Medaa La medaa equvale al preco utaro cetral e la base de datos ordeada (ascedetemete) cuado el úmero de trasaccoes depuradas es mpar, o el promedo smple de los datos cetrales e muestra de precos ordeada e caso que la catdad de observacoes sea par. La fórmula resulta: Med (P) p p + + p + s s N N es es mpar par Dode: Med (P) Medaa de todos los precos utaros ordeados ascedetemete obtedos de las trasaccoes que tervee e la determacó del preco. p + Preco ubcado e el lugar (+)/ de la base de datos de tamaño mpar ordeada ascedetemete. P Preco ubcado e el lugar / de la base de datos de tamaño par, ordeada ascedetemete.

14 P + Preco ubcado e el lugar / + de la base de datos de tamaño par, ordeada ascedetemete Meda Bpoderada La meda bpoderada se defe como la meda de preco poderada decrecetemete por la dstaca de la observacó respecto al rago cetral de la muestra de preco. La fórmula geeral de la meda bpoderada es: Dode: MB Meda bpoderada. MB w p p Preco -ésmo meor (la sere de preco se debe ordear ascedetemete), y los poderadores ( w ) está dados por: w w ( z ) 0 s z z > Co z p med ( p). 3RIC( p) Dode: med ( p) Medaa del preco. RIC ( p) Rago tercuartílco, el que correspode al rago dode se ubca el 50% cetral de las observacoes y se obtee por la dfereca etre el tercer y prmer cuartl. z Varable strumetal.

15 w Poderador del preco -ésmo Meda de Huber La meda de Huber se defe como la meda de preco poderada gradual y decrecetemete respecto a la dstaca co el rago cetral de los datos. La fórmula geeral es: Dode: MH Meda de Huber. MH w p w p Preco -ésmo meor (la sere de precos utaros se debe ordear ascedetemete). y los poderadores ( w ) está dados por: w,345 u s u u,345 >,345, dode u está dado por: u 0,6745p med p med( p) med ( p) Medaa del preco u Varable strumetal. w Poderador del preco -ésmo Estmacó de Varaza de estadígrafos robustos Para estmar la varaza de los estadígrafos robustos se debe realzar el sguete expermeto de Motecarlo: Sea N el úmero de trasaccoes de la base depurada.

16 a) Se seleccoa al azar (usado u geerador de úmeros aleatoros) N observacoes de la muestra depurada. Note que la seleccó es co reemplazo, por lo que muy probablemete habrá observacoes repetdas. b) A partr de esta muestra, se calcula los sguetes estadígrafos robustos: promedo poderado robusto, medaa, medaa bpoderada y meda de Huber. c) Se repte las etapas ) y ) hasta obteer.000 muestras y, por lo tato,.000 resultados para cada estadígrafo. d) Para cada estadígrafo se estma la varaza (y por ede la desvacó estádar) cosderado a los.000 resultados obtedos e la etapa ).

3 Metodología de determinación del valor del agua cruda

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

Más detalles

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

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

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

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

Más detalles

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

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

V Muestreo Estratificado

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

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

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

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

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

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

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

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

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

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

Más detalles

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

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

Más detalles

Medidas de Tendencia Central

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

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

1. Introducción 1.1. Análisis de la Relación

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico Esquema estadístco Problema de vestgacó Preguta de vestgacó Formulacó precsa de la(s) preguta(s) de vestgacó Plaeacó Dseño Muestra Feómeo Aleatoro Aálss y presetacó de la formacó Iferecas Toma de decsoes

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Regresión Simple. Resumen. Ejemplo de StatFolio: simple reg.sgp

Regresión Simple. Resumen. Ejemplo de StatFolio: simple reg.sgp STATGRAPHICS Rev. 4/5/7 Regresó Smple Resume El procedmeto de Regresó Smple está dseñado para costrur u modelo estadístco que descrba el mpacto de u solo factor cuattatvo X sobre ua varable depedete Y.

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

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

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS INGENIERÍA INDUTRIAL A meudo, e la práctca, se requere resolver prolemas que clue cojutos de varales, cuado se sae que este algua relacó herete etre ellas, esa relacó se puede ecotrar a partr de la formacó

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Figura 1

Figura 1 Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

n 2 fi donde: n es el número de individuos

n 2 fi donde: n es el número de individuos ESTADÍSTICA. INTRODUCCIÓN La ecesdad de poseer datos cfrados sobre la poblacó y sus codcoes materales de exsteca ha debdo hacerse setr desde que se establecero socedades humaas orgazadas. Desde los comezos

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

Ejemplo: Dados los siguientes datos de consumo mostrados de ventas de chocolate en miles de unidades. ADMINISTRACIÓN DE LA PRODUCCIÓN

Ejemplo: Dados los siguientes datos de consumo mostrados de ventas de chocolate en miles de unidades. ADMINISTRACIÓN DE LA PRODUCCIÓN Uversdad Autóoma de Guadalajara 4.2. Métodos de proóstco ADMINISRACIÓN DE LA PRODUCCIÓN 4.2. Métodos de proóstco Udad IV. Prevsoes (proóstcos) A cotuacó se aalzará los métodos de proóstco como so medas

Más detalles

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS. 1. Dstrbucoes Bdmesoales de Frecuecas. 1.1. Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca. 1.3. Dstrbucoes Margales. 1.4. Dstrbucoes Codcoadas. 1.5. Idepedeca Estadístca..

Más detalles