La Selección de Personal por Competencias. Un Problema Multicriterio.

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

Download "La Selección de Personal por Competencias. Un Problema Multicriterio."

Transcripción

1 La Selecció de ersoal por Competecias. U roblema Multicriterio. Rosario Garza Ríos, Ileaa érez Vergara, Iraida Rodríguez Gozález. RESUMEN La ecesidad de seleccioar persoal a través de competecias e u mometo y lugar cocreto, es vital para alcazar los obetivos e las orgaizacioes, y esto permitirá dispoer de u persoal que desempeñe su trabao co iveles óptimos de redimieto, comodidad, satisfacció y seguridad. E el mudo actual muchos so los autores que platea modelos de selecció de persoal, si cosiderar que esta decisió preseta las características de u problema multicriterio dode es ecesario evaluar cada ua de las competecias del cargo ( lo que deomiaremos criterios ) y cosiderado la opiió de expertos, lo que hace que o se utilice herramietas matemáticas multicriteriales e el proceso de selecció del persoal por competecias. El desarrollo de u couto de herramietas matemáticas de apoyo para la toma de decisioes, especialmete multicriterios, ha cotribuido a la búsqueda de ovedosas formas de meorar los procesos de decisió para la obteció de la meor alterativa, e este caso el meor cadidato para u cargo, los coutos borrosos so muestra de ello, específicamete los métodos: Nivel máximo y míimo y la Distacia de Hammig, permite de forma secilla obteer el coseso del grupo de expertos e la selecció de la meor alterativa. E el presete trabao se muestra cómo debe realizarse la selecció de persoal para la gestió por competecias utilizado de técicas matemáticas multicriteriales, e particular los coutos borrosos. alabras Claves: selecció de persoal, competecias, multicriterio, coutos borrosos. I. INTRODUCCIÓN. El efoque de competecia está cada vez más extedido detro de la gestió de los recursos humaos de la empresa y orgaizacioes de todo tipo. La razó de esta aceptació del efoque de competecia se puede cosiderar que esta e las vetaas que aporta a la gestió de las persoas que coforma ua orgaizació al permitir que esta sea más eficaz y eficiete y como cosecuecia más útil y retable para la empresa. La gestió por competecias es ua de las formas que se ha icorporado a las uevas tedecias e la gestió de los recursos humaos, e las empresas moderas, como elemeto determiate para lograr que las persoas se covierta e la pricipal vetaa competitiva de la orgaizació []. La gestió por competecias so los requerimietos que debe cumplir u trabaador para realizar ua determiada tarea e u puesto de trabao. Actualmete la gestió por competecias es formació y desarrollo del capital humao. De las actividades de la gestió de los recursos humaos la selecció es clave ya que a través de la misma se elige, de etre todos los cadidatos reclutados, el más adecuado para ocupar el puesto de trabao. La selecció del persoal, o es más que u proceso que cosiste e ua serie de pasos específicos que se emplea para decidir qué solicitates debe ser cotratados. El proceso se iicia e el mometo e que ua persoa solicita u empleo o ua determiada empresa solicita u empleado y termia cuado se produce la decisió de cotratar a uo de los solicitates.

2 2 Segú la bibliografía cosultada, [2], [3], [4],[5] para la Itegració a la empresa Itegrar al cadidato selecció del persoal se ha desarrollado diversos métodos, pero iguo de ellos ha utilizado las técicas cuatitativas para la toma de decisioes. E opiió de las autoras el problema de selecció de seleccioado a la empresa y lograr su familiarizació co la misma persoal es u problema multicriterio e espacios discretos, para la solució del mismo se puede utilizar alguo de los A cotiuació se profudizará e alguos de los pasos que métodos desarrollados al efecto, e este trabao se propoe coforma el procedimieto, que e opiió de las autoras utilizar los fuzzy set, específicamete los métodos ivel so los que le aporta origialidad al trabao. míimo y máximo y distacia de Hammig, los cuales se Fase I erfil ideal del puesto de trabao adapta a las características del problema de selecció del persoal al trabaar co u perfil de cada alterativa y el perfil Esta primera fase tiee como obetivo elaborar u perfil ideal ideal diseñado, que e este caso de selecció de persoal para cada experto, el cual será u descriptor dode aparecerá será el perfil de competecias del cadidato y el perfil los valores deseados de cada ua de las competecias a deseado para el puesto cosiderar e el puesto de trabao determiado. Detro de esta fase los paso 2, 4 y 5 so los que le da origialidad al trabao ellos so los que garatiza la obteció del perfil ideal para el puesto de trabao al que se le quiera asigar u trabaador, teiedo e cueta la opiió de los expertos seleccioados e el paso y que exista cocordacia etre ellos paso 3 aspectos estos que ha sido tratado e otros trabaos [6], a cotiuació se expoe los paso 2, 4 y 5 de la fase I. II. SELECCIÓN DEL ERSONAL A TRAVÉS DE GESTIÓN OR COMETENCIA. La selecció del persoal por gestió de competecia tiee como obetivo pricipal ecotrar al cadidato idóeo para u puesto de trabao determiado, teiedo e cueta las ecesidades, las competecias y características del puesto de trabao como las del cadidato. Como premisa para la elaboració del perfil ideal del puesto de trabao a través de las competecias, se ecesita de atemao ya teer elaborado el perfil de competecia del puesto de trabao. Las autoras propoe u procedimieto que haciedo uso de las técicas multicriterio apoye e el proceso de selecció de persoal utilizado el efoque de competecias. El mismo esta formado por 4 etapas, e la tabla se muestra las fases y obetivos del proceso de selecció de persoal: Tabla Fases y obetivos del procedimieto multicriterio para la selecció de persoal por competecias Fases Obteció del perfil ideal de las competecias del puesto de trabao. Creació del perfil del cadidato Obetivos Elaboració del perfil ideal del puesto de trabao a través de las competecias co la valoració de los expertos. Creació del perfil del cadidato a través de las técicas de selecció propuestas e el procedimieto aso.2 Aplicació de la ecuesta de competecia Seleccioados los expertos que participará e la selecció del persoal se realizará ua ecuesta (aexo ecuesta competecia) dode aparecerá las competecias previamete defiidas, y los expertos valorará como debería ser perfectamete esa competecia para ese puesto de trabao. Las autoras propoe la utilizació de ua escala de a 0. Esta escala es la más adecuada para usar, ya que la técica fuzzy set utiliza esta escala semática edecadaria para obteer ua opiió más exacta de los criterios. La escala que se recomieda es la siguiete: : excelete 0.9: muy bueo 0.8: bastate bueo 0.7: casi bueo 0.6: mas bie bueo 0.5: regular 0.4: mas bie malo 0.3: bastate malo 0.2: malo 0.: muy malo 0: pésimo Selecció del cadidato Seleccioar al cadidato que más se auste al perfil ideal de las competecias del puesto de trabao creado por los expertos, a través de técicas de selecció Está escala esta susceptible a cambios de acuerdo a los hábitos, costumbres e itereses de los expertos dedicados a la actividad. aso.4 Elaboració del perfil ideal de las competecias del puesto de trabao.

3 3 E este paso se elabora el perfil ideal del puesto de trabao, utilizado los datos obteidos de la ecuesta aplicada a los expertos sobre las competecias e el paso 2., se utiliza las fases de la técica fuzzy set elaborado por [7] para crear el perfil ideal del puesto de trabao. La primera fase de la técica platea que se debe elaborar u perfil, el cual será u descriptor dode aparecerá los valores deseados de cada ua de las competecias a cosiderar, e el problema por cada experto, el cual será desigado co la letra mayúscula D. ara señalar el ivel óptimo que debería poseer el cadidato seleccioado para ocupar el puesto de trabao. Se recomieda utilizar ua escala semática edecadaria, tal como la siguiete: : excelete 0.9: muy bueo 0.8: bastate bueo 0.7: casi bueo 0.6: mas bie bueo 0.5: regular 0.4: mas bie malo 0.3: bastate malo 0.2: malo 0.: muy malo 0: pésimo Los valores deberá estar etre 0 y, está escala esta susceptible a cambios de acuerdo a los hábitos, costumbres e itereses de los expertos dedicados a la actividad. E la matemática borrosa, se acostumbra a expresar las evaluacioes represetativas del ivel o de cada criterio co la letra griega. Así para las características C,C 2,...C m se establecerá uos iveles, 2,... m respectivamete. De forma geeral: i [ 0, ], i =,2,...m por lo que el descriptor de la alterativa ideal quedaría: C C 2 C C m D = 2 3 m para =,... : catidad de expertos E el caso que sea más de u experto se debe establecer el perfil ideal para el couto de expertos, se puede utilizar a través de: La repetició de perfil ideal de cada experto. La valoració global cosiderado la opiió de los expertos. La repetició del perfil ideal de cada experto se determia como ua superposició de u perfil a cotiuació del otro. C C 2... C m C... C m.. C. C m D,... = 2.. m 2 m 2... m i : evaluació del criterio i emitido por el experto Quedado elaborado el perfil ideal del puesto de trabao al que se le desea realizar la selecció del persoal a través de o varios expertos. aso.5 Valoració global cosiderado la opiió de los expertos para la creació del patró ideal de puesto de trabao. El paso que se explica a cotiuació es otra forma de obteer el perfil ideal de las competecias del puesto de trabao cuado se cosidera la opiió de varios autores, las autoras propoe la creació del perfil ideal utilizado los resultados de los perfiles ideales expresados por cada experto. Existe diversos métodos que puede ser utilizados para obteer el valor global de cada competecia, cosiderado las valoracioes dadas por los expertos etre las que se ecuetra:. Ratig [8 ], [9 ], [0] i i = μ m = i : Número de expertos m: Catidad de criterios i : Votació para el criterio emitido por el experto i i : eso del criterio emitidos por el experto i : eso del criterio Los valores de los pesos debe cumplir las siguietes codicioes: 0 y = i= = m = i= i i m = 2. Media Aritmética []

4 4 i i= = m = i= i siedo i =... = catidad de competecias. Fase II erfil del cadidato i : Número de expertos m: Catidad de criterios i : Votació para el criterio emitido por el experto : eso del criterio 3. Moda De las valoracioes que emite cada uo de los expertos a los distitos criterios se toma el valor que más veces se repite, y ese es el valor que se toma del criterio para el couto de expertos. Luego se ormaliza este valor, obteiédose el peso de cada criterio. = m = m: Número de criterios : Valor de la moda para el criterio segú el grupo de expertos : eso del criterio Los valores de los pesos debe cumplir las siguietes codicioes: 0 y = m = E caso de que más de u valor sea los que se repita la misma catidad de veces (multimodal), se debe seleccioar otro método para determiar los pesos. 4. Mediaa Se ordea los valores e orde ascedete o descedete La mediaa será el valor del medio si la catidad de valores es impar si la catidad de valores es par, se escoge la media de los dos valores cetrales. Quedado etoces este perfil ideal de la siguiete forma: C C 2 C 3... C m D = 2 3 m D = patró ideal = Valor global de la competecia i obteida de la opiió de los expertos E esta etapa se crea el perfil del cadidato a través de las técicas de selecció de persoal para determiar si el cadidato cumple co las competecias descritas para el puesto de trabao, los pasos, 2 so los que se platea e cualquier procedimieto de selecció de persoal, o obstate e el paso 2 Realizació de pruebas es ecesario efectuar ua estadarizació de los resultados para poder utilizar la escala edecadaria propuesta e la fase aterior, a cotiuació las autoras expoe las modificacioes que so ecesarias realizarle a los resultados de las pruebas efectuadas al cadidato.. Estadarizació de los resultados de valores cualitativos a valores de la escala semática edecadaria. Se propoe la utilizació de la tabla 2 e el caso de los test psicometricos que su sistema de evaluació se de forma cualitativa. Tabla 2: Estadarizació de los resultados de valores cualitativos Valor cualitativo resultado de la prueba Valor de la escala semática edecadaria Excelete Muy bie 0.9 Bie Regular Mal Estadarizació de los resultados de valores cuatitativos a valores de la escala semática edecadaria. Se propoe el uso de la tabla 3 para la coversió e el caso de que el sistema de evaluació de la prueba o test, se evalué co ua putuació de 0 a meos de 00 putos. Tabla 3: Estadarizació de los resultados de valores cuatitativo Valor cuatitativo, resultado de la prueba (e por cieto) Valor de la escala semática edecadaria 00 % % % % % % % % % % % 0

5 5 Estadarizació de los resultados e pruebas de respuestas correctas e icorrectas. Se propoe el uso de la tabla 4 e las pruebas que sea de repuestas verdaderas o falsas. Tabla 4: Estadarizació de los resultados e pruebas de respuestas correctas e icorrectas. Resultado de la Valor de la prueba escala semática edecadaria Correcto Icorrecto 0 Todas las competecias será evaluadas por al meos 2 técicas de selecció de persoal. E el mayor de los casos cuado se obtega los resultados será dos o tres valores diferetes y se recomieda utilizar la mediaa para llegar al valor úico que obtuvo el cadidato e dicha competecia. aso.3 Creació del perfil de cada aspirate al puesto de trabao. E esta fase se establece crear el perfil de cada cadidato. ara cada ua de los cadidatos, se asiga de acuerdo a los valores de cada competecia obteida de las pruebas, los iveles de cumplimieto de cada uo de estos, coformádose u couto borroso para cada cadidato utilizado la escala semática edecadaria descrita ateriormete, lo que se represeta a través de u descriptor deomiado creado por u evaluador. k = C C 2 C 3... C m 2 3 m ara k =,..., r r: catidad de alterativas. Seguidamete se establece el perfil global de cada alterativa, como la repetició de los subcoutos borrosos de cada alterativa. C C m C... C m... C... C m,2... =. m m... m E este caso ya se creó ateriormete e el paso 5 de la fase, u patró ideal por el cual se va a medir a los cadidatos, o sea u patró que es el resultado de todos los perfiles ideales para cada experto que describe los valores deseados para cada competecia, para a través de las pruebas, realizar ua comparació etre el patró ideal y el perfil de cada cadidato por tato u solo evaluador creará el perfil de cada cadidato a través de las pruebas de selecció. k = ara k =,..., r C C 2 C 3... C m r: catidad de alterativas = los valores de las diferetes pruebas escogidas para la competecia i m siedo i =.. = catidad de pruebas Al fializar la fase 2, queda determiado el perfil de cada cadidato por el evaluador. Fase III Selecció del cadidato Esta fase tiee como obetivo seleccioar al cadidato que más se auste al patró ideal creado por los expertos. es precisamete e este paso dode se hace uso de los coutos borrosos para la selecció del meor cadidato utilizado los métodos del ivel míimo y máximo ó método distacia de hammig teiedo e cueta el coseso del grupo de expertos, represetádose esto e el paso de esta fase, los demás pasos de esta fase so similares a los que aparece e otros procedimietos de selecció que aparece e la bibliografía [2],[3],[4],[5]. aso. Selecció del posible cadidato etre u grupo de aspirates. Método del ivel míimo y máximo. E esta paso a través de este método se realiza la aproximació al proceso óptimo de decisió, tratado de establecer u orde etre los cadidatos desde la alterativa más adecuada, hasta la meos idóea. Es ecesario defiir los criterios para los cuales o es coveiete que se exceda el perfil ideal de las competecias y los criterios que el exceder el perfil ideal o tiee mayor trascedecia. Determiar para cada criterio que o pueda ser excedido: D (x) (x) Determiar para cada criterio que pueda excederse: 0 [ D (x) (x) ]

6 6 E esta técica para el caso de selecció de persoal a través de las competecias se trata de que el aspirate siempre supere las competecias que tiee determiadas el puesto de trabao. El cocepto de ídice de ivel máximo y míimo expresa, el grado de proximidad etre el perfil ideal global y el perfil global que describe a cada cadidato, por lo que propoemos utilizar este por su secillez, y facilidad de cálculo que la hace muy operativa, la cual se determia de la siguiete forma: σ ( D, k )=Σ D ( x ) ( x ) + Σ 0 [ D ( x ) (x )] card u + card v El procedimieto para la Selecció del persoal a través de gestió por competecia dota a las orgaizacioes de ua herramieta secilla y potete para la selecció del persoal, o obstate ser este su obetivo fudametal, pudiera utilizarse para la evaluació del persoal co efoque de competecia. El mismo fue aplicado e el compleo idustrial de multicopiado Luz roduccioes co el obetivo de determiar el meor cadidato que ocupará el puesto de coordiador de producció de la plata CD DVD e la empresa, e la misma ya está defiidos los perfiles de competecias de los puestos de trabao, si embargo o existía igú procedimieto que estableciera como seleccioar al cadidato idóeo para el puesto. u: couto de los criterios que o puede excederse. v: couto de los criterios que puede excederse. Como el ídice de ivel máximo y míimo expresa el grado de proximidad del perfil ideal, cuato mayor sea la distacia meos iteresate resultará la alterativa estudiada, por lo que se seleccioará aquella alterativa cuyo ídice sea meor. Distacia Hammig El método de la distacia de Hammig [2], permite de forma secilla obteer el coseso del grupo de expertos e la selecció del meor cadidato. Este procedimieto se basa e el cocepto de Distacia Hammig pero utilizado coutos borrosos, debiedo desarrollarse de la misma forma que e el método aterior, para coformar el perfil ideal de las competecias cosiderado los criterios de todos los expertos y el perfil de cada cadidato, Este método tambié tiee el obetivo de la aproximació al proceso óptimo de decisió etre los cadidatos. Se trata de establecer u orde etre los cadidatos. El cocepto de distacia expresa, e cierto modo, el grado de aleamieto etre el perfil ideal y el perfil que describe a cada cadidato, la que se determia de la siguiete forma: δ ( D, ) = ( / m* ) Σ D,...,2... : úmero de expertos. m: úmero de criterios a cosiderar. Como la distacia expresa el grado de aleamieto del perfil ideal, cuato mayor sea la distacia meos iteresate resultará la alterativa estudiada. La fase fial del procedimieto Fase IV Itegració a la empresa del cadidato tiee como obetivo itegrar al cadidato seleccioado a la empresa y lograr su familiarizació, el cual o es obeto de estudio del presete trabao. III.CONCLUSIONES Se diseñó u procedimieto para la selecció de persoal apoyado e las herramietas de búsqueda de coseso, técicas multicriterio e espacios discreto específicamete los coutos borrosos y el uso de las diferetes técicas para la determiació de las competecias de los cadidatos aspirates a u puesto de trabao. El procedimieto para la selecció de persoal por gestió de competecias utilizado herramietas cuatitativas, permite comprobar la utilidad del uso de técicas matemáticas e la gestió de recursos humaos, La utilizació de los coutos borrosos e la selecció de persoal mostró la flexibilidad ecesaria para su utilizació e el efoque de competecia. Los métodos método de ivel míimo y máximo y el método de distacia hammig para la selecció de persoal por gestió de competecias se validó e el compleo idustrial de multicopiado Luz roduccioes obteiédose el meor cadidato para el puesto de coordiador de producció dado igual resultado. RECONOCIMIENTOS Las autoras desea recoocer la participació e el desarrollo del trabao de las estudiates Gleyvis érez Agüero y Yaima Sergrañes Ferádez, las cuales se desempeña actualmete como Igeieros Idustriales, si las cuales o se hubiera dado ua feliz culmiació a esta ivestigació, la cual es ua de los itetos que realiza la disciplia de Matemática Aplicada por itroducir las herramietas matemáticas e la toma de decisoes empresariales, así como a la etidad Luz roduccioes la que hizo posible la validació de los resultados. REFERENCIA.

7 7 [] Stable Rodriguez, Yudaly :Maagemet ad techology i the ew eterprise. La gestió de competecias, como eslabó de la gestió del coocimieto, p., (2003). [2] Cuesta, Armado Gestió de competecias Ed Academia. La Habaa, p.44, (200) [3] Berrocal, Fracisca :Técicas de gestió de recursos humaos por competecias. Editoral Cetro de estudios Ramó Areces, SA (200). [4] Bertoli,: Selecció del ersoal. gestiópolis.com 2002 [5] Le Boterf, G., Barzucchetti, S., & Vicet, F.. Cómo gestioar la calidad de la formació. Barceloa: Gestió 2000, (993). [6] érez A. Gleybis y Sergrañes F. Yaima: Coutos borrosos e la selecció de persoal por competecia. Aplicació e Luz roduccioes. Trabao Fi de Carrera, Facultad de Igeiería Idustrial, CUJAE, La Habaa, Cuba, ( 2007) [7] Garza R, Rosario; Glez S., Caridad La Toma de Decisioes Multicriterio multtomadec.htm) y ( decisioes/tomadecisioes.shtml (2003). [8] Tabucao, Mario: Multiple Criteria Decisio Makig i Idustry, Studies i roductio ad Egieerig Ecoomics, Elserver. Amsterdam Oxford New York, Tokyo, (988). [9] Barba Romero, S y omerol, J. Ch.: Decisioes multicriterio: Fudametos Teóricos y Utilizació práctica. Colecció de Ecoomía, Uiversidad de Alcalá, España, (997). [0] Garza R, Rosario: rocedimieto multicriterio para la plaificació de rutas de distribució. Tesis para optar por el grado cietífico de Doctor,Ciudad de la Habaa, Cuba, (200). [] Aragoés B., ablo: Técicas de ayuda a la toma de decisioes e royectos. Uiversidad olitécica de Valecia, (2003). [2] Gil Alua, J.: Semiario Iteracioal de Gestió Empresarial e la Icertidumbre. La Habaa, Cuba, (200).

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas más Frecuentes: Tema 2 Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 Ciecia y Tecología de los Alimetos ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 1. La opiió y satisfacció de los titulados... 5 1.1. Satisfacció co la formació y

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo Nacioal de Estadística Direcció de Regulació, Plaeació, Estadariació y Normaliació -DIRPEN- Diseño Muestral Ecuesta Ambietal Idustrial Diciembre 00 ELABORÓ: EQUIPO TEMÁTICO DISEÑO

Más detalles

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( ) I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 3 DETALLE DE RESULTADOS... 5 1. La opiió y satisfacció de los titulados... 5 1.1. Satisfacció co la formació y la Uiversidad... 5 1.2. Efoque profesioal

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo

Más detalles

TEMA 10: La programación lineal como instrumento para la toma de decisiones de inversión

TEMA 10: La programación lineal como instrumento para la toma de decisiones de inversión Itroducció a las Fiazas 3º Curso de Direcció y Admiistració de Empresas TEMA 0: La programació lieal como istrumeto para la toma de decisioes de iversió E la empresa existe ua serie de restriccioes (recursos,

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

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 Divisió de Plaificació, Estudios e Iversió MIDEPLAN Curso: Preparació y Evaluació de Proyectos EVALUACIÓN DE PROYECTOS: Coceptos Básicos Temario Matemáticas

Más detalles

Capítulo 4. Desarrollo de la investigación. A continuación presentamos los datos que finalmente proporcionaron las universidades

Capítulo 4. Desarrollo de la investigación. A continuación presentamos los datos que finalmente proporcionaron las universidades Capítulo 4 Desarrollo de la ivestigació 4.1 Datos dispoibles A cotiuació presetamos los datos que fialmete proporcioaro las uiversidades correspodietes, debido a políticas de cada uiversidad y pla de estudios

Más detalles

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

Introducción. v Qué es la estadística?

Introducción. v Qué es la estadística? v Qué es la estadística? Es ua Ciecia que explica y provee de herramietas para trabajar co datos, ha experimetado u gra desarrollo a lo largo de los últimos años. v E qué áreas se aplica la estadística?

Más detalles

2.1. Concepto Monto, capital, tasa de interés y tiempo.

2.1. Concepto Monto, capital, tasa de interés y tiempo. 1 2.1. Cocepto El iterés compuesto tiee lugar cuado el deudor o paga al cocluir cada periodo que sirve como base para su determiació los itereses correspodietes. Así, provoca que los mismos itereses se

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 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 valores observados e la muestra, dividida

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

Más detalles

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis Ejemplo Solució ) Se trata de ua distribució muestral de diferecia de proporcioes. Se evalúa dos tipos diferetes de solucioes para pulir, para su posible uso e ua operació de pulido e la fabricació de

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 1. La opiió y satisfacció de los titulados... 6 1.1. Satisfacció co la formació y la Uiversidad... 6 1.2. Efoque profesioal

Más detalles

MODELO DE RESPUESTAS. Lim n. Lim

MODELO DE RESPUESTAS. Lim n. Lim Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Lapso 008 - INTEGRAL MATEMÁTICA I (175) FECHA PRESENTACIÓN: 08-11-008 MODELO DE RESPUESTAS OBJ 7 PTA 7 Dadas las sucesioes de térmios

Más detalles

2 FUNDAMENTOS DE PROBABILIDAD

2 FUNDAMENTOS DE PROBABILIDAD 2 FUNDAMENTOS DE PROBABILIDAD T al vez el estudio de la probabilidad toma setido cuado se percibe y se acepta la existecia de la aleatoriedad e diversos aspectos de la vida diaria. Si embargo, si cosideramos

Más detalles

TALLER DE MATEMÁTICAS DESIGUALDADES

TALLER DE MATEMÁTICAS DESIGUALDADES TALLER DE MATEMÁTICAS DESIGUALDADES NOTAS Es bie sabido que e el cojuto de los úmeros reales existe ua relació de orde atural : se dice que x < y cuado y x es u úmero positivo Co esta relació, el cojuto

Más detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 3.- INFERENCIA ESTADÍSTICA I UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 1. La opiió y satisfacció de los titulados... 6 1.1. Satisfacció co la formació y la Uiversidad... 6 1.2. Efoque profesioal

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

Helena Ramalhinho Lourenco y Daniel Serra 13 de Mayo PRESENTA: MC Marco Antonio Cruz Chavez.

Helena Ramalhinho Lourenco y Daniel Serra 13 de Mayo PRESENTA: MC Marco Antonio Cruz Chavez. Helea Ramalhiho Loureco y Daiel Serra 3 de Mayo 998 PRESENTA: MC Marco Atoio Cruz Chavez. OBJETIVO PRINCIPAL.- Compreder las diferecias de cada efoque heurístico aalizado. OBJETIVO SECUNDARIO.- De los

Más detalles

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo. Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de

Más detalles

Gráficos de control por atributos

Gráficos de control por atributos Gráficos de cotrol por atributos por Felipe de la Rosa Los gráficos de cotrol por variables so istrumetos sumamete útiles para moitorear y mejorar la calidad, si embargo, preseta al meos dos limitacioes

Más detalles

4.- Aproximación Funcional e Interpolación

4.- Aproximación Funcional e Interpolación 4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y

Más detalles

(3 ) (6 ) 5 (3 x ) 5 81x. log (3 4) log 5 3log 5 5 (3log 5) y x x. cos 7 4 ( 1) 2 (3 ) 2 4

(3 ) (6 ) 5 (3 x ) 5 81x. log (3 4) log 5 3log 5 5 (3log 5) y x x. cos 7 4 ( 1) 2 (3 ) 2 4 E.T.S.I. Idustriales y Telecomuicació Curso 010-011 Tema : Fucioes reales de ua variable real Cálculo de derivadas Calcular la derivada primera de las siguietes fucioes: 1. y 5 1 6 6 y 5 ( ) (6 ) 5 5 5

Más detalles

Tema 2. Medidas descriptivas de los datos

Tema 2. Medidas descriptivas de los datos Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa

Más detalles

TRABAJO DE GRUPO Series de potencias

TRABAJO DE GRUPO Series de potencias DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre

Más detalles

TEORÍA DE LA ESTIMACIÓN

TEORÍA DE LA ESTIMACIÓN TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Estimación por intervalos

Estimación por intervalos Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo

Más detalles

UNIVERSIDAD DE VALENCIA DEPARTAMENTO DE ECONOMÍA FINANCIERA Y ACTUARIAL

UNIVERSIDAD DE VALENCIA DEPARTAMENTO DE ECONOMÍA FINANCIERA Y ACTUARIAL UNIVERSIDAD DE VALENCIA DEPARTAMENTO DE ECONOMÍA FINANCIERA Y ACTUARIAL Asigatura: 1141 MATEMÁTICA FINANCIERA NOTAS DEL TEMA 1 CURSO ACADÉMICO 008-009 TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a

Más detalles

- A h h+1 n-1 n

- A h h+1 n-1 n 1º DMINISTRCIÓN Y FINNZS GESTIÓN FINNCIER. TEM 9 TEM Nº 9: SELECCIÓN DE INVERSIONES 1. DIMENSIÓN FINNCIER DE UN PROYECTO DE INVERSIÓN Desde el puto de vista fiaciero, es decir, moetario, cualquier proyecto

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

MATEMÁTICA FINANCIERA

MATEMÁTICA FINANCIERA C O L E C C I Ó N A P U N T E S U N I V E R S I T A R I O S MATEMÁTICA FINANCIERA GRADO ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS 6 Créditos GRADO FINANZAS Y CONTABILIDAD 6 Créditos DOBLE GRADO ADE- DERECHO

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

b) Encontrar: τ o σ ; π o σ ; σ y τ. 2. Usar la definición de determinante para encontrar: 4. Calcular los determinantes de las siguientes matrices:

b) Encontrar: τ o σ ; π o σ ; σ y τ. 2. Usar la definición de determinante para encontrar: 4. Calcular los determinantes de las siguientes matrices: EJERCICIOS PROPUESTOS. Tarea 3. Cosiderar las siguietes particioes de S 5 σ = 354 τ = 354 π = 453. a) Determiar el sigo de cada ua de las ateriores particioes. b) Ecotrar: τ o σ ; π o σ ; σ y τ.. Usar

Más detalles

1. Muestreo Aleatorio Simple

1. Muestreo Aleatorio Simple UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisió y Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar

Maestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra

Más detalles

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación .. Tormetas putuales Aspectos geerales Se utiliza los datos putuales de altura de precipitació o itesidades máximas de lluvia registradas e ua estació So válidas para áreas cuya extesió este defiida por

Más detalles

Sumatoria, Progresiones y Teorema del Binomio

Sumatoria, Progresiones y Teorema del Binomio Capítulo Sumatoria, Progresioes y Teorema del Biomio.. Símbolo Sumatorio Es u símbolo muy útil y coveiete que permite escribir sumas e forma abreviada. Este símbolo se represeta mediate la letra griega

Más detalles

LÍMITES DE FUNCIONES REALES CON TENDENCIA A REAL

LÍMITES DE FUNCIONES REALES CON TENDENCIA A REAL INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMÁTICAS ASIGNATURA: MATEMÁTICAS DOCENTE: JOSÉ IGNACIO DE JESÚS FRANCO RESTREPO TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO N FECHA

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

OBTENCIÓN DE FACTORES DE LA FORMA (x m b), DE UN POLINOMIO DE GRADO n m

OBTENCIÓN DE FACTORES DE LA FORMA (x m b), DE UN POLINOMIO DE GRADO n m OBTENCIÓN DE FACTORES DE LA FORMA x m b), DE UN POLINOMIO DE GRADO m Ricardo Alberto Idárraga Idárraga Uiversidad de Caldas TEOREMA Método para hallar factores de la forma x m b), com N, m, yb C, de u

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos

Más detalles

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11.

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11. rueba Itegral Lapso 03-7-76-77 /0 Uiversidad Nacioal Abierta Matemática I (Cód. 7-76-77) icerrectorado Académico Cód. Carrera: 6-36-80-08- -60-6-6-63 Fecha: 0 0-0 MODELO DE RESUESTAS Objetivos al. OBJ

Más detalles

8. Modelos de transporte y análisis de redes

8. Modelos de transporte y análisis de redes 8. Modelos de trasporte y aálisis de redes Problema de trasporte Problema de asigació Aálisis de redes. Redes de actividades: método CPM Problemas de trasporte. Eiste m orígees que cotiee diversas catidades

Más detalles

Burgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana

Burgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana Las Matemáticas para la Gestió de Carteras co Riesgo. Carteras compuestas por activos co correlacioes estadísticas arbitrarias. El caso e que se fija el redimieto esperado de la cartera Apellidos, ombre

Más detalles

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 Cetro Nacioal de Saidad Ambietal Área de Cotamiació Atmosférica INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 1 ANTECEDENTES El RD 102/2011 de

Más detalles

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6

ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 ÍNDICE INTRODUCCIÓN... 3 OBJETIVOS... 3 METODOLOGÍA... 4 DETALLE DE RESULTADOS... 6 1. La opiió y satisfacció de los titulados... 6 1.1. Satisfacció co la formació y la Uiversidad... 6 1.2. Efoque profesioal

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

Repaso...Último Contenidos NM 4

Repaso...Último Contenidos NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Fucioes y relacioes. Diagrama Sagital. Sea A = { a,b, c} y B = { 1, 2, 3, 4} Repaso...Último Coteidos NM 4 A: Cojuto

Más detalles

MATEMÁTICAS 2ºBACHILLERATO CCSSII

MATEMÁTICAS 2ºBACHILLERATO CCSSII La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida

Más detalles

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,...

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,... SUCESIONES Y SERIES. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto

Más detalles

METODOLOGÍA PARA EL ANÁLISIS DE LA PRODUCTIVIDAD EN LA PRODUCCIÓN DE ARROZ.

METODOLOGÍA PARA EL ANÁLISIS DE LA PRODUCTIVIDAD EN LA PRODUCCIÓN DE ARROZ. METODOLOGÍA PARA EL ANÁLISIS DE LA PRODUCTIVIDAD EN LA PRODUCCIÓN DE ARROZ. MsC. Ayli Guerra Foseca Uiversidad de Grama aguerraf@udg.co.cu DraC. Xiomara Vázquez Carrazaa xvazquezc@udg.co.cu Resume El presete

Más detalles

No obstante, cuando intentamos hacer lo mismo con los números racionales y reales vemos que. con como lo hicimos con. es diferente de los conjuntos

No obstante, cuando intentamos hacer lo mismo con los números racionales y reales vemos que. con como lo hicimos con. es diferente de los conjuntos Departameto de Matemáticas Guía Iducció Matemática Objetivos: Eteder el pricipio del bue orde Realizar demostracioes matemáticas por medio del pricipio de iducció matemática El pricipio del bue orde: iducció

Más detalles

Pre-PAES 2016 Media aritmética, moda y mediana.

Pre-PAES 2016 Media aritmética, moda y mediana. Pre-PAES 016 Media aritmética, moda y mediaa. Nombre: Secció: Las medidas de tedecia cetral (MTC) so ciertos valores alrededor de los cuáles tiede a cocetrarse los datos de ua població, esto se debe a

Más detalles

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA . Metodología e Salud Pública INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA Autor: Clara Lagua 5.1 INTRODUCCIÓN La estadística iferecial aporta las técicas ecesarias para extraer

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre 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

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de

Más detalles

C. INDICADORES DE EVALUACION DE PROYECTOS

C. INDICADORES DE EVALUACION DE PROYECTOS C. INDICADORES DE EVALUACION DE PROYECTOS 1. Matemáticas Fiacieras 1.1 Iterés simple e iterés compuesto Iterés simple es aquel que se calcula siempre sobre el capital origial, y por tato excluye itereses

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o

Más detalles

Introducción. Ejemplos:

Introducción. Ejemplos: Itroducció Las técicas del muestreo se utiliza frecuetemete cuado se quiere coocer cuáles so las características geerales de ua població. Ejemplos: Aspectos demográficos y sociales: Prevalecia de la drogadicció

Más detalles

X X. ... n. Medidas de tendencia Central Estadígrafos de tendencia central.

X X. ... n. Medidas de tendencia Central Estadígrafos de tendencia central. Medidas de tedecia Cetral Estadígrafos de tedecia cetral. Cada vez que se observa u feómeo cuatitativo, os iteresa saber si los datos recolectados se aglutia e toro a ciertos valores represetativos que

Más detalles

02) Mediciones. 0202) Mediciones

02) Mediciones. 0202) Mediciones Págia 02) Medicioes 0202) Medicioes Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Teoría de Errores e Icertezas Si usted puede medir lo que está cosiderado y expresarlo e úmeros, usted

Más detalles

CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS

CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS Uo de los efoques para determiar si u programa es correcto es establecer ua actividad de testig. Esta cosiste e seleccioar u cojuto de datos de etrada

Más detalles

2 Conceptos básicos y planteamiento

2 Conceptos básicos y planteamiento ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Problemas de cálculo

Problemas de cálculo Problemas Estimació estadística Vicete Mazao-Arrodo, 2012,2013 Problemas de cálculo Ejercicio 1 resuelto Observamos e mometos al azar e ua cocurrida calle de la ciudad. Nos iteresa registrar cuátas persoas

Más detalles