El cerebro estadístico. Guillermo Solovey. 22 de Octubre de 2014 clase 3 / 4
|
|
- Guillermo Silva Benítez
- hace 8 años
- Vistas:
Transcripción
1 El cerebro estadístico Guillermo Solovey de Octubre de 04 clase 3 / 4 Escuela de Modelado en Neurociencias Instituto Balseiro - Centro Atómico Bariloche
2 Plan de la clase Comparar un modelo bayesiano con resultados comportamentales Decisiones binarias desde un enfoque bayesiano Teoría de detección de señales Ejemplo de aplicación de la TDS
3 Cómo encontrar parámetros del modelo con los resultados de un sujeto? s p(s) = p s exp (s µ) s Tarea: localización de una fuente sonora x p(x s) = p exp (x s) s ŝ x µ =0 distribución posterior (diferente en cada trial): Ma, Kording, Goldreich p(s x) = q pos exp (s µ pos) pos según el modelo la respuesta del observador en cada trial es: ŝ MAP = argmax s p(s x) =µ pos µ pos = + s x + s + s µ Cuál es la distribución de respuestas del observador? p(ŝ MAP s) pos = + s
4 Cómo encontrar parámetros del modelo con los resultados de un sujeto? Distribución de respuestas del sujeto en términos de los parámetros del modelo: p(ŝ MAP s) = Normal s + µ s +, s ( + ) s La comparamos con la distribución observada de respuestas a lo largo de muchos trials: - Es una buena descripción de los datos? goodness of fit likelihood del modelo dado los datos... - Si no lo es, corregimos los parámetros del modelo.
5 Plan de la clase Comparar un modelo bayesiano con resultados comportamentales Decisiones binarias desde un enfoque bayesiano Teoría de detección de señales Ejemplo de aplicación de la TDS
6 Decisiones binarias. Curva psicométrica. Curva psicométrica: caracteriza cambios en la percepción en un rango de estímulos orientado a la derecha o a la izquierda? Probabilidad de responder derecha en general las curvas psicométricas tienen esta forma sigmoidea orientación del estímulo (grados) Describir la curva psicométrica con un modelo bayesiano p(x s) = p exp (x s) p(s x) = q pos exp (s µ pos) pos p(s) = p s exp s s pos = + s µ pos = + s x Decisión: ŝ MAP = argmax s p(s x) =µ pos µ pos > 0 µ pos < 0 respuesta = derecha x>0 respuesta = izquierda x<0 f(s) =p(x >0 s)
7 Decisiones binarias. Curva psicométrica p(x s) = p exp (x s) f(s) =p(x >0 s) f(s) = Z 0 p(x s)dx 0 f(s) = Z s p exp x dx 0 s sd = ; % sigma del ruido s = -5:0.0:5; % vector de estimulos Pd = normcdf(s, 0, sd); % probabilidad de responder derecha plot(s, Pd) % plot de la curva psicometrica
8 Decisiones binarias con un estímulo binario h x h = ± regla de Bayes: p(h =+ x) = p(h = x) = Cuál hipótesis es más probable? d(x) = log p(h =+ x) p(h = x) p(x h = +) p(h = +) p(x) p(x h = ) p(h = ) p(x) = log p(x h = +) p(x h = ) + log p(h = +) p(h = ) variable de decisión cociente de probabilidades posteriores cociente de las funciones de likelihood cociente de las probabilidades a priori decisión: d(x) > 0 d(x) < 0 respuesta = respuesta = - p(h = +) = p(h = ) p(h = +) >p(h = ) p(x h = ) p(x h = +) x x
9 Decisiones binarias con un estímulo binario Comparación entre el modelo y datos comportamentales de un sujeto hits falsos positivos p(resp = + h = +) = p(d(x) > 0 h = +) p(resp = + h = ) = p(d(x) > 0 h = ) se puede obtener de los resultados de un sujeto? se puede estimar del modelo Ejercicio: Mostrar que si los likelihoods son gaussianos con media h+ y h- y con varianza, la regla de decisión d(x)>0 se puede escribir como x> log( ) h + h con h = h + h p(h = +) = p(h = )
10 Plan de la clase Comparar un modelo bayesiano con resultados comportamentales Decisiones binarias desde un enfoque bayesiano Teoría de detección de señales Ejemplo de aplicación de la TDS
11 Teoría de detección de señales Marco general para entender decisiones binarias en condiciones de incerteza. Fundamental para percepción. Es una variante de la teoría de decisiones bayesiana. Idea básica: En experimentos psicofísicos, uno quiere cuantificar qué tan bien los sujetos hicieron una tarea. intuitivamente: medir el % de respuestas correctas sin embargo, hay que distinguir dos factores capacidad: habilidad de procesar la información sesgo: estrategia subjetiva del observador La teoría de detección de señales es la que permite separar estas dos cantidades
12 Teoría de detección de señales Tarea: detección de un target distribución de respuestas internas cuando no hay target distribución de respuestas internas cuando el target está presente Probabilidad respuesta interna
13 Teoría de detección de señales Probabilidad hits La capacidad de realizar la tarea de forma correcta está limitada por la superposición de las distribuciones El sesgo está determinado por el criterio Probabilidad falsas alarmas Las dos variables más importantes: d 0 = z(hr) z(f AR) (desempeño, objetivo) c = 0.5 (z(hr)+z(f AR)) (criterio, subjetivo) La función z transforma los valores en una escala gaussiana, en unidades de desvío estándar % s=0 (estimulo ausente); s= (estimulo presente) % r=0 (resp ausente) ; r=0 (resp presente) % tasa de hits y de falsas alarmas HR = sum(s== & r==) / sum(s==); FAR = sum(s==0 & r==) / sum(s==0); % dprime y c dp = norminv(hr) - norminv(far); c = -0.5*(norminv(HR) - norminv(far));
14 Teoría de detección de señales no si no si Probabilidad c > 0 c < 0 criterio liberal criterio conservador bajo d-prima respuesta interna Probabilidad alto d-prima respuesta interna d-prima: performance. objectiva. S/N. c: sesgo en la respuesta. subjectiva. estrategia
15 Teoría de detección de señales criterio liberal Probabilidad Para un valor de d, cada criterio da un valor diferente de % respuestas correctas. Probabilidad criterio óptimo si el target se presenta el 50% de las veces Probabilidad criterio conservador
16 Plan de la clase Comparar un modelo bayesiano con resultados comportamentales Decisiones binarias desde un enfoque bayesiano Teoría de detección de señales (TDS) Ejemplo de aplicación de la TDS
17 Ejemplo de aplicación de la TDS Nature Neuroscience 0 Por qué tenemos confianza excesivamente alta donde no prestamos atención?
18 Ejemplo de aplicación de la TDS Por qué no nos damos cuenta de lo que ocurre donde no prestamos atención? Cómo entender este fenómeno desde la psicofísica? la clave previa (flecha) es válida en el 70% de los trials el target está presente en el 50% de los trials criterio conservador cuando prestan atención. criterio liberal cuando no prestan atención. Es decir, responden que ven el target más a menudo cuando no prestan atención. Tienen una experiencia visual inflada? Rahnev et al, Nature Neuroscience (0)
19 Ejemplo de aplicación de la TDS Modelo de atención como reducción de la varianza Probabilidad target ausente target presente atención Probabilidad criterio común de decisión inatención respuesta interna Rahnev et al, Nature Neuroscience (0)
20 Ejemplo de aplicación de la TDS Predicción del modelo criterios de visibilidad atención inatención mayor visibilidad subjetiva de los estímulos cuando no prestan atención? Rahnev et al, Nature Neuroscience (0)
21 Ejemplo de aplicación de la TDS tarea de discriminación izquierda-derecha? visibilidad subjetiva? la clave previa (flecha) es válida en el 70% de los trials el target está presente en el 50% de los trials Rahnev et al, Nature Neuroscience (0)
El cerebro estadístico. Guillermo Solovey. 21 de Octubre de 2014 clase 2 / 4
El cerebro estadístico Guillermo Solovey 21 de Octubre de 2014 clase 2 / 4 Escuela de Modelado en Neurociencias Instituto Balseiro - Centro Atómico Bariloche Plan de la clase Repaso Integración de señales
Más detallesCurso Comparabilidad de resultados
Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesConceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesParte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detallesDATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT
DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza
Más detallesLas Reglas de Westgard más Six Sigma, igual a Mejores Métodos, Mejor Control de la Calidad. Gabriel Alejandro Migliarino
Las Reglas de Westgard más Six Sigma, igual a Mejores Métodos, Mejor Control de la Calidad. Gabriel Alejandro Migliarino Agenda Introducción Definiciones Métrica Sigma Introducción Calidad Analítica y
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesClase 8: Distribuciones Muestrales
Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas
Más detallesTests de hipótesis estadísticas
Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para
Más detallesClasificación Bayesiana de textos y páginas web
Clasificación Bayesiana de textos y páginas web Curso de doctorado: Ingeniería Lingüística aplicada al Procesamiento de Documentos Víctor Fresno Fernández Introducción Enorme cantidad de información en
Más detallesEn la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y
Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de
Más detallesTEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Más detallesEconomía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía
Economía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía Parte I. Tema II: TEORÍA DE LA DECISIÓN CON INCERTIDUMBRE: UTILIDAD ESPERADA Bibliografía recomendada: Para el punto
Más detallesINTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS
INTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS La física es la más fundamental de las ciencias que tratan de estudiar la naturaleza. Esta ciencia estudia aspectos tan básicos como el movimiento,
Más detallesValidation. Validación Psicométrica. Validation. Central Test. Central Test. Centraltest CENTRAL. L art de l évaluation. El arte de la evaluación
Validation Validación Psicométrica L art de l évaluation Validation Central Test Central Test Centraltest L art de l évaluation CENTRAL test.com El arte de la evaluación www.centraltest.com Propiedades
Más detallesCursada Primer Semestre 2015 Guía de Trabajos Prácticos Nro. 2
Temas: Programación en MATLAB: Sentencias, expresiones y variables. Estructuras de control. Operadores relacionales y lógicos. Programación de funciones. Aritmética finita: Representación de números en
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesEstimación de una probabilidad
Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento
Más detallesTEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI
TEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS Departamento de Evaluación, Medición y Registro Educacional DEMRE ABRIL DE 2005
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesTeoría de Probabilidad
Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe
Más detallesLímite de una función
Límite de una función Idea intuitiva de límite El límite de la función f(x) en el punto x 0, es el valor al que se acercan las imágenes (las y) cuando los originales (las x) se acercan al valor x 0. Es
Más detallesTema 5: Estimación puntual y por intervalos
Tema 5: Estimación puntual y por intervalos Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Estimación puntual y por intervalos Curso
Más detallesSIMULACIÓN MCMC. Dr. Holger Capa Santos
SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador
Más detallesTransUnion República Dominicana. Preguntas frecuentes sobre los modelos de score de TransUnion
TransUnion República Dominicana Preguntas frecuentes sobre los modelos de score de TransUnion Los modelos de score de TransUnion El siguiente es un resumen para ayudarle a entender mejor cómo se puede
Más detallesADMINISTRACION FINANCIERA. Parte IV Capítulos 2 Títulos, Carteras de inversión.-
ADMINISTRACION FINANCIERA Parte IV Capítulos 2 Títulos, Carteras de inversión.- Puntos 4-6. CPN. Juan Pablo Jorge Ciencias Económicas Tel. (02954) 456124/433049 jpjorge@speedy.com.ar 1 Carteras - Sumario
Más detallesCualitativos Caso de Aplicación
Validación n de Métodos M Cualitativos Caso de Aplicación Agenda Introducción Definiciones Clasificación Validación Evaluación de Métodos Cualitativos Caso de Aplicación Conclusiones Introducción La validación
Más detallesLa metodologia Cuantitativa. Encuestas y muestras
La metodologia Cuantitativa. Encuestas y muestras Técnicas «cuantitativas» y «cualitativas» «Las técnicas cuantitativas»: Recogen la información mediante cuestiones cerradas que se planteal sujeto de forma
Más detallesMediante la aplicación de la metodología a los datos disponibles para este estudio, esta
6 Conclusiones Mediante la aplicación de la metodología a los datos disponibles para este estudio, esta investigación aporta evidencia de la existencia de cambios en los determinantes del desempleo durante
Más detallesIntroducción al @RISK
Introducción al @RISK Ariadna Berger Noviembre 2004 Introducción al @RISK El análisis de riesgo implica cuatro etapas: Desarrollo del modelo Identificación de las fuentes de riesgo Análisis con simulación
Más detallesVectores aleatorios. Estadística I curso 2008 2009
Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a
Más detallesCálculos con el programa R
Cálculos con el programa R Introducir el concepto de distribución normal Aprender el uso del programa R para realizar cálculos con la distribución normal Probabilidad de intervalos Cálculo e interpretación
Más detallesEl concepto de integral con aplicaciones sencillas
El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la
Más detallesTest de Idioma Francés. Manual del evaluador
Test de Idioma Francés Manual del evaluador 1 CONTENIDO Introducción Qué mide el Test de idioma francés? Qué obtienen el examinado y el examinador? Descripción de los factores Propiedades psicométricas
Más detallesCARRERAS DE ORIENTACIÓN
DOSSIER DE INTRODUCCIÓN CARRERAS DE ORIENTACIÓN Orientarnos en nuestro hábitat EXPLORADORES Juventud Adventista Española Material cedido por Betlem Polo LO QUE SE DEBE TRANSMITIR A LOS EXPLORADORES 1.
Más detallesNombre...Apellidos... Grado en:...grupo:...
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detalles2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesGráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana.
LECCIÓN CONDENSADA 2.1 Gráficas de caja En esta lección crearás e interpretarás las gráficas de caja para conjuntos de datos usarás el rango intercuartil (IQR) para identificar valores extremos potenciales
Más detallesTest de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n
Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesInforme cuestionario LIDERAZGO EN EL ENTORNO DE NEGOCIO (LEN)
Informe cuestionario LIDERAZGO EN EL ENTORNO DE NEGOCIO (LEN) 2014 InterManagement. Todos los derechos reservados INTRODUCCIÓN Este cuestionario permite repasar aspectos muy significativos para el liderazgo.
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesDepartamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA
ESCUELA UIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA E CIECIAS EMPRESARIALES ESTADÍSTICA Ejercicios Resueltos AÁLISIS ESTADÍSTICO DE DOS VARIABLES Y RE- GRESIÓ LIEAL SIMPLE Curso 6-7 Curso 6-7 1)
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesTécnicas de venta (nueva versión)
Técnicas de venta (nueva versión) Muestra cómo debe estar organizada una empresa centrándose en el departamento comercial, donde se definirá la figura del vendedor como un comercial que además de conseguir
Más detallesMÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS
MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS 1 ÍNDICE DEFINIR. 3 MEDIR.... 4 ANALIZAR..... 5 MEJORAR. 6 CONTROLAR... 7 GLOSARIO... 8 MAPA CONCEPTUAL. 10 2 DEFINIR: Iniciación del proyecto.
Más detallesTécnicas de prueba 1. FUNDAMENTOS DE LA PRUEBA DEL SOFTWARE
Técnicas de prueba El desarrollo de Sistemas de software implica la realización de una serie de actividades predispuestas a incorporar errores (en la etapa de definición de requerimientos, de diseño, de
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesREPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX
Página 1 de 12 REPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX Autoras: Curso: 3º ESO Escuela: Tutora: Fecha: 08 Mayo 2015 Página
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesAmpliación de Estructuras de Datos
Ampliación de Estructuras de Datos Amalia Duch Barcelona, marzo de 2007 Índice 1. Diccionarios implementados con árboles binarios de búsqueda 1 2. TAD Cola de Prioridad 4 3. Heapsort 8 1. Diccionarios
Más detallesTema 2: Estimación puntual
Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez
Más detallesComunicaciones Digitales - Ejercicios Tema 3
Comunicaciones Digitales - Ejercicios Tema 3 007. 1. Considere el diagrama de rejilla para un canal discreto equivalente genérico con 4 coeficientes no nulos (memoria K p = 3) y una constelación -PAM.
Más detallesRoberto Quejido Cañamero
Crear un documento de texto con todas las preguntas y respuestas del tema. Tiene que aparecer en él todos los contenidos del tema. 1. Explica qué son los modos de presentación en Writer, cuáles hay y cómo
Más detallesAritmética finita y análisis de error
Aritmética finita y análisis de error Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Aritmética finita y análisis de error 1 / 47 Contenidos 1 Sistemas decimal
Más detallesModelos de Puntuación Puntaje de Originación
Modelos de Puntuación Puntaje de Originación 1 INTRODUCCIÓN Concepto y Objetivo Mecanismo de Puntaje de Originación 2 Concepto y Objetivo Puntaje de Originación o de Solicitud Es la conversión de información
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesPlaneación de la Recolección de Datos. Planeacion de Recoleccion de Datos
Planeación de la Recolección de Datos Qué Son los datos? Recolección de Datos Contenido Por Qué Es Importante la Recolección de Datos? Estrategias de Muestreo Estrategias para la Definición de Datos Base
Más detallesCaracterización de los niveles de consumo de alcohol en Chile. José Sanhueza, Economista, M.Econ.
Nº 19 / Agosto 2013. ISSN: 0719 2770 BOLETIN Observatorio Chileno de Drogas Nº 4 / Marzo 2015. ISSN: 0719-2770 BIN Caracterización de los niveles de consumo de alcohol en Chile. José Sanhueza, Economista,
Más detallesRosamil Rey, Ph.D. CHEM 4160
Rosamil Rey, Ph.D. CHEM 4160 Los métodos analíticos se pueden clasificar en: Métodos Clásicos Métodos Instrumentales Métodos Clásicos Precipitación Extracción Destilación Medidas gravimétricas Medidas
Más detallesDISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.-
DISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.- 1. Introducción. El presente documento es el referente metodológico para la selección inicial de los barrios deprimidos. Se recoge una propuesta
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesde la empresa Al finalizar la unidad, el alumno:
de la empresa Al finalizar la unidad, el alumno: Identificará el concepto de rentabilidad. Identificará cómo afecta a una empresa la rentabilidad. Evaluará la rentabilidad de una empresa, mediante la aplicación
Más detallesClase 2: Estadística
Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesTema 2 : NÚMEROS ENTEROS. Primero de Educación Secundaria Obligatoria. I.e.s Fuentesaúco.
2010 Tema 2 : NÚMEROS ENTEROS. Primero de Educación Secundaria Obligatoria. I.e.s Fuentesaúco. Manuel González de León mgdl 01/01/2010 INDICE: 01. DE LOS NÚMEROS NATURALES A LOS NÚMEROS ENTEROS. 02. VALOR
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE PSICOLOGÍA DIVISIÓN DE ESTUDIOS PROFESIONALES Octubre, 2010.
Sensibilidad y Especificidad de una prueba 1 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE PSICOLOGÍA DIVISIÓN DE ESTUDIOS PROFESIONALES Octubre, 2010. Material elaborado por Dra. Corina Cuevas Renaud
Más detalles8.2.2. Intervalo para la media (caso general)
182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente
Más detallesPráctica 5: Modulaciones digitales
TEORÍA DE LA COMUNICACIÓN 2009/10 EPS-UAM Práctica 5: Modulaciones digitales Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es familiarizar al alumno con los principios
Más detallesSISTEMAS DE NUMERACIÓN (11001, 011) 1.2 1.2 0.2 0.2 1.2 0.2 1.2 1.2 = + + + + + + + = 1 1 4 8 (32,12)
SISTEMAS DE NUMERACIÓN 1. Expresa en base decimal los siguientes números: (10011) ; ( 11001,011 ) 4 (10011) = 1. + 0. + 0. + 1. + 1. = 16 + + 1 = 19 (11001, 011) 1. 1. 0. 0. 1. 0. 1. 1. 4 1 = + + + + +
Más detallesMedidas de la tendencia central y las gráficas de caja
LECCIÓN CONDENSADA 2.1 Medidas de la tendencia central y las gráficas de caja En esta lección Encontrarás e interpretarás la media, la mediana, y la moda para unos conjuntos de datos Crearás e interpretarás
Más detallesEstudio de neurociencias realizado en el #11DíaC del Club de Creativos. Certamen de la creatividad española Marzo 14
Estudio de neurociencias realizado en el #11DíaC del Club de Creativos Certamen de la creatividad española Marzo 14 1 Objetivo del estudio Antecedentes El día C es el gran día de la creatividad publicitaria
Más detallesAnexo N 4 Metodología para el cálculo de indicadores de las empresas con ventas netas hasta 300 UIT
Anexo N 4 Metodología para el cálculo de indicadores de las empresas con ventas netas hasta 300 UIT 306 Instituto Nacional de Estadística e Informática INDICADORES PARA EMPRESAS CON VENTAS NETAS HASTA
Más detallesSe puede decir que un servicio es el componente intangible del resultado de un proceso orientado a satisfacer necesidades o expectativas establecidas.
Página: 1 de 8 0.1 Conceptos fundamentales. GESTIÓN DE CALIDAD EN LAS EMPRESAS DE SERVICIOS. Se puede decir que un servicio es el componente intangible del resultado de un proceso orientado a satisfacer
Más detallesEL CONOCIMIENTO CIENTÍFICO DE LA LA PEDAGOGÍA COMO CIENCIA DE LA EDUCACIÓN. Teoría de la Educación Tema 11
EL CONOCIMIENTO CIENTÍFICO DE LA EDUCACIÓN. LA PEDAGOGÍA COMO CIENCIA DE LA EDUCACIÓN Teoría de la Educación Tema 11 ANTECEDENTES La pedagogía es teórica y práctica: teórica en cuanto consiste en un conocimiento
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detallesNaive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases
Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases Emmanuel Anguiano-Hernández Abril 29, 2009 Abstract Tratando de mejorar el desempeño de un clasificador Naive
Más detallesQue permite las proyecciones..
1 PROYECCION DE ESTADOS FINANCIEROS Que permite las proyecciones.. 1) Evaluar si el futuro desempeño de la firma cumplirá con los objetivos definidos. 2) Anticiparse a las futuras necesidades de financiamiento
Más detallesModelo de fuerza deportiva NOTA TÉCNICA
Modelo de fuerza deportiva NOTA TÉCNICA Contenido 1 Motivación 3 2 El modelo de fuerza deportiva 3 2.1 Supuestos del modelo 3 2.2 Críticas al modelo 4 2.3 Formulación 4 2.4 Estimación de los parámetros
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesinvestigación contable
Guía metodológica para la investigación contable UNISUCRE 21-02-25 1. TÍTULO DE LA PROPUESTA DE INVESTIGACIÓN 2. PLANTEAMIENTO DEL PROBLEMA 3. JUSTIFICACIÓN 4. MARCO TEÓRICO 5. OBJETIVOS 6. METODOLOGIA
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesCAPÍTULO III. FUNCIONES
CAPÍTULO III LÍMITES DE FUNCIONES SECCIONES A Definición de límite y propiedades básicas B Infinitésimos Infinitésimos equivalentes C Límites infinitos Asíntotas D Ejercicios propuestos 85 A DEFINICIÓN
Más detallesPruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico
Más detalles