PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva Introducción

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

Transcripción

1 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 decsoes razoables basadas e tal aálss. Al recoger datos relatvos a las característcas de u grupo de dvduos u objetos, sea alturas y pesos de estudates de ua uversdad o tuercas defectuosas producdas por ua fábrca, suele ser mposble o poco práctco observar todo el grupo, e especal s es muy grade. E vez de eamar el grupo etero, llamado poblacó o uverso, se eama ua pequeña parte del grupo, llamada muestra. E muchos problemas estadístcos es ecesaro utlzar ua muestra de observacoes tomadas de la poblacó de terés co objeto de obteer coclusoes sobre ella. A cotuacó se preseta la defcó de alguos térmos Ua poblacó está formada por la totaldad de las observacoes e las cuales se tee certo terés. Ua muestra es u subcojuto de observacoes seleccoada de ua poblacó S ua muestra es represetatva de ua poblacó, es posble ferr mportates coclusoes sobre la poblacó a partr del aálss de la muestra. La parte de la estadístca que trata sobre las codcoes bajo las cuales tal fereca es válda se llama estadístca ductva o fereca estadístca. Ya que dcha fereca o es del todo eacta, el leguaje de las probabldades aparecerá al establecer uestras coclusoes. La parte de la estadístca que estuda la muestra s ferr algua coclusó sobre la poblacó es la estadístca descrptva. E partcular la estadístca descrptva trata sobre los métodos para recolectar, orgazar y resumr datos. La estadístca descrptva puede a su vez dvdrse e dos grades áreas: métodos gráfcos y métodos umércos. E lo referete a la otacó, represeta el úmero de observacoes e u cojuto de datos, las observacoes está represetadas por ua varable co subídce (por ejemplo,,, ). Así la represetacó de los cco valores, 5, de la velocdad de u chp de computadora e MHz medda por u geero, será: 48.5, 493.7, , , , 7. Dstrbucó de frecuecas e hstogramas Supogamos que los sguetes datos represeta la vda de 40 baterías para automóvl smlares, regstradas al décmo de año más cercao. Las baterías se garatza por tres años. 8

2 Parte Estadístca Descrptva Prof. María B. Ptarell Para orgazar los datos buscamos el mímo y el mámo de la muestra, e este caso el mímo es.6 y el mámo es 4.7 Elegmos u tervalo (a, b) que cotega todos los datos, por ejemplo a.5 y b 5.0. Dvdmos el tervalo (a, b) e subtervalos que puede ser de gual logtud, pero o ecesaramete, y cotamos cuátas observacoes cae e cada subtervalo, esa será la frecueca del tervalo. Para esto debemos decdr cuátos subtervalos utlzaremos. E geeral se puede usar la regla de tomar apromadamete subtervalos. Los subtervalos se llama tervalos de clase o smplemete clases. Resulta satsfactoro utlzar o meos de 5 clases más de 0. E el ejemplo 40 6, etoces 6 o 7 clases será ua eleccó satsfactora. Como b a , s tomamos r 7 clases etoces la logtud de cada ua sería b a r Costrumos ua tabla de frecuecas de maera tal que, por ejemplo, e el tervalo (.5,.0) está las observacoes mayores o guales a.5 y meores que.0. Los etremos de los tervalos de clase so los límtes de clase feror y superor. Itervalo de clase Marca de clase Frecueca f Frecueca relatva Frecueca acumulada Frecueca Acumulada relatva El puto medo de cada clase es la marca de clase. La logtud de cada tervalo de clase es el acho de clase. El gráfco de la tabla de frecuecas es el hstograma. Se costruye e u sstema de ejes cartesaos. Sobre el eje de abssas se marca los límtes de clase, y e cada clase se costruye u rectágulo cuya base es el tervalo de clase y el área del msmo debe ser proporcoal a la frecueca de la clase. S los tervalos de clase tee el msmo acho se puede costrur cada rectágulo de maera que su altura sea gual a la frecueca de la clase correspodete. Estos hstogramas so más fácles de terpretar. E la fgura sguete se muestra el hstograma referdo a la tabla de frecuecas ateror geerado por el paquete Statgraphcs. 9

3 Parte Estadístca Descrptva Prof. María B. Ptarell 5 frecueca ,5,5 3,5 4,5 5,5 vda de la batería e años S se tee pocos datos los hstogramas puede cambar de apareca al varar el úmero de clases y el acho de las msmas. S se hubera grafcado el hstograma de frecuecas relatvas el aspecto sería el msmo co la dfereca de la otacó e el eje de ordeadas. També se puede grafcar u polígoo de frecuecas al ur los putos medos del lado superor de cada rectágulo co segmetos y agrgar e los etremos dos clases adcoales de frecueca cero como dca la sguete fgura 5 frecueca ,5,5 3,5 4,5 5,5 vda de la batería e años La fgura sguete muestra u hstograma de frecuecas acumuladas dspoble e el paquete Statgraphcs. E esta gráfca la altura de cada rectágulo represeta el úmero total de observacoes que so meores o guales al límte superor de la clase respectva. 0

4 Parte Estadístca Descrptva Prof. María B. Ptarell 40 frecueca ,5,5 3,5 4,5 5,5 vda de la batería e años Los hstogramas so útles al proporcoar ua mpresó vsual del aspecto que tee la dstrbucó de las medcoes, así como formacó sobre la dspersó de los datos. Al costrur ua tabla de frecuecas se perde formacó, s embargo esa pérdda de formacó es a meudo pequeña s se le compara co la cocsó y la facldad de terpretacó gaada al utlzar la dstrbucó de frecuecas y el hstograma. Las dstrbucoes acumuladas també so útles e la terpretacó de datos; por ejemplo e la fgura ateror puede leerse de medato que este apromadamete 5 baterías co duracó meor o gual a 3.5 años. 7.3 Dagrama de tallo y hoja El dagrama de tallo y hoja es ua buea maera de obteer ua presetacó vsual formatva del cojuto de datos,,,, dode cada úmero está formado al meos por dos dígtos. Para costrur u dagrama de este tpo los úmeros se dvde e dos partes: u tallo, formada por uo o más dígtos prcpales, y ua hoja, la cual cotee el resto de los dígtos. Para lustrar lo ateror cosderamos los datos que especfca la vda de 40 baterías para automóvl dados aterormete. Dvdmos cada observacó e dos partes de maera que el tallo represeta el dígto etero que atecede al decmal, y la hoja correspode a la parte decmal del úmero. Por ejemplo, para el úmero 3.7 el dígto 3 desga el tallo, y el 7 la hoja. Para uestros datos los cuatro tallos,, 3 y 4 se lsta vertcalmete del lado zquerdo de la tabla, e tato que las hojas se regstra e el lado derecho correspodete del valor del tallo adecuado. Etoces la hoja 6 del úmero.6 se regstra efrete del tallo, la hoja 5 del úmero.5 efrete del tallo, y así sucesvamete. Tallo Hoja Podríamos aumetar el úmero de tallos para obteer ua forma mas adecuada de la dstrbucó de los datos, para esto escrbmos dos veces cada valor del tallo y después regstramos las hojas 0,,, 3 y 4 efrete del valor del tallo adecuado dode aparezca

5 Parte Estadístca Descrptva Prof. María B. Ptarell por prmera vez, y las hojas 5, 6, 7, 8 y 9 efrete de este msmo valor del tallo dode aparece por seguda vez. E la tabla sguete se lustra el uevo dagrama de tallo y hoja dode a los tallos que correspode a las hojas 0 a 4 se les aotó u símbolo *, y al tallo correspodete a las hojas 5 a 9 se les aotó el símbolo. Tallo Hoja 6 9 * * * E cualquer problema específco, se debe decdr cuáles so los valores del tallo adecuados. Se trata de ua decsó que se toma algo arbtraramete, auque os guamos por el tamaño de uestra muestra. Por lo geeral se elge etre 5 y 0 tallos. Cuato meor es el úmero de datos dspobles, meor será la eleccó del úmero de tallos. Observacó: Las tablas de frecueca y los hstogramas també puede emplearse e datos cualtatvos o categórcos, es decr la muestra o cosste de valores umércos (datos cuattatvos) so que los datos se ordea e categorías y se regstra cuátas observacoes cae e cada categoría (las categorías puede ser masculo, femeo o fumador, o fumador o clasfcar segú vel educatvo: prmaro, secudaro, tercaro, uverstaro, guo). Cuado los datos so categórcos las clases se dbuja co el msmo acho. Por ejemplo El gráfco sguete correspode a ua muestra de 55 autos clasfcados segú el año de fabrcacó: 998, 999, 000, 00 y 00. Notar que el modelo 998 es el de mayor frecueca. 40 Grafco de barras por año frecueca E el sguete gráfco se clasfca los autos segú el orge: amercao, europeo o japoés. Notar que hay mayoría de autos amercaos.

6 Parte Estadístca Descrptva Prof. María B. Ptarell Gráfco por orge 00 frecueca EE.UU Europa Japó 7.4 Meddas Descrptvas 7.4. Meddas de Localzacó Del msmo modo que las gráfcas puede mejorar la presetacó de los datos, las descrpcoes umércas també tee gra valor. Se preseta varas meddas umércas mportates para descrbr las característcas de los datos. Ua característca mportate de u cojuto de úmeros es su localzacó o tedeca cetral. Meda La medda más comú de localzacó o cetro de u grupo de datos es el promedo artmétco ordaro o meda. Ya que cas sempre se cosdera a los datos como ua muestra, la meda artmétca se cooce como meda muestral. S las observacoes de ua muestra de tamaño so,,, etoces la meda muestral es Ejemplo: La meda muestral de la vda útl e años de ua batería de las 40 observacoes dadas e ejemplos aterores es La meda tee como vetaja su fácl cálculo e terpretacó, pero tee como desvetaja el hecho de dstorsoarse co facldad ate la preseca de valores atípcos e los datos. S e el ejemplo ateror teemos e lugar de 3.5 etoces. 075 dado así la dea erróea que los datos e su mayor parte se cocetra alrededor de.075 3

7 Parte Estadístca Descrptva Prof. María B. Ptarell Medaa Otra medda de tedeca cetral es la medaa, o puto dode la muestra se dvde e dos partes guales. Sea (), (),, () ua muestra escrta e orde crecete de magtud; esto es () deota la observacó mas pequeña, () la seguda observacó mas pequeña,, y () la observacó mas grade. Etoces la medaa ~ se defe como la + observacó del lugar s es mpar, o el promedo de las observacoes de los lugares y + s es par. E térmos matemátcos (( + ) / ) ~ ( / ) + (( / ) + ) mpar par La vetaja de la medaa es que los valores etremos o tee mucha flueca sobre ella. Ejemplo: Supógase que los valores de ua muestra so, 3, 4,, 7, 6, 8 Ordeamos los valores de meor a mayor:,, 3, 4, 6, 7, 8 Como so 7 valores y 7 es mpar etoces la medaa es el valor del lugar 7+ 4, es decr ( 4) 4 La meda muestral es Ambas catdades proporcoa ua medda razoable de la tedeca cetral de los datos. S ahora teemos la muestra,, 3, 4, 450, 7, 8, etoces la meda muestral es E este caso la meda o dce mucho co respecto a la tedeca cetral de la mayor parte de los datos. S embargo la medaa sgue sedo ( 4) 4, y ésta es ua medda de tedeca cetral más sgfcatva para la mayor parte de las observacoes. Moda La moda es la observacó que se preseta co mayor frecueca e la muestra Por ejemplo la moda de los sguetes datos 3, 6, 9, 3, 5, 8, 3, 0, 4, 6, 3, Es 3, porque este valor ocurre 4 veces y gú otro lo hace co mayor frecueca. 4

8 Parte Estadístca Descrptva Prof. María B. Ptarell Puede estr más de ua moda. Por ejemplo cosdérese las observacoes 3, 6, 9, 3, 5, 8, 3, 0, 4, 6, 3,, 6,, 5, 6 La moda so 3 y 6, ya que ambos valores se preseta cuatro veces., y gú otro lo hace co mayor frecueca. Se dce e este caso que los datos so bmodales. S los datos so smétrcos etoces la meda y la medaa cocde. S además los datos tee ua sola moda etoces la meda, la medaa y la moda cocde. S los datos está sesgados (esto es, so asmétrcos, co ua larga cola e uo de los etremos), etoces la meda, la medaa y la moda o cocde. Geeralmete se ecuetra que moda < medaa < meda s la dstrbucó está sesgada a la derecha, metras que moda > medaa > meda s la dstrbucó está sesgada haca la zquerda. Eso se represeta e la sguete fgura ~ Sesgo a la zquerda ~ Smétrca ~ Sesgo a derecha Percetles y cuartles La medaa dvde los datos de ua muestra e dos partes guales. També es posble dvdr los datos e más de dos partes. Cuado se dvde u cojuto ordeado de datos e cuatro partes guales, los putos de dvsó se cooce como cuartles. El prmer cuartl o cuartl feror, q, es u valor que tee apromadamete la cuarta parte (5%) de las observacoes por debajo de él, y el 75% restate, por ecma de él. El segudo cuartl, q, tee apromadamete la mtad (50%) de las observacoes por debajo de él. El segudo cuartl cocde co la medaa. El tercer cuartl o cuartl superor, q 3, tee apromadamete las tres cuartas partes (75%) de las observacoes por debajo de él. Como e el caso de la medaa, es posble que los cuartles o sea úcos. Por smplcdad e este caso, s mas de ua observacó cumple co la defcó se utlza el promedo de ellas como cuartl. Ejemplo: E 0 automóvles elegdos aleatoramete se tomaro las emsoes de hdrocarburos e velocdad al vacío, e partes por mlló (ppm) Prmero ordeamos los datos de meor a mayor: 5

9 Parte Estadístca Descrptva Prof. María B. Ptarell 05, 4, 88, 90, 00, 0, 3, 4, 4, 47, 300, 306, 359, 380, 435, 494, 880, 88, 940, 940 Buscamos la medaa o segudo cuartl, como 0 y es úmero par etoces la medaa es el promedo de la observacoes que se ecuetra e los lugares 0 y +, es decr ~ q Ahora buscamos el prmer cuartl, para esto tomamos las prmeras 0 observacoes 05, 4, 88, 90, 00, 0, 3, 4, 4, y de éstas calculamos la medaa, por lo tato q 05 Aálogamete, para calcular el tercer cuartl, tomamos las últmas 0 observacoes y calculamos la medaa de éstas 300, 306, 359, 380, 435, 494, 880, 88, 940, 940 q Cuado u cojuto ordeado de datos se dvde e ce partes guales, los putos de dvsó recbe el ombre de percetles. E térmos matemátcos el 00k ésmo percetl p k se defe: El 00k ésmo percetl p k es u valor tal que al meos el 00k% de las observacoes so meores o guales a él, y 00(-k)% so mayores o guales a él. Notar que p0.5 q, p0.5 q,.75 q p0 3 Ua regla práctca para calcular los percetles de u cojuto de datos es la sguete: para calcular p k hacemos el producto k ( ) + ( + ) s k es u úmero etero etoces pk s k o es u úmero etero etoces tomamos la parte etera de k : [ k ] y etoces p ( + k ) Co los datos aterores calculamos p k p k la parte etera es [.6] 7 7 etoces 6

10 Parte Estadístca Descrptva Prof. María B. Ptarell Calculamos p 0. 0 : 0 k 0. 0 k etoces () + (3) p Meddas de varabldad La localzacó o tedeca cetral o ecesaramete proporcoa formacó sufcete para descrbr datos de maera adecuada. Por ejemplo, supogamos que teemos dos muestras de ressteca a la tesó (e ps) de aleacó de alumo-lto: Muestra : 30, 50, 45, 58, 65, 40 Muestra : 90, 8, 05, 40, 65, 60 La meda e ambas muestras es 48 ps. S embargo la dspersó o varabldad de la muestra es mucho mayor que la de la muestra. para lustrar esto hacemos para cada muestra u dagrama de putos: Muestra * Muestra o * * * * * * o o o o o o Rago de la muestra y rago tercuartílco Ua medda muy seclla de varabldad es el rago de la muestra, defdo como la dfereca etre las observacoes más grade y más pequeña. Es decr rago ma( ) m( ) Para las muestras aterores Muestra rago Muestra rago Está claro que a mayor rago, mayor varabldad e los datos. El rago gora toda la formacó que hay e la muestra etre las observacoes más chca y más grade. Por ejemplo las muestras, 4, 6, 7, 9 y, 5, 5, 5, 9 tee el msmo rago (rago 8), S embargo e la seguda muestra sólo este varabldad e 7

11 Parte Estadístca Descrptva Prof. María B. Ptarell los valores de los etremos, metras que e la prmera los tres valores termedos camba de maera cosderable. Al gual que las observacoes máma y míma de ua muestra lleva formacó sobre la varabldad, el rago utercuartílco defdo como q3 q puede emplearse como medda de varabldad. RIC q 3 q Para los datos de las emsoes de hdrocarburos e velocdad al vacío, el rago tercuartílco es q 3 q El rago utercuartílco es meos sesble a los valores etremos de la muestra que el rago muestral. Varaza muestral y desvacó estádar muestral S,,, es ua muestra de observacoes, etoces la varaza muestral es s ( ) La desvacó estádar muestral, s, es la raíz cuadrada postva de la varaza muestral s ( ) Por ejemplo, para los datos de las emsoes de hdrocarburos e velocdad al vacío la meda muestral es 395. ppm y la varaza muestral es s ( ) ( ) + ( ) + ( ) ( ) ppm y la desvacó estádar es s 9 ( ) ppm 8

12 Parte Estadístca Descrptva Prof. María B. Ptarell 9 Observacoes: ) La varaza muestral está e las udades de medda de la varable al cuadrado. Por ejemplo s los datos está meddos e metros, las udades de la varaza so metros al cuadrado. La desvacó estádar tee la propedad de estar epresada e las ms- mas udades de medda de las observacoes. ) Se puede epresar la varaza muestral como s pues: ( ) + + ) ( s E el ejemplo ateror volvemos a calcular la varaza muestral pero co esta últma epresó (0)( ) s ppm Coefcete de varacó El coefcete de varacó muestral es útl cuado se compara la varabldad de dos o más cojutos de datos que dfere de maera cosderable e la magtud de las observacoes. Ejemplo: co u mcrómetro se realza medcoes del dámetro de u balero, que tee ua meda de 4.03 mm y ua desvacó estádar de 0.0 mm; co otro mcróme- El coefcete de varacó muestral es s cv

13 Parte Estadístca Descrptva Prof. María B. Ptarell tro se toma medcoes de la logtud de u torllo, que tee ua meda de.76 pulgadas y ua desvacó estádar de pulgadas. Los coefcetes de varacó so 0.0 balero cv torllo cv e cosecueca, las medcoes hechas co el prmer mcrómetro tee ua varabldad relatvamete meor que las efectuadas co el otro mcrómetro. 7.5 Dagramas de caja El dagrama de caja es ua presetacó vsual que descrbe al msmo tempo varas característcas mportates de u cojuto de datos, tales como el cetro, la dspersó, la desvacó de la smetría y la preseca de valores atípcos. El dagrama de caja preseta los tres cuarteles, y los valores mímo y mámo de los datos sobre u rectágulo e poscó horzotal o vertcal. El rectágulo delmta el rago utercuartílco co la arsta zquerda ubcada e el prmer cuartl, y la arsta derecha ubcada e el tercer cuartl. Se dbuja ua líea a través del rectágulo e la poscó que correspode al segudo cuartl. De cualquera de las arstas del rectágulo se etede ua líea, o bgote, que va haca los valores etremos. Éstas so observacoes que se ecuetra etre cero y.5 veces el rago utercuartílco a partr de las arstas del rectágulo. Las observacoes que está etre.5 y 3 veces el rago utercuartílco a partr de las arstas del rectágulo recbe el ombre de valores atípcos. Las observacoes que está más allá de tres veces el rago utercuartílco a partr de las arstas del rectágulo se cooce como valores atípcos etremos. E ocasoes se emplea dferetes símbolos para detfcar los dos tpos de valores atípcos. A veces los dagramas de caja recbe el ombre de dagramas de caja y bgotes. Ejemplo: volvemos a los datos que represeta la vda de 40 baterías para automóvl smlares, regstradas al décmo de año más cercao La fgura sguete preseta u dagrama de caja obtedo co el paquete Statgraphcs tamaño de muestra 40 Meda 3.45 Medaa 3.4 Mímo.6 Mámo 4.7 Rago 3. º cuartl 3. 3º cuartl 3.85 rago utercuartílco (RIC) RIC.5 3 RIC.5,6,6 3,6 4,6 5,6 vda de la batería e años 30

14 Parte Estadístca Descrptva Prof. María B. Ptarell El dagrama dca que la dstrbucó de la vda e años de ua batería de automóvl es bastate smétrca co respecto al valor cetral ya que los bgotes zquerdo y derecho, así como la logtud de los rectágulos zquerdo y derecho alrededor de la medaa, so cas los msmos. També se observa la esteca de dos valores atípcos de rago medo e el etremo zquerdo de los datos. Los dagramas de caja so muy útles para hacer comparacoes gráfcas etre cojutos de datos, ya que tee u gra mpacto vsual y so fácles de compreder. Ejemplo: E 0 automóvles elegdos aleatoramete, se tomaro las emsoes de hdrocarburos e velocdad al vacío, e partes por mlló, para modelos de 985 y 995. Modelos 985: Modelos 995: La fgura sguete preseta los dagramas de caja comparatvos geerados por el paquete Statgraphcs 985 Modelo emsoes de hdrocarburos Modelo 985 Meda 395. Medaa 73.5 Mímo 05 Mámo 940 Rago 835 º cuartl 05 3º cuartl rago utercuartílco (RIC) 59.5 Modelo 995 Meda 60.5 Medaa 50 Mímo 0 Mámo 400 Rago 380 º cuartl 6.5 3º cuartl.5 rago utercuartílco (RIC) 59 3

15 Parte Estadístca Descrptva Prof. María B. Ptarell Se observa que ha dsmudo las emsoes de hdrocarburos del modelo 985 al 995. Además los datos correspodetes al modelo 985 tee mayor varabldad que los del modelo 995. Para el modelo 985 hay dos autos co emsoes muy altas. Ejemplo: Los sguetes datos represeta los tempos de operacó, e horas, para tres tpos de calculadoras cetífcas de bolsllo, ates de que requera recarga Calculadora A: Calculadora B: Calculadora C: La fgura sguete preseta los dagramas de caja comparatvos geerados por el paquete Statgraphcs. Queda a cargo del lector cometar las dferecas etre las calculadoras A, B y C. Calculadora A B C 4,3 4,8 5,3 5,8 6,3 6,8 tempo tamaño de Calculadora muestra Meda Medaa Mímo Mámo q q3 RIC A 5 5,0 4,9 4,3 6, 4,6 5, 0,6 B 7 5,4857 5,5 4,8 6, 5, 5,8 0,6 C 6 6, ,45 5,6 6,8 6,3 6,6 0,3 Ejemplo: El cotedo de cota, e mlgramos, e 40 cgarrllos de certa marca se regstraro como sgue: Se muestra la tabla de frecuecas y el hstograma de los datos segú Statgraphcs. Se tomaro 7 clases, dode el límte feror de la prmera clase es 0 y el límte superor de la últma clase es 3. 3

16 Parte Estadístca Descrptva Prof. María B. Ptarell lmte lmte Marca frecueca frec. frec.. ac. Clase feror superor de clase frecueca relatva acum.. relatva ,0 0,4857 0, , ,0000 0,4857 0, , ,0500 0, ,85743,857,0743 0, ,000 4,857,749,5 3 0, ,450 5,749,486, , ,8500 6,486,5743, ,500 40,0000 7,5743 3,0, , , frecueca ,5,5,5 3 cota e mg A cotuacó se da las meddas descrptvas y el gráfco de caja y bgote: Tamaño de muestra 40 Meda,7745 Medaa,77 Moda Varaza 0,5456 Desvacó estádar 0, Mímo 0,7 Mámo,55 Rago,83 º cuartl,635 3º cuartl Rago utercuartílco 0,365 Coef. de varacó,0068% gráfco de caja y bgote 0,7,,5,9,3,7 cota e mg 33

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

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

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

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

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

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

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

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

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

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

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

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

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

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

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

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

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

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

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

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

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

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes

Ejercicios Resueltos de Estadística: Tema 1: Descripciones univariantes Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

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

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

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

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

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

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

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA

Tema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,

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

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

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

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

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

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

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

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

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

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

Manual de Estadística

Manual de Estadística Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

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 DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

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

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

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

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

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

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

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

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

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

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

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

Análisis de correlación y regresión

Análisis de correlación y regresión Capítulo Aálss de correlacó regresó 3 Seccoes Itroduccó 3. Correlacó leal. 3. Regresó leal. 3.3 Regresó o leal fucoes trísecamete leales. 3.4 Regresó multleal. Atecedetes Itervalos de cofaza Prueas de

Más detalles

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,

Más detalles

Medidas de Tendencia Central

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

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

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

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

Análisis Estadístico de Mediciones de la Velocidad del Viento Utilizando la Técnica de Valores Desviados

Análisis Estadístico de Mediciones de la Velocidad del Viento Utilizando la Técnica de Valores Desviados Smposo de Metrología 008 Satago de Querétaro, Méxco, al 4 de Octubre Aálss Estadístco de Medcoes de la Velocdad del Veto Utlzado la Técca de Valores Desvados E. Cadeas, a W. Rvera b a Uversdad Mchoacaa

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

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

CIRO MARTINEZ BENCARDINO

CIRO MARTINEZ BENCARDINO CIRO MARTINEZ BENCARDINO Nacdo e Covecó (Norte de Satader - Colomba). Ecoomsta de la Uversdad Jorge Tadeo Lozao de Bogotá, D.C. Bo-estadístca (Uversdad de los Ades, Bogotá, D.C.). Téccas Estadístcas (CIENES-Satago

Más detalles

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS 5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com

Más detalles

Elaborado por: Ing. Rubén Toyama U. 1

Elaborado por: Ing. Rubén Toyama U. 1 CONTENIDO IDENTIFICACIÓN... 2 PLANIFICACIÓN DE LOS ENCUENTROS... 2 PROGRAMA ANALITICO... 3 ORIENTACIONES METODOLÓGICAS... 8. - Itroduccó.... 8..- Objetvos Geerales.... 9 2.- Desarrollo... 9 Prmer ecuetro...

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

Tema 2: Modelos lineales de optimización con variables enteras. Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Programacó Matemátca y Software (2009) Vol.. No. ISSN: 2007-3283 Recbdo: 0 de Juo de 2008/Aceptado: 3 de Septembre de 2008 Publcado e líea: 26 de juo de 2009 Seleccó de ua Cartera de Iversó e la Bolsa

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

Más detalles

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs.

( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs. Boletí Técco Septebre No. Tabla esultados cálculos Núero edcoes Valor áxo Valor ío ago Proedo Desvacó Ídce capacdad l proceso Ídce capacdad l proceso Ídce capacdad aqua Ídce capacdad aqua Fraccó fectva

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles