Variables bidimensionales: regresión y correlación

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

Download "Variables bidimensionales: regresión y correlación"

Transcripción

1 Varables bdmesoales: regresó correlacó VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1. Itroduccó.... Dstrbucoes margales Mometos Mometos respecto al orge Mometos respecto a la meda Matrz de covarazas Coceptos de ajuste regresó El método de los mímos cuadrados Regresó leal Regresó parabólca Regresó polomca Aálss de la correlacó La varaza resdual Coefcete de correlacó leal... ANEXO: El método de los mímos cuadrados e forma matrcal.6 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 1

2 Varables bdmesoales: regresó correlacó VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1. INTRODUCCIÓN Hasta ahora hemos estudado ua sola característca de cada poblacó. S esa característca era cuattatva a cada dvduo le hacíamos correspoder u úmero obteíamos las varables estadístcas udmesoales. Ahora vamos a estudar cojutamete dos característcas de ua poblacó. Los dos caracteres observados o tee porqué ser de la msma clase. Así, se os puede presetar: - Dos caracteres cualtatvos. Ej.: El seo el color del pelo de ua persoa. - Uo cualtatvo otro cuattatvo. Ej.: La profesó los años de servco. - Dos caracteres cuattatvos. Ej.: El peso la edad de ua persoa. A cada dvduo le vamos a hacer correspoder dos úmeros así obteemos las varables estadístcas bdmesoales. S llamamos E a la poblacó, ua varable estadístca bdmesoal es ua aplcacó de E --->R. A los caracteres les vamos a llamar e, cada uo de ellos presetará varas modaldades 1,..., r e 1,..., s respectvamete. Las parejas de valores, así obtedas por observacó cojuta, puede represetar valores dscretos, cotuos de dstto tpo podrá també repetrse u úmero determado de veces, dado lugar de esta forma a los coceptos de frecueca absoluta cojuta, paralelos a los a estudados para varables estadístcas udmesoales. Udad Docete de Matemátcas de la E.T.S.I.T.G.C.

3 Varables bdmesoales: regresó correlacó Se acostumbra a dspoer los resultados e ua tabla de doble etrada, dode e la prmera columa se coloca los valores valores 1,..., s 1,..., de la varable "" e la prmera fla los de la varable "". E la coflueca de la fla de co la columa j se coloca la frecueca cojuta j referda al resultado (, j ) correspodete, es decr, j es el úmero de dvduos que posee cojutamete las modaldades e j, que llamaremos frecueca absoluta cojuta del par (, j ). r Notaremos por f j la frecueca relatva correspodete al par (, ), que vedrá j dada por la epresó f j j, sedo el úmero total de pares observados. Por cosguete, defmos dstrbucó de frecuecas como el cojuto de valores que toma la varable bdmesoal co sus respectvas frecuecas absolutas o relatvas. Esta dstrbucó se represeta medate la sguete tabla: 1... j... s j... 1s j... s j... s r r1 r... rj... rs r j....s dode e j so los valores de las varables e, o las marcas de clase s está agrupadas,, s ;. j. j j1 1 r j verfcádose, r s r s..j j 1 j1 1 j1 Aálogamete, las frecuecas relatvas: f f ; f 1 s r.. j. j1 1 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 3

4 Varables bdmesoales: regresó correlacó f f ; f 1 r s.j.j j.j 1 j1 f ; f 1 r s j j.j =1 j1 Las estadístcas de dos varables suele represetarse e u sstema de ejes cartesaos, tomádose los valores de la varable "" e el eje de abscsas los de la varable "" e el de ordeadas señaládose la coflueca e el plao co u puto. El cojuto de putos así obtedos, e u úmero gual al de observacoes cojutas efectuadas, recbe el ombre de dagrama de dspersó o ube de putos. Dagrama de dspersó 55 j Como e u dagrama de dspersó o puede quedar reflejado las veces que se repte u par o u tervalo, hemos de recurrr a ua represetacó e tres dmesoes de (,). Dos so para la varable bdmesoal ua para epresar las frecuecas.. DISTRIBUCIONES MARGINALES EJEMPLO 1: Cosderemos 150 alumos a los que se les ha pregutado las calfcacoes obtedas e Físca Matemátcas. Así se ha obtedo pares de resultados (=ota e Físca, =ota e Matemátcas), cua formacó recogemos e la sguete tabla de doble etrada: Físca\Matemátcas Suspeso Aprobado Suspeso Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 4

5 Varables bdmesoales: regresó correlacó Aprobado Podemos respoder a las sguetes pregutas: 1) Cuátos alumos ha aprobado Físca? Cuátos ha suspeddo? ) Cuátos alumos ha suspeddo Matemátcas? Cuátos ha aprobado? Soluco: Físca\Matemátcas Suspeso Aprobado Suspeso Aprobado Para la prmera preguta hemos de teer e cueta solamete la varable (Físca). s Suspesos 80 Aprobados 70. j frecueca margal del valor j1 Dstrbucó margal de la varable "" so los valores que toma dcha varable co sus respectvas frecuecas r r.. Para la seguda preguta hemos de proceder de maera aáloga para la varable "". j.j Suspesos 75 Aprobados 75 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 5

6 Varables bdmesoales: regresó correlacó r. j j.frecueca margal del valor j. 1 La tabla represetada co la varable "" co sus frecuecas margales, recbe el ombre de dstrbucó margal de la varable ""..j j.j s.s A partr de las frecuecas absolutas margales se obtee las frecuecas relatvas margales.. f. f.j Naturalmete, para cada ua de las dstrbucoes margales puede hallarse las medas, las varazas, las desvacoes típcas cualquer otra medda de las a cosderadas para las estadístcas de ua sola varable..j Medas margales: r r s s 1 1 X f ; Y f.. j.j j.j 1 1 j1 j1 El puto (X,Y) se llama cetro de gravedad de la dstrbucó bdmesoal o vector de medas. Varazas margales: 1 r r ( X). ( X) f. 1 1 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 6

7 Varables bdmesoales: regresó correlacó 1 s s (j Y).j (j Y) f.j j1 j1 por tato, las desvacoes típcas margales, será: 1 r r ( X). ( X) f s s (j Y).j (j Y) f.j j 1 j 1 S e vez de dvdr por se dvde por -1 obteemos las cuasvarazas margales S S. 3. MOMENTOS 3.1. Mometos respecto al orge m 1 r s h k h,k jj 1 j 1 Alguos mometos partculares: m m f X r s 1,0 j.. 1 j1 1 1 m f Y r s 0,1 j j j.j j.j 1 j1 j j 1 m f r s 1,1 j j j j 1 j 1 j 1 1 m f r s,0 j.. 1 j1 N 1 1 m f r s 0, j j j.j j.j 1 j1 j j Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 7

8 Varables bdmesoales: regresó correlacó 3.. Mometos respecto a la meda Casos partculares teresates: 1 r s h k h,k ( X) (j Y) j 1 j 1 00, 1 1 ( X) X X 0 r s 1,0 j 1 j 1 01, YY ( X) ( X) m X r s,0 j.,0 1 j1 1 1 ( Y) ( Y) m Y r s 0, j j j.j 0, 1 j1 j r s 1,1 ( X) (j Y) j jj Xjj Yj 1 j1 j j j 1 1 XY XY m XY j j j 1,1 j j recbe el ombre de covaraza, de gra mportaca práctca, se defe como la meda artmétca de los productos de las desvacoes de la varable co respecto a su meda artmétca, X, por las desvacoes de la varable co respecto a la meda artmétca, Y. De la msma forma que e el caso de la varaza, se defe la covaraza muestral por ( X)( Y) S sedo S r s j j 1 j Cuado las varables e so depedetes se cumple que la covaraza es ula, e cuo caso se dce que so correladas. El recproco o es certo. S la covaraza es dstta de cero, etoces las varables so depedetes. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 8

9 Varables bdmesoales: regresó correlacó 4. MATRIZ DE COVARIANZAS Llamamos matrz de covarazas, a la matrz cuadrada smétrca que tee e la dagoal prcpal las varazas margales, fuera de la dagoal prcpal las covarazas, es decr S S S S ; que es smétrca, pues S S. O be Se llama varaza geeralzada al valor SS S 0(semdefda postva) mde apromadamete el área ocupado por el cojuto de datos. EJEMPLO : Las calfcacoes obtedas por 30 alumos e los eámees cuatrmestral () fal () de Matemátcas fuero las sguetes: Se pde: a) Formar ua tabla de doble etrada s agrupar los datos e tervalos. b) Hallar las dstrbucoes margales. Meda varaza de las msmas. c) Determar la covaraza. Solucó: a) \ j Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 9

10 Varables bdmesoales: regresó correlacó b) Dstrbucoes margales... j.j j.j j.j Medas Margales: Varazas margales: X Y 30 j.j 5.9 j X j.j Y 5.9 j 30 c) Los calculos correspodetes se detalla e la tabla de doble etrada, añadedo las dos flas sguetes \ Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 10

11 Varables bdmesoales: regresó correlacó j j j j 893 j Otra forma de calculo sería : j j co lo cual, m1,1 jj j j j j La covaraza 1,1 m1,1 XY La matrz de covarazas : E las dstrbucoes bdmesoales se preseta dos problemas que da orge a dos teorías: 1.- Teoría de la regresó: que trata de predecr los valores de ua varable para valores prefjados de la otra..- Teoría de la correlacó: que trata de medr la terdepedeca estadístca etre dos varables. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 11

12 Varables bdmesoales: regresó correlacó 5. CONCEPTOS DE AJUSTE Y REGRESIÓN Etre las varables margales de ua dstrbucó estadístca bdmesoal, puede haber dversos tpos de depedeca. Puede haber ua depedeca fucoal, como por ejemplo etre tempo espaco recorrdo por u móvl, a que este ua epresó matemátca que los relacoa. Pero puede haber, també, otra depedeca aleatora e la que coocda ua varable o es posble saber eactamete el valor de la otra, pero sí teer ua dea apromada de la msma, como por ejemplo la relacó etre talla peso de u dvduo. El procedmeto a segur es la observacó de ua varable estadístca bdmesoal (,) su represetacó e ua ube de putos o dagrama de dspersó observar s se dstrbue alrededor de ua lea o tedeca. Desde u puto de vsta gráfco, dremos que u ajuste es la susttucó de u dagrama de dspersó por ua líea, que, s que deba pasar por todos los putos, (*), se adapte lo mejor posble a todos ellos;, desde u puto de vsta aalítco, u ajuste es la susttucó de la depedeca de tpo fucoal o eacto, que mplca la determacó de los parámetros que caracterza a tal fucó aalítca. (*) Obsérvese que la terpolacó cosste e obteer ua curva que pase por los putos. La fucó que pretedemos obteer será ua líea que llamaremos líea de regresó, cua ecuacó puede ser de las formas sguetes: a b, recta. etc. a b c, parábola. a0 a1... a, polómca. ca k, epoecal. 1, hpérbola. a b Depededo de la fucó elegda para el ajuste, la regresó será leal, parabólca, Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 1

13 Varables bdmesoales: regresó correlacó El terés de la líea de regresó radca e poder predecr los valores de ua varable para los valores prefjados de la otra, lo que costtue el problema geeral de la teoría de la regresó o del ajuste. S tratamos de predecr coocda, habremos de calcular la líea de regresó de sobre, que será =f(). Recíprocamete =g() será la líea de regresó de sobre. 6. EL MÉTODO DE LOS MÍNIMOS CUADRADOS Depededo de la forma que adopte la ube de putos sabremos e prcpo s hemos de emplear ua recta, ua parábola, etc. Ua vez elegda la líea hemos de estmar los parámetros correspodetes a la msma a partr de los datos observados. La estmacó o cuatfcacó de los parámetros vee determada por las dsttas codcoes que se establezca prevamete. La codcó más usual de maor utldad práctca es la deomada de mímos cuadrados. Este método de ajuste se fudameta e cosderar como la mejor adaptacó, la de ua líea tal que sea míma la suma de los cuadrados de las dferecas etre los valores observados o empírcos los ajustados o teórcos, correspodetes a los dsttos valores de la fucó aalítca elegda para los msmos valores de la varable eplcatva Regresó leal (Ajuste por mímos cuadrados, a ua recta). Recta de regresó de sobre. Cosderemos los datos cosegudos epermetalmete: (, ),(, ),...,(, ) 1 1 Se quere adaptarlos a ua recta =a+b Por cosguete; ab 1 1 ab ab Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 13

14 Varables bdmesoales: regresó correlacó S los putos o está sobre ua recta =a+b. Escogeremos a b de tal forma que * (a b ) sea mímo. De todas las rectas =a+b buscaremos la recta que hace míma la suma de los cuadrados de las desvacoes que represeta la dstaca vertcal de los datos (, ) a los putos (, *) 1 1 m * a b Al depeder de dos parámetros sus dervadas parcales debe ser ulas: a b ab 0 ab ( 1) 0 ab 0 a b 0 a b ( ) 0 a b ab a b a b 1 1 a b Que recbe el ombre de Ecuacoes ormales de la recta de regresó de sobre Al dvdr por : 1 1 ab YabX a b axb Al despejar a e la prmera ecuacó susttur e la seguda 1 XY axb YbX b b 1 Nos dca que el parámetro b de ua recta de regresó puede calcularse medate el cocete etre la covaraza la varaza de la varable que actúa como depedete. X Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 14

15 Varables bdmesoales: regresó correlacó Este parámetro recbe el ombre de coefcete de regresó de la varable b co respecto a la varable, es la pedete de la recta de sobre, por cosguete, el setdo de crecmeto o decrecmeto, así como el grado de varacó, vee determado por el sgo el valor del coefcete de regresó b. La epresó del parámetro "a" ua vez coocdo el valor b, será: ay bxy X Susttuedo los valores obtedos e Y X de dode Y X a b, se tee: que es la ecuacó de la recta de regresó de sobre. Esta recta permte calcular, apromadamete, los valores de dados los de. Nota: aulado las dervadas se obtee el mímo ( o el mámo) como se puede comprobar co el Hessao. Iterpretacó geométrca. m * a b 1 1 e a b como ( a b )... ( a b ) e... e error vertcal o dstaca vertcal ( teórco) =a+b * e Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 15

16 Varables bdmesoales: regresó correlacó EJEMPLO 3: Obteer la recta de ajuste por mímos cuadrados que se adapta a los putos (0,1), (1,3), (,4) (3,4). Solucó: X 1,5 4 ; 1 1 Y 3 4 j ; j j j 1 14 X 1,5 1, Y 3 1,5 j j XY 1,531,5 4 La recta de regresó de sobre : 1, 5 Y X , 5 = Este otra recta de regresó que podemos obteer co los msmo datos. Recta de regresó de sobre : La recta de regresó de sobre o se obtee despejado la de la ecuacó ateror, so reptedo u proceso aálogo. E lugar de tomar las dstacas vertcales, se toma sobre las horzotales, ( e ). j j e j sobre las Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 16

17 Varables bdmesoales: regresó correlacó j j * Se demuestra que X Y es la recta de regresó de sobre, que permte calcular apromadamete los valores de dados los de. Dode 1 b es la pedete de la recta de regresó de sobre, cuo coefcete de regresó es b. EJEMPLO 3: Obteer la recta de ajuste por mímos cuadrados que se adapta a los putos (0,1), (1,3), (,4) (3,4). Solucó: La recta de regresó de sobre : 1, 5 X Y , 5 = 5/6-1 Propedades de las rectas de regresó: Las dos rectas de regresó Y b ( X), X b ( Y) se corta e u puto, que es precsamete el gravedad de la dstrbucó. ( XY, ), llamado, por su aturaleza de promedo, cetro de Por otra parte, es claro que so sempre postvos, e cosecueca, las pedetes de ambas rectas tee el msmo sgo que la covaraza aparece ítmamete lgadas, lo que justfca la deomacó de covaraza (varaza cojuta). Ua vez costrudas las rectas de regresó, la pedete de la de sobre es maor que la correspodete a la recta de regresó de sobre. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 17

18 Varables bdmesoales: regresó correlacó teemos que: tg tg ( a') 1 a' b' tg b' b' abtgb 1 b tgtg b' 1b'b 1tgtg 1 1 b b' b b' E el caso de que la depedeca leal e estudo sea de tpo eacto o fucoal, las dos rectas so recíprocas. Esto es: b 1 b de aquí, e cosecueca, s ambas rectas so detcas: 1 0 tg 0 bb1b b (1) Cuato más pequeña sea la tagete del águlo formado por la terseccó de las dos rectas, tato más represetatvo será el ajuste leal efectuado. EJEMPLO 4. Co los datos del ejemplo, se pde: a) Calcular ambas rectas de regresó. b) Estmar la ota fal de u alumo que obtuvo u 6 e el parcal. Solucó: a) Teíamos calculado: X 3.9, Y 5.9, 5.96, 9.6, 6.76 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 18

19 Varables bdmesoales: regresó correlacó Así pues, las rectas de regresó so: 676. sobre : 59. ( 39. ) sobre : 39. ( 59. ) b) Esta estmacó se hace a partr de la recta de regresó de sobre, Como 6, se tee que ota del eame fal. 6.. Regresó parabólca. Vamos a supoer ahora que a la vsta del dagrama de dspersó, es más coveete ajustar por u polomo de grado dos (parábola), como caso más secllo auque el método empleadoes váldo e geeral para u polomo de grado. a b c Nuestro objetvo es estmar los parámetros a, b, c a partr de los datos observados, empleado també el método de los mímos cuadrados. La fucó a mmzar es: f( a, b, c) ( a b c ) j, j dervado co respecto a los tres parámetros se obtee: f(a,b,c) (ab c j) 0 a,j f(a,b,c) (ab c j) 0 b,j f(a,b,c) (ab c j) 0 c,j que aplcado las propedades del sumatoro smplfcado se obtee las ecuacoes llamadas ormales de la parábola de regresó. j j, j, j, an b c 3 a b c 3 4 a b c j j Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 19

20 Varables bdmesoales: regresó correlacó Por últmo, dvdedo por N queda: a b m c m m am bm cm m am bm cm m Resolvedo este sstema por la regla de Cramer, se obtee los parámetros a,b,c de la parábola de regresó Regresó polómca. Vamos a supoer ahora que a la vsta del dagrama de dspersó, es más coveete ajustar por u polomo de grado. Por ejemplo, s es ua parábola escogeremos el grado dos. Para u polomo de grado : * = a 0 + a a Nuestro objetvo es estmar los parámetros a, =0, 1,...,, a partr de los datos observados, empleado també el método de los mímos cuadrados. El procedmeto es smlar al ateror plateado las ecuacoes ormales resolvedo el sstema. 7. ANÁLISIS DE LA CORRELACIÓN. Se hace ecesaro, ahora, completar el aálss de la regresó co la obtecó de uas meddas o coefcetes que permta calbrar el grado de depedeca estadístca estete etre las dos varables, o dcho de otro modo, el grado de represetatvdad o bodad del ajuste realzado. Llamaremos correlacó a la teora que trata de estudar la depedeca que este etre las dos varables que tervee e ua dstrbucó bdmesoal. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 0

21 Varables bdmesoales: regresó correlacó 7.1. La varaza resdual Ua vez ajustada la líea de regresó * a ua ube de putos, observamos que se obtee uas dferecas etre los dsttos valores ajustados o teórcos *, los correspodetes valores observados o empírcos j. e j = *- j La varaza resdual se defe como la varaza de los errores o resduos E el caso leal: 1 ( * ) r j j,j 1 j Y j 4 X j,j,j r ( * j) j Y Xj j XjY j,j,j,j j Y j X j Xj Yj,j,j,j 1 1 4,j X Y j j Como 0 r es ua medda de dspersó de los datos respecto a la meda. Se puede terpretar como la suma de los errores que cometaramos s estmaramos cada valor j por. També se dce varaza o eplcada represeta, la parte de la varacó de Y que o es capaz de eplcar el modelo elegdo, puede terpretarse como ua medda de la bodad del ajuste, valores grades de la varaza o eplcada dca que el modelo o es adecuado. S embargo, r o es válda para juzgar la bodad del ajuste, a que, depede de las udades de medda. Ua forma de evtar este problema es dvdr la varaza o eplcada por la varaza total de Y ( ), así pues, utlzaremos el cocete varaza de Y o eplcada por el modelo de regresó. r que represeta la proporcó de Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 1

22 Varables bdmesoales: regresó correlacó Así, la medda que usaremos para juzgar la bodad del ajuste es la razó de correlacó, també llamada coefcete de determacó r R 1 que represeta la proporcó de la varacó de Y eplcada por el modelo de regresó. varaza resdual varaza de Y r varaza eplcada R 1 varaza de Y 7.. Coefcete de correlacó leal. Ua medda de proporcó de la varacó total os la da el coefcete de determacó. Como R 1 R 1 r r r r R 1 1R 1 R os mde (e tato por uo) lo que hemos mejorado uestrapredccó al estmar. por medo de la líea de regresó e vez de por la meda margal. La raíz cuadrada del coefcete de determacó se deoma coefcete de correlacó leal es gual a la meda geométrca de los coefcetes de regresó b b. r b b lo que da lugar a: r b b r El coefcete de correlacó leal es u úmero abstracto es depedete de las udades utlzadas e las varables, cuo sgo es el de la covaraza, a que las varazas so postvas, compreddo etre Udad Docete de Matemátcas de la E.T.S.I.T.G.C.

23 Varables bdmesoales: regresó correlacó E efecto: tg Como tg tg r bb 1, r 1 1 r 1 tg Iterpretacó del coefcete de correlacó leal. Recordemos que se vo e el epígrafe al hablar del águlo que formaba las rectas de regresó, la epresó (1) : 1 bb tg b b PRIMER CASO: S r=1 la covaraza será postva, las pedetes de las rectas de regresó so postvas; a valores crecetes de correspode valores crecetes de. Es la correlacó perfecta drecta. S r=-1 la covaraza será egatva, las pedetes de las rectas de regresó so egatvas; a valores crecetes de correspode valores decrecetes de. La correlacó es perfecta e versa. El águlo que forma ambas rectas será de cocdetes. Ha depedeca fucoal recíproca. 0 e ambos casos las rectas so SEGUNDO CASO: Supogamos que r 0 0, o ha correlacó, es decr, a cualquer valor de correspode el msmo, lo que dca la falta absoluta de depedeca etre las varables, se dce que so correladas. Las rectas de regresó será: Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 3

24 Varables bdmesoales: regresó correlacó Y X obvamete perpedculares. TERCER CASO: S 0 < r < 1, ha correlacó postva. El sgo vee caracterzado por la covaraza que cosderaremos postva por tato las pedetes de las rectas de regresó so postvas. S -1 < r < 0, ha correlacó egatva <0. Las pedetes so egatvas, al aumetar los valores de ua varable, dsmue los de la otra. La correlacó será buea para valores de r prómos a -1 mala s so prómos a 0. Señalemos, por últmo, que el coefcete de correlacó leal o es propamete ua medda de tpo cuattatvo, so ua medda de tpo cualtatvo que dca úcamete el grado de la tesdad de la relacó leal estete etre las varables. EJEMPLO 5: Calculemos el coefcete de correlacó para el ejemplo 4. Solucó: 676. r Este ua fuerte depedeca aleatora drecta etre las dos varables. Las estmacoes hechas a partr de las rectas de regresó será fables. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 4

25 Varables bdmesoales: regresó correlacó Observacoes: El que dos varables tega ua correlacó leal alta (sea postva o egatva) puede o sgfcar ua relacó de causa-efecto etre ellas. Observado la matrz de covaraza r por tato r. S las varables o está correlacoadas etre sí, el determate toma (1 r ) 0 su valor mámo. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 5

26 Varables bdmesoales: regresó correlacó ANEXO EL MÉTODO DE LOS MÍNIMOS CUADRADOS EN FORMA MATRICIAL Cosderemos los datos cosegudos epermetalmete: ( 1, 1),(, ),...,(, ) ( 1, 1),(, ),...,(, ) Se quere adaptarlos a ua recta =a+b Por cosguete; e forma matrcal: ab 1 1 ab ab a. 1. b o be = M v dode a., M 1., v b S los putos o está sobre ua recta Mv 0. Escogeremos a b de tal forma que M v sea mímo. Sea v a b el vector que mmza la dfereca a la líea a b "RECTA DE REGRESIÓN" M so fjos, al varar v los vectores Mv forma u subespaco de R, espaco de la columa de M. Gráfcamete, Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 6

27 Varables bdmesoales: regresó correlacó -Mv* Mv -Mv Mv * La solucó míma Mv debe ser ortogoal al subespaco t 1 t dode Mv Mv v t t t t t t Mv Mv 0 v M Mv 0 v M M Mv 0 v t t M M Mv 0 t 1 t v M M M M M r M M,..., o está sobre la vertcal t M M t MM t t M Por últmo, Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 7

28 t MM Varables bdmesoales: regresó correlacó 1 t 1 M 1 m0 Y Xm 11 m XY 11 m Y YX X Y Xm Y X 0 11 a b EJEMPLO 3: Obteer la recta de ajuste por mímos cuadrados que se adapta a los putos (0,1), (1,3), (,4) (3,4). Solucó: M 1, Y = , M t.m = , (M t.m) -1 = , a t t 1 MM M = b = Udad Docete de Matemátcas de la E.T.S.I.T.G.C. 8

Tema 2: Distribuciones bidimensionales

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

Más detalles

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

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

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

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

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

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

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

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

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

Más detalles

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

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

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

Más detalles

MEDIDAS DE 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 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

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

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

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

-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

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

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

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

Más detalles

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 Espacial. José Antonio Rivera Colmenero

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

Más detalles

V II Muestreo por Conglomerados

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

Más detalles

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

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

Más detalles

ANÁLISIS 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

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

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

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

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles

1. Introducción 1.1. Análisis de la Relación

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

Más detalles

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

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

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

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

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

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

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

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

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

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

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

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

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

Más detalles

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

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

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

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

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

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

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

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

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

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

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

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1 Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

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

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

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

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

Más detalles

Figura 1

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

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

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

Más detalles

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

5.3 Estadísticas de una distribución frecuencial

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

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

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

Más detalles

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

I n t r o d u c i ó n A l a E s t a d í s t i c a 1 Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

Al conjunto de los distintos valores numéricos que adopta un carácter cuantitativo se llama variable estadística.

Al conjunto de los distintos valores numéricos que adopta un carácter cuantitativo se llama variable estadística. Pága del Colego de Matemátcas de la ENP-UNAM Estadístca descrptva Autor: Dr. José Mauel Becerra Esposa ESTADÍSTICA DESCRIPTIVA UNIDAD I I. DEFINICIÓN Y CLASIFICACIÓN DE VARIABLES La estadístca descrptva

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

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

Más detalles

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN

ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN UNIDAD 6 ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN Itroduccó a la udad El uso de la regresó leal smple es muy utlzado para observar el tpo de relacó que exste etre dos varables y poder llevar a cabo la

Más detalles

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

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

Más detalles

1.9. ESTÁTICA CON ROZAMIENTO

1.9. ESTÁTICA CON ROZAMIENTO Fudametos y Teorías Físcas ETS Arqutectura.9. ESTÁTICA CON ROZAMIENTO Hemos estudado el equlbro de los cuerpos stuados lbremete e el espaco, o cuado estaba udos medate elaces a otros cuerpos o a bases

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

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

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

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

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

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

VARIABLES ESTADÍSTICAS BIDIMENSIONALES.

VARIABLES ESTADÍSTICAS BIDIMENSIONALES. CONTENIDOS: VARIABLES ESTADÍSTICAS BIDIMENSIONALES. Orgazacó de dato: tabla de frecueca de doble etrada. Frecueca margale. Dagrama de dperó. Regreó leal: recta de regreó. Coefcete de correlacó leal. Iterpretacó.

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

(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

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

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

Más detalles

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

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

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

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

CAPÍTULO 3. ANÁLISIS DE REGRESIÓN

CAPÍTULO 3. ANÁLISIS DE REGRESIÓN CAPÍTULO 3. ANÁLISIS DE REGRESIÓN Leccó 0: Regreó leal Smple La palabra Regreó fue utlzada por prmera vez por Frac Galto, (.8.9) e u etudo de Bología obre la hereca, doe él oto que la caracterítca promedo

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

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

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

3 AJUSTE DE FUNCIONES

3 AJUSTE DE FUNCIONES AJUSTE DE UNCIONES.. udametos de estadístca: cojuto de medcoes epermetales meda y desvacó estádar INTRODUCCION TEÓRICA E la mayoría de los procedmetos epermetales se gasta mucho esfuerzo para reur los

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

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

Más detalles

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

Cálculo y EstadísTICa. Primer Semestre.

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

Más detalles

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

Este documento es de distribución gratuita y llega gracias a  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! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

PROBABILIDAD Y ESTADÍSTICA APLICADA

PROBABILIDAD Y ESTADÍSTICA APLICADA UNIVERSIDAD ORT Uruguay Facultad de Igeería Berard Wad - Polak PROBABILIDAD Y ESTADÍSTICA APLICADA NOTAS DE CLASE DEL CURSO DE LA Lcecatura e Sstemas FASCÍCULO Prof. Orual Ada Cátedra de Matemátcas Año

Más detalles

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...

Más detalles

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas

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