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

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

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

Transcripción

1 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 LA TABLA DE LA NORMAL N() E la dstrbucó N(), a la varable se le suele represetar por la letra z. La tabla os da las probabldades P[z k] para valores de k de 0 a 4, de cetésma e cetésma. A estas probabldades se las llama φ (k) : φ (k) P[z k] z se dstrbuye N() φ(k) es la fucó de dstrbucó de esta varable aleatora. El valor de k se busca así: - Udades y décmas e la columa de la zquerda - Cetésmas e la fla de arrba - El úmero que os da la tabla es el valor de : φ (k) P[z k] Ejemplo 1: Sea Z N() calcula: a) P[z 0,83] φ(0,83) 0,7967 b) P[z,3] φ(,30) 0,9893 c) P[z 1] φ(1,00) 0,8413 Ejemplo : Sea Z N() calcula e valor de k : a) P[z k] 0,7190 k 0,58 b) P[z k] 0,8645 k 1, c) P[z k] 0,5537 k 0, 135 Ejercco 3 : Sea Z N() calcula: a) P[z 0,45] φ(0,45) 0,6736 b) P[z 1,] φ(1,) 0,8849 c) P[z 7] 1 Ejercco 4 : Sea Z N() calcula e valor de k : a) P[z k] 0,5040 k 0,01 b) P[z k] 0,6 k 0,31 1,93 + 1,94 c) P[z k] 0,9735 k 1, 935 CÁLCULO DE PROBABILIDADES EN UNA DISTRIBUCIÓN N() - S k 0, las probabldades φ (k) P[z k] P[z < k] se ecuetra drectamete e la tabla. - P [z k] 1 P[z < k] 1 - φ (k) - Para abscsas egatvas: P[z -k] P[z k] 1 - φ (k) - P[a z b] P[z b] P[z a] Ejemplo 5 : Sea Z N() calcula: a) P[z 1,86] 1 P[z < 1,86] 1 - φ(1,86) ,0314 b) P[8 < z 1,9] P[z 1,9] P[z 8] φ(1,9) - φ(8) 0,9015 0,5714 0,3301 c) P[-0,56 < z 1,9] P[z 1,9] P[z -0,56] φ(1,9) P[z 0,56] φ(1,9) [1 - P[z < 0,56]] φ(1,9) 1 + φ(0,56) 0, ,713 0,6836 d) P[-1,83 < z < -1] P[z < -1] P[z -1,83] P[z > 1] P[z > 1,83] [1 P[z 1]] [1 P[z 1,83] 1 - φ(1) φ(1,83) - φ(1) + φ(1,83) -0, ,

2 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato Ejemplo 6 : Sea Z N() calcula k a) P[z < k] 0,8365 k 0,98 b) P[z > k] 0,8365 P[z k] 635 (No está e la tabla, k es egatvo) k -s P[z > -s] 0,8365 P[z < s] 0,8365 s 0,98 k -0,98 c) P[z < k] 894 (No está e la tabla, k es egatve) k -s P[z < -s] P[z > s] 894 P[z s] 0,9106 s 1,34 k -1,34 Ejercco 7 : Halla las sguetes probabldades e ua dstrbucó N() a) P[z >,8] 1 P[z,8] 1 - φ(,8) 1 0,9974 0,006 b) P[z -1,8] P[z 1,8] 1 P[z < 1,8] 1 - φ(1,8) 1 0,9641 0,0359 c) P[z > -1,8] P[z < 1,8] φ(1,8) 0,9641 d) P[1,6 z <,3] P[z <,3] P[z < 1,6] φ(,3) - φ(1,6) 0,9893 0,9474 0,0419 e) P[1 z ] P[z < ] P[z < 1] φ() - φ(1) 0,977 0, f) P[-0,61 z 1,4] P[z < 1,4] P[z < -0,61] φ(1,4) P[z > 0,61] φ(1,4) [1 P[z 0,61] φ(1,4) 1 + φ(0,61) 0, ,791 0,6483 g) P[-1 z ] P[z ] P[z < -1] φ() P[z > 1] φ() [1 P[z 1] φ() 1 + φ(1) 0, ,8413 0,8185 h) P[-,3 < z <-1,7] P[z <-1,7] P[z < -,3] P[z > 1,7] P[z >,3] [1 P[z 1,7] [1 P[z,3] 1 - φ(1,7) 1 + φ(,3) -0, ,9893 0,0339 ) P[- z -1] P[z <-1] P[z < -] P[z > 1] P[z > ] [1 P[z 1] [1 P[z ] 1 - φ(1) 1 + φ() -0, , Ejercco 8 : Calcula el valor de k (exacta o aproxmadamete) e cada uo de los sguetes casos: a) P[z k] 0,5 k 0 b) P[z k] 0,879 k 1,14 c) P[z k] 0,9 k 1,8 d) P[z k] 0,33 (0,33 o está e la tabla, k es egatvo) k -s P[z -s] 0,33 P[z s] 0,33 P[z < s] 0,67 s 0,44 k -0,44 e) P[z k] 0, (0, o está e la tabla, k es egatvo) k -s P[z -s] 0, P[z s] 0, P[z < s] 0,8 s 0,84 k -0,84 f) P[z > k] P[z k] 0,88 k 1,175 g) P[z k] 0,9971 P[z < k] 0,009 (o está e la tabla, k es egatvo) k -s P[z -s] 0,9971 P[z s] 0,9971 s,76 k -,76 h) P[z k] 0,6 P[z < k] 0,4 (o está e la tabla, k es egatvo) k -s P[z -s] 0,6 P[z s] 0,6 s 0,5 k -0,5 CALCULO DE PROBABILIDADES EN UNA DISTRIBUCIÓN N( μ, ) Como ya sabemos, las probabldades e dos dstrbucoes ormales cualesquera se reparte de forma aáloga. Por tato, para calcular probabldades e ua dstrbucó N( μ, ), la relacoaremos co la N() para la cual dspoemos del recurso de las tablas. S x es N( μ, ), para calcular la probabldad P[b < x < k] se procede del sguete modo: P[b < x < b μ k μ k μ k] P < z <. El cambo k se llama tpfcacó de la varable. La varable ya tpfcada sgue ua dstrbucó N()

3 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 3 Ejemplo 9 :E ua dstrbucó N(66,8), calcular: μ a) P[x < 70] P < 8 P[z < 0,5] φ(0,5) 0,6915 μ b) P[x > 80] P > 8 P[z > 1,75] 1 P[z < 1,75] 1 - φ(1,75) 1 0,9599 0, x μ c) P[70 < x < 80] P < < 8 8 P[0,5 < z < 1,75] P[z < 1,75] P[z 0,5] φ(1,75) - φ(0,5) 0,9599 0,6915 0,684 Ejemplo 10 :E ua dstrbucó N(66,8), calcula k para que se de las sguetes gualdades: μ 6 6 a) P[x k] 0,9788 P 8 0,9788,3 k 8., ,4 8 μ 6 6 b) P[x k] 5 P 8 5 (5 o está e la tabla s 8 6 P[z -s] 5 P[z s] 5 P[z < s] 0,85 s1,04 1, 04 k-1, ,68 8 μ 6 6 c) P[x k] 0,6808 P[x<k]0,319 P < 8 0,319 (o está e la tabla) s 8 6 P[z<-s]0,319 P[z s]0,319 P[z<s]0,6808 s0,47 0, 47 k-0, ,4 8 Ejercco 11 : E ua dstrbucó N(18,4), halla las sguetes probabldades: μ 0 18 a) P[x 0] P 4 P[z 0,5] φ(0,5) 0,6915 μ 16,5 18 0, ,6480 b) P[x 16,5] P 4 P[z -0,375] P[z 0,375] 0,64615 μ c) P[x 11] 4 P[z -1,75]P[z 1,75]1 P[z < 1,75]1 - φ(1,75)1 0,95990, x μ 3 18 d) P[19 x 3] 4 4 P[0,5 z 1,5] P[z 1,5] P[z < 0,5] φ(1,5) - φ(0,5) 0,8944 0,5987 0, x μ 5 18 e) P[11 x < 5] 4 4 P[-1,75 z 1,75] P[z 1,75] P[z < -1,75] φ(1,75) P[z 1,75] φ(1,75) [1 + P[z < 1,75]] φ(1,75) 1 + φ(1,75) 0, ,9198 Ejercco 1 : E ua dstrbucó N(6;0,9), calcula k para que se de las sguetes gualdades: μ a) P[x k] 0,977 P 0,977 k 7,8 0,9 0,9 μ b) P[x k] 0,8 P 0,8 0,84 k 8,756 0,9 0,9 μ c) P[x k] 0,3 P 0,3 (No está e la tabla) -s 0,9 0,9 P[z -s] 0,3 P[z s] 0,3 P[z < s] 0,7 s 0,5-0,5 k 5,53 0,9

4 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 4 μ d) P[x k] 0,6331 P[x < k] 0,3669 P 0,3669 (No está e la tabla) 0,9 -s P[z -s]0,3669 P[z s]0,3669 P[z < s]0,6331 s0,34-0,34 k5,694 0,9 0,9 1. INTERVALOS CARACTERÍSTICOS S la varable x tee ua dstrbucó de meda μ, se llama tervalo característco correspodete a ua probabldad p a u tervalo cetrado e la meda, (μ - k, μ + k) tal que la probabldad de que x perteezca a dcho tervalo es p: P[μ - k < x < μ + k] p INTERVALOS CARACTERÍSTICOS EN DISTRIBUCIONES N() E ua dstrbucó ormal N(), s (-k,k) es el tervalo característco correspodete a ua probabldad p, es decr, s P[-k < z < k] p 1 - P[z > z / ] / P[z z / ] 1 - / Itervalo característco (-z /, z / ) Ejemplo 13: S Z N () calcular el tervalo característco co ua probabldad del 90% 1 p 1 0,9 /] 1 - /] 1-0,95 Z TablaN() / 1,645 (-Z /, Z /) Itervalo característco (-1,645, 1,645) Sgfcado: Z está e el tervalo (-1,645, 1,645) co ua probabldad del 90% Ejercco 14: S Z N () calcular el tervalo característco co ua probabldad del 99% 1 p 1 0,99 0,01 /] 1-0,01 /] 1-0,995 Z TablaN() /,575 (-Z /, Z /) Itervalo característco (-,575,,575) Sgfcado: Z está e el tervalo (-,575,,575) co ua probabldad del 99% (Lógcamete el tervalo es mayor que el obtedo e el ejemplo 1) INTERVALOS CARACTERÍSTICOS EN DISTRIBUCIONES N(μ,) E ua dstrbucó ormal N(μ,), s (μ - k, μ + k) es el tervalo característco correspodete a ua probabldad p, es decr, s P[μ - k < X < μ + k] p 1 - P[z > z / ] / P[z z / ] 1 - / Itervalo característco (μ - z /., μ + z /.) Ejemplo 15: S X N (173,6) calcular el tervalo característco co ua probabldad del 90% 1 p 1 0,9 /] 1 - ] 1-0,95 Z 1,645 μ μ+ ( -Z / TablaN() / /., Z /. ) Itervalo característco (173-1,645.6,173 +1,645.6) (163,13; 18,87) Sgfcado: X está e el tervalo (163,13; 18,87) co ua probabldad del 90%

5 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 5 Ejercco 16: S X N (173,6) calcular el tervalo característco co ua probabldad del 95% 1 p 1 0,95 0,05 /] 1-0,05 /] 1-0,975 Z TablaN() / 1,96 ( -Z /., Z /. ) μ μ+ Itervalo característco (173-1,96.6,173 +1,96.6) (161,4; 184,76) Sgfcado: X está e el tervalo (161,4; 184,76) co ua probabldad del 95% Ejercco 17: El peso de las cajas de leche sgue ua dstrbucó ormal de meda 1 Kg y desvacó típca 50 gr. Hallar el tervalo característco co ua probabldad del 95% X N(1; 0,05) 1 p 1 0,95 0,05 /] 1-0,05 ] 1-0,975 Z 1,96 ( -Z / TablaN() / /., Z /. ) μ μ+ Itervalo característco (1-1,96.0,05,1 +1,96.0,05) (0,90; 1,098) Sgfcado: Ua caja de leche pesa etre 0,90 y 1,098 Kg co ua probabldad del 95% 1.3 DISTRIBUCIÓN DE LAS MEDIAS MUESTRALES DISTRIBUCIÓN DE LAS MEDIAS MUESTRALES Dada ua poblacó de meda μ y desvacó típca, o ecesaramete ormal, la dstrbucó de las medas de las muestras de tamaño : - Tee la msma meda, μ, que la poblacó. - Su desvacó típca es / y, por cosguete, desmuye al aumetar. - Cuado 30 es práctcamete ormal. S X N( μ, ) ó X N(μ, S > 30 ) P[z z / ] 1 - / Itervalo característco (μ - z /., μ + z/. ) Ejemplo 18: E ua dstrbucó N(0,6), tomamos muestras de tamaño 64. a) Cuál es la dstrbucó de las medas de la muestra? 6 Como X N(0,6) X N( μ, ) N(0, ) N(0; 0,75) 64 Es decr, es ua Normal de meda 0 y desvacó típca 0,75 b) Cuál es la probabldad de extraer ua muestra cuya meda esté compredda etre 19 y 1? P 19 X 1 P Z P[ 1,33 Z 1,33] X N(0;0,75) Tpìfcamos 0,75 0,75 P[Z 1,33] P[Z < -1,33] P[Z 1,33] P[Z>1,33] P[Z 1,33] (1 - P[Z 1,33]) 0, ,908 0,8164 Mramos e la tabla de la N()

6 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 6 Ejercco 19 : Los parámetros de ua varable so μ 16,4 4,8. Nos dspoemos a extraer ua muestra de 400 dvduos. a) Halla el tervalo característco para la meda muestral correspodete a ua probabldad p 0,99. 1 p 1 0,99 0,01 / ] 1 0,01 μ μ + ] 1 0,995 Z,575 ( Z, Z ) / / / / TablaN() Itervalo característco (16 -,575.4,8, 16 +,575.4,8) (3,64; 8,36) b) Calcula P [16 < x < 17] 4,8 Como 400 > 30 X N( μ, ) N(16, ) N(16; 0,4) X 17 P Z P 0 Z 4,17 x N(16;0,4)Tpfcamos 0,4 0,4 φ(4,17) - φ(0) 1 0,5 0,5 Mramos e la tabla de la N() P [ ] [ ] P[Z 4,17] P[Z < 0] DISTRIBUCIÓN DE LA SUMA DE TODOS LOS INDIVIDUOS DE LA MUESTRA Puesto que x 1 S X N( μ, ) ó S > 30 x 1, sabemos que x se dstrbuye ormal de meda μ y desvacó típca 1 x N(μ, ) P[z z / ] 1 - / Itervalo característco (μ - z /., μ + z /. ) Ejemplo 0 : Los sueldos, e euros, de los empleados de ua fábrca se dstrbuye N(100, 400). Se elge al azar ua muestra de 5 de ellos. Cuál es la probabldad de que la suma de sus sueldos sea superor a euros? S X N(100,400) 1 x N(5.100, ) N(30.000,000) P x > PZ > P[Z >,5] 1 P[Z,5] 1 - φ(,5) 1 0, ,006 Halla el tervalo característco para las sumas de 5 dvduos, correspodetes a ua probabldad del 0,9. 1 p 1 0,9 / ] 1 / ] 1 0,95 Z / 1,645 (μ Z.,μ + Z ) TablaN() / / Itervalo característco ( , , , ) (6710; 3390) Sgfcado: La suma de los sueldos de 5 empleados está etre 6710 y 3390 euros co ua probabldad del 90%

7 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 7 Ejemplo 1: Las bolsas de azúcar evasadas por ua certa máqua tee de meda 500 gr y desvacó típca 35 gr. Las bolsas se empaqueta e cajas de 100 udades. a) Calcular la probabldad de que la meda de los pesos de las bolsas de u paquete sea meor que 495 gr. X N(500, 35) P[ X < 495] 35 Como X N(500,35) X N( μ, ) N(500, ) N(500;3,5) Tpfcamos 100 P[Z < P[Z > 1,43] 1 P[Z 1,43] 1 0,936 0,0764 Mramos e la tabla de la N() ,5 ] P[Z < -1,43] b) Hallar el tervalo característco de la meda muestral para ua probabldad del 95% /] 1-1 p 1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 ( -Z /., Z /. ) μ μ+ 35 Itervalo característco (500 1, ; , ) (493,1; 506,9) 100 Sgfcado: La meda de los pesos está e el tervalo (493,1;506,9) co ua probabldad del 95% c) Calcular la probabldad de que ua caja de 100 bolsas pese más de 51 Kg. P[ X > ] P[Z > Como X N(500,35) X N( μ,. ) N( , ) N(50.000;350) Tpfcamos ] P[Z >,86] 1 P[Z,86] 1 0,9979 0, Mramos e la tabla de la N() d) Cuál es la probabldad de que ua caja pese más de 550 gr? P[X > 550] P[Z > ] P[Z > 1,43] 1 P[Z 1,43] X N(500,35) Tpfcamos 35 Mramos e la tabla de la N() 1 0,936 0,0764 Ejercco : Los pesos e klogramos de los soldados de ua promocó sgue ua dstrbucó ormal N(69,8). Las guardas e u regmeto está formadas por 1 soldados. a) Hallar la probabldad de que la meda de los pesos de los soldados de ua guarda sea superor a 71 Kg. Como X N(69,8) X N( μ, ) N(69, P[ X > 71] P[Z > 8 ) N(69;,31) ] P[Z >0,87] 1 P[Z 0,87] 1 - φ(0,87) 1 0,8078 9,31 b) Obteer el tervalo característco para x correspodete a ua probabldad de 0,9 / ] 1 1 p 1 0,9 ( μ Z μ + ] 1 0,95 Z 1,645, Z ) / / / / TablaN() 8 8 Itervalo característco (69-1,645., 69 +1,645. ) (65,; 7,8) 1 1 Sgfcado: La meda de los pesos está e el tervalo (65,; 7,8) co ua probabldad del 90%

8 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 8 c) Cuál es la probabldad de que la suma de los pesos de los soldados de ua guarda sea meor que 800 Kgs? S X N(69,8) 1 x N(1.69, 8 1 ) N(88,7,71) P x < 800 PZ < P[Z < -1,01] P[Z > 1,01] 1 P[Z 1,01] 1 - φ(1,01) 1 7, , d) Cuál es la probabldad de que u membro de la guarda, elegdo al azar, pese más de 93 Kg? P[X > 93] P Z > 8 P[Z > 3] 1 P[Z 3] 1 - φ(3) 1-0,9987 0, EN QUÉ CONSISTE LA ESTADÍSTICA INFERENCIAL ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS Los parámetros de la poblacó se puede estmar a partr de los de la muestra. Así: La meda muestral, x, srve para estmar la meda poblacoal, μ. La desvacó típca muestral, s, es u estmacó de la desvacó típca poblacoal, La estmacó putual (el valor de μ es aproxmadamete x ), srve de poco metras descoozcamos cuál es el grado de aproxmacó de x a μ. La estmacó por tervalos: A partr de ua muestra de tamaño podemos estmar el valor de u parámetro de la poblacó del sguete modo: - Dado u tervalo detro del cual cofamos que esté el parámetro. Se llama tervalo de cofaza. - Hallado la probabldad de que tal cosa ocurra. A dcha probabldad se le llama vel de cofaza. Cuato mayor sea el tamaño de la muestra, mayor efcaca tedremos e uestra estmacó. La efcaca de esta estmacó se mafesta de dos formas: - E el tamaño del tervalo (cuato más pequeño, más precsos estamos sedo) - E el vel de cofaza (más vel de cofaza sgfca más segurdad e la estmacó). Tamaño de la muestra, logtud del tervalo y vel de cofaza so tres varables estrechamete relacoadas. Coocdas dos de ellas obtedremos la tercera. 1.5 INTERVALO DE CONFIANZA PARA LA MEDIA Se desea estmar la meda, μ, de ua poblacó cuya desvacó típca,, es coocda. Para ello se recuerde a ua muestra de tamaño e la cual se obtee ua meda muestral, x. S la poblacó de partda es ormal, o s el tamaño de la muestra es 30, etoces el tervalo de cofaza de μ co u vel de cofaza de (1-).100% es: x z /, x + z /

9 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 9 Ejemplo 3 : Deseamos valorar el grado de coocmetos e hstora de ua poblacó de varos mles de alumos. Sabemos que la desvacó típca es,3. Nos propoemos estmar la meda poblacoal pasado ua prueba a 100 alumos. a) Calcular el tervalo característco para la meda muestral correspodete a ua probabldad de 0,95. Como 100 > 30 /] 1-1 p 1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 ( -Z /., Z /. ) μ μ+,3 Itervalo característco (μ 1, ; μ + 1,96.,3 ) (μ-0,45; μ+0,45) 100 Sgfcado: La meda muestral dsta meos de 0,45 de la poblacoal co ua probabldad del 95% b) Ua vez realzada la prueba a 100 alumos cocretos, se ha obtedo ua meda de 6,3. Hallar el tervalo de cofaza co u vel de sgfcacó del 95% /] 1-1 p 1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 (X-Z /.,X Z /. ) +,3 Itervalo de cofaza (6,3 1, ; 6,3 + 1,96.,3 100 ) (5,87;6,77) Sgfcado: La meda poblacoal está e el tervalo (5,87;6,77) co u vel de cofaza del 95% Ejemplo 4 : Para estmar la meda de los resultados que obtedrá al resolver u certo test los alumos de 4º de ESO de toda ua comudad autóoma, se les pasa dcho test a 400 de ellos escogdos al azar. Los resultados obtedos vee recogdos e la sguete tabla x f A partr de ellos, estma co u vel de cofaza del 95% el valor de la meda poblacoal. Como 400 > 30 El tervalo de cofaza μ (X-Z /.,X + Z /. ) Hallamos al meda y la desvacó típca de la muestra: x f x.f x.f x.f 199 X 3, N x.f 473 X 3,475 1,6 1, N 400 N /] 1-1 0,95 0,05 0,05 /] 1-0,975 Z TablaN() / 1,96 (X-Z /.,X Z /. ) + 1,1 1,1 μ (3, 475 1,96. ;3, ,96. ) (3,14; 3,36) Sgfcado: Teemos ua cofaza del 95% de que la ota meda de la poblacó total esté compredda etre (3,14; 3,36).

10 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 10 Ejercco 5 : De ua varable estadístca, coocemos la desvacó típca 8, pero descoocemos la meda. Para estmarla, extraemos ua muestra de tamaño 60 cuya meda es 37. Estma la meda poblacoal medate u tervalo de cofaza del 99%. Como 60 > 30 / ] 1 1 p 1 0,99 0,01 (X Z /., X + Z /. / ] 1 0,01 0,995 TablaN() Z /, Itervalo de cofaza (37,575. ; 37+,575. ) (34,34;39,66) Sgfcado: La meda poblacoal está e el tervalo (34,34;39,66) co u vel de cofaza del 99% 1.6 RELACIÓN ENTRE NIVEL DE CONFIANZA, ERROR ADMISIBLE Y TAMAÑO DE LA MUESTRA El valor E z / se llama error máxmo admsble. Depede de y de del sguete modo: - Cuato mayor sea el tamaño de la muestra, meor es E (más estrecho es el tervalo, es decr, más afaremos e la estmacó). - Cuato mayor sea 1 a (es decr, cuato más seguros queramos estar de uestra estmacó), mayor es E. Cuato mayor es 1 -, mayor es z / y, por tato, mayor es E. E, y so tres varables estrechamete relacoadas. Coocdas dos de ellas obtedremos la tercera despejado de la fórmula: E z / Ejemplo 6 : La desvacó típca de los resultados de las dsttas medcoes que se realza para calcular la duracó de u proceso es 0,5 sg. Cuál es el úmero de meddas que hay que realzar para que co u 99% de cofaza, el error de la estmacó o exceda de sg.? 0,5 E Z /.? 1 0,99 0,01 / ] 1 1 0,995 Z/,575 E <,575. 0,5 1, , Debemos tomar 166 meddas Ejemplo 7 : Al medr el tempo de reaccó, u pscólogo sabe que la desvacó típca de las dsttas medcoes del msmo es 0,5 sg. Desea estmar el tempo medo de reaccó co u error máxmo de sg, para lo cual realza 100 experecas. Dí co que vel de cofaza podrá dar el tervalo ( X -; X +) 0,5 E Z /. Z /. Z/ 0, /] 1 1? E P[Z ] 0,977 Mramos e la tabla de la N() 1 0,977 0, , ,44% El vel de cofaza es del 95,44%

11 Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 11 Ejemplo 8 : U gaadero de reses bravas quere estmar el peso medo de los toros de su gaadería co u vel de cofaza del 95%. Para ello toma ua muestra de 30 toros y los pesa. Obtee ua meda de 507 Kg y ua desvacó típca de 3 Kg. Cuál es el error cometdo? 3 E Z / ,95 0,05 / ] 1 1 0,975 Z/ 1,96 E? 3 E 1,96. 11,45 Kg El error es de 11,45 Kg. 30 Ejercco 9: U coroel desea estmar la estatura meda de todos los soldados de su regmeto co u error meor que 0,5 cm utlzado ua muestra de 30 soldados. Sabedo que 5,3 cm. Cuál será el vel de cofaza co el que se realza la estmacó? 5,3 E Z /. 0,5 Z /. Z / 0,5 5, P[ Z Z / ] 1 1? E 0,5 P[ Z 0,5] 0,6985 MramoslatabladeN() , 0, ,397 39,7% El vel de cofaza es del 39,7% Ejercco 30 : El cocete telectual de u certo colectvo tee ua meda μ descoocda y ua desvacó típca 8. De qué tamaño debe ser la muestra co la cual se estme la meda co u vel de cofaza del 99% y u error admsble E 3? 8 0,01 P[ Z Z / ] 1 1 0,995 Z /,575? 1 0,99 0,01 8 E Z /. 3,575. 6,87 47,15 E 3 El tamaño de la muestra debe ser de 48. EJERCICIOS REPASO (Lbro págas 94-97)

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

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

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

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

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

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

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 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

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

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

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

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

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

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

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

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

MÉTODOS ESTADÍSTICOS 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

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

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

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

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

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

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

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

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

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN 3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas

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

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

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

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

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

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

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

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

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

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

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

Más detalles

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

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

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

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

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

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

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

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

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

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

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

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

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

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

Contraste de Hipótesis

Contraste de Hipótesis Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas

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

3 Metodología de determinación del valor del agua cruda

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

Más detalles

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

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

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

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

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

ESTADÍSTICA DESCRIPTIVA 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

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Página 75 REFLEXIONA Y RESUELVE Lanzamiento de varios dados Comprueba en la tabla anterior ue: DESV. TÍPICA PARA n DADOS n = 8 1,71 1,1 n = 3 8 1,71 3 0,98

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

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

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

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

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

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

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

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

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

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

ESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas:

ESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas: ESTADÍSTICA Ejercicio º.- Al pregutar a 0 idividuos por el úmero de persoas que vive e su casa, hemos obteido las siguietes respuestas: Elabora ua tabla de frecuecias. Ejercicio º.- E ua empresa de telefoía

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

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

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

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

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

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

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

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

1.- DISTRIBUCIÓN BIDIMENSIONAL

1.- DISTRIBUCIÓN BIDIMENSIONAL º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

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

14 Intervalos de confianza

14 Intervalos de confianza Solucioario 14 Itervalos de cofiaza ACTIVIDADES INICIALES 14.I. Calcula tal que P z < Z z α α = 0,87. P zα < Z zα = P Z zα P Z < zα = P Z zα 1= 0,87 P Z P Z P Z = 1,87 = 0,935. Buscado e el iterior de

Más detalles

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6. Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

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

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) 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

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

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