ANALISIS DISCRIMINANTE, ESTADISTICA GERENCIAL
|
|
- Rafael Castro Bustos
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSIDAD DE PUERTO RICO Recinto de Río Piedras Facultad de Administración de Empresas Instituto de Estadística ANALISIS DISCRIMINANTE, HERRAMIENTA EN ESTADISTICA GERENCIAL José C. Vega Vilca, PhD Presentación en la Escuela Graduada Marzo 8
2 INTRODUCCION En negocios hay muchas situaciones donde sujetos en estudio pueden ser separados en dos o más grupos bien deinidos. Estos sujetos pueden ser personas, ciudades, universidades, países u otros. El propósito del Análisis Discriminante es construir un clasiicador basado en datos multivariados, pertenecientes a grupos bien conocidos por el investigador, para ser usado en clasiicación de nuevos sujetos y puedan ser localizados en alguno de estos grupos en estudio. Según las características (multivariadas de los nuevos sujetos, podremos dar respuesta a casos tales como:.- Comprará, este cliente nuestro producto, o no?. - Devolverá, este cliente el crédito, o no? 3.- Se adaptará, este candidato al puesto de trabajo, o no? José Vega, PhD
3 EL PROBLEMA GENERAL EN CLASIFICACIÓN Población : π Población : π Cada punto representa un sujeto, en el espacio de p-dimensiones Clasiicar estos nuevos objetos, en una de estas dos poblaciones José Vega, PhD 3
4 CASO PRÁCTICO: los objetos se representan dentro de un espacio muestral Ω Ω clasiicador Región : R Región : R José Vega, PhD 4
5 CONCEPTOS R : Región donde los sujetos son clasiicados como perteneciente a π R : Región donde los sujetos son clasiicados como perteneciente a π Ω : Espacio muestral, R R Ω R R φ c(i j : costo de clasiicar un objeto en π i, cuando realmente pertenece a π j (,, 3, L, i p p ( p ' vector aleatorio : punto en el espacio unción de densidad de población i, i, ( ( P π P π Probabilidad apriori de pertenecer a población Probabilidad apriori de pertenecer a población José Vega, PhD 5
6 REGIONES DE CLASIFICACIÓN R : ( c( p ( c( p R : ( ( < c c ( p ( p c( p Generalmente se asume que: ( y c p Regiones de clasiicación Es la unción discriminante R R : : D D ( ( < D ( ln ( ( José Vega, PhD 6
7 DISTRIBUCIÓN NORMAL p-variada DISTRIBUCIÓN NORMAL p-variada El vector aleatorio tiene distribución normal p-variada, si su unción de densidad es : ( p L ( ( ( ' ( ep p π M p p σ σ σ σ σ σ M L M M L L vector de Matriz de covarianzas p M pp p p σ σ σ L M L M M p : univariada p : bivariada medias covarianzas ( ep σ σ π p : univariada p : bivariada José Vega, PhD 7
8 CLASIFICACIÓN EN DOS POBLACIONES NORMALES Sean ( y ( las unciones de densidad correspondientes a las poblaciones en estudio: π y π, respectivamente ( ep ( ' ( ( p ( π ep ( ' ( p ( π Regiones de clasiicación Es la unción discriminante R R : : D D ( ( < ( D ln ( ( José Vega, PhD 8
9 C (di i i t li l Caso a : Σ Σ Σ (discriminante lineal ( ' ( ' ( ( : + D R ( ' ( ' ( ( : < + D R Caso b : Σ Σ (discriminante cuadrático ( ( ' ( : ' ' + k D R ( ( ' ( : ' ' < + k D R ( ' ' + n k l donde : ( ( ( : < + k D R José Vega, PhD 9 ( + n k l donde :
10 CLASIFICACIÓN: PROBABILIDAD POSTERIOR ( P π i probabilidad de clasiicar en π i, un vector observado i, Usando probabilidad condicional ( π ( π P( ( π P( π P( P P P p P ( ( ( Usando probabilidad total P( ( P ( π + P ( π ( π P( π P( π P( π P + ( p ( p ( P + ( José Vega, PhD
11 Reemplazando ( en ( y asumiendo que p p ( P π ( ( ( ( + ( + ep [ D( ] + P ( π ( ( ( ( + + ( + ep [ D( ] Regla de clasiicación ( π P( π Si P > se clasiica en π de otro modo en π José Vega, PhD
12 ESTIMACION ( En el caso de aplicación, los parámetros son desconocidos. La unción discriminante se construye con una muestra de cada población,, y muestra de población muestra de población p p X L L p p y y y y y y Y L L np n n X L M M M mp m m y y y Y L M M M S S y y José Vega, PhD
13 ESTIMACION ( En discriminante lineal se supone que: La matriz de covarianza común: ( n S + ( m S S n+ m y REGIONES DE CLASIFICACION R : D( ( y' S ( y' S ( + y R : D( ( y' S ( y' S ( + y < CLASIFICACION Un nuevo sujeto representado por: (,, 3, L, p ' Será clasiicado en: π si D( Será clasiicado en: π si D( < José Vega, PhD 3
14 APLICACION : Clasiicación en dos grupos Una empresa tiene el registro de 84 clientes. Algunos de ellos están suscritos a la revista Wall Street Journal (WSJ y los otros no. Grupos: Clientes NO suscritos a Wall Street Journal Clientes suscritos a Wall Street Journal Variables discriminantes: Ingreso: ingreso anual de la persona Inversión: cantidad total invertido en bonos y acciones José Vega, PhD 4
15 GRAFICO DE PUNTOS: REPRESENTACION DE LOS DOS GRUPOS José Vega, PhD 5
16 ANALISIS DISCRIMINANTE ( PROMEDIOS grupo Ingreso Inversión N SUSCRITOS:NO SUSCRITOS: SI MATRIZ DE COVARIANZAS COMUN Ingreso Inversión Ingreso Inversión MATRIZ DE CLASIFICACION N-suscrito SI-suscrito TOTAL NO-suscritos SI-suscritos José Vega, PhD 6
17 ANALISIS DISCRIMINANTE ( FUNCIÓN DISCRIMINANTE (D D(.6586* Ingreso * Inversión ECUACION DE LA RECTA: CLASIFICADOR D (.6586* 6586* Ingreso * * Inversion Inversión.8675* Ingreso José Vega, PhD 7
18 REPRESENTACION GRAFICA DEL CLASIFICADOR Malaclasiicacion: 5 azules rojos clasiicador José Vega, PhD 8
19 COMO CLASIFICAR A UN NUEVO CLIENTE? Nuevo cliente: Ingreso: 6 Inversión: (6, ' Solución : Ubicar en el gráico de puntos Solución : Usar la unción discriminantei i D (.6586* * D ( > El nuevo cliente No está suscrito a WSJ José Vega, PhD 9
20 COMO CLASIFICAR A UN NUEVO CLIENTE? Solución 3: usando probabilidad posterior (p p ( P π ep( ep[ D( ] +.87 ( P π ep + ep( D [ ( ] Se cumple que: ( π P( π P > El nuevo cliente No está suscrito a WSJ José Vega, PhD
21 CLASIFICACIÓN EN MÁS DE DOS GRUPOS Trabajando con tres grupos Usando la unción discriminante: i i asumiendo que p p p 3 clasiicar en una de las tres poblaciones π si D ( D3 ( π si D( < D3( π 3 3( 3 < si D ( < D ( Usando probabilidad posterior calcular : ( π, i,, 3 P i ( clasiicar en la población donde es el valor más grande P π i José Vega, PhD
22 APLICACION : Clasiicación en tres grupos Una compañia especializada en tetos universitarios, es representante de un libro de computación con el cual ha alcanzado sus mejores ventas. La compañia tiene registrado a 9 universidades en tres grupos: Grupos: Universidades que NUNCA le compraron o el libro Universidades que YA NO compran el libro 3 Universidades que SIGUEN comprando el libro Variables discriminantes: X: total de alumnos en la universidad X: promedio SAT X3: porcentaje de cursos que requieren asistencia X4: número de PC disponibles en la universidad X5: porcentaje de estudiantes con PC propia X6: promedio anual de estudiantes matriculados José Vega, PhD
23 ANALISIS DISCRIMINANTE ( PROMEDIOS: GRUPO X X X3 X4 X5 X MATRIZ DE COVARIANZAS COMUN X X X3 X4 X5 X6 X e X e X e X e X e X e José Vega, PhD 3
24 ANALISIS DISCRIMINANTE ( MATRIZ DE CLASIFICACION GRUPO GRUPO GRUPO3 TOTAL GRUPO 39 4 GRUPO GRUPO José Vega, PhD 4
25 FUNCION DISCRIMINANTE El clasiicador consta de tres unciones: D ( D ( D ( 3 3 Coeicientes i de las unciones Variables D ( D ( D ( 3 3 X X X3 X4 X5 X6 Constante José Vega, PhD 5
26 COMO CLASIFICAR A UNA NUEVA UNIVERSIDAD? Nueva universidad: X X X3 X4 X5 X Solución : Usar la unción discriminante D ( D ( D (.48 3 La nueva universidad id d pertenence al grupo. Nunca comprarán el libro D( D3( José Vega, PhD 6
27 COMO CLASIFICAR A UN NUEVA UNIVERSIDAD? Solución : Usar la probabilidad posterior (p p p 3 D ( D ( D (.48 3 ( P π ep [ D3 ( ] + ep [ D ( ] + ( P π ep[ D( ] + + ep[ D3( ] ( P π [ D ( ] + ep[ D ( ] ep 3 La nueva universidad pertenence al grupo. NUNCA comprarán el libro José Vega, PhD 7
28 BIBLIOGRAFIA Albright S., Winston W., Zappe C. (. Managerial Statistics, Dubury Mardia K., Kent J., Bibby J. (979. Multivariate i t Analysis, Academic Press José Vega, PhD 8
Wenceslao González Manteiga.
ANÁLISIS MULTIVARIANTE Wenceslao.gonzalez@usc.es ÍNDICE 0. MOTIVACIÓN HISTÓRICA 1. ANÁLISIS EXPLORATORIO DE DATOS 2. REVISIÓN DE LAS DISTRIBUCIONES NOTABLES MULTIDIMENSIONALES RELACIONADAS CON LA NORMAL
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesPRÁCTICA I. Ejercicios Teóricos
PRÁCTICA I TEORÍA DE LA DECISIÓN BAYESIANA Ejercicios Teóricos Ejercicio. En el caso de dos categorías, en la regla de decisión de Bayes el error condicional está dado por la ecuación (7). Incluso si las
Más detalles6 Variables aleatorias independientes
6 Variables aleatorias independientes Edgar Acuna ESMA 4 Edgar Acuna Dos variables aleatorias son independientes si para todo a b P[
Más detalles( ) ( ) ( ) ( ) ( ) ( )
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBADE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Curso - (JUNIO) MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesAnálisis Multivariante, usando R
UNIVERSIDAD DE PUERTO RICO RECINTO DE RIO PIEDRAS FACULTAD DE ADMINISTRACION DE EMPRESAS Instituto de Estadística y Sistemas Computadorizados de Información Análisis Multivariante, usando R Preparado por:
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesFunción Característica
Germán Bassi 21 de marzo de 211 1. Variable Aleatoria Continua Para una variable aleatoria escalar y continua X, la función característica se define como el valor esperado de e jωx, donde j es la unidad
Más detallesPROGRAMA DE CURSO. Código Nombre MA3402 Estadística Nombre en Inglés Statistics SCT Requisitos. DIM Resultados de Aprendizaje
> < ; U Q R ;?C: VT 2 +D :?CB J B > > ; S6D :? < ;? ; C?C : >? ; W( U C > X?2 > R+DE?C : < > ; ; 9 : : R > ; Y < > < ; U Q R ;?C: VT 2 +D :?C B J B > > ; S6D :? < ;? ; C?C : >? ; W( U C > X?2 > R+DE?C
Más detallesANÁLISIS MULTIVARIADO
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en matemáticas y computación, así como en sus diversas aplicaciones. ANÁLISIS MULTIVARIADO
Más detalles4. Modelos Multivariantes
4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo Estacionarias (Multivariadas) Carlos Capistrán Carmona ITAM 1 Principios de Pronóstico. 2 Pruebas de Hipótesis. 3 Estimación
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje
Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3
Más detallesTema 4. Análisis multivariante de la varianza
Máster en Técnicas Estadísticas Análisis Multivariante Año 2008 2009 Profesor: César Sánchez Sellero Tema 4 Análisis multivariante de la varianza 4 Presentación del modelo Se trata de comparar las medias
Más detallesTareas de la minería de datos: clasificación. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: clasificación CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Curso 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES
Más detallesUNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesEVALUACIÓN DEL MÉTODO DE MURPHY PARA LA INTERPRETACIÓN DE SEÑALES EN LA CARTA T 2 MULTIVARIADA
EVALUACIÓN DEL MÉTODO DE MURPHY PARA LA INTERPRETACIÓN DE SEÑALES EN LA CARTA T 2 MULTIVARIADA Hector Fabian Lopez Casas 1 hectorfl86@hotmail.com 1 Estudiante de Matematicas Con Enfasis en Estadistica,
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2009) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 009) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el siguiente sistema lineal de ecuaciones, dependiente del
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesVariables aleatorias conjuntas
Variables aleatorias conjuntas M. en A. Víctor D. inilla Morán Facultad de Ineniería UNAM Resumen Variables aleatorias conjuntas discretas; unción de probabilidad conjunta: su deinición propiedades. Función
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS PROBABILIDAD Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0056 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
Más detallesMÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Teoría
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
Más detallesAnálisis de la Varianza (ANOVA) y Correlación
Universidad de Chile Rodrigo Assar FCFM MA34B Andrés Iturriaga DIM Víctor Riquelme Análisis de la Varianza (ANOVA) y Correlación Resumen El test ANOVA analiza la relación entre una variable numérica y
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 4 Variables aleatorias Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las características de las variables aleatorias discretas y continuas.
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesRECONOCIMIENTO DE PAUTAS
RECONOCIMIENTO DE PAUTAS ANÁLISIS DISCRIMINANTE (Discriminant analysis) Reconocimiento de pautas supervisado si se cuenta con objetos cuya pertenencia a un grupo es conocida métodos: análisis de discriminantes
Más detallesOPCIÓN A B = A 1 B C 1 B A X = C
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Curso 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES
Más detallesINDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS. SU EFICIENCIA BAJO DISTRIBUCIONES NORMALES.
Dianda, Daniela Hernández, Lucia Quaglino, Marta Pagura, José Alberto Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS.
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesAMD - Análisis Multivariante de Datos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 200 - FME - Facultad de Matemáticas y Estadística 1004 - UB - Universitat de Barcelona 715 - EIO - Departamento de Estadística
Más detallesProbabilidad y Estadística
Programa de la Asignatura: Código: 23 Probabilidad y Estadística Carrera: Ingeniería en Computación Plan: 2013 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer año Primer cuatrimestre
Más detallesUNIVERSIDAD AUTÓNOMA DE MADRID PRUEBA DE ACCESO A LA UNIVERSIDAD PARA MAYORES DE 25 AÑOS Convocatoria 2017
INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: Escoja entre una de las dos opciones A o B. Lea con atención y detenimiento los enunciados de las cuestiones y responda de manera razonada a los puntos
Más detallesMÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
Más detallesUNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA. práctica, Total: 85 Horas a la semana: 5 teoría: 4 prácticas: 1 Créditos:
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA Probabilidad y Estadística 18/01/10 Clave: 214 Semestre: 1 Duración del curso: semanas: 17 horas: 68 de teoría y 17 de práctica, Total: 85 Horas
Más detallesAPRENDIZAJE PROBABILÍSTICO NAIVE BAYES
1 APRENDIZAJE PROBABILÍSTICO NAIVE BAYES Bases de Datos Masivas 9 de Noviembre de 2016 2 Razonamiento Probabilístico Es una herramienta de aprendizaje estadístico. Se trata de razonar en un contexto incierto;
Más detallesSÍLABO DE ESTADÍSTICA APLICADA
SÍLABO DE ESTADÍSTICA APLICADA I. DATOS GENERALES 1.1. Carrera Profesional : Administración 1.2. Área Académica : Administración 1.3 Ciclo : IV 1.4. Semestre : 2014-I 1.5. Prerrequisito : Estadística 1.6.
Más detallesRedes Bayesianas (1) Carlos Hurtado L. Depto. de Ciencias de la Computación, Universidad de Chile
Redes Bayesianas (1) Carlos Hurtado L. Depto. de Ciencias de la Computación, Universidad de Chile Referencia Bayesian networks without tears: making Bayesian networks more accessible to the probabilistically
Más detallesAnálisis de Capacidad Multivariada
Análisis de Capacidad Multivariada Resumen El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los puntos caracterizados por dos o más variables se encuentren establecidos
Más detallesEjercicio 1(12 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Primer Parcial Montevideo, 30 de mayo de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(12 puntos) En las elecciones departamentales se
Más detallesIntroducción Climatología y variabilidad climática (espacial y temporal). Datos climáticos. Revisión sobre el concepto de probabilidad.
Nombre de la Asignatura: Análisis Estadístico de Datos Climáticos Créditos: 10 Docentes responsables: Ciencias) Álvaro Díaz (F. Ingeniería) y Mario Bidegain (F. Objetivo de la asignatura: Desarrollar en
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesTema 2: Análisis Discriminante
Tema 2: Análisis Discriminante P 1 P 2 Problema de clasificación: Ténemos observaciones que corresponden a 2 grupos P_1, P_2. Si nos dan uno nuevo x_0 a que grupo pertenece? Guión 1. Motivación 2. Clasificación
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesEJEMPLO DE PREGU,TAS
EJEMPLO DE PREGU,TAS MATEMÁTICAS PRIMERO, SEGU,DO Y TERCERO DE BACHILLERATO 1. Lógica proposicional Esta competencia se refiere al conocimiento que usted posee sobre el lenguaje de las proposiciones y
Más detallesResumen. El análisis de componentes principales (PCA) es una técnica multivariada utilizada
Comparación de las aproximaciones χ 2 para la prueba de igualdad de los valores propios en el PCA Eduard Alexander Gañán Cárdenas a, Juan Carlos Correa Morales b Email: eaganan@unal.edu.co a. Estudiante
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesAnálisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
Más detalles1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 10 11 1. Los números reales 1. Desigualdades. 2. Representación 2. Propiedades. 3. Densidad de los números racionales 4. Propiedades
Más detallesTema1: Introducción a La Estadística 1.1-1
1 Tema1: Introducción a La Estadística 1.1-1 Introducción Un objetivo importante de La Estadística es: aprender acerca de un grupo grande, examinando los datos de algunos de sus miembros. La Estadística
Más detallesPE - Probabilidad y Estadística
Unidad responsable: 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona Unidad que imparte: 749 - MAT - Departamento de Matemáticas Curso: Titulación: 2016 GRADO EN INGENIERÍA
Más detallesCadenas de Markov Tiempo Discreto. Modelado y Análisis de Redes de Telecomunicaciones
Cadenas de Markov Tiempo Discreto Modelado y Análisis de Redes de Telecomunicaciones Motivación Ejemplo 1 Sea un enrutador al que arriban paquetes de otros (varios) routers Cuando más de un paquete llega
Más detallesANÁLISIS DE DATOS. Jesús García Herrero
ANÁLISIS DE DATOS Jesús García Herrero ANALISIS DE DATOS EJERCICIOS Una empresa de seguros de automóviles quiere utilizar los datos sobre sus clientes para obtener reglas útiles que permita clasificar
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesUNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS, FÍSICO-QUÍMICAS Y NATURALES DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS, FÍSICO-QUÍMICAS Y NATURALES DEPARTAMENTO DE MATEMÁTICA CARRERA/S: Profesorado y Licenciatura en Matemática PLAN DE ESTUDIOS: Versión 2 del
Más detallesmatriz de distancias euclidianas
Miscelánea Matemática 41 (005) 1 7 SMM Identificación de la dimensión en una matriz de distancias euclidianas José M. González Barrios y Raúl Rueda IIMAS, UNAM Circuito Exterior Ciudad Universitaria 04510
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Una carpintería vende paneles de contrachapado de dos tipos A y B.
Más detallesPIPE - Probabilidad y Procesos Estocásticos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 200 - FME - Facultad de Matemáticas y Estadística 749 - MAT - Departamento de Matemáticas MÁSTER UNIVERSITARIO EN ESTADÍSTICA
Más detallesFINANZAS CORPORATIVAS
FINANZAS CORPORATIVAS RIESGO Y RENDIMIENTO JOSÉ IGNACIO A. PÉREZ HIDALGO Licenciado en Ciencias en la Administración de Empresas Universidad de Valparaíso, Chile TOMA DE DECISIONES Certeza: resultado real
Más detallesDisponible en el sitio OCW de la Universidad Nacional de Córdoba.
OCW - UNC OpenCourseWare I UNC Curso: Estadística I U 4. Variables Aleatorias Autora: Rosanna Casini Cómo citar el material: Disponible en el sitio OCW de la Universidad Nacional de Córdoba. Casini, Rosanna
Más detallesCap. 5 : Distribuciones muestrales
Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesDistribuciones Continuas
Capítulo 5 Distribuciones Continuas Las distribuciones continuas mas comunes son: 1. Distribución Uniforme 2. Distribución Normal 3. Distribución Eponencial 4. Distribución Gamma 5. Distribución Beta 6.
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesI.E.S. DE INGENIO Avda. de los Artesanos, INGENIO POC-PC EVALUACIÓN CONTENIDOS MÍNIMOS CURSO CURSO: 1º BACH.
CURSO 2009-2010 CURSO: 1º BACH. CCSS Números reales (Intervalos y entornos, valor absoluto, logaritmo). ÁREA: MATEMATICAS AP. CCSS I Polinomios y fracciones algebraicas (operaciones básicas, divisibilidad,
Más detalles3x2 2x x 1 + x 3x 5 5x2 5x x3 3x 2. 1
1. Calcula la derivada de las funciones: y = Ln3 4 3 ) 5 y = Ln [ 1) )]. Calcula la derivada de las funciones: y = sen y = sen 3 y = sen 3 y = sen 3 3 y = sen 3 ) y = sen 4 3 4 5) 3 3. Calcula la derivada
Más detalles3.4: DISTRIBUCIONES DE PROBABILIDAD CONJUNTAS
Cátedra: 3.4: DISTRIBUCIONES DE PROBABILIDAD CONJUNTAS Hasta ahora el estudio se ha referido a variables restringidas a espacios muestrales unidimensionales en los que se registran los resultados de un
Más detallesSimulación. Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Segundo Cuatrimestre de Trabajo Práctico N 4
Simulación Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Segundo Cuatrimestre de 2016 Trabajo Práctico N 4 Simulacion de Monte Carlo Bibliografia Recomendada. Introduction
Más detallesMATEMÁTICAS 2º BACHILLERATO
MATEMÁTICAS 2º BACHILLERATO MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Primavera 15 FECHA: de Junio de 15 Fecha publicación notas: 11 de Junio de 15 Fecha revisión
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA SYLLABUS PROYECTO CURRICULAR DE INGENIERÍA ELÉCTRICA
Nombre del Docente ESPACIO ACADÉMICO (Asignatura): PROBABILIDAD Y ESTADÍSTICA UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS Obligatorio Básico Complementario Electivo Intrínseco Extrínseco FACULTAD DE
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detalles