REDES DE BASE RADIAL. 1. Funciones de Base Radial.

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

Download "REDES DE BASE RADIAL. 1. Funciones de Base Radial."

Transcripción

1 Tema 5: Redes de Base Radal Sstemas Coexostas 1 REDES DE BASE RADIAL 1. Fcoes de Base Radal. 2. Dervacó del Modelo Neroal Arqtectra de a RBFN 2.2. Fcoaldad Carácter Local de a RBFN. 3. Etreameto. Fases 3.1 Apredzaje Híbrdo. 3.2 Arpedzaje Totalmete Spervsado. 4. RBFN frete a MLP. Mael F. Gozález Peedo

2 Tema 5: Redes de Base Radal Sstemas Coexostas 2 FUNCIONES DE BASE RADIAL So fcoes ca salda depede de la dstaca a pto deomado Cetro. Característcas: - Smétrcas respecto de x0 - Se defe co al meos dos parámetros. o Cetro: Pto dode la fcó posee extremo. o Achra: Magtd de la varacó de la fcó segú se aleja del cetro. Mael F. Gozález Peedo

3 Tema 5: Redes de Base Radal Sstemas Coexostas 3 ARQUITECTURA DE UNA RBFN x 1 x 2 c 11 Φ Φ z 1 z 2 2r m1 m2 1r x p c pm Φ z m mr r Caracteríscas: - Capa de etrada: recbe las señales del exteror, o realza gú preprocesado. - Capa Oclta: recbe las señales de la capa de etrada realza a trasformacó local o leal sobre dchas señales Dfereca co el MLP. - Capa de Salda: Se realza a combacó leal de las actvacoes de las eroas de la capa oclta actúa como salda de la red. Mael F. Gozález Peedo

4 Tema 5: Redes de Base Radal Sstemas Coexostas 4 Actvacoes de las eroas e a RBFN Capa Salda: Cada elemeto de procesado calcla s valor eto como a combacó leal de las saldas de los elemetos de procesado de la capa oclta. La fcó de actvacó trasfereca es leal, por lo tato: Para patró, Xx1,x2,..xp, la salda de la red asocada a cada elemeto de la capa de salda se obtee de la sgete maera: m z + µ para 1,2,..., r 1 Dode los W so los pesos asocados al elemeto de la capa de salda el elemeto de la capa oclta, qe podera cada o las saldas z del elemeto de procesado de la capa oclta correspodete. El térmo µ es térmo deomado mbral está asocado a cada a de los elemetos de procesado de la capa de salda. Mael F. Gozález Peedo

5 Tema 5: Redes de Base Radal Sstemas Coexostas 5 Capa Oclta: Cada elemeto de procesado,, de la capa oclta tee asocada a fcó de base radal de tal maera qe represeta a clase o categoría, dode dcha clase vee dada por C, d. C represeta cetro de clster pesos asocados a cada eroa d represeta la desvacó, achra o dlatacó de la fcó de base radal asocada a dcho elemeto. La salda de cada elemeto de la capa oclta z se calcla como la dstaca qe exste ete el patró de etrada X al cetro del clster C poderada versamete por d aplcado despés a ese valor a fcó de base radal. z Φ p x c j j j 1 d para 1,2... m Dode Φ es a fcó de base radal, detro de éstas la más tlzada es la fcó Gasaa: r 2 Φ r e. 2 Mael F. Gozález Peedo

6 Tema 5: Redes de Base Radal Sstemas Coexostas 6 CARACTERÍSTICAS Las fcoes de base radal tee todas ellas carácter Local pes so fcoes qe alcaza vel cercao al máxmo de s recorrdo cado el patró de etrada X está próxmo al cetro de la eroa. A medda qe el patró se aleja del cetro, el valor de la fcó va tededo al valor mímo de s recorrdo. Las saldas de las redes de eroas de base radal so, por tato a combacó leal de gasaas, cada a de las cales se actva para a determada porcó del espaco defdo por los patroes de etrada. Mael F. Gozález Peedo

7 Tema 5: Redes de Base Radal Sstemas Coexostas 7 APRENDIZAJE. ENTRENAMIENTO El etreameto de este tpo de redes, determa todos los parámetros de la red. Parámetros de la capa de salda: Pesos, W Parámetros de la capa Oclta: Cetros, C desvacoes asocadas d. La determacó de los parámetros de la capa oclta, se realza medate la optmzacó e el espaco de etradas, a qe cada eroa va a represetar a zoa dferete e dcho espaco. La determacó de los parámetros de la capa de salda, la optmzacó se realza e base a las saldas qe se desea obteer saldas deseadas, a qe e s globaldad, las redes de base radal se tlza para aproxmar relacoes etre el cojto de varables de etrada salda qe defe el problema. Mael F. Gozález Peedo

8 Tema 5: Redes de Base Radal Sstemas Coexostas 8 Apredzaje Híbrdo Fase No spervsada: Determacó de parámetros de la capa oclta. Fase Spervsada: Determacó de pesos e capa de salda. Fase No Spervsada Pesto qe las eroas ocltas se caracterza porqe represeta zoas dferetes del espaco de etradas, los cetros las desvacoes debe de ser calclados co este objetvo clasfcar el espaco de etradas e dferetes clases. Determacó de Cetros: Algortmo K-medas Mapas de Kohoe Determacó de Desvacoes Se debe de calclar de maera qe cada eroa de la capa oclta se actve e a regó del espaco de etradas de maera qe el solapameto de las zoas de actvacó de a eroa sea lo más lgero posble, para savzar así la terpolacó Mael F. Gozález Peedo

9 Tema 5: Redes de Base Radal Sstemas Coexostas 9 Determacó de Desvacoes Varas aproxmacoes: Meda Uforme de las dstacas eclídeas del cetro C a los p cetros más cercaos. d 1 p p C C p Meda geométrca de la dstaca del cetro a ss dos vecos más cercaos. d C C t C C s co C t C s los más cercaos a C Mael F. Gozález Peedo

10 Tema 5: Redes de Base Radal Sstemas Coexostas 10 Fase Spervsada Se tlza la técca de correcó de Error Adale, Perceptró Mltcapa. Mmzacó de la fcó error dada por la salda de la red. E 1 N N 1 e Dode N es el úmero de patroes, e es el error cometdo por la red para el patró X, qe vee dado por: r 1 2 e s 2 1 Dode Y es la salda de la red, S es la salda deseada para patro X Mael F. Gozález Peedo

11 Tema 5: Redes de Base Radal Sstemas Coexostas 11 Mael F. Gozález Peedo Determacó de pesos: e e µ µ 1 1 Teedo e ceta la expresó del error qe el peso el mbral úcamete afecta a la eroa de salda se obtee qe: s e s e 1 Φ Qedado las ecacoes de cambo como: 1,2,...m 1,2,...,r para para s s µ φ µ

12 Tema 5: Redes de Base Radal Sstemas Coexostas 12 Apredzaje Totalmete Spervsado A dfereca co el método ateror, este tpo de apredzaje o coserva, e prcpo, las propedades o caracteríscas locales de las redes de base radal. E este caso, todos los parámetros de la red, cetros, ampltdes, pesos mbrales, se determa de maera completamete spervsada co el objetvo de mmzar el error cadrátco medo. E este proceso, e gú mometo se tee e ceta qe las ampltdes alcace valores tales qe el solapameto de las actvacoes de las eroas de la capa oclta sea lo más save posble. Así qe e prcpo, esa característca de localdad se pede perder. Cálclo de parámetros e 1 µ e 1 µ c d j c d j e 1 µ c e 1 µ d j Mael F. Gozález Peedo

13 Tema 5: Redes de Base Radal Sstemas Coexostas 13 Redes de Base Radal Frete a Perceptro Mltcapa Perceptro Mltcapa Uso de Fcoes de Trasfereca Sgmodales. Relacoes globales etre los datos de etrada la salda. Apredzaje Leto: Cambo de solo peso ate patró, provoca cambos e la salda para todos los patroes presetados aterormete, redcédose así el efecto de prevos cclos de apredzaje retrasado la covergeca. Redes de Base Radal Cada eroa de la capa oclta se espcalza e a determada regó del espaco de etradas. La relacó etre la etrada la salda es a sma de fcoes o leales locales. Apredzaje más rápdo: el cambo de peso sólo afecta a la eroa oclta asocada a dcho peso sólo a grpo de patroes, perteecetes a la clase qe respreseta dcha eroa oclta. Es meos sesble al orde de presetacó de patroes. Icoveetes: E certos casos, es ecesaro elevado úmero de eroas e la capa oclta. Pérdda de geeralzacó. El úmero de eroas ocltas ameta expoecalmete co la dmesó del espaco de etradas. Mael F. Gozález Peedo

14 Tema 5: Redes de Base Radal Sstemas Coexostas 14 Mael F. Gozález Peedo

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

5. ANALISIS DE COLUMNAS DE ABSORCION

5. ANALISIS DE COLUMNAS DE ABSORCION 55 5. AALISIS DE COLUMAS DE ABSORCIO Se cosdera como a dad compleja la qe se etede costtda por cojto de dades smples, por ejemplo, a colma de absorcó o destlacó. La separacó qe se propoe e a de ellas se

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

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

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

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

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

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

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

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

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

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

EXPRESIÓN DE INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS DE MEDICIÓN DE ENERGÍA ELÉCTRICA

EXPRESIÓN DE INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS DE MEDICIÓN DE ENERGÍA ELÉCTRICA Ig. Álvaro Zpaqrá Traa Ig. Gerardo Porras Reda Laboratoro de Poteca y Eergía Spertedeca de Idstra y Comerco 0. INTRODUCCIÓN Cado se expresa el resltado de medcó e a magtd, es coveete y a veces oblgatoro,

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

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

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

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

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

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

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

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

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

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

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

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

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

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

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

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

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

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

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

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

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

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

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

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL UNIERSIDAD NACIONAL EXERIMENAL OLIECNICA ANONIO JOSÉ DE SUCRE ICERRECORADO BARQUISIMEO DEARAMENO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL UNIDAD I CLASE Nº EL ESADO GASEOSO GAS IDEAL Es el estado de la matera

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

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

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

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

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

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

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

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

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

. Algebraicamente se obtienen diferentes ecuaciones: v u Op v y es otro vector con el mismo módulo, la

. Algebraicamente se obtienen diferentes ecuaciones: v u Op v y es otro vector con el mismo módulo, la 6 CAPÍTULO : GEOMETRÍA EN EL ESPACIO - VECTORES. GEOMETRÍA DEL PLANO A lo largo de los crsos pasados estdamos la geometría del plao co los sgetes elemetos fdametales: Pto: Poscó e el plao qe por coeo defmos

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

Más detalles

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

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

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

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

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

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

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

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

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

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

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

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

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011 Problemas de Polímeros Químca Físca Avazada Iñak Tuñó / POL.-U polímero moodsperso de masa molecular. gmol - está cotamado e u % e peso co ua mpureza de peso molecular. gmol -. Calcular z,, Co los datos

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

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Curvas Sistemas Gráficos Ing. Horacio Abbate 1

Curvas Sistemas Gráficos Ing. Horacio Abbate 1 Crvas Ssemas Gráfcos Ig. Horaco Abbae Polomos de erse Para y cosderar Para y cosderar - - Forma a base ara los olomos de grado. Calqer olomo de grado se ede descrbr como a combacó leal de olomos de erse

Más detalles

mecánica estadística Estadísticas Cuánticas Capítulo 5

mecánica estadística Estadísticas Cuánticas Capítulo 5 mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó

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

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. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN

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

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

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

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

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

UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO

UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO PROGRAMA DE MAESTRÍA Y DOCTORADO EN INGENIERÍA FACULTAD DE INGENIERIA REFRACTÓMETRO ESPECTROSCÓPICO POR REFLEXIÓN INTERNA T E S I S QUE PARA OPTAR POR EL GRADO DE

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

Más detalles

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS José Atoo Ordaz Saz María del Carme Melgar Hraldo Carme María Rbo Castaño Departameto de Ecoomía, Métodos Cattatvos e Hstora Ecoómca Uversdad

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

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

REDES BAYESIANAS Y REDES NEURONALES COMO MODELOS DEL APRENDIZAJE CAUSAL.

REDES BAYESIANAS Y REDES NEURONALES COMO MODELOS DEL APRENDIZAJE CAUSAL. REDES BAYESIANAS Y REDES NEURONALES COMO MODELOS DEL APRENDIZAJE CAUSAL. Cómo puede apreder u cojuto de euroas coectadas? Fracsco Javer Rodríguez Mañaes. Profesor Tutor: José Atoo Gozález del Campo. Máster

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Iereca estadístca - stacó ptal a estadístca provee téccas qe perte obteer coclsoes geerales a partr de cojto ltado pero represetatvo de datos. Cado eros o teeos garatía de qe la coclsó qe obteeos sea eactaete

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

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

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles