Análisis Estadístico de Datos Climáticos. Verificación y valor de los pronósticos
|
|
- Inmaculada Córdoba Ramos
- hace 6 años
- Vistas:
Transcripción
1 Análisis Estadístico de Datos Climáticos Verificación y valor de los pronósticos A. Díaz M. Bidegain - M. Barreiro Facultad de Ciencias Facultad de Ingeniería 2011
2 Verificación de pronósticos Una definición: La verificación de pronósticos es la exploración y evaluación de la calidad de un sistema de pronósticos basado en una muestra de pronósticos previos y en las observaciones correspondientes. Aquí la calidad tiene que ver con la capacidad de los pronósticos para reducir la incertidumbre sobre el estado futuro (desconocido) de un sistema. (Para eso se hacen los pronósticos )
3 Está bastante aceptado que la calidad de un pronóstico tiene muchos atributos diferentes que no pueden ser resumidos con un solo indicador o medida ( score ). En general, son necesarios varios scores para poder medir la calidad de un pronóstico. Nota: los métodos para verificar pronósticos son también útiles para otros problemas como comparar dos conjuntos de datos (p. ej., cuando se usa un conjunto para estimar al otro).
4 Las razones para realizar verificación de pronósticos son de 3 tipos: administrativas científicas económicas Además los resultados de la verificación deberían dar información de interés, no realizarse por mera conveniencia.
5 El predictando (es decir, aquello que se quiere predecir) puede ser: continuo (temperatura, presión, precipitación, etc) discreto (categórico) (ocurrencia o no ocurrencia, valor por encima o debajo de una referencia, o en un rango, cobertura de nubes (ordinal), tipo de nubes (nominal), etc) univariado
6 multivariado (viento, varias variables, campos espaciales en puntos de grilla) una probabilidad (la probabilidad de que mañana haya niebla es un 40%) ensembles de pronósticos de modelos
7 Predictando categórico Pronóstico de Tornados (Finley, 1884) Matriz de contingencia (caso binario) O sí O no Indicador de performance de Finley: P sí Fracción de aciertos: P no PC = ( )/2803 = 0.966
8 Pronóstico alternativo: Nunca hay Tornado O sí O no P sí P no Indicador: Fracción de aciertos PC = (0+2752)/2803 = (> 0.966!!)
9 Comentarios El esquema de Finley pronosticó correctamente más de la mitad de los tornados ocurridos. (El otro obviamente no.) El score fracción de aciertos puede no ser el mejor indicador para sintetizar el valor de este esquema de pronósticos en este caso, porque los pronósticos de no tornado son en general correctos. Es decir que no es un buen indicador para eventos raros. Los aciertos (P sí ; O sí ) son cruciales, y este score no los destaca.
10 Recalibración (usuario): El esquema de Finley: Cuando pronostica tornado, acierta el 28% de los casos. Cuando pronostica no tornado, se equivoca menos del 1% de los casos. El otro esquema: Nunca acierta un tornado Se equivoca el 1.8% de los casos
11 TS Otros indicadores para pronósticos binarios = FAR H = CSI a a a + b + c = b a a + b + c a = aciertos b = falsa alarma c = fallos d = negativo correcto a + b + c + d = n es útil si a << d. Para el caso Finley da false alarm ratio (0.72) = Hit rate (0.55) etc etc etc BIAS= (a+b)/(a+c) (1.96)
12 No hay un solo score que resuma toda la información Al tratar de resumir la información dada por los valores de la tabla en uno solo, se pierde información Se suelen analizar varios conjuntamente
13 Los valores de pronósticos de un predictando continuo escalar se pueden dividir en dos rangos separados por un umbral, considerarlos como pronósticos categóricos binarios, y calcular los scores ya vistos. También se puede variar ese umbral y graficar los scores en función del umbral.
14 Ej: Estimación de precipitación por satélite Ebert, 2002
15 También se puede dividir en K intervalos o rangos, y obtener una tabla de contingencia de KxK
16 Murphy y Winkler (1987) establecieron un marco general para la verificación de pronósticos basado en las distribuciones de probabilidad conjuntas de los eventos observados y pronosticados. En el caso de variables discretas, si llamamos x al valor observado, y x al correspondiente valor pronosticado, se llama distribución conjunta de pronósticos y observaciones p(x,x) a la probabilidad de que x tome un valor determinado y, al mismo tiempo, x tome otro valor determinado.
17 A su vez, a partir de la distribución conjunta se definen las distribuciones marginales y condicionales. Para variables discretas, las distribuciones marginales de x y x son: p(x') = x p (x',x) p(x) = x' p (x',x) y las condicionales: p (x' x ) = p (x', x) p (x) p (x x' ) = p (x', x) p (x')
18 Un sistema de pronóstico es completamente inútil si los pronósticos son independientes de las observaciones, o sea si: p (x x' ) = p(x) o p (x' x ) = p(x' ) para todos los valores de x y x
19 Habilidad de pronóstico (forecast skill) Se define en relación con un sistema de pronóstico de referencia (típicamente, persistencia o climatología). Skill score = s s - perf - s ref s ref Si s = s perf, skill = 1 (máximo) Si s = s ref skill = 0 (igual que la referencia) Si s < s ref, skill < 0 (peor que la referencia)
20 Predictandos continuos Medidas de performance usuales su raíz cuadrada es el RMSE Correlaciones
21 Pronóstico de probabilidades La probabilidad de que llueva mañana es 30% Cómo se evalúa? Con varios (muchos) pronósticos de 30% El sistema de pronóstico debe ser consistente y tener resolución. Consistencia: entre las probabilidades pronosticadas y observadas. Resolución: capacidad de clasificar eventos observados en grupos diferentes entre sí. Por ej., distinguir eventos que ocurren con mayor o menor frecuencia que la climatológica.
22 Habilidad artificial Es una habilidad aparente que no se conserva cuando se aplica el modelo de pronóstico a un conjunto independiente de datos. Cuantos más predictores potenciales se incluyan, es más posible que aparezca esta habilidad artificial. Para evitar este problema: Usar un período de entrenamiento y un período de verificación Usar validación cruzada.
23 Características deseables de un esquema de pronóstico Que tenga base física Estadísticamente correcto Reproducible y transparente (NO caja negra ) Mostrar cómo hubiera funcionado en el tiempo ( pronósticos retrospectivos ) Que permita tomar decisiones en un área dada. Ser sometido al juicio de los pares, a través de publicación arbitrada.
24 Valor de los pronósticos Se refiere al valor económico para el usuario, que está relacionado con la calidad del pronóstico. Como dijimos, la calidad tiene que ver con la posibilidad de reducir la incertidumbre sobre el estado futuro del sistema. Veremos un modelo muy sencillo que define el valor de un pronóstico.
25 Modelo de decisión costo-pérdida Se tiene un evento climático cuya ocurrencia produce una pérdida P. Se pueden tomar acciones preventivas, cuyo costo es C. (C<P). La frecuencia climatológica del evento es s. (0 < s < 1) 1) Si no se dispone de pronóstico, (y suponiendo que siempre se realiza la misma acción): E clim = min (C, sp) (valor esperado del gasto)
26 Modelo de decisión costo-pérdida (cont.) Entonces, según si: C/P < s, o C/P > s, será más conveniente proteger o no hacerlo. (Hemos supuesto que s no cambia con el correr del tiempo.)
27 Modelo de decisión costo-pérdida (cont.) 2) Disponiendo de un modelo perfecto: E perf = sc (a éste gasto se quiere llegar; notar además que E perf < E clim ) 3) Si se tiene un pronóstico que da un gasto esperado E pron, se define: V = E E clim clim E E pron perf (es el valor del sistema de pronóstico) Si V > 0, el sistema da beneficio (V max = 1)
28 Comentarios El beneficio de un mismo pronóstico será distinto para distintos usuarios, ya que cada uno tiene su C y P. Se demuestra que los pronósticos probabilísticos dan más beneficio que los determinísticos. (Hay una probabilidad umbral óptima dependiendo del valor C/P.)
Introducción 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 detallesPronóstico del Tiempo en el 2006: Oportunidades y Desafíos
122 Aniversario Dirección Meteorológica de Chile Pronóstico del Tiempo en el 2006: Oportunidades y Desafíos René D. Garreaud Departamento de Geofísica Universidad de Chile Marzo 2006 Pronóstico del Tiempo
Más detallesCAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN
CAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN En este capítulo se analiza la influencia del intervalo de tiempo utilizado para
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes que Aprenden: Clasificador Bayesiano Clasificación Clasificador
Más detallesDar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones
I Unidad: Introducción a al Investigación de Operaciones. Contenidos: 1. Breve reseña histórica de la l. De O. 2. Concepto de la l. De O. 3. Objeto de Estudio de la l. De O. 4. Introducción a la teoría
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 detallesI FORO CLIMÁTICO NACIONAL 2015
I FORO CLIMÁTICO NACIONAL 2015 PERSPECTIVAS CLIMÁTICAS TRIMESTRE ENERO MARZO 2015 Vinces, 08 de enero 2015 Modelación Estadística y Numérica Pronóstico Probabilístico y Determinístico Determinístico (cuantitativo)
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 detallesLos pronósticos del clima y su interpretación. Incluye el pronóstico del Víctor Magaña
Los pronósticos del clima y su interpretación Incluye el pronóstico del 2004 Víctor Magaña Centro de Ciencias de la Atmósfera Universidad Nacional Autónoma de México qué significa aprovechar la información
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesClima reciente, perspectiva diciembre 2015 abril Preparado por: Centro de Predicción Climática, SMN DGOA / MARN Diciembre 1, 2015.
Clima reciente, perspectiva diciembre 2015 abril 2016 Preparado por: Centro de Predicción Climática, SMN DGOA / MARN Diciembre 1, 2015. Contenido Clima reciente Factores climáticos, evolución y pronósticos
Más detallesPRONÓSTICO MENSUAL DE LLUVIA PARA PANAMÁ, MES DE JUNIO 2011
PRONÓSTICO MENSUAL DE LLUVIA PARA PANAMÁ, MES DE JUNIO 2011 La Gerencia de Hidrometeorología de la Empresa de Transmisión Eléctrica S.A. (ETESA) elabora un Pronóstico Mensual de la lluvia para Panamá considerando
Más detallesNOVIEMBRE-DICIEMBRE 2016/ ENERO Emitido el 2 de noviembre de 2016
NOVIEMBRE-DICIEMBRE 2016/ ENERO 2017 Emitido el 2 de noviembre de 2016 Resumen Las condiciones actuales son de una fase neutral del fenómeno El Niño-Oscilación del Sur (ENOS). Hay una baja probabilidad
Más detallesVERIFICACIÓN DEL MODELO WRF QUE OPERA IDEAM Ruiz, J.F 1, Arango, C 1, Kilpinen, J 2 RESUMEN
VERIFICACIÓN DEL MODELO WRF QUE OPERA IDEAM Ruiz, J.F, Arango, C, Kilpinen, J IDEAM, FMI RESUMEN Se presentan los resultados de la verificación del modelo WRF para Colombia operado por el IDEAM para los
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesPRONÓSTICO CLIMÁTICO TRIMESTRAL SEPTIEMBRE OCTUBRE NOVIEMBRE 2017
PRONÓSTICO CLIMÁTICO TRIMESTRAL SEPTIEMBRE OCTUBRE NOVIEMBRE 2017 Emitido el 1 de septiembre de 2017 Resumen Las condiciones actuales son de una fase neutral del fenómeno El Niño-Oscilación del Sur (ENOS).
Más detallesMANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL
MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016 Escuela de Doctorado e Investigación. Vicerrectorado
Más detallesProcesos estocásticos Cadenas de Márkov
Procesos estocásticos Cadenas de Márkov Curso: Investigación de Operaciones Ing. Javier Villatoro PROCESOS ESTOCASTICOS Procesos estocásticos Es un proceso o sucesión de eventos que se desarrolla en el
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesAnálisis descriptivo con SPSS. Favio Murillo García
Análisis descriptivo con SPSS Favio Murillo García Tablas de contingencia Cuando se trabaja con variables categóricas, los datos suelen organizarse en tablas de doble entrada en las que cada entrada representa
Más detallesSEPTIEMBRE- OCTUBRE- NOVIEMBRE Emitido el 2 de septiembre de 2016
SEPTIEMBRE- OCTUBRE- NOVIEMBRE 2016 Emitido el 2 de septiembre de 2016 Resumen Las condiciones actuales son de una fase neutral del fenómeno El Niño-Oscilación del Sur (ENOS). Hay una probabilidad en torno
Más detallesPRONÓSTICO CLIMÁTICO TRIMESTRAL JULIO AGOSTO SEPTIEMBRE 2017
PRONÓSTICO CLIMÁTICO TRIMESTRAL JULIO AGOSTO SEPTIEMBRE 2017 Emitido el 4 de julio de 2017 Resumen Las condiciones actuales son de una fase neutral del fenómeno El Niño-Oscilación del Sur (ENOS). Las chances
Más detallesProbabilidad y Estadística, EIC 311
Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda
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 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 detallesIncertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos. Cómo cumplir con requisitos de la ISO 15189
Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos Cómo cumplir con requisitos de la ISO 15189 Calidad en mediciones químicas Validación de métodos Estoy midiendo lo que intentaba
Más detallesBOLETÍN DE RESOLUCIONES Y RECOMENDACIONES
0 BOLETÍN DE RESOLUCIONES Y RECOMENDACIONES SITUACIÓN Y PERSPECTIVAS CLIMÁTICAS NACIONALES Y EN LA PROVINCIA DE MANABÍ TRIMESTRE SEPTIEMBRE - NOVIEMBRE 2015 IX FORO CLIMÁTICO NACIONAL 2015 JUEVES, 10 DE
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesPRONÓSTICO CLIMÁTICO TRIMESTRAL JUNIO JULIO AGOSTO 2017
PRONÓSTICO CLIMÁTICO TRIMESTRAL JUNIO JULIO AGOSTO 2017 Emitido el 31 de mayo de 2017 Resumen Las condiciones actuales son de una fase neutral del fenómeno El Niño-Oscilación del Sur (ENOS). La probabilidad
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesAjustes de datos: transformación de datos. Capítulo 9 de McCune y Grace 2002
Ajustes de datos: transformación de datos. Capítulo 9 de McCune y Grace 2002 Razones estadísticas para transformar datos Mejorar las suposiciones de algunas técnicas estadísticas: normalidad, linealidad,
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesRiesgos agroclimáticos
Riesgos agroclimáticos Antonio Mestre Jefe del Área de Climatología y Aplicaciones Operativas AEMET Esquema presentación Introducción: Las adversidades agrometeorológicas. Apoyo meteorológico y climático
Más detalles1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k
1. Estadística Definición: La estadística es un ciencia inductiva que permite inferir características cualitativas y cuantitativas de un conjunto mediante los datos contenidos en un subconjunto del mismo.
Más detallesPrograma de estudios. 1) Muestra y población. Parámetros estimadores y estadísticos. Distribución de Gauss. Intervalo de confianza
Programa de estudios Módulo 1: Panorama general de la Investigación Clínica. Ideas y Protocolo 1. La imaginación científica. Desarrollo de la idea de Investigación. Preguntas de Investigación 2. Diseño
Más detallesSEMINARIO 2. Introducción a la presentación de resultados científicos
SEMINARIO 2 Introducción a la presentación de resultados científicos 1. Las variables de estudio 2. Estadística descriptiva 3. Gráficos descriptivos de las variables Histogramas Gráficos de caja-bigotes
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesAnálisis Estadístico de Datos Climáticos. Distribuciones paramétricas de probabilidad (Wilks, cap. 4)
Análisis Estadístico de Datos Climáticos Distribuciones paramétricas de probabilidad (Wilks, cap. 4) 2013 Variables aleatorias Una variable aleatoria es aquella que toma un conjunto de valores numéricos
Más detallescrédito. Por ejemplo si la institución ha fijado que los clientes buenos son aquellos que tienen 500 puntos o más, este cliente sería rechazado.
crédito. Por ejemplo si la institución ha fijado que los clientes buenos son aquellos que tienen 500 puntos o más, este cliente sería rechazado. 6.- Validación del modelo 6.1.- Análisis de percentiles
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesDar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones
I Unidad: Introducción a al Investigación de Operaciones. Contenidos: 1. Breve reseña histórica de la l. De O. 2. Concepto de la l. De O. 3. Objeto de Estudio de la l. De O. 4. Introducción a la teoría
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesHistograma y Grafico de Control
2014 Histograma y Grafico de Control Sustentantes: Sabrina Silvestre 2011-0335 Juan Emmanuel Sierra Santos 2011-0367 Rosa Stefany Flech Mesón 2011-0436 Docente: Ing.MS Eliza N. González Universidad Central
Más detallesTEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA
TEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA LECTURA OBLIGATORIA Regresión Logística. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de la Salud. Coruña: Netbiblo. Páginas
Más detallesMetodología II: Análisis de Datos. Prof. Reinaldo Mayol Derecho
Metodología II: Análisis de Datos Prof. Reinaldo Mayol Derecho Por donde vamos? Luego de obtenidos los datos, el siguiente paso es realizar el análisis de los mismos. Aunque ha sido presentado en este
Más detallesTema: Análisis de valores faltantes con SPSS
Tema: Análisis de valores faltantes con SPSS 1.- Introducción Hemos de comenzar advirtiendo que el Procedimiento Valores perdidos no se incluye en el sistema Base de SPSS, por lo que solo estará disponible
Más detallesDiplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
Más detallesAuxiliar 9. MNL y MLE. Daniel Olcay. 21 de octubre de 2014 IN4402. Daniel Olcay (IN4402) Auxiliar 9 21 de octubre de / 13
Auxiliar 9 MNL y MLE Daniel Olcay IN4402 21 de octubre de 2014 Daniel Olcay (IN4402) Auxiliar 9 21 de octubre de 2014 1 / 13 Índice Modelos no lineales Probabilidad lineal Probit Logit Máxima verosimilitud
Más detallesESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL Organiza: INSTITUTO CÁNTABRO DE ESTADÍSTICA http://www.icane.es Responsable: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas
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 detallesConstrucción de Gráficas en forma manual y con programados
Universidad de Puerto Rico en Aguadilla División de Educación Continua y Estudios Profesionales Proyecto CeCiMaT Segunda Generación Tercer Año Título II-B, Mathematics and Science Partnerships Construcción
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesRepaso de conceptos de álgebra lineal
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 Repaso
Más detallesEstadística. (1º Ingeniero Técnico en Informática de Sistemas) Asignatura Troncal. Código:
Estadística. (1º Ingeniero Técnico en Informática de Sistemas) Asignatura Troncal. Código: 6230001 Créditos ECTS: 5 Teoría: 2.5 Prácticas (problemas): 2.5 Profesores: Prof. Dr. Arturo Gallego Segador Prof.
Más detallesEl tiempo y la agricultura: predicciones meteorológicas
El tiempo y la agricultura: predicciones meteorológicas Antonio Mestre Jefe del Área de Climatología y Aplicaciones Operativas AEMET Esquema presentación La meteorología como elemento clave en la toma
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesCLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA
1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática
Más detallesESTADÍSTICA EN RRLL - CURSO 2010 TURNO NOCTURNO
ESTADÍSTICA EN RRLL - CURSO 2010 TURNO NOCTURNO MODULO 3: Medidas de tendencia central Haga clic para modificar el estilo de subtítulo del patrón Docentes: Mariana Cabrera - Laura Noboa - Verónica Curbelo
Más detallesEVALUACION DE RESULTADOS INTRA-LABORATORIO. EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010
EVALUACION DE RESULTADOS INTRA-LABORATORIO EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010 1 EVALUACION DE RESULTADOS INTRA-LABORATORIO INTRODUCCION
Más detallesEstadística Básica 1 Cuatrimestre 2012
Estadística Básica 1 Cuatrimestre 2012 La palabra Estadística procede del vocablo Estado, pues era función principal de los Gobiernos de los Estados establecer registros de población, nacimientos, defunciones,
Más detallesTablas de distribución de Frecuencias
Tablas de distribución de Frecuencias Valores Y 4 3.5 3 2.5 2 1.5 1 0.5 0-2 0 2 4 6 Valores Y Docente: Jhony Montenegro Molina ww.jmontenegro.wordpress.com Reflexionemos un poco Tabla de Distribución de
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesUnidad 1. Obtención, Medición y Representación de Datos. Estadística E.S.O.
Unidad 1 Obtención, Medición y Representación de Datos Estadística E.S.O. Objetivos Distinguir, localizar y manejar las fuentes de información estadística más usuales que proporcionan información útil.
Más detallesEL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades
EL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 10 de Septiembre de 2010 1 of 29 Contenidos de la Clase
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 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 detallesANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO
Facultad de Ingeniería Escuela de Civil Hidrología ANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO Prof. Ada Moreno ANÁLISIS DE FRECUENCIA Es un procedimiento para
Más detallesPronóstico Numérico del Tiempo? Conocer la distribución espacial y temporal de las variables que caracterizan la atmósfera RGS
Pronóstico Numérico del iempo? Conocer la distribución espacial y temporal de las variables que caracterizan la atmósfera La circulación atmosférica esta gobernada por un conjunto de ecuaciones de la fluido-dinámica
Más detallesGráficos y tipos de variables. Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos Profesor Iván Fernando Camacho
Gráficos y tipos de variables Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos Profesor Iván Fernando Camacho Escalas de medición Variables Cualitativas Variables Cuantitativas NOMINAL
Más detallesII. Área(s) matemáticas y periodo lectivo al que corresponden las habilidades desarrolladas.
Registro de la observación de lecciones de Matemáticas en los centros educativos de la DREA (Elaborado por Yadira Barrantes Bogantes, Asesora Regional de Matemática) Institución: Circuito: Director(a):
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesANÁLISIS COMPARATIVO DE TRES DIFERENTES BASES DE DATOS DE PRECIPITACIÓN MENSUAL SOBRE MÉXICO
ANÁLISIS COMPARATIVO DE TRES DIFERENTES BASES DE DATOS DE PRECIPITACIÓN MENSUAL SOBRE MÉXICO Valeria Vidal Aguirre vva@ciencias.unam.mx Programa de Investigación en Cambio Climático, UNAM Licenciatura
Más detallesPronóstico usando un Modelo 1D de ABL estable acoplado a un modelo de mesoescala operativo en situaciones reales
Pronóstico usando un Modelo 1D de ABL estable acoplado a un modelo de mesoescala operativo en situaciones reales Este trabajo tiene dos objetivos principales: 1. Evaluar la capacidad del modelo COBEL de
Más detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 2017-1 Introducción Una variable estadística
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesINSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesMódulo de Estadística
Módulo de Estadística Tema 1: Introducción a la Estadística Tema 1: Introdución 1 -ÍNDICE Introducción Estadística descriptiva Estadística descriptiva bivariante y regresión lineal. Probabilidad Módelos
Más detallesII. 2. Análisis manual de imágenes médicas: Análisis de la curva ROC (Receiver Operating Characteristic).
II. 2. Análisis manual de imágenes médicas: Análisis de la curva ROC (Receiver Operating Characteristic). Psicofísica: calidad física de una imagen médica y calidad del diagnóstico El análisis de la curva
Más detallesPerspectiva del clima para el período de agosto a noviembre de 2016
Perspectiva del clima para el período de agosto a noviembre de 2016 Se prevé una sequía meteorológica de débil a moderada entre julio y agosto, con períodos cortos secos de 5 a 10 días consecutivos, sin
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesSistemas de Inventarios con Demanda Probabilística
Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de Almacenamiento e Inventarios Sistemas de Inventarios con Demanda Probabilística Profesor: Julio César Londoño O Sistemas de inventarios
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesDISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X 2 CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo):
DISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo): son aquellas que representan los valores muestrales observados
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 detallesCoeficiente de Correlación
Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
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 detalles