Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Media es la suma de todas las observaciones dividida por el tamaño de la muestra."

Transcripción

1 Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central, poscón, dspersón, asmetría y apuntamento. Meddas de Centralzacón Meda es la suma de todas las observacones dvdda por el tamaño de la muestra. Medana es el valor que dvde a la muestra ordenada en dos mtades con el msmo número de datos. Meda recortada es una meda calculada después de elmnar algunos datos etremos. Es más robusta que la meda pues no tene en cuenta los valores atípcos. Moda es el dato que posee la mayor frecuenca. En caso de concdencas pueden haber varas modas Meddas de Poscón Descrben cómo se encuentra el resto de la muestra con respecto a ella. Q, Q y Q Los Cuartles, son tres valores que dvden a la dstrbucón en cuatro partes guales. El prmer cuartl Q tene un 5% de casos menores o guales que dcho valor; el segundo cuartl Q concde con la medana M e y el tercer cuartl Q deja un 5% de valores superores o guales a él. Para obtenerlos, se calcula prmero las poscones de los cuartles y a partr de ellas se etraen los valores correspondentes. Las poscones de los cuartles: ( Q) n 4 p, p ( Q) n 4. p ( Q) n 4 obtendas las poscones, s son enteras, se buscan los valores que las ocupan en la muestra ordenada. Los Percentles, son noventa y nueve valores que dvden a la dstrbucón en cen partes guales. La técnca empleada es la msma que se sgue para el cálculo de los cuartles y medana. Las poscones de los percentles: p ( P 5 ) 5n,..., ( P 5 ) 5n obtendas las poscones, s son enteras, se buscan los valores que las ocupan en la muestra ordenada. p,...

2 Los Decles, son nueve valores que dvden a la dstrbucón en dez partes guales. La técnca empleada es la msma que se sgue para el cálculo de los cuartles, medana o percentles. Las poscones de los decles: p ( D) n,..., p ( D5) 5n p( Q),... obtendas las poscones, s son enteras, se buscan los valores que las ocupan en la muestra ordenada. Meddas de Dspersón Rango o mpltud: Dferenca entre el mayor y el menor valor de la muestra. Recorrdo ntercuartílco: R I Q Q 5% central de los valores muestrales.. El ntervalo [, Q ] Q contene al Varanza ( σ ) mde el alejamento medo de las dferencas al cuadrado de cada observacón a la meda. Desvacón típca (σ) está medda en las msmas undades que la varable y es la raíz cuadrada postva de la varanza. Coefcente de Varacón de Pearson es una medda de dspersón relatva. Es el cocente entre la desvacón típca y la meda artmétca. Carece de undades y se utlza para comparar la dspersón entre varables que tengan dstntas undades de medda. Se suele epresar en tantos por cento.

3 MEDIDS DE FORM: SIMETRI Y PUNTMIENTO Una vez ncado el análss estadístco de snterzacón de la nformacón, para lo cual hemos estudado las meddas de poscón y dspersón de la dstrbucón de una varable, necestamos conocer más sobre el comportamento de la msma. No podemos basar nuestras conclusones úncamente en epresones que vengan dadas en térmnos de meddas de poscón y dspersón. S ben ntentamos globalzar el comportamento del colectvo que sea objeto de nuestro estudo, para lo cual las meddas de poscón son nuestro mejor nstrumento, no debemos proceder a una nterpretacón que mplque un comportamento de todos los elementos del colectvo unformemente constante e gual a la medda de poscón en cuestón con un error dado por la correspondente medda de dspersón. Este error o dspardad se hace más ostensble al analzar la representacón gráfca de la dstrbucón. Pues ben, las meddas de forma de una dstrbucón se basan en su representacón gráfca, sn llegar a realzar la msma. Las meddas de forma se clasfcan en meddas de asmetría y meddas de curtoss o apuntamento. Las meddas de asmetría tenen como fnaldad el elaborar un ndcador que permta establecer el grado de smetría (o asmetría) que presenta una dstrbucón, sn necesdad de llevar a cabo su representacón gráfca. MEDID DE SIMETRÍ.- Dremos que una dstrbucón es smétrca cuando su medana, su moda y su meda artmétca concden. Dremos que una dstrbucón es asmétrca a la derecha s las frecuencas (absolutas o relatvas) descenden más lentamente por la derecha que por la zquerda. S las frecuencas descenden más lentamente por la zquerda que por la derecha dremos que la dstrbucón es asmétrca a la zquerda. Dstrbucón asmétrca a la derecha o postva: Dstrbucón smétrca: M e Md Dstrbucón asmétrca a la zquerda o negatva: M e M d M e M d

4 Supongamos que hemos representado gráfcamente una dstrbucón de frecuencas. S trazamos una perpendcular al eje de abscsas por y tomamos esta perpendcular como eje de smetría, dremos que una dstrbucón es smétrca s este el msmo numero de valores a ambos lados de dcho eje, equdstantes de dos a dos y tales que cada par de valores equdstantes a tengan la msma frecuenca. En caso contraro, las dstrbucones serán asmétrcas. Las meddas de curtoss estudan la dstrbucón de frecuencas en la zona central de la msma. La mayor o menor concentracón de frecuencas alrededor de la meda y en la zona central de la dstrbucón dará lugar a una dstrbucón más o menos apuntada. Por esta razón a las meddas de curtoss se les llama tambén de apuntamento o concentracón central. Las meddas de curtoss se aplcan a dstrbucones campanformes, es decr, unmodales smétrcas o con lgera asmetría. Para estudar la curtoss de una dstrbucón es necesaro defnr prevamente una dstrbucón tpo, que vamos a tomar como modelo de referenca. Esta dstrbucón es la Normal, que corresponde a fenómenos muy correntes en la naturaleza, y cuya representacón gráfca es una campana de Gauss. Tomando la normal como referenca, dremos que una dstrbucón puede ser mas apuntada que la normal (leptocurtca) o menos apuntada (platcúrtca). la dstrbucón normal, desde el punto de vsta de la curtoss, se le llama mesocúrtca. Con la curtoss se estuda la deformacón, en sentdo vertcal, respecto a la normal, de una dstrbucón. Se defnen las meddas de asmetría y apuntamento más comunes: COEFICIENTE DE SIMETRÍ DE FISHER: hora se ntenta buscar una medda que recoja la smetría o asmetría de una dstrbucón. S una dstrbucón es smétrca. este el msmo numero de valores a la derecha que a la zquerda de, y por tanto el msmo número de desvacones con sgno postvo que con sgno negatvo, sendo la suma de desvacones postvas gual a la suma de las negatvas. Podemos partr. pues, de las desvacones ( ) elevadas a una potenca mpar para no perder los sgnos de las desvacones. Lo más sencllo sería tomar como medda de asmetría el promedo de estas desvacones, elevadas a la potenca mpar más smple (que es tres), es decr, tomaríamos como medda de asmetría el momento de orden tres centrado en la meda. Pero, de hacer esto, esta medda vendría epresada en

5 las msmas undades que las de la varable. pero elevadas al cubo, por lo que no es nvarante ante un cambo de escala. Para consegur un ndcador admensonal, debemos dvdr la epresón anteror por una cantdad que venga en sus msmas undades de medda. Esta cantdad es el cubo de la desvacón típca, obtenéndose así el coefcente de asmetría de R.. Fsher, cuya epresón es: < > asmetría zquerda o negatva smetría asmetría derecha o postva n N n N m F F F k k F ) ( ) ( σ COEFICIENTE DE SIMETRÍ DE FISHER ESTNDRIZDO: Para 5 > N el coefcente de asmetría es asntótcamente normal de meda cero y varanza 6/N. Este hecho nos lleva a consderar el coefcente de asmetría estandarzado: N F s 6 Este coefcente es asntótcamente normal ( ) N, COEFICIENTE DE SIMETRÍ DE PERSON: Karl Pearson propuso para dstrbucones campanformes, unmodales y moderadamente asmétrcas el coefcente defndo como: < > asmetría zquerda o negatva smetría asmetría derecha o postva n N M M P P P k d d P ) ( σ Es razonable pensar que tene sentdo obtener este coefcente en dstrbucones donde la moda es únca. COEFICIENTE DE SIMETRÍ DE BOWLEY-YULE: Está basado en la poscón de los cuartles y la medana. Vene dado por la epresón: < > + o negatva asmetría zquerda smetría asmetría derecha o postva Q Q M Q Q B B B e B donde k Q k-cuartl

6 COEFICIENTE BSOLUTO DE SIMETRÍ: Está basado en la poscón de los cuartles y la medana, y vene dado por la epresón: < > + asmetría zquerda o negatva smetría asmetría derecha o postva M Q Q e σ COEFICIENTE DE CURTOSIS: Indca el apuntamento de forma que la dstrbucón comparándola con la normal (o campana de Gauss): < > platcúrtca mesocúrtca leptocúrtca ) ( ) ( g g g n N n N m g k k σ < > apuntamento que la normal) platcúrtca (menos apuntamento que la normal) mesocúrtca (gual apuntamento que la normal leptocúrtca (más g g g NOT.- En la dstrbucón normal se verfca que 4 4 σ m sendo 4 m el momento de orden 4 respecto a la meda y σ la desvacón típca.

7 ESTDÍSTIC DESCRIPTIV (SPSS) OBJETIVOS.- En la práctca utlzaremos el paquete SPSS para calcular los estadístcos descrptvos de una muestra. Tambén se representaran conjunto de datos utlzando las posbldades del programa. TBLS Y MEDIDS ESTDÍSTICS.- [nalzar/estadístcos Descrptvos] Frecuencas.- Permte resumr la nformacón de un conjunto de datos medante una tabla de frecuencas. [nalzar/estadístcos Descrptvos/Frecuencas] Pueden organzarse los dferentes valores en orden ascendente o descendente u ordenar las categorías por sus frecuencas. Pueden obtenerse meddas estadístcas y gráfcos de las varables. Selecconada la varable o varables de nterés, en la opcón Estadístcos. pueden elegrse las sguentes opcones para varables cuanttatvas: Meddas de tendenca central: meda, medana, moda y suma. Meddas de localzacón: cuantles (cuartles y percentles). Meddas de dspersón: rango o ampltud, varanza, desvacón típca o estándar, error típco de la meda, mínmo y mámo. Meddas de asmetría: coefcente de asmetría. Meddas de apuntamento: coefcente de curtoss. Con la opcón Gráfcos se pueden selecconar las sguentes representacones: Barras, Sectores, Hstograma. Los Gráfcos pueden etquetarse con las frecuencas (opcón por defecto) o con los porcentajes. Con la opcón Formato se pueden controlar algunos aspectos con la forma en que aparecerán las tablas de frecuencas y los estadístcos selecconados, permtendo ordenar los elementos en la tabla de forma ascendente o descendente según valores o según frecuencas. demás, es posble suprmr tablas con un número elevado de categorías, opcón especalmente útl para el caso de varables de tpo contnuo.

8 Descrptvos.- Permte obtener meddas estadístcas de tendenca central, dspersón, asmetría y apuntamento en el caso de varables cuanttatvas. [nalzar/estadístcos Descrptvos/Descrptvos] Hay que selecconar una o varas varables y después Opcones para elegr los estadístcos que nteresen. En el procedmento aparece la opcón Guardar valores tpfcados como varables, que permte que se cree una nueva varable en el fchero de datos que contene las puntuacones tpfcadas (número de desvacones típcas que cada valor se aleja de su meda) de la varable selecconada. Las varables se pueden ordenar por el tamaño de sus medas (en orden ascendente o descendente), alfabétcamente o por el orden en el que se selecconan las varables (el valor por defecto). Eplorar.- Genera estadístcos de resumen y representacones gráfcas para todos los casos o de forma separada para grupos de casos. [nalzar/estadístcos Descrptvos/Eplorar] Para defnr los grupos se ntroducen una o más varables en Factores. Tambén se puede selecconar una varable de dentfcacón para etquetar los casos. demás de los estadístcos descrptvos y gráfcos de los procedmentos anterores se obtenen otros resultados como ntervalos de confanza para la meda, contrastes de bondad de ajuste, meda recortada, etc. Estos resultados permten nspecconar los datos para dentfcar valores atípcos, obtener descrpcones, comprobar supuestos y caracterzar dferencas entre subpoblacones (grupos de casos). REPRESENTCIÓN GRÁFIC DE VRIBLES.- Opcón: [Gráfcos] Pueden elegrse dferentes gráfcas. Para cambar el aspecto de un gráfco se hace doble clc sobre él. abréndose la pantalla de gráfcos con menús que permten modfcar su aparenca. Los gráfcos pueden etquetarse con las frecuencas (opcón por defecto) o con los porcentajes. Gráfcos de Sectores: Pueden elegrse las sguentes opcones: Resúmenes para grupos de casos.- Cada sector corresponde a un valor de la varable selecconada. El tamaño del sector se determna con la opcón Los sectores representan que aparece tras apretar el botón Defnr.

9 Con la opcón Otra funcón resumen se puede cambar lo que representan los sectores para que sea la meda de otra varable, el valor mámo, etc. En Defnr sectores por se ndca la varable a representar. Resúmenes para dstntas varables.- Permte que los sectores representen varables en lugar de grupos de casos. Cada sector representa una funcón de una determnada varable (por ejemplo, la suma de los valores de sus casos). Valores ndvduales de los casos.- Se resume una únca varable, los casos ya son valores agrupados de las varables. Cada sector representa el valor de un caso ndvdual. Puede utlzarse cuando se tene una varable con los nombres de las categorías y otra con las frecuencas. Pulsando la opcón Defnr se abre una ventana donde se especfca la varable a representar en Defnr sectores por, además se puede ndcar s usan frecuencas absolutas, relatvas o acumuladas. Con la opcón: [Gráfcos/Interactvos/Sectores] pueden obtenerse representacones con efectos más llamatvos. Dagrama de Barras: [Gráfcos/barras o Gráfcos/Interactvos/barras] Las opcones grupados y plados sólo tenen sentdo cuando se desea elaborar el dagrama de barras para más de una varable. Hstograma: [Gráfcos/Hstograma o Gráfcos/Interactvos/Hstograma] El número de clases a consderar puede fjarse, para ello se pulsa doble clc sobre el gráfco y se elge Dseño/Ejes/Intervalo/Personalzado/Defnr

10 Mucha gente manfesta reaccones de alerga sstémca a las pcaduras de nsectos. Estas reaccones varían de pacente a pacente, no sólo en cuanto a gravedad. sno tambén en el tempo transcurrdo hasta que se nca la reaccón. Los datos sguentes representan este tempo hasta el nco de la reaccón en 4 pacentes que epermentaron una reaccón sstémca a la pcadura de abeja: a) Introducr los datos. b) Determnar: Número de datos. Valores mámo. T Tabla de frecuencas Representacones gráfcas. Interpretacón. a) NOT.- Para cambar los dígtos decmales e mportarlos en Ecel, selecconamos los datos. En el menú Edcón/Remplazar/ '.' por ',',5, 9,9 5,,4,7 6,5,,7,4,6 6, 7,9 8,,9 8,,8,5,7 8,4,5, 9,,4 9,,4, 5,9,4 8,8 7,4 8,6,6 4,7,5,5,9 9,8,9 9,9 Se guardan los datos como alerga-datos.tt. Guardar como un documento alerga-datos.ls brr SPSS: rchvo /brr / Datos / alerga-datos.ls En el menú de abajo: Vsta de varables / Nombre: alerga.sav

11 b) Determnar estadístcos: EXPLICCIÓN.- En la hoja de cálculo que vene a contnuacón aparecen los valores perddos. Los valores perddos son razones por las cuales no obtenemos una respuesta coherente de algún dato; es decr, es una razón que nos ndca la causa por la que no me aporta nformacón del dato. Dentro de los valores perddos podemos encontrar: SPSS maneja dos tpos de valores perddos: el prmero es perddo por el sstema, el cual se dentfca por la ausenca total de datos; es decr, casllas vacías y el segundo corresponde a los datos perddos defndos por el usuaro (No sabe, No responde o No aplca). El programa detecta automátcamente los valores perddos por el sstema y los omte, mentras que los valores perddos por el usuaro deben ser defndos al programa o

12 de lo contraro los cálculos se realzarán contando con estos valores, lo cual puede afectar severamente los resultados.

13 En la tabla de frecuencas aparece la frecuenca de repetcón de cada dato así como los porcentajes acumulados (equvalentes a las frecuencas relatvas). Los resultados se guardan en un fchero con alerga.spo (etensón.spo) NOT.- El Hstograma tambén se puede obtener por otras dos vías: Gráfcos / Cuadros de dálogo antguos / Hstograma Gráfcos / Interactvos / Hstograma

14 HISTOGRM: Gráfcos / Cuadros de dálogo antguos / Hstograma

15 HISTOGRM: Gráfcos / Interactvos / Hstograma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

ANÁLISIS EXPLORATORIO DE DATOS

ANÁLISIS EXPLORATORIO DE DATOS ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de

Más detalles

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es

4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es 4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

UNIVERSIDAD DE SONORA

UNIVERSIDAD DE SONORA UNIVERSIDAD DE SONORA Dvsón de Cencas Exactas y Naturales Departamento de Matemátcas Estadístca Aplcada a las Lcencaturas: Admnstracón, Contaduría e Inormátca Admnstratva. Fascículo II: Estadístca Descrptva

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca www.aulatecnologa.com 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos: MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante

Más detalles

Métodos Estadísticos de la Ingeniería Tema 3: Medidas Estadísticas Grupo B

Métodos Estadísticos de la Ingeniería Tema 3: Medidas Estadísticas Grupo B Métodos Estadístcos de la Ingenería Tema 3: Meddas Estadístcas Grupo B Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Enero 2010 Contendos...............................................................

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato

Matemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA

Más detalles

ESTADISTICA APLICADA A LA EDUCACIÓN

ESTADISTICA APLICADA A LA EDUCACIÓN UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA

Más detalles

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con

Más detalles

USO Y MANEJO DEL SOFTWARE STATGRAPHICS

USO Y MANEJO DEL SOFTWARE STATGRAPHICS USO Y MANEJO DEL SOFTWARE STATGRAPHICS I.- ESTADISTICA DESCRIPTIVA. 1.1.- Defncón de Estadístca. 1.2.- Estructura y Tpos de Datos Estadístcos. 1.3.- Construccón de la Matrz de Datos 1.4.- Recuperacón de

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Glosario básico. de términos estadísticos

Glosario básico. de términos estadísticos Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

Capacidad de Procesos según ISO 9000 Ing o. Angel Francisco Arvelo

Capacidad de Procesos según ISO 9000 Ing o. Angel Francisco Arvelo EVALUACION DE LA CAPACIDAD DE CALIDAD DE UN PROCESO INDUSTRIAL METODOS ESTADISTICOS SUGERIDOS POR LA NORMA ISO 9000 ANGEL FRANCISCO ARVELO L. Ingenero Industral Master en Estadístca Matemátca CARACAS,

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Capítulo 3. SISTEMAS DE PARTÍCULAS

Capítulo 3. SISTEMAS DE PARTÍCULAS Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño

Más detalles

CAPÍTULO 4 ANÁLISIS ESTADÍSTICO Y UNIFORMIDAD ALTIMÉTRICA

CAPÍTULO 4 ANÁLISIS ESTADÍSTICO Y UNIFORMIDAD ALTIMÉTRICA CAPÍTULO 4 ANÁLISIS ESTADÍSTICO Y UNIFORMIDAD ALTIMÉTRICA. LA DISTRIBUCIÓN DE FRECUENCIAS La agrupacón tabular de la dstrbucón de frecuencas de una toma o levantamento de las cotas taqumétrcas (absolutas

Más detalles

ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA?

ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA? ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA? La Estadístca es la rama de las Matemátcas que se ocupa del estudo de una determnada característca en una poblacón, recogendo

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

Jordi Esteve Comas. Monográfico sobre inestabilidad financiera.

Jordi Esteve Comas. Monográfico sobre inestabilidad financiera. Jord Esteve Comas Cclos, tendencas y estaconaldad en la bolsa española Monográfco sobre nestabldad fnancera. Quaderns de Polítca Econòmca. Revsta electrònca. 2ª época. Vol. 10, Mayo -Agosto 2005 Edta:

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

JUAN CARLOS VERGARA SCHMALBACH VÍCTOR MANUEL QUESADA IBARGUEN

JUAN CARLOS VERGARA SCHMALBACH VÍCTOR MANUEL QUESADA IBARGUEN Introduccón a la estadístca, dstrbucones de frecuencas, gráfcos estadístcos, meddas de tendenca central, dspersón, poscón y forma, con ejemplos resueltos en Mcrosoft Excel JUAN CARLOS VERGARA SCHMALBACH

Más detalles

1. ESTADÍSTICA DESCRIPTIVA.

1. ESTADÍSTICA DESCRIPTIVA. Departamento de Matemátcas http://www.colegovrgendegraca.org/eso/dmate.htm Estadístca descrptva 1. ESTADÍSTICA DESCRIPTIVA. 1.1. Introduccón. En general, cuando se va a estudar un determnado colectvo,

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 10: ESTADÍSTICA TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de

Más detalles

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire 4 Undad II: Análss de la combustón completa e ncompleta. 1. Are El are que se usa en las reaccones de combustón es el are atmosférco. Ya se djo en la Undad I que, debdo a que n el N n los gases nertes

Más detalles

Tema 8: Estadística en una variable (unidimensional)

Tema 8: Estadística en una variable (unidimensional) Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Tema 8: Estadístca en una varable (undmensonal) 1. Introduccón Se desconocen con exacttud los orígenes de la

Más detalles

Regresión Lineal Simple y Correlación

Regresión Lineal Simple y Correlación 4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse

Más detalles

Introducción al riesgo de crédito

Introducción al riesgo de crédito Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

3.3 Caracterización de grupos: Estadísticos de forma de la distribución

3.3 Caracterización de grupos: Estadísticos de forma de la distribución 3.3 Caracterzacón de grupos: Estadístcos de forma de la dstrbucón 1. Smetría 2. Apuntamento o curtoss 3. Descrpcón estadístca de una varable: tabla resumen Ya ha sdo abordado en temas precedentes el análss

Más detalles

T. 5 Estadísticos de forma de la distribución

T. 5 Estadísticos de forma de la distribución T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

PORTAFOLIO DE TRES ACTIVOS FINANCIEROS

PORTAFOLIO DE TRES ACTIVOS FINANCIEROS PORTAFOLIO DE TRES ACTIVOS FINANCIEROS Contendo:. Introduccón.. Fondos Mutuos. Rendmento y Resgo.. Parámetros estadístcos de un Portafolo de Tres Actvos. a) El Retorno de un Portafolo. b) El Resgo de un

Más detalles

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO DE VARIABLES CUANTITATIVAS () Contendos TEMA 4.4. Introduccón 4.5. Dstrbucones de frecuencas de varables cuanttatvas (datos agrupados) 4.6. Propedades de las dstrbucones de varables

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )

PREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES ) TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES

Más detalles

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos:

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos: UNIDAD 2: Gráfcos estadístcos Los gráfcos muestran vsualmente y de forma rápda la dstrbucón de los datos y sus prncpales característcas, consttuyen un mportante complemento en la presentacón de la nformacón.

Más detalles

Capítulo III Medidas de posición y de dispersión

Capítulo III Medidas de posición y de dispersión Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento

Más detalles

2.5 Especialidades en la facturación eléctrica

2.5 Especialidades en la facturación eléctrica 2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros

Más detalles

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS Explcacón de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS EMBARGO: 21 de agosto de 2012, 15:00 (CEST) Objetvo angular de 24 mm, con zoom óptco 30x (PowerShot SX500 IS) Desarrollado usando

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17 Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES

Más detalles

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

Más detalles