Herramientas de los Sistemas de Información Geográfica (SIG) Análisis de Fronteras
|
|
- María Mercedes Saavedra Vargas
- hace 5 años
- Vistas:
Transcripción
1 Herramientas de los Sistemas de Información Geográfica SIG Análisis de Fronteras
2 Definiciones de autocorrelación espacial 1. Propiedad de un conjunto de datos situados en un mapa geográfico que muestran un patrón de organización.. Aplicando la PRIMERA LEY GEOGRÁFICA DE TOBLER 1970 que afirma: La autocorrelación espacial se basa en uno de los fundamentos geográficos más conocidos: En el espacio todo está relacionado con todo, pero los territorios más cercanos están más relacionados entre sí que los más alejados. Se puede definir la autocorrelación espacial como el grado de concentración o dispersión de los valores de una variable en un mapa, es decir, que se puede determinar el grado en que los objetos de una unidad geográfica son similares a otros objetos de unidades geográficas vecinas.
3 Análisis de fronteras y Test de Moran Las técnicas que se presentan a continuación sirven para obtener una medida cuantitativa del grado de correlación espacial entre áreas o zonas contiguas. La primera de ellas, el análisis de fronteras, es especialmente indicada cuando se trata de mapas de coropletas binarios, es decir, del tipo ausencia o presencia de un fenómeno.
4 Análisis de fronteras y Test de Moran En el análisis de frontera se adopta una hipótesis nula. Esta señala la existencia de una disposición de los datos al azar aleatorios, en cuyo caso se aplica un test de dos colas Área = 0.05 Área = 0.05 Rango de aceptacion de la hipótesis nula H z Rechazar H 0 Rechazar H 0
5 Análisis de fronteras y Test de Moran Como en todo test, previamente a su realización es necesario establecer el nivel de significación de éste. Generalmente de un 0.05 o un 0.01 %. Para ello, se tienen que normalizar las tres distribuciones que corresponden a los tres tipos de uniones, resta comparar estos números Z obtenidos con la distribución de una curva normal asumiendo previamente un nivel de significación.
6 Análisis de fronteras y Test de Moran La hipótesis nula consiste en la inexistencia de ningún tipo de autocorrelación espacial, se adopta un test de dos colas. Región de aceptación Acepte H0 si el valor de la muestra se encuentra en esta región. Rechazar H0 si Z / Z0 Z / Z / Z0.1/ Z0.05. De tablas de la normal, por simetría Z Valor crítico Z = Valor crítico Z = 1.64 Z
7 Análisis de fronteras y Test de Moran El análisis de fronteras es apropiado para aquellos datos que se presentan en una escala nominal constituidos por dos categorías. Se trata de variables del tipo población católica/no católica, de individuos de raza blanca/no blanca, etc. Si bien este hecho parece suponer una limitación importante, en la práctica también aquellos datos que se presenten en una escala de intervalos pueden ser transformados a una escala nominal municipios o delegaciones políticas con proporción de ancianos superior a la media, con una proporción inferior, etc..
8 Análisis de fronteras y Test de Moran La segunda técnica, el llamado test de Moran, cubre la misma finalidad para el caso de variables ya no binarias, sino medidas en escala cuantitativa. Ambas pruebas tienen por finalidad apreciar si la disposición de los valores ha sido debido al azar o no. En definitiva, su procedimiento es similar al de la técnica del vecino más cercano.
9 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS BB: Positiva NN: Positiva BN: Negativa De esta combinación de cuadrículas negras y blancas, podemos inferir una autocorrelación espacial positiva entre las cuadrículas negras, es decir, una tendencia de éstas a agruparse, así como entre las blancas. Tan siginificativo como ambos hechos es la existencia de una autocorrelación espacial, pero esta vez de signo negativo, entre las cuadrículas blancas y las negras; o expresado en otros términos: una tendencia a separarse ambos tipos de tramas
10 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS BB: Negativa NN:Negativa BN: Positiva En esta combinación de cuadrículas negras y blancas se muestra una situación simétrica, es decir, una autocorrelación espacial negativa entre las cuadrículas negras, otra idéntica entre las blancas, y una autocorrelación espacial positiva entre las blancas y las negras
11 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS En esta combinación de cuadrículas negras y blancas se presenta una disposición al azar en la que no existe ninguna autocorrelación espacial. BB: Aleatoria NN: Aleatoria BN: Aleatoria
12 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS La autocorrelación espacial es especialmente indicada en los fenómenos de propagación, es decir, que se adapten al modelo de difusión epidémica y en aspectos con un fuerte componente social, puesto que la población suele residir de un modo segregado.
13 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS Consideraciones 1. Esta técnica exige una cuidada interpretación de los datos de los valores Z. Un resultado negativo no significa la inexistencia de autocorrelación espacial sino la presencia de una autocorrelación espacial de signo negativo. La autocorrelación espacial puede presentarse con valores negativos o positivos; existe autocorrelación positiva cuando valores similares de una variable aleatoria tienden a aglomerarse en el espacio, habiendo dependencia espacial entre ellos, por otra parte la autocorrelación negativa se presenta cuando las unidades geográficas de observación tienden a estar rodeadas de valores opuestos estadísticamente significativos.
14 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS. Existen dos modos de contar las fronteras, siendo éste una consideración a tener en cuenta en el caso de mapas de coropletas conformados por cuadrículas o rectángulos. El procedimiento aquí expuesto se asocia a los movimientos de las damas en tablero de ajedrez, es decir, se consideran no sólo las fronteras laterales sino también las esquinas. Cabe realizar, dependiendo de las situaciones, un ánalisis de fronteras utilizando el símil de los movimientos de la torre en el ajedrez y, por lo tanto, despreciando las conexiones puntuales entre esquinas. Tanto los resultados como su inter pretación serán diferentes en un caso respecto al otro.
15 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS Movimiento tipo torre Movimiento tipo dama
16 Tipos de autocorrelación espacial ANÁLISIS DE FRONTERAS AUTOCORRELACIÓN ESPACIAL Movimientos tipotorre BB = NN = BN = 3.6 BB = 1.81 NN = 1.81 BN = BB = 0.30 NN = 0.60 BN = + 1. BB = NN = BN =.45 Movimientos tipo Dama BB = NN = BN = 3.39 BB = 0.6 NN = 0.6 BN = BB = 0.09 NN = 0.43 BN = BB = NN = +1.1 BN =.47
17 Autocorrelación espacial Movimiento Tipo Torre Considere la siguiente configuración: Obtenga los valores de ZBB, ZNN y ZNB. El procedimiento para medir la autocorrelación espacial se fundamenta en el conteo de uniones o fronteras entre las cuadrículas. Se siguen estos pasos:
18 Autocorrelación espacial Movimiento Tipo Torre Paso 1. Se calcula la probabilidad de que existan cuadrículas blancas p o negras q en la configuración anterior. p = Número de cuadrículas blancas/total de cuadrículas. q = Número de cuadrículas negras/total de cuadrículas. La suma de probabilidades ha de ser 1. En el ejemplo:
19 Paso. Se cuentan las uniones observadas OBB blanco-blanco, ONN negro-negro y ONB negro-blanco. En este caso: Autocorrelación espacial Movimiento Tipo Torre ONN= 10 OBB= 10 ONB= 4 Total de fronteras k OBB + ONN + OBN = = 4.
20 Autocorrelación espacial Movimiento tipo torre Paso 3. Se procede a calcular el número esperado de fronteras del tipo BB, NN y BN. Para ello, se utilizan las siguientes fórmulas: En donde J BB J NN J NB p q k k pqk J BB, J NN y J NB : Número de fronteras esperadas para cada tipo de unión. k : Número total de fronteras. p y q : Probabilidad de que una cuadrícula sea blanca o negra. La suma de las fronteras que se esperan de los dos tipos NN, BB y NB ha de ser igual al número total de fronteras, k. De tal modo que: J BB J NN J NB k
21 De donde: Autocorrelación espacial Movimiento tipo torre pqk NB J k q NN J k p BB J k NB J NN J BB J
22 Autocorrelación espacial Movimiento tipo torre Paso 4. Se calcula la desviación típica de las fronteras esperadas. En las fórmulas de la desviación típica el término m se define como: m n 0.5 j1 j j Cuadrículas TABLA 1 Cálculo del análisis de fronteras. No. de fronteras j j Fronteras j j m 0.5 n j1 j j
23 Matriz de pesos espaciales, contigüidad o conectividad, consiste en asignar un uno al elemento i, j de la matriz W cuando la región i es vecina de la j y cero en otro caso Autocorrelación espacial Movimiento Tipo Torre No de fronteras
24 Autocorrelación espacial Matriz de pesos espaciales Movimiento Tipo Torre La matriz de pesos espaciales, conectividad o contigüidad es una de las formas más comunes de representar la ubicación geográfica de un conjunto de polígonos. Por convención, se le denomina W y es una matriz cuadrada. El número de filas o columnas está determinado por el de los polígonos independientes del mapa. La definición de W se basa en el concepto de contigüidad física de primer orden. A cada matriz que se construye así se le conoce como matriz de contigüidad binaria, donde w ij es 1 si las regiones i y j son físicamente adyacentes o 0 en caso contrario.
25 Desviación típica: Autocorrelación espacial Movimiento Tipo Torre m k q p m k pq BN m k q mq NN J NN m k p mp BB J BB
26 Autocorrelación espacial Movimiento Tipo Torre Paso 5. Una vez que se ha obtenido para los tres tipos de fronteras su valor esperado, así como la desviación típica de estas mismas fronteras esperadas, se calcula el número Z. De este modo, se normalizan las tres distribuciones BB, NN y NB y los resultados pueden compararse entre sí. Z BB O BB J BB BB Z NN O NN J NN NN Z NB O NB J NB NB
27 Autocorrelación espacial Movimiento Tipo Torre En donde: Z BB, Z NN y Z NB : O BB, O NN y O NB : J BB, J NN y J NB : Número Z de las tres distribuciones. Fronteras observadas BB, NN y NB. Fronteras esperadas BB, NN y NB. BB, NN y NB : Desviación típica de las fronteras esperadas BB, NN y NB.
28 Autocorrelación espacial Movimiento tipo torre Para los tres tipos de uniones los números Z calculados son los siguientes: Z BB O BB J BB BB Z NN O NN J NN NN Z NB O NB J NB NB
29 Autocorrelación espacial Movimiento tipo torre Estos resultados apuntan a una considerable autocorrelación espacial negativa entre los cuadros blancos y negros 3.6. Igualmente se aprecia una autocorrelación espacial positiva entre los cuadros de tipo blanco +1., así como entre los cuadros de tipo negro y negro +1.. Región de aceptación Acepte H0 si el valor de la muestra se encuentra en esta región. Rechazar H0 si Z / Z0 Z / Z / Z0.1/ Z0.05. De tablas de la normal, por simetría Z Valor crítico Z = Valor crítico Z = 1.64 Z
30 Autocorrelación espacial Movimiento Tipo Torre Este límite ha sido traspasado en una de las tres situaciones, la que corresponde a las uniones entre las cuadrículas blancas y negras. En consecuencia, si se considera un porcentaje de error del test del 10 %, puede afirmarse la existencia de una autocorrelación espacial negativa entre las cuadrículas de tipo B y N.
31 Autocorrelación espacial Movimiento Tipo Dama Considere la siguiente configuración: Obtenga los valores de ZBB, ZNN y ZNB. El procedimiento para medir la autocorrelación espacial se fundamenta en el conteo de uniones o fronteras entre las cuadrículas. Se siguen estos pasos:
32 Autocorrelación espacial Movimiento Tipo Dama Paso 1. Se calcula la probabilidad de que existan cuadrículas blancas p o negras q en la configuración anterior. p = Número de cuadrículas blancas/total de cuadrículas. q = Número de cuadrículas negras/total de cuadrículas. La suma de probabilidades ha de ser 1. En el ejemplo:
33 Paso. Se cuentan las uniones observadas OBB blanco-blanco, ONN negro-negro y ONB negro-blanco. En este caso: Autocorrelación espacial Movimiento Tipo Dama ONN= 16 OBB= 16 ONB= 10 Doble frontera Total de fronteras k OBB + ONN + OBN = = 4
34 Autocorrelación espacial Movimiento Tipo Dama Paso 3. Se procede a calcular el número esperado de fronteras del tipo BB, NN y BN. Para ello, se utilizan las siguientes fórmulas: En donde J BB J NN J NB p q k k pqk J BB, J NN y J NB : Número de fronteras esperadas para cada tipo de unión. k : Número total de fronteras. p y q : Probabilidad de que una cuadrícula sea blanca o negra. La suma de las fronteras que se esperan de los dos tipos NN, BB y NB ha de ser igual al número total de fronteras, k. De tal modo que: J BB J NN J NB k
35 De donde: Autocorrelación espacial Movimiento Tipo Dama pqk NB J k q NN J k p BB J k NB J NN J BB J
36 j j 1 n j j 1 m 0.5 j1 j j Autocorrelación espacial Movimiento Tipo Dama Paso 4. Se calcula la desviación típica de las fronteras esperadas. En las fórmulas de la desviación típica el término m se define como: m n 0.5 j1 j j TABLA 1 Cálculo del análisis de fronteras. No. de fronteras Cuadrículas j 1 1 j j j Fronteras m 0.5 n j1 j j
37 Matriz de pesos espaciales, contigüidad o conectividad, consiste en asignar un uno al elemento i, j de la matriz W cuando la región i es vecina de la j y cero en otro caso Autocorrelación espacial Movimiento Tipo Dama No de fronteras
38 Autocorrelación espacial Matriz de pesos espaciales Movimiento Tipo Dama La matriz de pesos espaciales, conectividad o contigüidad es una de las formas más comunes de representar la ubicación geográfica de un conjunto de polígonos. Por convención, se le denomina W y es una matriz cuadrada. El número de filas o columnas está determinado por el de los polígonos independientes del mapa. La definición de W se basa en el concepto de contigüidad física de primer orden. A cada matriz que se construye así se le conoce como matriz de contigüidad binaria, donde w ij es 1 si las regiones i y j son físicamente adyacentes o 0 en caso contrario.
39 Desviación típica: Autocorrelación espacial Movimiento Tipo Dama m k q p m k pq BN m k q mq NN J NN m k p mp BB J BB
40 Autocorrelación espacial Movimiento Tipo Dama Paso 5. Una vez que se ha obtenido para los tres tipos de fronteras su valor esperado, así como la desviación típica de estas mismas fronteras esperadas, se calcula el número Z. De este modo, se normalizan las tres distribuciones BB, NN y NB y los resultados pueden compararse entre sí. Z BB O BB J BB BB Z NN O NN J NN NN Z NB O NB J NB NB
41 Autocorrelación espacial Movimiento Tipo Dama En donde: Z BB, Z NN y Z NB : O BB, O NN y O NB : J BB, J NN y J NB : Número Z de las tres distribuciones. Fronteras observadas BB, NN y NB. Fronteras esperadas BB, NN y NB. BB, NN y NB : Desviación típica de las fronteras esperadas BB, NN y NB.
42 Autocorrelación espacial Movimiento Tipo Dama Estos resultados apuntan a una considerable autocorrelación espacial negativa entre los cuadros blancos y negros Igualmente se aprecia una autocorrelación espacial positiva entre los cuadros de tipo blanco +0.95, así como entre los cuadros de tipo negro y negro Región de aceptación Acepte H0 si el valor de la muestra se encuentra en esta región. Rechazar H0 si Z / Z0 Z / Z / Z0.1/ Z0.05. De tablas de la normal, por simetría Z Valor crítico Z = Valor crítico Z = 1.64 Z
43 Autocorrelación espacial Movimiento Tipo Dama Este límite ha sido traspasado en una de las tres situaciones, la que corresponde a las uniones entre las cuadrículas blancas y negras. En consecuencia, si se considera un porcentaje de error del test del 10 %, puede afirmarse la existencia de una autocorrelación espacial negativa entre las cuadrículas de tipo B y N.
44 Preguntas? Comentarios? José Antonio Rivera Colmenero Teléfono Oficina Facultad de Ingenieria, UNAM Ext. 117
PRACTICA Nº 4 AUTOCORRELACIÓN ESPACIAL
CARRERA DE POSGRADO ESPECIALIZACIÓN EN TECNOLOGÍAS DE LA INFORMACIÓN GEOGRÁFICA (TIG) -------------------------------------------------------------------------------------------------------------------------
Más detallesEjercicio de econometría espacial o regional
APÉNDICE C Ejercicio de econometría espacial o regional De acuerdo a los trabajos de Vilalta (2003) y Aroca, Bosch y Maloney (2005), que se mencionan en el capítulo de evidencia empírica, llegan a la conclusión
Más detallesPasos. i Aplicar la prueba X 2 para determinar la significación estadística de las proporciones entre ambas variables (no son iguales)
Relación entre variables cualitativas Pasos Construir una tabla de contingencia Crear una tabla con las frecuencias esperadas f ei (frecuencias teóricas en caso de que X e Y fueran independientes), calculadas
Más detallesTEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS
TEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS 9.1. Análisis Descriptivo de la Información 9.2. La Tabulación Cruzada 9.3. Contraste de Hipótesis 9.1. Análisis Descriptivo
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesAUTOCORRELACIÓN ESPACIAL. Preparado por: Dr. Manuel Fuenzalida-Díaz / Departamento de Geografía, Universidad Alberto Hurtado.
AUTOCORRELACIÓN ESPACIAL Preparado por: Dr. Manuel Fuenzalida-Díaz / mfuenzal@uahurtado.cl Departamento de Geografía, Universidad Alberto Hurtado. 0 TEMARIO Autocorrelación espacial 1.- La técnica de autocorrelación
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
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 detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesCONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN
CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Antonio Morillas A. Morillas: C. no paramétricos (II) 1 1. Contrastes de aleatoriedad. Contraste de rachas. 2. Contrastes de localización 2.1 Contraste
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
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 detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesTEMA 5 Estadística descriptiva. Análisis de datos
TEMA 5 Estadística descriptiva. Análisis de datos Florence Nightingale (1820-1910) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales 3.
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesComportamiento de la segregación residencial en grupos de bajos ingresos para el periodo en la Gran Área Metropolitana (GAM).
Comportamiento de la segregación residencial en grupos de bajos ingresos para el periodo 2000-2011 en la Gran Área Metropolitana (GAM). Leonardo Sánchez H Rosendo Pujol M. Eduardo Pérez M. Programa de
Más detallesTEST DE DETERMINANTES
Página 1 de 7 TEST DE DETERMINANTES 1 Si A es una matriz cuadrada de orden 3 con A = -2, a qué es igual -A? A -2 B 2 C 0 D -6 2 A -144 B 44 C 88 D -31 3 Indicar qué igualdad es falsa: A B C D 4 A -54 B
Más detallesESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com)
ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com) ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS... 1 DEFINICIONES BÁSICAS... 1 Estadística... 1 Estadística descriptiva... 1 Estadística inferencial...
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
Más detallesTema 12: Introducción a la Estadística.
MOLEDO GUGLIOTTA VICTOR Tratamiento de los datos Tema 12: Introducción a la Estadística. Al intentar interpretar la realidad a través de las herramientas que nos aporta la Estadística, lo primero que se
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 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 detallesTABLAS DE CONTINGENCIA
Tablas de contingencia 1 TABLAS DE CONTINGENCIA En SPSS, el procedimiento de Tablas de Contingencia crea tablas de clasificación doble y múltiple y, además, proporciona una serie de pruebas y medidas de
Más detallesCuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesAnálisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesDESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
DESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II Según REAL DECRETO 1467/2007, de 2 de noviembre, por el que se establece la estructura del bachillerato y se fijan
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 detallesTEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES
TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número
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 detallesESTADÍSTICA SEMANA 3
ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 6: Análisis de datos cuantitativos II: introducción a la estadística inferencial OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2 unai.martin@ehu.eus
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Sexta clase: Programa Técnico en Riesgo, 2016 Agenda 1 2 de una vía 3 Pasos para realizar una prueba de hipótesis Prueba de hipotesis Enuncia la H 0 ylah 1,ademásdelniveldesignificancia(a).
Más detallesMedia de los números aleatorios entre cero y uno
Qué propiedades deben cumplir los números pseudoaleatorios entre cero y uno? En gran medida, conocer las propiedades que deben tener los números aleatorios garantiza una buena simulación, por ello se enumeran
Más detallesCAPÍTULO 2 PROPIEDADES DE LOS NÚMEROS PSEUDOALEATORIOS
CAPÍTULO 2 PROPIEDADES DE LOS NÚMEROS SOFTWARE PARA LA GESTIÓN DE PRODUCCIÓN Y OPERACIONES 10MO IPO PROPIEDADES DE LOS NÚM EROS ENTRE 0 Y 1 De qué manera se puede garantizar que una secuencia de números
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 15 Análisis de datos discretos Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar la prueba de hipótesis Chi-Cuadrada para datos agrupados. Aplicar
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 detallesCONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES
CONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES INTRODUCCIÓN Un fabricante de pilas afirma que la duración media de sus pilas, funcionando ininterrumpidamente, es de 53 horas como mínimo y su desviación
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesEstadística Descriptiva 2da parte
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Descriptiva 2da parte 2 Cuatrimestre 2018 COMISIÓN :1. Prof. Dr. Juan Ignacio Pastore. Qué es la estadística? El contenido de la
Más detalles1 de 12 15/07/ :49
1 de 12 15/07/2010 12:49 Saltar a... UPM - TITULACIONES OFICIALES ampliacion_mate2 Cuestionarios Test Estadística Descriptiva Información Resultados Vista previa Editar Visión general Recalificar Calificación
Más detallesMÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA
1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
Más detallesCapítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesSALDO MIGRATORIO, EMPLEO Y VIVIENDA EN UN CONTEXTO DE CRISIS EN LOS MUNICIPIOS VASCOS.
SALDO MIGRATORIO, EMPLEO Y VIVIENDA EN UN CONTEXTO DE CRISIS EN LOS MUNICIPIOS VASCOS. Astorkiza I. y Abelairas Etxebarria P. Departamento de Economía Aplicada V Universidad del País Vasco (UPV/EHU) Área
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesCOEFICIENTE JI CUADRADO. Universidad Central de Venezuela Aron, Francisco; Baptista, Andreina; Bracamonte, Karley; Gutiérrez, Alesson; Urbina, Jesmin.
COEFICIENTE JI CUADRADO. Universidad Central de Venezuela Aron, Francisco; Baptista, Andreina; Bracamonte, Karley; Gutiérrez, Alesson; Urbina, Jesmin. Definición. Coeficiente de correlación Ji2, X2 o también
Más detallesINFERENCIA ESTADISTICA CUADRADO) CHI-CUADRADO. x i. Variable Aleatoria [N(µ, σ) ] Muestras (N=1) Tipificando. = i σ z 2. = σ
(CHI- CHI-CUADRADO Variable Aleatoria [N(µ, σ) ] Muestras (N1) x i Tipificando z x µ i σ z z x i µ σ χ 1 (CHI- CHI-CUADRADO Variable Aleatoria [N(µ, σ) ] Muestras (N) x 1, x Tipificando z 1 x µ ; σ x 1
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la
Más detallesTEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesESTADISTICA PARA RELACIONES LABORALES
ESTADISTICA PARA RELACIONES LABORALES CURSO 2010 TURNO VESPERTINO CLASE 12/4/2010 LOS DATOS Un DATO, en el contexto de nuestra disciplina es el valor que toma una variable en una unidad de análisis. Por
Más detallesGeneralmente, el objetivo de cualquier estudio de econometría es la. búsqueda de relaciones matemáticas que permitan explicar el comportamiento
5. METODOLOGÍA ECONOMÉTRICA. Generalmente, el objetivo de cualquier estudio de econometría es la búsqueda de relaciones matemáticas que permitan explicar el comportamiento de una variable económica a partir
Más detallesVariables aleatorias
Variables aleatorias Un poco más general: si ahora S n está dada por la suma de variables independientes de la forma: S n =c 1 X 1 +... +c n X n, entonces la función generatriz viene dada por: Variables
Más detallesCOLEGIO INTERNACIONAL SEK ALBORÁN. Middle Years Programme [PROGRAMA DE AÑOS INTERMEDIOS] CURSO ACADÉMICO
COLEGIO INTERNACIONAL SEK ALBORÁN Departamento de MATEMÁTICAS Middle Years Programme [PROGRAMA DE AÑOS INTERMEDIOS] CURSO ACADÉMICO 2012-2013 2º ESO Apuntes de estadística y probabilidad 3. ESTADÍSTICA.
Más detallesJulio Deride Silva. 18 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 18 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
CONCEPTO MATRICES Se llama matriz de orden (dimensión) m n a un conjunto de m n elementos dispuestos en m filas y n columnas Se representa por A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn j=1,2,,n
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesPREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Más detallesPage 1 of 5 Departamento: Dpto Matematica Nombre del curso: PROBABILIDAD Y ESTADÍSTICA Clave: 003872 Academia a la que pertenece: Probabilidad y Estadística Requisitos: Requisito de Probabilidad y Estad
Más detallesEstadística Inferencia Estadística
Estadística Inferencia Estadística Problemas en Inferencia Estadística POBLACIÓN X F(θ ) desconocido A partir de una M.A.S. X 1,X 2,,X n queremos estimar el valor de θ Estimar : Asignar un valor a algo
Más detallesMÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN. Tema 8
Métodos de Investigación en Educación 1º Psicopedagogía Grupo Mañana Curso 009-010 010 MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Tema 8 La relación entre variables. Los índices de correlación Objetivos Definir
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesLa importancia de la diversificación. Dirección de Inversiones BBVA Banca Privada
La importancia de la diversificación Dirección de Inversiones BBVA Banca Privada Índice 1 Introducción 2 Rentabilidad y riesgo 3 Rentabilidad y riesgo de una cartera 4 La importancia de la diversificación
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 6 Problema 1.- Tengamos las variables sexo, nivel económico y consumo de tabaco. Los datos son los siguientes: Hombre Mujer Alto Bajo Alto Bajo 10 10
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesCurva de Lorenz e Indice de Gini Curva de Lorenz
Curva de Lorenz e Indice de Gini Curva de Lorenz La curva de Lorenz es útil para demostrar la diferencia entre dos distribuciones: por ejemplo quantiles de población contra quantiles de ingresos. También
Más detallesActividad de Medidas de Dispersión. Grupo MO5
No. de alumnos No de estudiantes Actividad de Medidas de Dispersión Problema 1. Las gráficas siguientes muestran los resultados obtenidos en el primer examen parcial de Estadística, en dos grupos atendidos
Más detallesDr. Abner A. Fonseca Livias
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN FACULTAD DE ENFERMERÍA Dr. Abner A. Fonseca Livias 3/21/2015 6:17 AM Dr. Abner Fonseca Livias 1 UNIVERSIDAD NACIONAL HERMILIO VALDIZAN ESCUELA DE POST GRADO Dr. Abner
Más detallesProblemas Matemáticas II. Serie 5. Inferencia estadística. Estimación y contrastes.
Serie 5. Inferencia estadística. Estimación y contrastes. 1. De una población normal con varianza conocida aleatoria de tamaño n=15 con 95% para el valor medio de la población. =,34 se extrae una muestra
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesOTROS CONTRASTES NO PARAMETRICOS
OTOS CONTASTES NO PAAMETICOS Bibliografia: - Manzano Arrondo, V.; Inferencia estadística. Aplicaciones con SPSS/PC. a-ma. 995 - Martinez Almecija, Alfredo y otros...: "Inferencia estadística: un enfoque
Más detallesTema 8: Distribuciones Unidimensionales y Distribuciones Bidimensionales. Consideraciones iniciales:
Tema 8: Distribuciones Unidimensionales y Distribuciones Bidimensionales. Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.:
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesMATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES
CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno
Más detallesNitritos (umol/l) (mg/l)
Aplicación: Estudio exploratorio de la distribución de datos fisicoquímicos y biológicos medidos en el estuario Ciénaga Grande de Santa Marta en Marzo de 1997. Con información de algunas variables fisicoquímicas
Más detallesFINAL 1ªEVAL 3ºESO. Materia: MATEMÁTICAS Nombre: Fecha:
Instrucciones para el examen: En caso de usar decimales, redondea a la milésima. Aunque utilices calculadora, muestra claramente los pasos y tu conocimiento de las expresiones o propiedades matemáticas
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesDistribuciones bidimensionales. Correlación.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 4: Distribuciones bidimensionales. Correlación. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesUNIDAD DIDACTICA I TEMA 1. LA MEDIDA EN PSICOLOGIA
UNIDAD DIDACTICA I TEMA 1. LA MEDIDA EN PSICOLOGIA 1. Delimitación teórica de la psicometría 2. Los comienzos de la psicometría 3. La orientación psicofísica 4. Los tests mentales 5. Áreas de trabajo de
Más detallesSe trata de: Explicar el comportamiento de una variable dependiente ( Y ) en función de otras variables ( i ) 2 Investigar si las variables están asoc
4 ASOCIACION ENTRE VARIABLES En la investigación estadística- y en lo fundamental aquella relacionada a variables socioeconómicas-, es común encontrar variables relacionadas o asociadas Estadísticamente
Más detallesMATRICES. 2º Bachillerato. Se llama matriz a una disposición rectangular de números reales, a los cuales se les denomina elementos de la matriz.
Concepto de matriz. Igualdad de matrices MATRICES 2º Bachillerato Concepto de matriz. Igualdad de matrices Concepto de matriz. Igualdad de matrices Se llama matriz a una disposición rectangular de números
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 1 Profesor: Hugo S. Salinas. Segundo Semestre 2009 DESARROLLO
Más detalles1 POBLACIÓN Y MUESTRA
1 POBLACIÓN Y MUESTRA Estadística.- es la rama de las matemáticas que se encarga de describir y analizar datos de un estudio, y obtener consecuencias válidas del estudio. Población.- es el conjunto de
Más detallesEstructuras de datos en SIG
Unidad Unidad.. Estructura Estructura de de datos datos en en los los SIG. SIG. Modelo Modelo de de datos datos en en malla malla regular regular oo raster: raster: características características principales,
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detalles