Alternativas a la ley de Gumbel para la predicción de valores máximos de avenidas
|
|
- Germán Moya Farías
- hace 5 años
- Vistas:
Transcripción
1 Alternativas a la ley de Gumbel para la predicción de valores máximos de avenidas Rafael Conejo Ramilo; Ricardo Conejo Muñoz conejo@lcc.uma.es Resumen: En este artículo se comparan la distribución de Gumbel con la familia de n funciones χ ν, estudiando su aplicación para la predicción de caudales máximos de avenida. Se propone un test estadístico para la elección de la función de distribución más adecuada a los datos medidos. Finalmente se analiza el caso de seis estaciones de aforos de la cuenca del Sur, comparando las predicciones según cada una de las funciones de distribución.. Introducción Para predecir la riada máxima que puede producirse en el siglo o en el milenio, uno de los métodos es admitir que los caudales máximos anuales son una variable aleatoria cuya función de distribución es conocida. Una de las primeras distribuciones que se han utilizado fue la de Gumbel; pero basta ojear cualquier libro de Hidrología para comprobar que se han propuesto muchas funciones de distribución y es fácil comprobar que los resultados de las predicciones son diferentes según la función de distribución que se escoja, por lo tanto parece que lo primero que debe estudiarse es que función de distribución se adapta mejor a la muestra que tenemos y es demasiado arriesgado creer que una determinada función puede servir para casos muy diferentes. La función de distribución de Gumbel se ha utilizado muchas veces dándole valores a sus dos parámetros para igualar los dos primeros momentos de la muestra y de la función de distribución, con la única comprobación de la representación gráfica en papel probabilístico. La predicción de un mismo fenómeno como puede ser una riada se puede enfocar desde puntos de vista muy diferentes; para estudiar un encauzamiento interesará saber que caudal en metros cúbicos por segundo puede producirse en un siglo; pero si lo que se pretende es construir un puente sobre un cauce determinado solamente hace falta conocer la altura que alcanzara el agua en ese punto en un siglo. La relación entre la altura del agua y el caudal va a ser, en el caso mas sencillo, una función potencial de exponente de á 3 por lo que es evidente que las variables aleatorias como son la altura máxima anual del agua y el caudal máximo anual en un punto de un cauce tendrán funciones de distribución completamente diferentes y para valorar las dos predicciones no se podrá utilizar la misma función de distribución. Para las predicciones también puede ser necesario conocer el volumen máximo aportado por un río a un embalse en un siglo o milenio, el volumen aportado por un río dependerá de la riada del siglo o la milenaria pero también de la duración del periodo de lluvias, por lo tanto la aportación total será función de dos variables aleatorias que en general crecen al mismo tiempo puesto que una riada es más alta si dura más tiempo el periodo lluvioso, por lo que no es de extrañar que la altura de la riada, el caudal o la aportación del siglo no se puedan predecir con la misma función de distribución.
2 . Función de distribución χ ν Una familia de funciones de distribución recomendada para la predicción de valores extremos es la función de densidad ( para valores pares ) viene dada por: χ ν cuya ν x x e ν = ( x) ν χ! f ν < cuya media es ν y cuya varianza es ν. De esta familia de funciones de densidad escogemos aquellas en que ν = (,,, 6, 8 ). La más sencilla de todas las de esta familia es la χ ya que es la función exponencial cuya función de distribución es: F χ = - e -x para x para x < Esta función de distribución tiene propiedades muy importantes: En papel semilogarítmico invertido su representación es una recta. Lo que se demuestra fácilmente mediante los respectivos incrementos: x ln ( F( x) ) ( x + t) x = -(x+ t) ln e ln e -x t = = cte. t Si la función de distribución χ se trunca desde x o a infinito la varianza de la nueva distribución sigue siendo, En efecto si. x - f ( x) = k e x x. x x El coeficiente k se obtiene al ser el valor de la integral de la función de densidad en el ámbito de la variable k = x x e x e = x x de donde f ( x) = e para x x o siendo por lo tanto la misma función trasladada de a x o.por lo tanto la varianza no se modifica. 3. Comparación entre las funciones de distribución indicadas Para aplicar cualquier función de distribución a una variable aleatoria representada por una muestra, lo generalmente aceptado es igualar los momentos primero y segundo mediante una transformación lineal, por lo
3 tanto para comparar la función de Gumbel con la familia de la χ ν obtenemos las probabilidades en los puntos definidos por: x m + k* σ siendo k > - x m / σ ya que la función χ ν solo está definida para valores positivos y siendo x m la media y σ la desviación típica de la variable aleatoria definida por la función de densidad. Los diferentes valores de las funciones vienen dados en la tabla. Por interpolación en el cuadro anterior obtenemos los valores correspondientes a las probabilidades de,98,99,995,998,999, equivalentes a los periodos de 5 5 y, años, que se indican en la tabla. En estos cuadros se incluye la llamada función de distribución χ de la que se hablara más adelante. k Gumbel χ χ χ χ χ 6 χ 8 -,676, -,5,,83,8988 -,358,,7,3557,877 -,5,333,68,39369,37657,35953,35768,57378,756883,68689,63,59399,5768,56653,5,73,8633,88639,77687,7566,76,7397,85589,95,87976,86665,8576,8589,88796,5,973,977,976,9795,9696,975,9835,957737,9639,996,953,953378,9558,9576,5,97756,97396,9668,96983,973,97693, ,98896,9885,97796,9868,98595,988, ,5,99373,9857,9858,98889,99377,997,9958,99668,9883,99,9936,99597,99763,99778,5,99853,99938,99336,99593,99787,998563, ,99979,998,9955,9975,9988,9993, ,5,99955,99,99695,99897,999389,999666, ,99975,9953,99799,99988,999679,9998, ,5,999865,9965,99859,9997,99983,99995, ,99999,99688,99938,999665,9999,999965, ,5,999963,997,99933,999797,99995,99998, ,99998,997859,99955,999877,999976,99999, ,5,99999,998,99969,99995,999988,999996, ,999995,99896,999789,999955,99999,999998, ,5,999997,99873,999855,99997,999997,999999,,999998,99895,9999,999983,999998,, Tabla. Distribuciones de Gumbel comparadas con la familia χ n ν Años Gumbel χ χ χ χ χ 6 χ 8 5,6,98 3,,93,75,6,56 3,7,3 3,99 3,63 3,3 3,5 3,3 3,7 5,83,88,33 3,87 3,66 3,8 5, 8,9 6,5 5,5,59,3,,95, 6,96 5,93 5,,79,5 Tabla.. Probabilidades para distintos periodos de retorno
4 La comparación de estas funciones de distribución se completa con la figura en la que se han dibujado en escala semilogaritmica invertida las funciones de distribución de la tabla y la función de distribución normal por ser el limite de la χ ν cuando ν tiende a. También se ha dibujado la función que hemos llamado χ. Esta escala semilogaritmica invertida tiene la ventaja de llegar a probabilidades mucho más altas, en los casos que sea necesario. En el caso de la función de Gumbel en su parte derecha es una línea recta. Nótese la escasa diferencia entre esta función y la χ Funciones de distribución en papel semilogaritmico -Log( - F(x)) Valores de k 8 6 Ji sub nu= nu= nu= nu=6 nu=8 Gumbel N (;) - Figura. Comparación entre las funciones de distribución. Funciones de distribuciones truncadas. Si de una función de distribución escogemos solo el intervalo ( x o, ) variando convenientemente el coeficiente obtenemos otra función de distribución diferente de la anterior. Como la función de densidad de la variable χ ν no es integrable para el valor pero si para los valores pares para calcular el nuevo coeficiente y la varianza de la función truncada para ν = no podemos obtener una fórmula que nos dé la varianza de las muestras truncadas. Hay que calcularlas mediante las integrales definidas correspondientes. Dado que la función de distribución tiene de media y de varianza para compararla con las funciones de distribución con parámetro diferente, calculamos las varianzas de las distribuciones truncadas para los intervalos definidos por x m + k*σ que en este caso es: + *k k Varianza de distribución truncada 8 3, , , ,99 3, ,37 3,8756 3,973, , Tabla 3. Varianza de la distribución χ truncada
5 observándose que al crecer el punto de truncado aumenta el valor de la varianza. De la función de distribución χ ya se ha dicho que las varianzas de las distribuciones truncadas son todas iguales a. (permanece constante). La función de densidad de χ es: f χ ( x) x xe = < Truncando esta función de densidad desde x a obtenemos en función de x el valor de la varianza es: ( 6x + 6) ( x ) σ = + ( disminuye al crecer el punto de truncado ) χ + Del mismo modo para ν = 6 la función de densidad para valores positivos de x es: f ( x) = e χ 6 6 x Truncando esta función de densidad desde x a se obtiene en función de x el valor de la varianza es: 3 σ χ = *(x + 6x + 96x + 9x + 9 ) / ( x + x + 8 ) 6 x La función de densidad de χ 8 es: f χ 8 ( x) x 3 x e = 96 < Como anteriormente obtenemos que la varianza de la distribución truncada es: ( x x x x x x ) ( x x x ) σ χ = En resumen por las formulas anteriores vemos que al crecer el punto de truncado x o, la varianza de la distribución truncada disminuye para ν ; para ν = la varianza disminuye de 8 hasta ; para ν = 6 la varianza disminuye de hasta ; y para ν = 8 la varianza disminuye de 6 hasta. Para ν = la varianza es constante y para ν = vemos en la relación anterior que la varianza aumenta al aumentar el punto de truncado. 5. La función de distribución χ p La función Gamma esta definida por: p x Γ(p) = x e dx Haciendo el cambio de variable y = x se obtiene: para p >
6 p y e y dy = Γ( p) y por lo tanto definimos la función de distribución de χ p como: p x y F ( x) = e y dy χ p Γ(p) teniendo en cuenta la definición de la función Gamma es fácil de deducir que la media de la variable aleatoria que sigue esta distribución es: p*(p+) y que el momento de segundo orden es: p(p+)(p+)(p+3) y que por lo tanto la varianza será p(p+)(p+3) Cuando p = se tiene: F χ ( x) = x e x x dx Esta función tiene de media y de varianza.y las varianzas de las distribuciones truncadas son siempre crecientes. Como esta función tampoco es integrable, los cálculos se han realizado mediante el calculo de las integrales definidas, obteniéndose los valores que figuran en las tablas y y en las figuras y. Varianza Distribuciones truncadas nu=,,,6,8, 5 Varianza en % Varianza total 5 5 Ji sub nu = nu = Gumbel nu = nu 6 nu = Valores de k siendo ( xm+ k * o ) Figura. Varianza de las distribuciones truncadas
7 6. Test para comprobar la validez en la aplicación de una función de distribución. Si tenemos una muestra y la ordenamos en orden creciente es decir i x i =< x i + dentro de la muestra se pueden escoger las submuestras truncadas siguientes, y obtener las cuasivarianzas correspondientes: x, x, x 3,...x i..x j...x n. x, x 3,...x i..x j...x n. x 3,...x i..x j...x n.... x i..x j...x n.... x n-, x n-, x n x n-, x n x n La cuasivarianza de la muestra completa es el mejor estadístico centrado que podemos tener para estimar la varianza de la variable aleatoria, los valores siguientes de las cuasivarianzas de las submuestras truncadas, nos darán valores que pueden ser mayores menores o iguales que la cuasivarianza de la muestra completa si estas van disminuyendo al reducirse el numero de elementos de la submuestra truncada, podemos decir que la muestra se comporta de modo parecido a las funciones de distribución truncadas en los casos de la función χ ν cuando el parámetro es superior a. Si prácticamente permaneciera constante diríamos que la muestra sigue la distribución exponencial En cambio si las cuasivarianzas de las submuestras truncadas aumentan en valor al disminuir el numero de elementos solamente podríamos decir que la muestra se parece a la función de distribución χ o a la llamada χ p que son las únicas funciones, de las consideradas en este estudio, que al truncarlas aumenta la varianza. 7. Aplicación del test a los datos de las estaciones aforos de la cuenca del Sur De las estaciones de aforos de la Confederación Hidrográfica del sur de España se han seleccionado los caudales máximos anuales de toda la serie de años, se han ordenado de modo creciente y se han obtenido las cuasivarianzas de las muestras truncadas, eliminando sucesivamente los valores inferiores. Las correspondientes gráficas se muestran en la figura 3 tomando como abscisas el valor mayor de los caudales suprimidos y como ordenadas la cuasivarianza de la muestra truncada expresada en tanto por ciento de la cuasivarianza de la muestra completa. Como para el caudal máximo no esta definida dicha cuasivarianza, se toma el valor cero. En las figuras 3a 3b 3c se observa que las cuasivarianzas de las muestras truncadas aumentan ( de a 6 veces ) al suprimir los caudales más bajos. En cambio en las figuras 3d 3e y 3f las cuasivarianzas disminuyen al aumentar el punto de truncado. Por tanto, en estos casos será acertado utilizar la función de distribución de Gumbel o también las funciones de distribuciones de la χ ν cuando ν >=. En la tabla 3 se resumen las predicciones de las 6 estaciones de aforos para un periodo de retorno de años, utilizando las diferentes funciones de distribución, los caudales máximos registrados y el número de años. Para el cálculo de esos caudales se utiliza la formula x m + k*σ obteniéndose k de la tabla en la fila correspondiente a los años. Se puede comprobar que las predicciones con Gumbel cuando el test de las cuasivarianzas truncadas decrece al aumentar el punto de truncado son aceptables y que en los tres casos restantes, las predicciones con Gumbel son inferiores a la máxima riada registrada en periodo de solo 5 años, y solamente se superan las riadas máximas con las predicciones de la función de distribución χ p ( p = )
8 Est. de aforos nº años m3/ sg Gumbel χ χ χ Corchado ,6 8,8 5, 55, Hoya del Bujo ,3 8,7 9,9 9, Cortijo del monte 5 6,8 7, 7,5 33, Las Tosquillas 5 595, 83,9 537,8 63, Presa del agujero ,5 6,5 676,5 787, Ardales ,.8,.37,3.68,5 Tabla 3. Caudal máximo previsto para un periodo de retorno de años 8. Limitaciones del test propuesto En una función de distribución se encuentran representados todos los valores de la variable aleatoria con probabilidades diferentes según la función de distribución, si se toma un intervalo muy pequeño dentro del campo de variación siempre existe una probabilidad para que la variable aleatoria se encuentre en ese intervalo, pero en cambio al coger una muestra de n elementos, siendo por ejemplo n = 5, la probabilidad de que en ella se encuentre el valor correspondiente a la riada de ó 5 años es muy pequeña. En general, no se encontrará en la muestra. Una muestra de pequeño tamaño cuando lo que se quiere es predecir una riada de un periodo mucho mas amplio, puede considerarse como una muestra truncada superiormente. Para compararla con una función de distribución habría que truncar la función de distribución a partir de un cierto valor. Al aplicar el test de las cuasivarianzas truncadas a una función de distribución que previamente se ha truncado en su parte superior lo que si sabemos es que la varianza de esa función de distribución doblemente truncada será menor que la varianza de la función de distribución truncada solo inferiormente y por lo tanto el test propuesto se queda del lado de la seguridad. 9. Conclusiones () Para representar los puntos de una muestra en lugar de utilizar el papel probabilístico de Gumbel se puede utilizar el papel semilogarítmico invertido con la ventaja de poder añadir uno a continuación de otro si queremos llegar a probabilidades muy altas. () Ordenar la muestra en sentido creciente y obtener las cuasivarianzas de las muestras truncadas si estas decrecen al crecer el punto de truncado es aceptable las predicciones que se pueden hacer con la función de distribución de Gumbel. En caso contrario utilizar este método puede dar previsiones que no estén de acuerdo con la realidad. (3) La función de distribución de Gumbel supone predecir la riada del milenio con la media del periodo mas cinco veces la desviación típica. Si se utiliza la función χ p la predicción del milenio seria la media mas veces la desviación típica.
9 Estación deaforosdeardales EstacióndeaforosdeHoyadelBujo Media,5 m3/sg.( 5 años ) desv.típ. 6, (a) Media 3,8 m3/sg.( 53 años ) desv.típ.,3 (d) 5 EstacióndeaforosdePresadelAgujero Estación de aforos de Cortijo del Monte Media 8,5 m3/sg.( 3 años ) desv. típ. 6, (b) 5 5 Media 58, m3/sg.( 5 años ) desv. típ. 3,7 (e) 5 EstacióndeaforosdelasTosquillas Estación de aforos de Corchado Media 59, m3/sg. ( 5 años ) desv. típ. 98, (c) Media,8 m3/sg. (59 años ) desv. típ. 6, (f) Figura 3. en estaciones de aforos del Sur
El diseño de las redes de Saneamiento: Caudales en las Redes de Saneamiento
SECCIÓN 3: MÉTODOS ESTADÍSTICOS El diseño de las redes de saneamiento, están siempre relacionadas con eventos lluviosos. Evento que debe pronosticarse con objeto de determinar adecuadamente las secciones
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
Más detallesINDICE 1. PROCESAMIENTO ESTADISTICO DE LOS DATOS 1 2. INTERPOLACION 3 3. COMPARACION DE RESULTADOS DE 1 Y MODELO DE BELL Y YANCE TUEROS 6
RESUMEN En el presente informe se desarrollara la solución del examen parcial, la cual cuenta con el análisis de datos estadísticos de las precipitaciones registradas en la estación de Jaén y una posterior
Más detallesDRENAJE AGRICOLA. Determinación de Lluvias Máximas. Análisis de Frecuencia
DRENAJE AGRICOLA Prof. Ricardo Trezza Determinación de Lluvias Máximas Las obras relacionadas con el manejo y control del agua, así como toda actividad agrícola, son afectadas y determinadas por eventos
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detalles= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesCLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL
Universidad Nacional Agraria La Molina IA-406 Hidrología Aplicada CLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL 1. Longitud necesaria de registro Diversos
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 4)
OBJETIVOS DE APRENDIZAJE: TEMA Nº ANÁLISIS CONJUNTO DE DOS VARIABLES Distinguir entre variables cualitativas y cuantitativas, y saber elegir los métodos en cada caso. Conocer métodos gráficos y cuantitativos
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesTEMA 7. Estimación. Alicia Nieto Reyes BIOESTADÍSTICA. Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13
TEMA 7. Estimación Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13 1 Estimación Puntual 1 Estimación por intervalos Estimación por intervalos de la Media
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesMATEMÁTICA - 6 A C y D - Prof. Sandra M. Corti
TEMA: Derivada La derivada de una función es una medida de la rapidez con la que cambia el valor de dicha función matemática, según cambie el valor de su variable independiente Sea f(x) una función continua
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesTEMA 3: MUESTREO Y ESTIMACIÓN. Estimación de la Media
TEMA 3: MUESTREO Y ESTIMACIÓN Estimación de la Media INTRODUCIÓN Supongamos que queremos estudiar una determinada característica de una población. Como vimos en el anterior power point, es muy complejo
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesRegresión lineal
86 Bioestadística: Métodos y Aplicaciones coeficiente de determinación de la regresión de Y sobre X, R 2 Y X, como R 2 Y X = 1 S2 E S 2 Y (3.4) Si el ajuste de Y mediante la curva de regresión Ŷ = f(x)
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesMétodos Numéricos I - C.S.I. - Curso 2003/04. TEMA 2: Interpolación polinómica de funciones
Ejercicios. Hoja 2.1 1. Usar la fórmula de Lagrange para obtener un polinomio cúbico que interpola los valores de la tabla siguiente. Evaluarlo luego para x = 2, 3, 5. x k 0 1 4 6 y k 1-1 1-1 [Sol.: P
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I
CONOCIMIENTOS MÍNIMOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I CONTENIDOS DESTREZAS Aritmética y Álgebra Números reales, Operaciones con potencias y radicales, notación científica Aritmética mercantil:
Más detallesTema 1: Estadística descriptiva. Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1
Tema 1: Estadística descriptiva Probabilidad y Estadística (Ing. Informática). Tema 1: Estadística descriptiva 1 Introducción Objetivo: estudiar una característica o variable en una población. Ejemplos:
Más detallesPP: gran cantidad de faltantes. Mejor solución no siempre es la misma: 1) Trabajar con datos incompletos (ojo con no sesgar la serie!!
PP: gran cantidad de faltantes Mejor solución no siempre es la misma: 1) Trabajar con datos incompletos (ojo con no sesgar la serie!!) 2) Completar con algún método Definición: Homegeneidad 2 estaciones
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesEstadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesEXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 2006
EXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 6 Problema ( ptos) Considera un experimento aleatorio con espacio muestral Ω. a) Definir una σ-álgebra A sobre Ω. b) Dar
Más detalles3. ADQUIRIR O ACTUALIZAR NOCIONES BÁSICAS DE ESTADÍSTICA:
3. ADQUIRIR O ACTUALIZAR NOCIONES BÁSICAS DE ESTADÍSTICA: Objetivos: 1. Aprender a calcular medidas de centralidad y dispersión de una distribución estadística. 2. Aprender a calcular probabilidades absolutas
Más detallesIII) INTERPOLACIÓN INTRODUCCIÓN
III) INTERPOLACIÓN INTRODUCCIÓN En numerosos fenómenos de la naturaleza observamos una cierta regularidad en la forma de producirse, esto nos permite sacar conclusiones de la marcha de un fenómeno en situaciones
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
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 detallesCapítulo 5: Probabilidad e inferencia
Capítulo 5: Probabilidad e inferencia estadística (Fundamentos Matemáticos de la Biotecnología) Departamento de Matemáticas Universidad de Murcia Contenidos Principios de la probabilidad Conceptos básicos
Más detallesSECCIÓN 3: APLICACIÓN
SECCIÓN 3: APLICACIÓN Tiempo de concentración. Período de retorno. Introducción. Cálculo de intensidades medias máximas de lluvia, I t. Superficie considerada. Cálculo del caudal de aguas blancas teórico..
Más detallesHietograma en Santiago (10-11 Abril 1980)
Hietograma en Santiago (10-11 Abril 1980) hietograma de lluvia 4 3.5 3 Lluvia (mm) 2.5 2 1.5 1 0.5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tiempo (hrs) Intensidades de Lluvia Intensidades se acostumbran
Más detallesPreguntas más Frecuentes: Tema 8
Preguntas más Frecuentes: Tema 8 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 8.1, por qué se escoge n =?. En el ejemplo 8.1, si n fuera igual a 3 habría que obtener
Más detallesPara hacer predicciones de una serie temporal se debe estimar la tendencia por el método de los
Estadística: CUESTIONARIO SERIES TEMPORALES Facultad Ciencias Económicas y Empresariales Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández 1. Señalar la afirmación correcta: (a)
Más detallesTEST DE RAZÓN DE VEROSIMILITUD GENERALIZADA
TEST DE RAZÓN DE VEROSIMILITUD GENERALIZADA JUAN C. MANRÍQUEZ 1, LUIS CID 2 y MARCELA VALDEZ 3 1 Universidad del Bío Bío, Facultad de Ciencias, Departamento de Matemáticas jcmanriq@ubiobio.cl 2 Universidad
Más detallesICH HIDROLOGÍA E. VARAS
Modelo Rorb Programa interactivo que calcula el efecto de atenuación y de propagación de la lluvia efectiva de una tormenta o de otras formas de aporte de agua a través de una cuenca, y/o a través de un
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesREPASO DE ESTADÍSTICA DESCRIPTIVA
ÍNDICE: 1.- Tipos de variables 2.- Tablas de frecuencias 3.- Gráficos estadísticos 4.- Medidas de centralización 5.- Medidas de dispersión REPASO DE ESTADÍSTICA DESCRIPTIVA 1.- Tipos de variables La estadística
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesPágina 127. Página 128
Soluciones de las actividades Página 15 1. La clasificación de las funciones es: a) Función algebraica racional polinómica de grado. b) Función algebraica racional polinómica de grado. c) Función trascendente.
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesDiagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico
TALLER DE APLICACIONES ESTADÍSTICAS CON EXCEL Diagnóstico Elaborado por Mónica Patricia Ballesteros Chávez 1. Es una expresión en Excel que puede incluir operadores, referencias a celdas, valores, funciones
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detallesANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO
Facultad de Ingeniería Escuela de Civil Hidrología ANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO Prof. Ada Moreno ANÁLISIS DE FRECUENCIA Es un procedimiento para
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
Ejercicio 1 AÑO 013- OPCIÓN A mx + y + z = m 1 m 1 x + my = 1 } (A) = ( 1 m 0 ) (A ) = ( 1 m 0 1 ) 6y z = 1 1 Calculamos el det(a) e igualamos a cero para sacar los valores en los que el determinante se
Más detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detalles1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMA 4.- LÍMITES, CONTINUIDAD Y DERIVADAS
1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMA 4.- LÍMITES, CONTINUIDAD Y DERIVADAS 1 1.- LÍMITE DE UNA FUNCIÓN EN UN PUNTO Límite de una función f por la izquierda de un punto x = a. Es el valor al
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesTeóricas de Análisis Matemático (28) - Práctica 8 - Polinomio de Taylor
Práctica 8 Polinomio de Taylor. Polinomio de Taylor El análisis completo de una función puede resultar muy difícil. Una forma de abordar este problema es aproximar la función por una más sencilla. En este
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesFundamentos de la investigación en psicología
Fundamentos de la investigación en psicología TEMA 10 1º curso Grado Psicología Curso académico 2017-18 TEMA 10. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD: VARIABLES CONTINUAS 1. El modelo normal 2. Ejercicios
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
Más detallesANÁLISIS DEL RÉGIMEN DE CAUDALES
ANÁLISIS DEL RÉGIMEN DE CAUDALES JOSÉ CARLOS ROBREDO SÁNCHEZ PROFESOR TITULAR DE UNIVERSIDAD UNIDAD DOCENTE DE HIDRÁULICA E HIDROLOGÍA DEPARTAMENTO DE INGENIERÍA FORESTAL E.T.S. DE INGENIEROS DE MONTES
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesESTADISTICA Estimación puntual
Resumen estadístico Describir y sintetizar Tablas de frecuencias y Gráficos ESTADISTICA Estimación puntual Analizar e inferir Intervalos de confianza Contrastes de hipótesis Qué es una hipótesis? Una creencia
Más detallesMEDIDAS DE CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN. Matemáticas PAI 5 (4ºESO)
CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN Matemáticas PAI 5 (4ºESO) Ejercicio 2 Actividad de aula 3 Medidas estadísticas Recupera la tabla de frecuencias que realizaste en el ejercicio 2 de la actividad de
Más detallesTema 4: Variables aleatorias.
Estadística 46 Tema 4: Variables aleatorias. El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos aleatorios, que en muchos
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesSean dos funciones f(x) y g(x), para las que existe límite en un punto o en el infinito. Entonces:
Límite de funciones. Cálculo Propiedades. Sean dos funciones f(x) y g(x), para las que existe límite en un punto o en el infinito. Entonces: En general calcular el límite de una función "normal", cuando
Más detallesAlgorítmica y Lenguajes de Programación. Eficiencia y notación asintótica (i)
Algorítmica y Lenguajes de Programación Eficiencia y notación asintótica (i) Eficiencia y notación asintótica. Introducción Para resolver un problema pueden existir varios algoritmos. Por tanto, es lógico
Más detallesEstadística. Análisis de datos.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
Más detallesMomentos de una variable
Momentos de una variable Momentos respecto del origen Dada una variable aleatoria X con función de probabilidad o densidad f(x) podemos definir una función de X que sea igual a la variable elevada a un
Más detallesVariables aleatorias: El caso continuo. Random variables: The continuous case. Rincón de la Bioestadística
Variables aleatorias: El caso continuo Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Random variables: The continuous case E l tratamiento de una variable
Más detallesEl cálculo de la viga superior no presenta mayores problemas, ya que su volumen corresponde al de un prisma recto cuyas dimensiones se indican:
Consideremos el problema: Usted es un ingeniero civil y se le ha encargado la tarea de construir un puente. Para ello necesita cubicar (dimensionar), para saber la cantidad de material necesario para hacer
Más detallesApuntes de Estadística
Apuntes de Estadística La Estadística es la ciencia que se encarga de recoger, organizar, describir e interpretar datos referidos a distintos fenómenos para, posteriormente, analizarlos e interpretarlos.
Más detallesEstadística para el análisis de los Mercados S2_A1.1_LECV1
5. Parámetros estadísticos. 5.1. Parámetros de centralización. Estos parámetros nos indican en torno a que puntos se encuentran los valores de la variable cuantitativa en estudio. Es la forma de representar
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
Más detallesEl Movimiento Browniano en la modelización del par EUR/USD
MÁSTER UNIVERSITARIO EN DIRECCIÓN FINANCIERA Y FISCAL TESINA FIN DE MÁSTER El Movimiento Browniano en la modelización del par EUR/USD Autor: José Vicente González Cervera Directores: Dr. Juan Carlos Cortés
Más detallesANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal
ANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal Relaciones nivel-caudal 1. El objetivo de aforar una corriente, durante varias épocas del año en una sección determinada, es determinar lo que
Más detallesMATEMÁTICAS 2º DE ESO
MATEMÁTICAS 2º DE ESO LOE TEMA VII: FUNCIONES Y GRÁFICAS Coordenadas cartesianas. Concepto de función. Tabla y ecuación. Representación gráfica de una función. Estudio gráfico de una función. o Continuidad
Más detallesExplicación de la tarea 8 Felipe Guerra
Pruebas de bondad de ajuste de χ 2 Explicación de la tarea 8 Felipe Guerra Las pruebas de bondad de ajuste corresponden a una comparación entre la distribución de una muestra aleatoria y una distribución
Más detallesMATEMÁTICAS 2º DE ESO
MATEMÁTICAS 2º DE ESO LOMCE TEMA VII: FUNCIONES Y GRÁFICAS Coordenadas cartesianas. Concepto de función. Tabla y ecuación. Representación gráfica de una función. Estudio gráfico de una función. o Continuidad
Más detallesCálculo de Probabilidades y Estadística. Segunda prueba. 1
08231. Cálculo de Probabilidades y Estadística. Segunda prueba. 1 Problema 1. Se eligen tres puntos A, B y C, al azar e independientemente, sobre una circunferencia. Determinar la distribución del valor
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detalles2500 ; 1275 ; 730 ; 472 ; 343 ; 252 ; 187 ; 152 ; 123 ; 102 y 86
Ejercicios resoluciones clases.5 y.6 Pág. de 8 Tema - HIDRÁULICA DE ACUÍFEROS Profesor: Eduard Batista Ejercicio En la cabecera de un río, alimentado exclusivamente por un manantial, se han realizado aforamientos
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
Más detalles1. El Teorema de Rolle Generalizado.
Proyecto III: Los Teoremas de Rolle y del valor Medio Objetivos: Profundizar el estudio de algunos teoremas del cálculo diferencial 1 El Teorema de Rolle Generalizado La formulación más común del Teorema
Más detalles