INTRODUCCIÓN AL ANÁLISIS MULTIVARIADO RECONOCIMIENTO DE PAUTAS
|
|
- Rodrigo Ramírez Flores
- hace 5 años
- Vistas:
Transcripción
1 INTRODUCCIÓN AL ANÁLISIS MULTIVARIADO RECONOCIMIENTO DE PAUTAS
2 Datos multivariantes Métodos modernos de análisis automático (métodos espectroscópicos o cromatográficos) permiten reunir grandes cantidades de datos: Espectro UV-vis-NIR datos a 920 longitudes de onda Espectro IR datos a 2000 longitudes de onda Cromatograma GC-MS: datos por corrida Se miden y se analizan simultáneamente varias variables para una muestra
3 RECONOCIMIENTO DE PAUTAS La quimiometría pretende convertir estos datos en información mediante el uso de: técnicas multivariables * establecer agrupaciones de las muestras en función de su similitud y métodos de clasificación de nuevas muestras. * es la investigación de muchas variables, simultáneamente, con el fin de entender las relaciones que existen entre ellas. * enfoque muy gráfico ya que profundiza en la búsqueda de la información que está escondida detrás de los números.
4 RECONOCIMIENTO DE PAUTAS 1969 Kowalsky y colaboradores publican trabajos sobre sistemas integrados de estadística y análisis de correlación para el entrenamiento de máquinas en el reconocimiento de determinadas variables (reconocimiento de pautas) primeras y más reconocidas aplicaciones exitosas de la quimiometría uso de datos para determinar patrones métodos originados en la biología y fisiología
5 Ejemplos: RECONOCIMIENTO DE PAUTAS Uso de espectros IR para clasificar compuestos como ésteres o cetonas Se puede usar un espectro para determinar la causa de un incendio? Se puede usar un cromatograma para determinar el origen de un vino?
6 Datos analíticos Cromatograma: 30 lecturas a distintos tiempos a 28 longitudes de onda
7 Los datos analíticos se pueden acomodar como los datos de una matriz X: n objetos (filas): muestras, moléculas, materiales,... p características (columnas): espectros, propiedades físicas, patrones elementales, características estructurales,... X= x 11 x x 1p x 21 x 22 x 2p.. x n1 x n2... x np
8 Grupos de métodos Análisis exploratorio de datos (Exploratory Data Analysis, EDA): análisis de componentes principales (principal components analysis, PCA) análisis de factores (factor analysis, FA)
9 Grupos de métodos Reconocimiento de patrones no supervisado (Unsupervised Pattern Recognition): basado en la búsqueda de similitudes, aplicado en taxonomía numérica análisis de conglomerados (cluster analysis)
10 Grupos de métodos Reconocimiento de patrones supervisado (Supervised Pattern Recognition) pretenden clasificar requieren el uso de datos de entrenamiento análisis de discriminantes redes neuronales
11 Procesamiento de los datos Análisis inicial Primer paso: revisar los datos disponibles Datos ausentes: no permiten un análisis matemático NO se deben reemplazar con ceros (0) pueden reemplazarse con la media puede generarse un número aleatorio en el rango de la fila o columna
12 Análisis inicial Procesamiento de los datos Datos repetidos: se pueden remover si: están altamente correlacionados son constantes son redundantes
13 Procesamiento de los datos Análisis inicial Centrado de datos: si los datos tienen un corrimiento pueden ser trasladados a partir del origen de coordenadas, por el procedimiento de: Centrado empleando la media: cada variable x ij es centrada por substracción de la media de la columna (x j ) (x ij * ) cen = x ij - x j
14 Procesamiento de los datos Análisis inicial Escalado de datos: datos con diferentes valores absolutos o diferentes varianzas que pueden distorsionar los métodos multivariados, se pueden escalar por: rango 0 x ij * 1
15 Procesamiento de los datos Análisis inicial Escalado de datos: desviación estándar (autoescalado)
16 Procesamiento de los datos Escalado de datos: Análisis inicial normalización: los datos se escalan a una constante (1 o 100)
17 Análisis inicial Escalado de datos datos originales datos centrados datos autoescalados
18 Estandarizar- Minitab Análisis inicial
19 Estandarizar- Minitab Análisis inicial
20 Estandarizar- Minitab Análisis inicial
21 Matrices Cuando los datos analíticos se transforman se pueden obtener distintas matrices: Matriz de covarianza: se calcula a partir de los datos de la matriz X, las varianzas y covarianzas (cov) de todas las variables p n 1 cov(j,k) = Σ (x ij x i ) (x ik x k ) j, k = 1 p; j k n-1 i=1
22 Matrices de covarianza C= 2 s 11 cov(1,2)... cov(1,p) 2 cov(2,1) s 22 cov(2,p) : : : cov(p,1) cov(p,2) s pp 2 matriz simétrica usada cuando la métrica de las variables es comparable
23 Matrices Matriz de correlación: se calcula a partir de los datos de la matriz X, los coeficientes de correlación (r) y las desviaciones estándar (s) r jk = j k cov(j,k) s j s k
24 Matrices de correlación R= 1 r r 1p r 12 1 r 2p : : : r 1p r 2p 1
25 Análisis inicial Ejemplo: Datos: intensidades de emisión de fluorescencia de 12 compuestos (A-L) a 4 longitudes de onda (300, 350, 400, 450 nm)
26 Análisis inicial
27 Estadística básica Análisis inicial Determinación para cada longitud de onda de: media desviación estándar Correlación para cada par de variables coeficiente de correlación (Pearson) diagramas de dispersión (gráficos drafstman)
28 Estadística básica Análisis inicial
29 Análisis inicial con Minitab Descriptive Statistics: 300 nm Variable N Mean StDev SE Mean ,750 1,485 0,429 Descriptive Statistics: 350 nm Variable N Mean StDev SE Mean ,250 1,658 0,479
30 Descriptive Statistics: 400 nm Análisis inicial Variable N Mean StDev SE Mean ,917 1,505 0,434 Descriptive Statistics: 450 nm Variable N Mean StDev SE Mean ,250 1,485 0,429
31 Análisis inicial Basic Statistics: Correlations: ,914 0, ,498-0,464 0,099 0, ,670-0,692 0,458 0,017 0,013 0,135 Cell Contents: Pearson correlation/p-value
32 Gráfico Drafstman Análisis inicial
INTRODUCCIÓN AL ANÁLISIS MULTIVARIADO RECONOCIMIENTO DE PAUTAS
INTRODUCCIÓN AL ANÁLISIS MULTIVARIADO RECONOCIMIENTO DE PAUTAS Individuals vary, but percentages remain constant. So says the statistician. Sherlock Holmes en The Sign of Four Datos multivariantes Métodos
Más detallesRECONOCIMIENTO DE PAUTAS. ANÁLISIS DE CONGLOMERADOS (Cluster Analysis)
RECONOCIMIENTO DE PAUTAS ANÁLISIS DE CONGLOMERADOS (Cluster Analysis) Análisis de conglomerados los análisis exploratorios de datos (como PCA) determinan relaciones generales entre datos en ocasiones no
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesMINICURSO Introducción al análisis multivariado de datos químicos (Quimiometría) Dr. Roberto Pellerano
MINICURSO Introducción al análisis multivariado de datos químicos (Quimiometría) Dr. Roberto Pellerano Descripción breve del curso: El análisis multivariado de datos químicos (Quimiometría) es el conjunto
Más detallesAnálisis multivariante II
Análisis multivariante II Tema 1: Introducción Pedro Galeano Departamento de Estadística Universidad Carlos III de Madrid pedro.galeano@uc3m.es Curso 2016/2017 Grado en Estadística y Empresa Pedro Galeano
Más detallesRECONOCIMIENTO DE PAUTAS
RECONOCIMIENTO DE PAUTAS ANÁLISIS DISCRIMINANTE (Discriminant analysis) Reconocimiento de pautas supervisado si se cuenta con objetos cuya pertenencia a un grupo es conocida métodos: análisis de discriminantes
Más detallesPrograma de Extensión Universitaria y Vinculación (PEUVI), Departamento de Matemáticas.
Programa de Extensión Universitaria y Vinculación (PEUVI), Departamento de Matemáticas. DIPLOMADO EN MINERÍA DE DATOS. Coordinadora académica: Dra. Amparo López Gaona. MODULO I: INTRODUCCIÓN A LAS BASES
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesIndice
Índice Prólogo.... 15 Capítulo 1. Preliminares... 17 1.1. Introducción............................. 17 1.2. Nombres nuevos para conocidos métodos clásicos........ 17 1.3. *Algunos elementos matemáticos
Más detallesCapítulo 5. Escalado Multidimensional 5.1. ESCALADO MÉTRICO
Capítulo 5 Escalado Multidimensional 5.1. ESCALADO MÉTRICO Dada una matriz de distancias D = (d ij ) o de disimilaridades = (δ ij ) entre n objetos, el escalado métrico consiste en encontrar las coordenadas
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Técnicas Cuantitativas para el Management y los Negocios Contador Público Módulo I: ESTADÍSTICA DESCRIPTIVA Contenidos Módulo I Unidad 1. Introducción y conceptos básicos Conceptos básicos de Estadística.
Más detallesWenceslao González Manteiga.
ANÁLISIS MULTIVARIANTE Wenceslao.gonzalez@usc.es ÍNDICE 0. MOTIVACIÓN HISTÓRICA 1. ANÁLISIS EXPLORATORIO DE DATOS 2. REVISIÓN DE LAS DISTRIBUCIONES NOTABLES MULTIDIMENSIONALES RELACIONADAS CON LA NORMAL
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesTema: Validación de Cuestionarios con SPSS
Tema: Validación de Cuestionarios con SPSS 1.- Análisis de fiabilidad 1.1.- Introducción El análisis de fiabilidad permite estudiar las propiedades de las escalas de medición y de los elementos que las
Más detallesÍNDICE. Introducción... Capítulo 1. Investigación de mercados y muestreo. Muestreo aleatorio simple y sistemático... 1
Introducción... XI Capítulo 1. Investigación de mercados y muestreo. Muestreo aleatorio simple y sistemático... 1 Las técnicas de muestreo y la investigación de mercados... 1 Población, marco y muestra...
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesIntroducción a las técnicas de. Análisis multivariante
Introducción a las técnicas de Análisis Multivariante Fco. Javier Burguillo Universidad de Salamanca Objetivo: estudio de varias variables simultáneamente: X X X3 X4 X5 Objeto 34 6 0. 0.7 Objeto 4 36 3
Más detallesANÁLISIS DE COMPONENTES PRINCIPALES
ANÁLISIS DE COMPONENTES PRINCIPALES INTRODUCCIÓN El objetivo principal de la mayoría de las técnicas numéricas de análisis multivariado, es reducir la dimensión de nuestros datos. Por supuesto, si esta
Más detallesTEMA 1: INTRODUCCIÓN N AL PROCESADO Y ANÁLISIS DE DATOS
Procesado y Análisis de Datos Ambientales. Curso 2009-2010. José D. Martín, Emilio Soria, Antonio J. Serrano TEMA 1: INTRODUCCIÓN N AL PROCESADO Y ANÁLISIS DE DATOS ÍNDICE Introducción. Selección de variables.
Más detallesAnálisis de Componentes Principales (ACP)
Sistemas de Visión en Manufactura Maestría en MIC, UDB Análisis de Componentes Principales (ACP) Presenta: Sergio Miguel García Pérez Enero de 2015 Introducción Cuando se recoge información de una muestra
Más detallesBiplot Versus Coodernadas Paralelas
Biplot Versus Coodernadas Paralelas Purificación Galindo Villardón a, Purificación Vicente Galindo Universidad de Salamanca Carlomagno Araya Alpízar Universidad de Costa Rica 1. Métodos Biplot Un Biplot
Más detallesGUÍA DE EJERCICIOS. Áreas Matemáticas Análisis Estadístico
GUÍA DE EJERCICIOS Áreas Matemáticas Análisis Estadístico Resultados de aprendizaje Determinar e interpretar medidas de correlación en datos a granel. Contenidos 1. Estadística descriptiva bidimensional.
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesANÁLISIS MULTIVARIANTE Y APLICACIONES (Postgrado en Economía)
ANÁLISIS MULTIVARIANTE Y APLICACIONES (Postgrado en Economía) Gerardo A. Colmenares L. Ph.D. IIES. Núcleo La Liria. Edif. G. Piso 3. Telf.: 2401082 Dirección E- mail: gcolmen@ula.ve, gcolmen@gmail.com
Más detallesEstadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesMetodología II: Análisis de Datos. Prof. Reinaldo Mayol Derecho
Metodología II: Análisis de Datos Prof. Reinaldo Mayol Derecho Por donde vamos? Luego de obtenidos los datos, el siguiente paso es realizar el análisis de los mismos. Aunque ha sido presentado en este
Más detallesClasificación. Agrupación de las partes de una imagen de forma homogénea
Clasificación Agrupación de las partes de una imagen de forma homogénea Clasificación o clustering Intenta clasificar los píxeles directamente en clases, en función de ciertas características de cada píxel.
Más detallesANÁLISIS DE COMPONENTES PRINCIPALES
ANÁLISIS DE COMPONENTES PRINCIPALES INTRODUCCIÓN El objetivo principal de la mayoría de las técnicas numéricas de análisis multivariado, es reducir la dimensión de nuestros datos. Por supuesto, si esta
Más detallesD I S T R I B U C I O N E S B I D I M E N S I O N A L E S
D I S T R I B U C I O N E S B I D I M E N S I O N A L E S 1. VARIABLES ESTADÍSTICAS BIDIMENSIONALES En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población. En
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Más detallesAnálisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Desde la antigüedad, el problema de buscar patrones en datos es fundamental en diversas
Más detallesFACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017
FACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017 Titular: Ing Inés González de Rubiano (gonrubi@arnet.com.ar) JTP: Lic. Gladis Mazza (gladismazza@gmail.com)
Más detallesINTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17
ÍNDICE INTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17 1.1 DEFINICIÓN DE CONTROL DE CALIDAD...17 1.2 HISTORIA DEL CONTROL DE CALIDAD...18 1.3 MEDICIÓN
Más detallesQuimiometría CALIBRACIÓN MULTIVARIADA
CALIBRACIÓN MULTIVARIADA Calibración multivariada un método multivariado implica que: existe una dependencia múltiple de la variable x (independiente) y múltiples variables y (dependiente) el número de
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 detallesEstadística I Examen Final - 19 de junio de Nombre:... Grupo:...
Estadística I Examen Final - 19 de junio de 2009 Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. La siguiente tabla muestra las distribuciones
Más detalles-Ejercicios trabajados en clases sobre los temas a tratar. -Clases magistrales. -Trabajos en grupos de trabajo sobre temas asignados.
FECHAS Sábado 28 de mayo 2016 CONTENIDOS CURRICULARES UNIDAD 1 1. Conceptos generales y fundamentales de la Estadística 1.1. Concepto 1.2. Evolución 1.. Aplicación 1.. Variable 1.5. Población 1.6. Muestra
Más detallesINDICE. 81 Operadores lógicos Funciones exponenciales y logarítmicas Funciones trigonométricas
INDICE Introducción XV Capitulo 1. Instalación y primeros pasos en SPSS 10 Instalación de SPSS 10 1 Comenzando con SPSS 10 8 El trabajo de trabajo de SPSS 10 9 Opciones de a barra de menú principal 10
Más detallesEstadística II Tema 1: Distribución normal multivariante
Estadística II Tema 1: Distribución normal multivariante José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Algunas propiedades de los vectores aleatorios Sea X = (X 1,..., X
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesMODELADO CALIBRACIÓN MULTIVARIADA
MODELADO CALIBRACIÓN MULTIVARIADA Calibración multivariada un método multivariado implica que: existe una dependencia múltiple de la variable x (independiente) y múltiples variables y (dependiente) el
Más detallesDistribuciones multivariadas
Distribuciones multivariadas Si X 1,X 2,...,X p son variables aleatorias discretas, definiremos la función de probabilidad conjunta de X como p(x) =p(x 1,x 2,...,x k )=P (X 1 = x 1,X 2 = x 2,...,X p =
Más detallesInstituto: ICSA Modalidad: Presencial. Programa: Maestría en Economía Carácter: Obligatorio. Teoría: 13 Hrs.
CARTA DESCRIPTIVA DE PROBABILIDAD Y ESTADÍSTICA I. Identificadores de la asignatura Instituto: ICSA Modalidad: Presencial Departamento: Ciencias Sociales Materia: Probabilidad y estadística Créditos: 8
Más detallesUniversidad Nacional de la Patagonia San Juan Bosco
Profesor Responsable: Rosmari M. López Régimen de cursado cuatrimestral Carga Horaria: Total Sem. Teóricos Total Teóricos Sem. Prácticos Total Prácticos Sem. Teórico/Práct. Total Teórico/Práct. 90 15 45
Más detallesProfesora: Beatriz Ponce Nely TADA- 03
NOMBRE DEL ALUMNO: GRUPO: Unidad 1: Interpretación de información. Resultado de Aprendizaje 1.1: Agrupa y grafica conjunto de datos cualitativos y cuantitativos con base en la distribución de frecuencias.
Más detallesPruebas estadís,cas para evaluar relaciones
Pruebas estadís,cas para evaluar relaciones Asociación entre dos variables categóricas Hipótesis: frecuencias de ocurrencias en las categorías de una variable son independientes de los frecuencias en la
Más detallesDEPARTAMENTO DE MATEMÁTICAS Página 1
DEPARTAMENTO DE MATEMÁTICAS Página 1 APROBADO EN EL CONSEJO DE LA FACULTAD DE CIENCIAS EXACTAS ACTA 13 DEL 21 ABRIL 2010 PROGRAMAS DEL DEPARTAMENTO DE MATEMÁTICAS El presente formato tiene la finalidad
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 detallesINDICE Capitulo 1. Entorno de Trabajo e SPSS Capitulo 2. Operadores y Funciones. Aplicaciones
INDICE Introducción XV Capitulo 1. Entorno de Trabajo e SPSS 1 Introducción y manejo de datos en SPSS 1 Lectura e importación de datos SPSS 6 Importación de datos de hoja de cálculo 8 Importación de archivos
Más detallesUNIVERSIDAD EXTERNADO DE COLOMBIA FACULTAD DE CONTADURIA PROGRAMA DE PREGRADO CICLO DE FUNDAMENTACION
UNIVERSIDAD EXTERNADO DE COLOMBIA FACULTAD DE CONTADURIA PROGRAMA DE PREGRADO CICLO DE FUNDAMENTACION Nombre de la Materia Plan de Estudios Profesor Número de Créditos Correos electrónicos Coordinador
Más detallesIntroducción a las técnicas de Análisis Multivariante
Introducción a las técnicas de Análisis Multivariante Dagoberto Salgado Horta Universidad del Tolima Dagoberto Salgado Horta 1 Análisis multivariante Objetivo: estudio de varias variables simultáneamente:
Más detallesÍNDICE INTRODUCCIÓN...13
ÍNDICE INTRODUCCIÓN...13 CAPÍTULO 1. CARACTERÍSTICAS, NOVEDADES Y ENTORNO DE TRABAJO...15 1.1 CARACTERÍSTICAS Y NOVEDADES EN EXCEL 2010...15 1.2 ENTORNO DE TRABAJO EN EXCEL 2010...22 1.2.1 CINTA DE OPCIONES
Más detallesPLAN DE ESTUDIOS 1996
Ríos Rosas, 21 28003 MADRID. UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS ------- DEPARTAMENTO DE INGENIERÍA QUÍMICA Y COMBUSTIBLES PROGRAMA DE LA ASIGNATURA ANÁLISIS
Más detalles1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES
1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES 1.- INTRODUCCIÓN AL NÚMERO REAL Realización de operaciones con números reales. Ordenación de los
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 detalles4 Descripción conjunta de varias variables. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS 7 4 Descripción conjunta de varias variables. Ejemplos y ejercicios. 4.1 Ejemplos. Ejemplo 4.1 La siguiente tabla de frecuencias absolutas corresponde a 200
Más detallesFUNDAMENTOS DE MATEMÁTICAS. ISBN: Depósito Legal: M Número de páginas: 487 Tamaño: 21 x 14,6 cm Precio: 23,93
FUNDAMENTOS DE MATEMÁTICAS ISBN: 978-84-941559-0-1 Depósito Legal: M-20468-2013 Número de páginas: 487 Tamaño: 21 x 14,6 cm Precio: 23,93 FUNDAMENTOS DE MATEMÁTICAS INDICE MATEMÁTICAS BÁSICAS CONJUNTOS
Más detallesTaller de Capacitación 1 - Nivelación SISCA - BPS. Juan José Goyeneche Andrés Castrillejo Junio de 2012
Taller de Capacitación 1 - Nivelación SISCA - BPS Juan José Goyeneche Andrés Castrillejo Junio de 2012 Conceptos Generales Qué es la estadística? Qué usos o aplicaciones potenciales tiene? Qué es la Inferencia
Más detallesIntroducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Introducción a la minería de datos CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Minería de datos Detección, interpretación y predicción de patrones cuantitativos y cualitativos
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURAEN INFORMÁTICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURAEN INFORMÁTICA PROGRAMA DE LA ASIGNATURA DE: Seminario de Técnicas estadísticas avanzadas para la toma de
Más detallesNota técnica Estratificación multivariada
Instituto Nacional de Estadística y Geografía Nota técnica Estratificación multivariada Censo de Población y Vivienda 2010 NOTA TÉCNICA ESTRATIFICACIÓN MULTIVARIADA Con la finalidad de que el usuario pueda
Más detallesMaribel Martínez y Ginés Ciudad-Real Fichas para mejorar la atención MATRIZ DE LETRAS
MATRIZ DE LETRAS p q d b p p b n g b n w n w n n w b p q d b p q d n w n g b n p q p q p q d b p n g n g n g b n w n d b d b b p q d b b n b n n w n g b n p q p q p q d b p n g n g n g b n w n d b d b
Más detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
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 detallesAnálisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Reconocimiento de patrones (RP): clasificar objetos en un número de categorías o clases.
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 detallesRegresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.
Regresión Lineal Los factores envueltos en la experimentación pueden ser de tipo cuantitativos o cualitativos Un factor cuantitativo es aquel que sus niveles pueden ser asociados con puntos dentro de una
Más detallesPara tomar decisiones se requiere INFORMACIÓN disponible, esperanzadamente confiable y útil.
Tomar decisiones es una gran responsabilidad. Para tomar decisiones se requiere INFORMACIÓN disponible, esperanzadamente confiable y útil. Generalmente se necesita una porción de la base de datos o muestra
Más detallesLICENCIATURA DE QUÍMICO EN ALIMENTOS. Química Analítica III. Tipo de Asignatura: Teórico-Práctico Área de Conocimiento: Básica Propedéutica
LICENCIATURA DE QUÍMICO EN ALIMENTOS Química Analítica III Tipo de Asignatura: Teórico-Práctico Área de Conocimiento: Básica Propedéutica 106 1. DATOS GENERALES DE IDENTIFICACIÓN Nombre de la asignatura
Más detallesContenidos IB-Test Matemática NM 2014.
REDLAND SCHOOL MATHEMATICS DEPARTMENT 3 MEDIO NM 1.- Estadística y probabilidad. Contenidos IB-Test Matemática NM 2014. 1.1.- Conceptos de población, muestra, muestra aleatoria, y datos discretos y continuos.
Más detallesSelección de fuentes de datos y calidad de datos
Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.
Más detallesSECUENCIA DIDÁCTICA Nombre de curso: Bioestadística Clave del curso: EACU106 Antecedente: Clave del antecedente: Módulo IV Competencia del Módulo
SECUENCIA DIDÁCTICA Nombre de curso: Bioestadística Clave del curso: EACU06 Antecedente: Matemáticas básicas Clave del antecedente: EMAT0 Módulo IV Competencia del Módulo Operar eficientemente sistemas
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejercicios y Talleres puedes enviarlos a klasesdematematicasymas@gmail.com TRABAJO DE APLICACIÓN La siguiente base de datos se conformó por la información suministrada en la entidad financiera BankAmerica,
Más detallesSILABO DEL CURSO ESTADÍSTICA DESCRIPTIVA 1. DATOS GENERALES
Facultad de Psicología SILABO DEL CURSO ESTADÍSTICA DESCRIPTIVA 1. DATOS GENERALES 1.1. Facultad : Psicología 1.2. Carrera Profesional : Psicología 1.3. Departamento : Ciencias 1.4. Tipo de Curso : Obligatorio
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
Más detallesAprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA. Ricardo Aler Mur
Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA Ricardo Aler Mur Aprendizaje de distancias Kilian Q. Weinberger, Lawrence K. Saul: Distance Metric Learning for Large Margin
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesANÁLISIS ESTADÍSTICO DE RESULTADOS
SEGUNDO INTERLABORATORIO DE INVESTIGACIÓN DE PLAGUICIDAS DETERMINACIÓN DE TEBUCONAZOLE POR HPLC ORGANIZADO POR CALIBA AÑO 2011 ANÁLISIS ESTADÍSTICO DE RESULTADOS Coordinación General: Dr. Horacio Denari
Más detallesAnálisis discriminante.
Análisis discriminante. INTRODUCCIÓN Las técnicas de análisis discriminante se proponen la determinación de un criterio que nos permita decidir a qué grupo pertenece un cierto individuo, a partir de la
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesSegún el número de variables a analizar se definen varios niveles de análisis de datos:
Según el número de variables a analizar se definen varios niveles de análisis de datos: Univariante Bivariante Multivariante Univariante Se toma en cuenta cada una de las variables pudiendo extraer las
Más detallesAnálisis en Componentes Principales
This is page i Printer: Opaque this Análisis en Componentes Principales Dr. Oldemar Rodríguez Rojas 29 de mayo de 2008 ii This is page iii Printer: Opaque this Contents. Análisis en Componentes Principales
Más detallesInformación de contacto. Tema 1 Análisis exploratorio de datos. Ejemplo de introducción: contaminación por mercurio en el pescado.
Información de contacto Tema 1 Análisis exploratorio de datos José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid José Ramón Berrendero Díaz Correo electrónico: joser.berrendero@uam.es
Más detalles1. Introducción. CEDEX - Curso de formación estadística. Práctica Cómo introducir datos en SPSS/PC?
Técnicas de análisis multivariante - I 9//oo5 CEDEX - Curso de formación estadística Práctica. Introducción En esta práctica trabajaremos con el fichero de datos pardals.xls que corresponde a un estudio
Más detallesIntroducción Clustering jerárquico Clustering particional Clustering probabilista Conclusiones. Clustering. Clasificación no supervisada
Clustering Clasificación no supervisada Javier G. Sogo 10 de marzo de 2015 1 Introducción 2 Clustering jerárquico 3 Clustering particional 4 Clustering probabilista 5 Conclusiones Introducción Objetivos
Más detallesTema 6: Distribuciones Multivariantes
Tema : Distribuciones Multivariantes. Distribución conjunta de un vector aleatorio. Distribución conjunta de un vector aleatorio. Distribuciones marginales condicionadas.3 Independencia entre variables
Más detallesANÁLISIS CUANTITATIVO POR WDFRX
ANÁLISIS CUANTITATIVO POR WDFRX El análisis cuantitativo se obtiene mediante la medida de las intensidades de las energías emitidas por la muestra. Siendo la intensidad de la emisión (número de fotones)
Más detallesMATEMÁTICAS I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto de los bloques. Resolución de
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesGUÍA DE STATGRAPHICS 5.1
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA UNIVERSITARIA DE ARQUITECTURA TÉCNICA DEPARTAMENTO DE MATEMÁTICA APLICADA A LA ARQUITECTURA TÉCNICA GUÍA DE STATGRAPHICS 5.1 (Versión castellana) GUÍA DE STATGRAPHICS
Más detallesClase del 6 de octubre de Prof. M.L. Calvo
Señales ópticas Intensidad óptica Clase del 6 de octubre de 2010 Prof. M.L. Calvo Señal espacio-temporal Definimos: U = U P, t ( ) Supondremos que el comportamiento espacio-temporal de la señal puede representarse
Más detallesINDICE Sección 1.- Fundamentos 1. Noción y Fundamentos a la Asignatura 2. La Investigación Social 3. El Proceso de la Investigación Social
INDICE Prefacio 13 Sección 1.- Fundamentos 1. Noción y Fundamentos a la Asignatura 16 La ciencia (17). El método científico. Su noción y rasgos (20). El método científico en las ciencias sociales (23).
Más detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
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 detalles