7. Contrastes de Hipótesis

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

Download "7. Contrastes de Hipótesis"

Transcripción

1 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa Sí NoOros 8 Corases de hpóess

2 Corase de hpóess p.5 p >.5 p.5 p >.5 Pˆ N p p p S es cero p. 5 Pˆ.5 N Corases de hpóess 3 Nvel de sgfcacó P rechazar es cera Regó de Acepacó de o N Regó de Rechazo o z Corases de hpóess 4

3 .55.5 Muesra pˆ. 55 z Elegdo el vel de sgfcacó.5 z > z R.R. R.A. o.5.64 Se rechaza Co u vel de sgfcacó de.5 p >.5.64 Corases de hpóess 5 Probabldad de Acepar o CIERTA p.5 Error I FALSA Error II.5 β c Probabldad de Rechazar o p.6 Acepar o c c.6 Rechazar o Corases de hpóess 6

4 Tpos de errores RESULTADO CONTRASTE REALIDAD o CIERTA o FALSA Se Acepa o O Error po II β Se Rechaza o Error po I O Corases de hpóess 7 Tpos de Corases p.5 p >.5 UNILATERAL p.5 p.5 BILATERAL R.A. o R.R.o R.R.o R.A. o R.R.o z -z Nvel de sgfcacó z Corases de hpóess 8

5 Nvel críco o p-valor p p p > p p valor Pr Pˆ > pˆ Pˆ p Pr p p Pr Z > z ˆ p p P N p es cero pˆ p > p p Corases de hpóess 9 Ejemplo Daos pˆ Corases de hpóess Regó de Acepacó o.64 R.R.. 5 p valor.8

6 Relacó ere p-valor z R.R. p valor< p-valor < Se rechaza p-valor No se rechaza Corases de hpóess R.R. p valor z. Normal Corase para co coocdo z... N N N x R.R. z z > z z - R. Acep. N -z z No se rechaza Se rechaza R.R Corases de hpóess

7 3 Corases de hpóess. Normal Corase para co descoocdo... N s x S N ˆ ˆ - - R.R. R.R e rechaza No se rechaza S > R. Acep. - 4 Corases de hpóess 3. Normal Corase para... N ˆ ˆ ˆ s S S [ ] [ ] echazo No rechazo R P Daos ŝ R. A. o RRo RRo

8 EJEMPLO. La resseca a la compresó de 5 probeas de acero elegdas al azar es Sˆ 5 P Daos x 4575 sˆ Como 3.88 >.98 Se rechaza co. 4 Corases de hpóess 5 Sˆ 4Sˆ 4 4 P Daos sˆ Como No se rechaza Corases de hpóess 6

9 7 Corases de hpóess 4. Posso Corase para λ λ λ λ λ λ λ λ λ λ λ λ N ˆ N ˆ velde sgfcacó Posso z Z z P Z aprox z -z N R.R. R.R R. Acep. - e rechaza No se rechaza S z z z z > z ˆ λ λ λ Dos raameos

10 Comparacó de dos raameos A B Sea desea comparar dos raameos para reducr el vel de coleserol e la sagre. Se seleccoa dvduos se asga al azar a dos pos de deas A B. La abla muesra la reduccó coseguda después de dos meses. Corases de hpóess 9 Méodo 4 pasos Defcó del modelo de dsrbucó de probabldad póess Parámeros Esmacó de los parámeros Dagoss de las hpóess Aplcacó Corases de hpóess

11 Modelo M O D E L O D A T O S Corases de hpóess Modelo póess Parámeros póess báscas Normaldad j N omocedascdad Var [ j ] Idepedeca Parámeros Cov [ j l ] Corases de hpóess

12 Modelo j + u u N j Las observacoes se descompoe e Pare predecble Pare aleaora j u j Corases de hpóess 3 Esmacó medas j j j j A B Corases de hpóess 4

13 Esmacó varaza resduos j + u e j u e j j j RESIDUO sˆ R u j j j j j N e Resduos A B j e j ;ˆ s R 3.95 Corases de hpóess 5 Varaza resdual ˆR s j j sˆ sˆ sˆ R j e j sˆ + sˆ Corases de hpóess 6

14 7 Corases de hpóess Dfereca de medas N N ˆ R s N N 8 Corases de hpóess Corase de gualdad de medas e rechaza No se rechaza S > - - R.R. R.R R. Acep. - ˆ + R s

15 Ejemplo.5 R.R. 8 R.R >. Se rechaza Corases de hpóess 9 Ejemplo R.R R.R No se rechaza Corases de hpóess 3

16 Nvel críco blaeral p valor Pr 8 > > p-valor Se rechaza. < p-valor No se rechaza Corases de hpóess 3 Coclusoes fjado S o > se dce que la dfereca de medas es sgfcava. O smplemee que los raameos so dsos ee medas dsas S o se dce que la dfereca de medas o es sgfcava. No ha evdeca sufcee para afrmar que las medas de los raameos sea dferees. Corases de hpóess 3

17 No rechazar o o mplca que o sea cera El resulado o o se rechaza o o debe erprearse como que se ha demosrado que las dos medas so guales. No-rechazar la hpóess ula mplca que la dfereca ere las medas - o es lo sufceemee grade como para ser deecada co el amaño muesral dado. Corases de hpóess 33 Iervalo de cofaza para la dfereca de medas sˆ R Pr{ sˆ R + ± sˆ R + } Corases de hpóess 34

18 35 Corases de hpóess Ejemplo ervalo de cofaza ˆ ± + ± + ± s R 36 Corases de hpóess póess de homocedascdad ˆ s j ˆ s j

19 37 Corases de hpóess Dsrbucó F ˆ ˆ j s s ˆ ˆ j s s ˆ ˆ F s s F 38 Corases de hpóess Dsrbucó F

20 Alguas dsrbucoes F 8 4 Corases de hpóess 39 Corase de gualdad de varazas S F S S sˆ sˆ F F es cero F RR - - R.A. o RR [ F F ] No se rechaza [ F F ] Se rechaza Corases de hpóess 4

21 Ejemplo Corase de gualdad de varazas sˆ F sˆ.37.7 RR RR [.484.3] No se rechaza.37 Corases de hpóess 4 Tabla.5 rados de lberad del deomador ν 8 F P F ν ν P Fν ν Fν ν rados de lberad del umerador ν If If If If. Ejemplo

22 Tabla.5 rados de lberad del deomador ν Ejemplo 8 F P F ν ν P Fν ν Fν ν rados de lberad del umerador ν If If If If. Tabla. rados de lberad del deomador ν 8 F P F ν ν P Fν ν Fν ν rados de lberad del umerador ν If If If If. Ejemplo

23 Corases de bodad de ajuse Corase de bodad de ajuse POBLACIÓN N? ˆ ˆ sˆ MUESTRA... Daos Coocdos Tee los daos dsrbucó Normal? x Corases de hpóess 46

24 frecueca Espesores de 5 obleas de Slco mcras Corases de hpóess 47 sograma para Espesor Espesor Corases de hpóess 48

25 49 Corases de hpóess Corase de bodad de ajuse < < < < K r K K K K K o E E O E O c x c E O c x c E O c x c E O c x c f f r.esperada r.observada Clases es cero S Pr c c p p E < E O K K 5 Corases de hpóess Jusfcacó del corase r K aprox K E E O N E E O N p p p O p E p p p N O p B O K Nº de CLASES r Nº de parámero esmados

26 Obleas Frecuecas Observadas Clase Fr. Observada O -f f 4 Toal 5 x 45. mcras sˆ 4 mcras Corases de hpóess 5 Frecuecas esperadas N45.;4 Clase Fr. Observada O Fr. Esperada E -f f Toal 5 5 p 4 Pr Pr P.75 Z E 4 p Corases de hpóess 5

27 Corase de Normaldad Normal Normal Pr p valor <.59 No se rechaza la hpóess de ormaldad Corases de hpóess 53 Se ha lazado 3 veces u dado se ha obedo los resulados Resulados Observadas Toal 3 Se puede afrmar co.5 que el dado esá desequlbrado? Corases de hpóess 54

28 Pr 6 o Pr Equprobable No equprobable Resulados Observados Esperados Toal <.7 No se Rechaza p-valor Corases de hpóess 55 Corase K-S de bodad de ajuse Váldo úcamee para varables couas Compara la Fucó de dsrbucó eórca Fx co la Fucó de dsrbucó empírca F x. No requere agrupar los daos El corase es aproxmado s es ecesaro esmar los parámeros del modelo Corases de hpóess 56

29 Corase K-S de bodad de ajuse Pasos Ordear la muesra x x x x Calcular la dsrbucó empírca de la muesra F x F x Calcular la dscrepaca máxma x x r x r x x r x x max D x max F x F x Comparar co el valor obedo e las ablas para u deermados Corases de hpóess 57 Corase K-S de bodad de ajuse Se ha omado valores de ua varable físca que se supoe Normal resulado Corase la hpóess de ormaldad medae el corase de K-S. Normal Normal De la muesra x 3 9 s 97 Corases de hpóess 58

30 Corase K-S de bodad de ajuse Fx Fx Fxh--Fxh Fxh-Fxh Dxh max D x h 9 F 9 7 P 9 7 N 3 9; P P Z Corases de hpóess 59 Tabla Corase de Kolmogorov-Smrov Tamaño muesral Nvel de sgfcacó 5 5 Valores Crícos de D Fx-Fx dode Fx es la dsrbucó muesral de amaño Fx la dsrbucó eórca Ejemplo >35 7½ 4½ ½ 36½ 63½

31 max D x h 9 D ;5 375 No se puede rechazar la hpóess de ormaldad co u vel de sgfcacó de 5 Corases de hpóess 6

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos Métodos de Predccó Ifereca Curso - María Jesús Sáchez Narajo y Carola García-Martos Dstrbucó Normal Camaa de Gauss x f x ex, x R π Ifereca Ifereca 3 Meddas Característcas 3 3 4 4 3 3 4 4 3 Curtoss CA Asmetría

Más detalles

Introducción a la Econometría Curso 2009/ Serie de Problemas 21

Introducción a la Econometría Curso 2009/ Serie de Problemas 21 Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n . TORÍA ASINTÓTICA Jore duardo Orz Trvño rofesor Asocado eparameo de Ieería de Ssemas e Idusral Uversdad Nacoal de Colomba jeorz@ual.edu.co (a) Se euca (s demosracó) varos resulados mporaes de esadísca.

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015 Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur

Más detalles

9.3. Contrastes para comparar dos distribuciones

9.3. Contrastes para comparar dos distribuciones TEM 9: CONTRSTES NO PRMÉTRICOS 9.. Cotrastes de bodad de ajuste 9... Cotraste Ch-cuadrado 9... Cotraste de Kolmogorov-Smrov 9.. Cotraste de depedeca para tablas de cotgeca 9.3. Cotrastes para comparar

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

F = = 0. 64, que es la eficiencia del test de signo relativa al

F = = 0. 64, que es la eficiencia del test de signo relativa al Méodos No Paramércos I 5 Elea J. Maríez do cua. 004 Efceca: La efceca del es de Fredma relava al es F es ( f ( x dx e(, F σ + e observa que o hereda la efceca de los ess de Wlcoxo y Ma-Whey relavas al

Más detalles

Manual del usuario. Software de Matemáticas Herramientas de Estadística y Probabilidad. HEST Versión 1.9.7

Manual del usuario. Software de Matemáticas Herramientas de Estadística y Probabilidad. HEST Versión 1.9.7 Maual del usuaro HET Versó.9.7 ofware de Maemácas Herrameas de Esadísca y robabldad Wdows X - Wdows Vsa - Wdows 7 - Wdows 8 - Wdows O F T W R E Refereca: HET www.vaasofware.com EÑOL ÍDICE Iroduccó...3

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

Ingeniería de Confiabilidad - Equipos

Ingeniería de Confiabilidad - Equipos SECCION 4. Igeería de Cofabldad-Equpos Igeería de Cofabldad - Equpos Seccó 4 Medardo Yañez Herado Gómez de la Vega Kara Semeco Soo Nayrh Meda Esa seccó esa dedcada al esudo de los aspecos físcos y aleaoros

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

Determination of Intensity-Duration-Frequency (IDF) equation due to presence of ENSO and Niño Costero. Study case: Piura city

Determination of Intensity-Duration-Frequency (IDF) equation due to presence of ENSO and Niño Costero. Study case: Piura city Deermao of Ies-Durao-Frequec (IDF) equao due o presece of ENSO ad Nño Cosero. Sud case: Pura c Mara Farías de Rees, Magser e Igeería Mlagros Ruz ese, Bachller e Igeería Uvers of Pura, Perú, mara.faras@udep.pe,

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable

Más detalles

CURSO DE ECONOMETRIA BÁSICA

CURSO DE ECONOMETRIA BÁSICA CURSO DE ECONOMETRIA BÁSICA D. Fracsco Parra Rodríguez. Jefe de Servco de Esadíscas Ecoómcas y Socodemografcas. Isuo Caabro de Esadísca. ICANE, ÍNDICE Tema. Regresó y correlacó leal smple Tema. Regresó

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE D o c u m e Curso de Esadísca co R o s Auor: Fracsco Parra Rodríguez Jefe de Servco de Esadíscas Ecoómcas y Socodemográfcas ICANE DOC. Nº /6 ISSN 444-67 Saader, Caabra T é c c o s . EL MODELO LINEAL GENERAL...3..

Más detalles

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

DISEÑO DE EXPERIMENTOS Y MODELOS DE REGRESIÓN Departamento de ingeniería de organización, administración de empresas y estadística.

DISEÑO DE EXPERIMENTOS Y MODELOS DE REGRESIÓN Departamento de ingeniería de organización, administración de empresas y estadística. DISEÑO DE EXPERIMENTOS Y MODELOS DE REGRESIÓN Departameto de geería de orgazacó, admstracó de empresas estadístca. PROGRAMA. Aálss de la varaza. Comparacó de dos tratametos. La hpótess de ormaldad, depedeca

Más detalles

Diseño de Experimentos y Regresión

Diseño de Experimentos y Regresión Dseño de Epermetos Regresó Laboratoro de Estadístca ESCUELA TÉCNICA SUPERIOR DE INGENIEROS INDUSTRIALES UNIVERSIDAD POLITÉCNICA DE MADRID Edcó Curso 7/8 DISEÑO DE EXPERIMENTOS Y MODELOS DE REGRESIÓN Departameto

Más detalles

Una formulación general de un modelo de regresión paramétrico es la siguiente:

Una formulación general de un modelo de regresión paramétrico es la siguiente: Esmadores úcleos y polomos locales. Fracsco Parra Rodrguez Docor e Cecas Ecoómcas. UNED. Modelos de regresó o paramércos Los modelos de regresó paramércos supoe ue los daos observados provee de varables

Más detalles

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple

2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple . Muestreo Aleatoro mple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza proporcó muestrales: Propedades. Error de estmacó. Poblacó Y (, ). E V Muestra aleatora smple Y,..., Y (..d.) E V ( )

Más detalles

INGENIERIA TECNICA EN DISEÑO INDUSTRIAL INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso

INGENIERIA TECNICA EN DISEÑO INDUSTRIAL INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso IGEIERIA TECICA E DISEÑO IDUSTRIAL IGEIERIA TECICA IDUSTRIAL-MECAICA Forularo de Etadítca. Curo 00-005 ESTADÍSTICA DESCRIPTIVA Dato agrupar eda c Dato agrupado : º clae : º dato por clae c : arca de clae

Más detalles

INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso

INGENIERIA TECNICA INDUSTRIAL-MECANICA Formulario de Estadística. Curso IGEIERIA TECICA IDUSTRIAL-MECAICA Forularo de Etadítca. Curo 009-00 ESTADÍSTICA DESCRIPTIVA Dato agrupar eda c Dato agrupado : º clae : º dato por clae c : arca de clae devacó típca de la poblacó ( μ (

Más detalles

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09

Facultad de Ciencias del Mar. Curso 2008/09 25/06/09 Estadístca Covocatora de Juo Facultad de Cecas del Mar. Curso 8/9 5/6/9 Los ríos Waccamaw y Lumber, e Carola del Norte (EEUU) se caracterza por ua rca bodversdad. E los últmos años estos ríos ha vsto crecer

Más detalles

MODELOS DE REGRESIÓN. Prof. Susana Martín Fernández

MODELOS DE REGRESIÓN. Prof. Susana Martín Fernández MODELOS DE REGRESIÓN Prof. Susaa Martí Ferádez REGRESIÓN SIMPLE Objetvo Sea..., valores de la varable umérca X. Sea Y(y, y,..., y ) u vector aleatoro de varables aleatoras depedetes, el modelo de regresó

Más detalles

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos Uverdad Auóoma de Madrd Emacó de parámero Tema. Emacó puual Propedade de lo bueo emadore. Emacó por ervalo.. Coruccó del ervalo de cofaza. íme cofdecale. Nvel de cofaza y vel de rego... Iervalo de cofaza

Más detalles

I.- Distribución Normal Multivariada

I.- Distribución Normal Multivariada II Modelo de Regresó Leal Mahl Herrera M. I.- Dsrbucó Normal Mulvarada. Resulados de Álgebra Leal Lema... A y B so dos marces cuadradas co versa cada ua eoces (AB - B - A - Lema... a r(a+br(a+r(b b r(abr(ba

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

2. Movimiento Browniano.

2. Movimiento Browniano. Movmeo Browao Defcó y Propedade Báca Defcó : EL proceo de Weer (ó movmeo Browao e u proceo eocáco (Ver ZDZ co valore e R defdo para [, al que: W = co probabldad gual a uo La rayecora o coua Para cualquer

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L1 1

SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L1 1 SERIE DE TIEMPO: APLICACION DEL CRITERIO NORMA L Adrés E Reyes Polaco Profesor Asocado UCV I-INTRODUCCION E el sguee arículo se presea la aplcacó del crero orma L e la obecó de los esmadores de los parámeros

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo = ( + ( Cabo de ( + ( ( + > ( > 0 Posvo + ( + = ( = 0 ( ( + Nulo + Tpos ( + ( Cabo + Geeraldades Nauraleza El cabo puede ser Carácer Varable Cabo Cosae Aueo o creeo Dsucó o decreeo = Varacó cero ( = (

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Capítulo 2 Análisis Exploratorio de Datos

Capítulo 2 Análisis Exploratorio de Datos Capíulo Aálss Exploaoo de Daos aables Caegócas: Escala Noal) Moda Medda del ceo ) Tasa de aacó Medda de Dspesó ) aables Cualavas: Escala Odal) Moda, Medaa Tasa de aacó, Ídce de Dspesó aables Cuaavas: Escala

Más detalles

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

Cuatro medidas de inflación subyacente para Uruguay

Cuatro medidas de inflación subyacente para Uruguay Cuaro meddas de flacó subyacee para Uruguay Rosaa Ferádez 002-2005 688-7565 CUATRO MEDIDAS DE INFLACIÓN SUBYACENTE PARA URUGUAY Rosaa Ferádez Casro Área de Ivesgacoes Ecoómcas Baco Ceral del Uruguay Julo

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados. Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Aálss de la varaza de u factor El test t de muestras se aplca cuado se quere comparar las medas de dos poblacoes co dstrbucoes ormales co varazas guales y se observa muestras depedetes para cada poblacó

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

Examen Final de Econometría Grado

Examen Final de Econometría Grado Examen Fnal de Economería Grado 8 de Juno de 017 Hora: 15:30 Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Anes de empezar a resolver el examen, rellene TODA la nformacón que

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple Tema 4. Problema de fereca eadíca e el modelo de regreó leal múlple. Iervalo de cofaza y corae para lo coefcee de regreó... Iervalo de cofaza para lo coefcee de regreó... Corae de hpóe para lo coefcee

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

Distribuciones Muestrales

Distribuciones Muestrales Estadístca II / Fucoes Varables Aleatoras. Ig. Dey Gozález Dstrbucoes Muestrales Muestreo Aleatoro Poblacó Muestra Herrametas Estadístcas Medaa Muestral ) ) / (( ) / ( ) / ( ; es mpar ; es par = = Meda

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

{ a 1, a 2,..., a } n. Cualquier vector n

{ a 1, a 2,..., a } n. Cualquier vector n Deparameo de Aálss Ecoómco UNIVERSIDAD DE ZARAGOZA Tema 3: Formas cuadrácas reales Para odo el ema, se cosdera e R u ssema de refereca (o base) dado { a 1, a 2,..., a }. Cualquer vecor x R se escrbe de

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA ema ta zabal zazu EUSKAL HERRIKO UNIBERTSITATEA UNIVERSIDAD DEL AIS VASCO MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA Resolucó del ejercco fal. rmera covocatora. Curso INDUSTRIA INGENIARITZA TEKNIKOKO UNIBERTSITATE

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis CONTRASTE DE HIPÓTESIS 1. Itroduccó. Cotraste de ua hpótess estadístca 3. Test ulateral y blateral 4. Test relacoados co ua sola meda (varaza coocda) 5. Relacó co la estmacó del tervalo de cofaza 6. Test

Más detalles

5. Estimación puntual. Curso Estadística

5. Estimación puntual. Curso Estadística 5. stmacó utual Cuso - stadístca Poblacó % DFCTUOSA Pobabldad Coocdo cuato vale? Muesta Nº Defectuosa Coocdo cuato vale? Ifeeca stmacó utual N Paámetos? MUSTRA... Datos Coocdos? stmacó utual 3 sesoes de

Más detalles

(Véase el Ejercicio 13 Beneficio de los bancos )

(Véase el Ejercicio 13 Beneficio de los bancos ) étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles