ESTUDIO CIS Nº 3020 CIUDADANÍA ISSP 1 FICHA TÉCNICA

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

Download "ESTUDIO CIS Nº 3020 CIUDADANÍA ISSP 1 FICHA TÉCNICA"

Transcripción

1 ESTUDIO CIS º 3020 CIUDADAÍA ISSP FICA TÉCICA Ámbto: acoal cludas las Cudades Autóomas de Ceuta y Mellla. Uveso: Poblacó esdete de ambos sexos de 8 años y más. Maco: Padó Mucpal de abtates a de eeo de 203. Tamaño de la muesta: Dseñada: Realzada: etevstas..755 etevstas. E el aexo de esta fca se descbe las cdecas ocudas duate la ealzacó de la ecuesta. Afjacó: o popocoal. Podeacó: Paa tata la muesta e su cojuto es ecesaa la aplcacó de coefcetes de podeacó cuyo cálculo se descbe e el aexo 2 al fal de esta fca técca. Los coefcetes elaboados cludos e la vaable PESO2 de la matz de datos- so el esultado de aplca ua coeccó a las pobabldades de seleccó (cludas e la vaable PESO ). Dca coeccó se a ealzado a pat de las tasas de espuesta obtedas segú Comudad Autóoma y tamaño de ábtat La ecuesta se emaca e el ISSP (Iteatoal Socal Suvey Pogamme) u pogama de colaboacó ete países e el que patcpa el Ceto de Ivestgacoes Socológcas cuyo objetvo es la ealzacó de ecuestas sobe dsttos temas de elevaca socal sguedo uas pautas metodológcas amozadas y u úco cuestoao de foma que se faclte la compaacó teacoal de los esultados obtedos. Puede obteese más fomacó sobe este pogama e: ttp://

2 Putos de Muesteo: 256 mucpos y 47 povcas. Pocedmeto de muesteo: Betápco estatfcado po coglomeados. La seleccó de las udades pmaas de muesteo (seccoes) es popocoal a su poblacó esdete y la seleccó de las udades últmas (dvduos) se ealza a pat de ua seleccó sstemátca de los dvduos esdetes e la seccó peva odeacó de los msmos po úmeo de vveda. Los estatos se a fomado po el cuce de las 7 comudades autóomas co el tamaño de ábtat juto co las Cudades Autóomas de Ceuta y Mellla dvddo e 7 categoías: meo o gual a abtates; de 2.00 a 0.000; de 0.00 a ; de a ; de a ; de a y más de de abtates. Los cuestoaos se a aplcado medate etevsta pesoal e los domclos. Eo muestal: Paa u vel de cofaza del 955% (dos sgmas) y P = Q el eo eal es de ±24% paa el cojuto de la muesta y e el supuesto de muesteo aleatoo smple. Feca de ealzacó: Del 9 de mazo al 27 de mayo de

3 Aexo. Icdecas del estudo El cuado sguete faclta la fomacó elatva a la muesta ealzada así como el motvo de o ealzacó de las etevstas o cosegudas. Resultado % Motvo de o ealzacó % Etevstas ealzadas Recazos/ abadoos o cotacto Otos 7 57 egatva de la pesoa seleccoada egatva a ecb e el domclo Abadoos/aplazametos 4 0 o esde e ese domclo Vveda e la que o ay ade e el mometo de la vsta Pesoa seleccoada ausete a la oa de la vsta Pesoa seleccoada ausete duate toda la duacó del tabajo de campo 48 6 Otos casos de o cotacto 8 06 Efemedad/fallecmeto de la pesoa seleccoada Idoma 30 0 o elegbles/elegbldad descoocda (o es u oga/vveda desabtada) Etevstas auladas 6 02 Otas stuacoes 4 0 Total Fuete: elaboacó popa a pat de las ojas de cotacto del estudo ISSP Cudadaía (CIS ). * Se efleja la fomacó efeete a la últma vsta ealzada 2. 2 Las omas estpuladas po ISSP paa la detemacó de los cteos de elegbldad emte a los cteos de la Asocacó Amecaa de Ivestgacó de la Opó Públca (AAPOR/WAPOR Ameca Assocato fo Publc Opo Reseac/Wold Assocato fo Publc Opo Reseac). Puede cosultase e el documeto: Stadad deftos. Fal dsposto of case codes ad outcome ates fo suveys (Ameca Assocato fo Publc Opo Reseac 8t edto 205). 3

4 4 Aexo 2. Elaboacó de la podeacó El dseño de la muesta teóca coespode co ua muesta autopodeada e cada estato (cuce de Comudad Autóoma-- co tamaño de ábtat--) dode el estmado de ua popocó se expesa como y P dode es la pobabldad de que u elemeto de la poblacó deto del estato sea cludo e la muesta y : es el tamaño de muesta e el estato : es el úmeo de seccoes a seleccoa e el estato : es el úmeo de elemetos a seleccoa deto de cada seccó α del estato : es el úmeo de elemetos de la poblacó e el estato : es el úmeo de elemetos de la poblacó e la seccó α del estato. A pat de los esultados de cada estato el estmado de la popocó de la poblacó es el coespodete a u muesteo estatfcado: W P P dode W es la popocó de elemetos de la poblacó e el estato. Po oto lado el tatameto de la falta de espuesta se establece a pat de la muesta ealzada y la defcó de las tasas de espuesta paa cada estato como:

5 dode es el tamaño de la muesta ealzada e el estato. es el tamaño de la muesta dseñada e el estato. A pat de las tasas de espuesta se defe la sguete coeccó e las pobabldades de clusó e la muesta de los elemetos de cada estato : que pemte establece el sguete estmado coegdo e cada estato P y y el estmado paa el cojuto de la muesta P W P Cosdeado la muesta ealzada el estmado puede expesase como sgue: P w y. dode el coefcete de podeacó PESO2 se defe como w * y PESO esulta de susttu e la expesó ateo po. 5

ESTUDIO CIS Nº Encuesta a población inmigrante (Immigrant Citizens Survey 1 )

ESTUDIO CIS Nº Encuesta a población inmigrante (Immigrant Citizens Survey 1 ) ESTUDIO CIS Nº 293 Ecuesta a poblacó mgate (Immgat Ctzes Suvey ) FICHA TÉCNICA Ámbto: Mucpos de Baceloa y Madd. Uveso: Poblacó de 5 años y más, acda e países extaeos dsttos a los estados membos de la UE-

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejeccos de Selectvdad sobe Ifeeca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Facsco Roldá López de Heo * Covocatoa de 007 Las sguetes págas cotee las solucoes de los

Más detalles

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II

Capítulo 2 Análisis de datos (Bivariados( Bivariados) Estadística Computacional I Semestre 2006 Parte II Uvesdad Técca Fedeco Sata Maía Uvesdad Técca Fedeco Sata Maía Depatameto de Iomátca ILI-80 Capítulo Aálss de datos (Bvaados( Bvaados) Estadístca Computacoal I Semeste 006 Pate II Poesoes: Calos Valle (cvalle@.utsm.cl)

Más detalles

5. Estimación puntual. Curso Estadística

5. Estimación puntual. Curso Estadística 5. stmacó utual Cuso 0-0 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

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

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica CDENADAS VECTIALES DE LS SISTEAS DE FUEZAS Se etede po sstema de fuezas a u cojuto de fuezas como se dca La esultate geeal del sstema se obtee sumado los vectoes equpoletes de cada ua de las compoetes

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

8- Estimación puntual

8- Estimación puntual Pate stmacó putual Pof. Maía B. Ptaell 8- stmacó putual 8. Itoduccó Supogamos la sguete stuacó: e ua fábca se poduce atículos el teés está e la poduccó de u día específcamete de todos los atículos poducdos

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

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

Más detalles

Matemáticas Aplicadas CC. SS. I -- I. E. S. Sabinar

Matemáticas Aplicadas CC. SS. I -- I. E. S. Sabinar Matemátcas Aplcadas. SS. I -- I. E. S. Saba MATEMÁTIAS INANIERAS EN 1º BTO.. SS. 1. PORENTAJES 1.1 Aumetos y dsmucoes pocetuales. Ídce de vaacó 1.2 Aumetos y dsmucoes pocetuales ecadeados. Ídce de vaacó

Más detalles

Estadística Tema 9. Modelos de distribuciones. Pág. 1

Estadística Tema 9. Modelos de distribuciones. Pág. 1 Estadístca Tema 9. Modelos de dstbucoes. Pág. 9 Modelos de dstbucoes. 9. Modelos dscetos de vaables aleatoas. 9.. Epemetos y dstbucó de Beoull. 9.. Dstbucó bomal. 9.. Dstbucó ufome dsceta. 9.. Dstbucó

Más detalles

MANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA PROPAGACIÓN DE ERRORES. Escuela de Geociencias y Medio Ambiente

MANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA PROPAGACIÓN DE ERRORES. Escuela de Geociencias y Medio Ambiente ANUAL DE PRÁCTICAS DE LABORATORIO DE HIDRÁULICA 35 ANEXO A5 PROPAGACIÓN DE ERRORES Ramo abello Péez Escuela de Geocecas y edo Ambete 36 ANEXO 5 A5 PROPAGACIÓN DE ERRORES Tomado de la Ref. [0] Las magtudes

Más detalles

Evento E es cualquier subconjunto de posibles resultados de un experimento (Ω o S también se le conoce como evento seguro).

Evento E es cualquier subconjunto de posibles resultados de un experimento (Ω o S también se le conoce como evento seguro). I. INTRODUION. oceptos báscos xpemeto: Ua stuacó que da luga a u esultado detfcable. muchos estudos cetífcos os efetamos co expemetos que so epettvos po atualeza o que puede se cocebdos como epettvos.

Más detalles

Variables aleatorias

Variables aleatorias Vaables aleatoas M. e A. Vícto D. Plla Moá Facultad de Igeeía, UNAM Resume El cocepto de vaable aleatoa como abstaccó de u eveto aleatoo y su defcó. vaable aleatoa dsceta: fucó de pobabldad, sus popedades

Más detalles

Parte 3. Técnicas de muestreo

Parte 3. Técnicas de muestreo PROFESOR: UIS E. IETO BARAJAS Parte 3. Téccas de muestreo 3. Itroduccó al muestreo Es posble determar co certa precsó (error) las característcas de ua poblacó (fta) a partr de los resultados obtedos e

Más detalles

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS

MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMENTOS Julo Olva Coteo Estadístca TEMA 6 MEDIDA DE FORMA: AIMETRÍA Y CURTOI. MOMETO. Moetos de ua dstbucó Los oetos de ua dstbucó so eddas obtedas a pat de todos sus datos y de sus fecuecas absolutas. Estas eddas

Más detalles

Santiago de la Fuente Fernández. Regresión Lineal Múltiple

Santiago de la Fuente Fernández. Regresión Lineal Múltiple atago de la Fuete Feádez egesó Leal Múltple atago de la Fuete Feádez egesó Leal Múltple EGEIÓN LINEAL MÚLTIPLE egesó Leal Múltple Las téccas de egesó leal múltple pate de (k+) vaables cuattatvas, sedo

Más detalles

Criterios científicos de la Encuesta de Salida y Conteo Rápido en el municipio de Guadalajara, Jalisco.

Criterios científicos de la Encuesta de Salida y Conteo Rápido en el municipio de Guadalajara, Jalisco. Crteros cetífcos de la Ecuesta de Salda y Coteo Rápdo e el mucpo de Guadalajara, Jalsco. Drgdo al: Isttuto Nacoal Electoral 9 de mayo de 05 OBJETIVO DEL ESTUDIO Coocer la tedeca de la votacó para presdete

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

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

EL TEOREMA EGREGIUM. Introducción

EL TEOREMA EGREGIUM. Introducción CARLOS S CHIEA EL TEOREMA EGREGIUM DE GAUSS Itoduccó Joha Ca Fedch Gauss (30 de ab de 777 3 de febeo de 855) e sus Dsqustoes eeaes cca supefces cuvas de 88 expoe e teoea coocdo coo eeo Eeu que ha tedo

Más detalles

En cualquier punto donde coloquemos nuestra segunda carga, su posición podrá darse con un vector de posición que cumple:

En cualquier punto donde coloquemos nuestra segunda carga, su posición podrá darse con un vector de posición que cumple: CAMPO LCTRICO Cosdeemos e pcpo ua stuacó deal: l Uveso está vacío y o exste ada supogamos ue e el ceto de ese Uveso colocamos ua caga putual podemos pegutaos: Sufe algú cambo el Uveso? S o exste ota caga

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

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

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

FUNDAMENTOS DE LA TEORÍA DE LA

FUNDAMENTOS DE LA TEORÍA DE LA Pepaado po Iee Paticia Valdez y lfao eptiembe 2006 Coceptos pevios FCULTD DE INGENIERÍ U N M PROBBILIDD Y ETDÍTIC Iee Paticia Valdez y lfao ieev@sevido.uam.mx FUNDMENTO DE L TEORÍ DE L PROBBILIDD CONCEPTO

Más detalles

Indicadores ambientales sintéticos: Una aproximación conceptual desde la estadística multivariante

Indicadores ambientales sintéticos: Una aproximación conceptual desde la estadística multivariante Idcadoes ambetales stétcos: Ua apoxmacó coceptual desde la estadístca multvaate Recbdo paa evaluacó: 6 de Juo de 007 Aceptacó: 3 de Mayo de 008 Recbdo vesó fal: 06 de Mayo de 008 Lus Alfoso Escoba Jaamllo

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

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca paa Améca Lata y el Cabe (CEPAL Dvsó de Estadístcas y Poyeccoes Ecoómcas (DEPE Ceto de Poyeccoes Ecoómcas (CPE Modelo Clásco de Regesó Alguos Temas Complemetaos Chsta A. utado Navao Mayo,

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

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

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

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

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

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

SOLUCIÓN: cara. sale. Sea X i = cruz. sale. 1 p = ; con ello 2

SOLUCIÓN: cara. sale. Sea X i = cruz. sale. 1 p = ; con ello 2 Hojas de oblemas Estadístca VI. Calcula el úmeo de veces que se debe laa ua moeda de maea que se tega ua pobabldad supeo a 9 de que el cocete ete el úmeo de caas y el de laametos esté compeddo ete y 6.

Más detalles

TEMA: ANALISIS DE VELOCIDADES.

TEMA: ANALISIS DE VELOCIDADES. álss de velocdades. TEM: NISIS DE EOCIDDES. - INTRODUCCION. - NISIS GRFICO DE EOCIDDES..- olígoo de velocdades: método de las velocdades elatvas...- plcacó a ógaos deslzates...- Otos casos..- Método de

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

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

Nombre del estudiante:

Nombre del estudiante: UNIVERSIDAD DE OSTA RIA ESUELA DE IENIAS DE LA OPUTAIÓN E INFORÁTIA I-0 ESTRUTURAS DISRETAS PROF. KRYSIA DAVIANA RAÍREZ BENAVIDES II Semeste 06 Fecha: /09/06 SOLUIÓN EXAEN PARIAL I Nombe del estudiate:

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

TEMA 5 SISTEMAS DE N GRADOS DE LIBERTAD. Sistemas de N Grados de Libertad

TEMA 5 SISTEMAS DE N GRADOS DE LIBERTAD. Sistemas de N Grados de Libertad Sstemas de N Gados de Lbetad ELEMENTOS DE MÁQUINAS Y VIBRACIONES - 5. - ELEMENTOS DE MÁQUINAS Y VIBRACIONES - 5. - 5. Plateameto matcal Se va a extede los esultados de gdl al caso geeal de N gdl. El estudo

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

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Bolilla 4: Rotación de los cuerpos rígidos. Movimiento circular

Bolilla 4: Rotación de los cuerpos rígidos. Movimiento circular Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula Bollla 4: Rotacó de los cueos ígdos. Movmeto ccula 4. Vaables Agulaes Las vaables agulaes sve aa eeseta e foma mas smle e dóea al movmeto de otacó. La

Más detalles

Capítulo 2: ANÁLISIS ESTADÍSTICO

Capítulo 2: ANÁLISIS ESTADÍSTICO Capítulo : ANÁLISIS ESTADÍSTICO El aálss estadístco es todo el poceso de ogazacó, pocesameto, educcó e tepetacó de datos paa ealza eecas. Recodemos que los datos se tasomaá e omacó útl paa la toma de decsoes,

Más detalles

ESTIMACION DEL HIDROGRAMA UNITARIO. ESTUDIO COMPARATIVO DE CUATRO METODOS LINEALES

ESTIMACION DEL HIDROGRAMA UNITARIO. ESTUDIO COMPARATIVO DE CUATRO METODOS LINEALES ESTIMACION DEL HIDROGRAMA NITARIO ESTDIO COMARATIVO DE CATRO METODOS LINEALES José Lus Ayuso, Adolfo eña y M a la Motesos Aea de oyectos de Igeeía ETS Igeeos Agóoos y de Motes vesdad de Códoba RESMEN:

Más detalles

CAPÍTULO II MARCO TEÓRICO

CAPÍTULO II MARCO TEÓRICO CAPÍTULO II MARCO TEÓRICO - - MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Procedimiento Simple y Sistemático de Modelado de Condensadores Basado en la Respuesta en Frecuencia

Procedimiento Simple y Sistemático de Modelado de Condensadores Basado en la Respuesta en Frecuencia Pocedmeto Smple y Sstemátco de Modelado de Codesadoes Basado e la Respuesta e Fecueca V. Valdva, D. López del Moal, M. Saz, A. Baado, A. Lázao Uvesdad Calos III de Madd Gupo de Sstemas Electócos de Poteca

Más detalles

Control Difuso Takagi-Sugeno Aplicado al Equipo Didáctico de la Bola y la Viga

Control Difuso Takagi-Sugeno Aplicado al Equipo Didáctico de la Bola y la Viga Cotol Dfuso akag-sugeo Aplcado al Equpo Ddáctco de la Bola y la Vga Rosalío Fafá Matíez, José A. Ruz Heádez, Ramó Gacía Heádez, José Lus Rullá Laa, Nu Ptalúa Díaz 3 Uvesdad ecológca de Campeche, Caetea

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

TEMA 6 VALORACIÓN FINANCIERA DE RENTAS (III)

TEMA 6 VALORACIÓN FINANCIERA DE RENTAS (III) Facultad de.ee. Dpto. de Ecooía Facea I Dapostva Mateátca Facea TEMA 6 VALORAIÓN FINANIERA DE RENTAS III. Faccoaeto atétco y faceo de ua eta 2. Retas faccoadas 3. Retas cotuas Facultad de.ee. Dpto. de

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado

Tribunal de la Oposición al Cuerpo Superior de Estadísticos del Estado Trbual de la Oposcó al Cuerpo Superor de Estadístcos del Estado Pruebas selectvas para el greso e el Cuerpo Superor de Estadístcos del Estado. Orde ECC/1693/2015, de 5 de septembre 2016 (BOE8/09/2016).

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES Espacios Vectoiales Heamietas ifomáticas paa el igeieo e el estudio del algeba lieal. ESPACIOS VECTORIALES.. ESTRUCTURA DE ESPACIO VECTORIAL... Defiició..2. Ejemplos de espacios vectoiales..3. Popiedades

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

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

3.5 Factores y Coeficientes de Forma

3.5 Factores y Coeficientes de Forma Autoes: Patco Covalá Vea Jame eáez Palma 3.5 Factoes y Coecetes e Foma A es el slo XIX, Towa esaolla la ea e los actoes e oma como ua espuesta a las cultaes suas el uso e los sólos e evolucó. La ea e Towa

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

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

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

PROBLEMAS DE ÓPTICA. FÍSICA 2 BACHILLERATO. Profesor: Félix Muñoz Jiménez

PROBLEMAS DE ÓPTICA. FÍSICA 2 BACHILLERATO. Profesor: Félix Muñoz Jiménez PROBEMS DE ÓPTIC. FÍSIC BCHIERTO. Pofeo: Félx Muñoz Jméez Poblema º Calcula el ídce de efaccó elatvo del vdo al acete. Halla la velocdad de popagacó y la logtud de oda, e el acete y e el vdo de u ayo de

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

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

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

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

BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA. M.Sc. Fabio A. Blanco Rojas Berufweiss S.A.

BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA. M.Sc. Fabio A. Blanco Rojas Berufweiss S.A. BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA M.Sc. Fabo A. Blaco Rojas Berufwess S.A. Porque la terra será llea del coocmeto de Jehová, como las aguas cubre el mar Isaías 11:9 Temas a

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

ESTIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚTIPLES PUNTOS DE VENTA Y STOCKOUTS INFRECUENTES

ESTIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚTIPLES PUNTOS DE VENTA Y STOCKOUTS INFRECUENTES ESIMACIÓN DE LA DEMANDA EN PUBLICACIONES PERIÓDICAS CON MÚIPLES PUNOS DE VENA Y SOCKOUS INFRECUENES J.M. Eguzktza Azabalaga. Depatameto de Matemátca Aplcada. Uvesdad del País Vasco/Euskal Heko Ubetstatea.

Más detalles

República de Ecuador

República de Ecuador Reúblca de Ecuado III CENSO NACIONAL AGROPECUARIO ERRORES RELATIVOS DE MUESTREO . Eoes elatvos de uesteo Co la faldad de da ua vsó aoáca de los eoes de uesteo estados aa los esultados obtedos del III Ceso

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

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

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

UNIVERSIDAD DE JAÉN. Aproximación Bayesiana a la metodología de la Verosimilitud Empírica. Departamento de Estadística e I.O.

UNIVERSIDAD DE JAÉN. Aproximación Bayesiana a la metodología de la Verosimilitud Empírica. Departamento de Estadística e I.O. UNIVERSIDAD DE JAÉN Deatameto de Estadístca e I.O. Aomacó Bayesaa a la metodología de la Veosmltud Emíca Memoa esetada aa ota al gado de docto o Raúl Amo Puldo. Vº Bº del Decto Vº Bº del Tuto Fdo. D. Calos

Más detalles

Estimación de observaciones faltantes mediante la media aritmética y su efecto en el análisis de componentes principales

Estimación de observaciones faltantes mediante la media aritmética y su efecto en el análisis de componentes principales UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULAD DE CIENCIAS MAEMÁICAS EAP DE ESADÍSICA Estmacó de obseacoes faltates medate la meda atmétca y su efecto e el aálss de compoetes pcpales ESIS Paa opta el

Más detalles

REVISTA INVESTIGACIÓN OPERACIONAL Vol. 27, No. 2, , 2006

REVISTA INVESTIGACIÓN OPERACIONAL Vol. 27, No. 2, , 2006 REVISTA INVESTIGACIÓN OPERACIONAL Vol. 7, No., 7-83, 006 ESTUDIO DE LAS APROXIACIONES A LOS PROEDIOS ÓVILES Y LAS VOLATILIDADES EXPONENCIALES * Eduado Pza Volo y Jave Tejos, CIPA, Uvesdad de Costa Rca

Más detalles

Tema 2. Muestreo Aleatorio Simple Contenido

Tema 2. Muestreo Aleatorio Simple Contenido Tema. Muestreo Aleatoro Smple Cotedo 1) Defcó, seleccó otacó ) Estmadores de la meda el total. Propedades. Varazas error de estmacó. Límtes de cofaza. 3) Muestreo smple co resttucó 4) Estmadores de la

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

Fundamentos de Estadística:

Fundamentos de Estadística: Fudametos de Estadístca: Resúmees. A. Roeto Espeo Mohedao. Atuo Gallego egado. TEMA : Itoduccó a la Estadístca. La Estadístca las estadístcas. Defcó de Estadístca: o Estadístca Descptva. o Estadístca Matemátca

Más detalles

Propuesta de Indicadores del Área de Docencia para efectos de Rendición Social de Cuentas

Propuesta de Indicadores del Área de Docencia para efectos de Rendición Social de Cuentas Gereca de Plafcacó Estratégca Escuela Superor Poltécca del Ltoral Propuesta de Idcadores del Área de Doceca para efectos de Redcó Socal de Cuetas VERSIÓN 2 2017 PRESENTACIÓN E el marco de la redcó de cuetas

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

FUNDAMENTOS FÍSICOS Y TECNOLÓGICOS DE LA INFORMÁTICA

FUNDAMENTOS FÍSICOS Y TECNOLÓGICOS DE LA INFORMÁTICA FUNDAMENTOS FÍSIOS Y TENOLÓGIOS DE LA INFORMÁTIA TEMA I.- ELETROSTÁTIA FUNDAMENTOS FÍSIOS Y TENOLÓGIO DE LA INFORMÁTIA Tema.ELETROSTÁTIA- Tecología de omputadoes-datsi-fi-upm-madd - M. A. Pascual Iglesas

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

SECRETARÍA DE EDUCACIÓN SUBSECRETARÍA DE PLANEACIÓN, PROGRAMACIÓN Y PRESUPUESTACIÓN DIRECCIÓN DE PLANEACIÓN Y PROGRAMACIÓN

SECRETARÍA DE EDUCACIÓN SUBSECRETARÍA DE PLANEACIÓN, PROGRAMACIÓN Y PRESUPUESTACIÓN DIRECCIÓN DE PLANEACIÓN Y PROGRAMACIÓN Atecó3 Atecó 4 Preescolar Atecó 5 SECRETARÍA DE EDUCACIÓN SUBSECRETARÍA DE PLANEACIÓN, PROGRAMACIÓN Y PRESUPUESTACIÓN DIRECCIÓN DE PLANEACIÓN Y PROGRAMACIÓN Atecó 3,4, y 5 Cobertura Idcadores Educatvos

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

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

Universidad Nacional de La Plata

Universidad Nacional de La Plata Uvesdad Nacoal de La Plata Facultad de Cecas Agaas y Foestales DISEÑO O EXPERIMENTAL (Modelos Multvaados) UNIDAD : Téccas Multvaadas de Agupameto y Odeacó Poblemas de tepetacó de muchas vaables co ga volume

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

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles