APÉNDICE: ANÁLISIS DE REGRESIÓN
|
|
- María del Rosario Blázquez Córdoba
- hace 5 años
- Vistas:
Transcripción
1 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores APÉDICE: AÁLISIS DE REGRESIÓ ITRODUCCIÓ El aálisis de regresió es ua herramiea esadísica que permie hacer u ajuse de daos eperimeales a ua reca co u crierio de míimos cuadrados. Si los daos eperimeales so {, }, dode =,,, el aálisis de regresió proporcioa la reca, ( ) = a+ b () que miimiza el error cuadráico medio ere valor siguiee: e ( ), es decir, que miimiza el ( ( )) = ( a b) = = () Obsérvese que e = ( ) es el error que afeca al dao eperimeal que lo desvía del modelo lieal ( ), mieras que e = ( ( )) es el error cuadráico para la medida. La epresió e la ecuació () proporcioa el error cuadráico medio. AÁLISIS DE REGRESIÓ Dado u cojuo de daos eperimeales ( parejas de daos (, ), dode =,, ), para ajusar los daos por míimos cuadrados a ua reca es ecesario realizar u cojuo de cálculos previos, de acuerdo co las siguiees epresioes: µ = (3a) = µ = (3b) = = ( ) (3c) = µ A.6
2 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores = ( ) (3d) = µ = ( µ )( µ ) (3e) = A parir de esos valores podemos calcular la ordeada e el orige ( a ) la pediee (b ) de la reca de la epresió () que mejor ajusa los daos: b = (4a) a= µ bµ (4b) El aálisis ambié proporcioa el coeficiee de deermiació R, que se calcula del siguiee modo: ( ) R = (5) Ese coeficiee oma valores ere 0, se puede ierprear como la proporció de la variació e los daos que es debida a la variació de. El reso de la variació e se debe al error (o a oras variables o cosideradas e el aálisis). De ese modo, si R =, se ierpreará que la reca a b = + ajusa perfecamee los daos {, } (si error, es decir, odos los daos se ecuera sobre la reca). Si quiere decir que o eise ua depedecia esadísica ere ambas variables. R = 0, Es más habiual el uso del coeficiee de correlació r e lugar del coeficiee de deermiació R. El coeficiee de correlació oma el valor, r = (6) puede comprobarse que r puede omar valores ere -, eiedo el mismo sigo que la pediee b. Tambié se verifica que r = R. A.7
3 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores ITERVALOS DE COFIAZA DE LA PEDIETE Y LA ORDEADA E EL ORIGE Los valores de b a obeidos co las ecuacioes (8) (9) os proporcioa la reca que mejor ajusa los daos eperimeales {, }. Si supoemos que las variables e esá relacioadas por u modelo lieal: = α + β + ε (7) dode α es la ordeada e el orige, β es la pediee, ε es el error (que presea flucuacioes aleaorias), los valores de a b obeidos de las ecuacioes (9) (8) sería ua esimació de los parámeros α β del modelo. Pueso que a b se ha esimado a parir de daos eperimeales ( por ao esá afecados por u error aleaorio), cabría preguarse por el error esádar ( SE ) de a b (es decir, por SE( a ) SE( b )), o por los iervalos de cofiaza del (por ejemplo) 95% de α β, es decir, los iervalos que deja dero el valor real de α de β, respecivamee, co ua probabilidad del 95%. El aálisis de regresió da respuesa a esa cuesió a ravés de u uevo parámero s : s = b (8a) s SE( b) = (8b) µ SE( a) = s + (8c) de modo que los iervalos de cofiaza del 95% de β α viee dados, respecivamee, por: = b± 0 05 SE( b) (9a) β. = a± 005 SE( a) (9b) α. siedo el valor críico de la disribució de Sude co grados de liberad. E la abla se idica los valores de α/ para disios valores de α del A.8
4 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores úmero de grados de liberad. Para cada valor de α se ha idicado el ivel de cofiaza correspodiee. ivel de cofiaza 99% 98% 95% 90% 80% 60% α Grados de Liberad Tabla : valores críicos α/ de la disribució de Sude para grados de liberad. IFERECIA ESTADÍSTICA: ITERVALO DE COFIAZA DE Supogamos que eemos u uevo dao + raamos de iferir el valor + asociado a dicho dao (el valor que mediríamos para si hemos observado + ). Si la relació ere e viiera dada por la reca = a+ b, la respuesa sería = a+ b. Si embargo, al esar los daos afecados por u error, a parir de u + + uevo dao + o podemos deermiar el valor de +, sio el iervalo e el que podemos ecorarlo co u ciero ivel de cofiaza. El aálisis de regresió permie deermiar ese iervalo de cofiaza a ravés del error esádar de +. El iervalo de cofiaza del 95% de + viee dado por: A.9
5 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores SE ( µ ) = s + + (0a) + ( + ) = a+ b ± SE( ) (0b) siedo el valor críico de la disribució de Sude co grados de liberad, que puede obeerse de la abla, EJEMPLO Supogamos que medimos, para 0 codicioes, la esió ere los ermiales de ua resisecia la corriee que circula a ravés de ésa. Las medidas se muesra e la abla : V (V) I (ma) Tabla : medidas de esió corriee e el ejemplo. Para hacer u aálisis de regresió, co el objeo de ecorar la reca = a+ b que mejor ajusa los daos aeriores (dode se ideifica la esió V co la variable idepediee la iesidad I co la variable depediee ), e primer lugar debemos obeer µ, µ,, : µ =. 004 V (a) µ = ma (b) = V (c) A.0
6 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores = ma (d) = V ma (e) La pediee la ordeada e el orige de la reca que mejor ajusa los daos so, respecivamee: b = ma/ V (a) a = ma (b) relacioado el ajuse por míimos cuadrados co la le de Ohm, I= a+ bv (3a) V I = R (3b) debemos comprobar que el valor de la ordeada e el orige ( a ) es mu pequeño (comparado co las iesidades medidas) puede ser despreciado. Del mismo modo, podemos ideificar el valor de la resisecia co el iverso de la pediee: V R = k b =. ma =. Ω (4) El coeficiee de deermiació R es, R = (5) lo que idica que, e los daos medidos, el 99.88% de la variació e la iesidad observada se debe a la variació e la esió aplicada, el 0.% resae se debe a oros procesos (probablemee a errores de medida, bie isrumeales o bie de lecura). El coeficiee de correlació r oma el valor, r = (6) pueso que el valor es mu próimo a la uidad, podemos cocluir que los daos eperimeales se ajusa mu bie a ua reca. E la figura se ha represeado los daos medidos {V, I } la reca I= a+ bv que mejor los ajusa. A.
7 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores Figura : represeació de los daos del ejemplo de la reca que mejor los ajusa. Para deermiar el iervalo de cofiaza del 95% de la pediee la ordeada e el orige, obeemos los valores siguiees: s = ma (7a) SE( b ) = ma/ V (7b) SE( a ) = 0. 4 ma (7c) omado (para u ivel de cofiaza del 95%) para 8 grados de liberad de la abla ( = 3. ) obeemos los iervalos de cofiaza: β = ma/ V ± ma/ V (8a) α = ma ± ma (8b) de dode puede cocluirse que la ordeada e el orige es (como era de esperar e ese ejemplo) despreciable. Para deermiar el iervalo de cofiaza del 95% de la resisecia R, podemos hacer uso de la ideificació R = / β, usar la epresió de propagació del error, A.
8 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores R( β) β R = β = β β (9a) β R = ± = kω± kω (9b) β β Fialmee, supogamos que omamos ua ueva medida de esió V = V. El iervalo de cofiaza del 95% de la iesidad que se mediría e ese uevo eperimeo se calcularía a parir de SE( + ), SE( + ) = ma (0) se obedría, + =. 870 ma ± ma () es decir, que si e el eperimeo + medimos 7.43 V, podemos decir que ha ua probabilidad del 95% de que la medida de iesidad + se ecuere ere.398 ma 3.36 ma. CÁLCULOS DE REGRESIÓ CO MICROSOFT EXCEL Para realizar los cálculos básicos de regresió co el paquee Microsof Ecel, se puede proceder del siguiee modo:. Iroducir los daos ; e dos columas (por ejemplo, e las casillas A:A0 las casillas B:B0).. Seleccioar las casillas co los daos (por ejemplo, A:A0 B:B0). 3. Marcar el icoo Asisee para gráficos". 4. Seleccioar el ipo de gráfico XY Dispersió" el subipo e el que sólo figura los puos. 5. Marcar siguiee" varias veces hasa fializar. 6. Marcar u puo de la gráfica co el boó derecho del raó seleccioar Agregar líea de edecia". 7. Elegir el ipo de edecia o regresió Lieal". 8. E esa veaa, seleccioar Opcioes". A.3
9 Fud. Físicos de la Iformáica / Fud. Tecológicos de los Compuadores 9. E la pare iferior de la veaa de opcioes, marcar Presear ecuació e el gráfico" Presear el valor de R cuadrado e el gráfico". 0. Marcar Acepar": aparecerá el ajuse lieal de los daos, juo co la ecuació de la reca = a + b el coeficiee de deermiació R. Tambié se puede reproducir los cálculos idicados, obeiedo µ, µ,,,, ec. A.4
Regresión Lineal Simple
REGRESIÓN LINEAL Regresió Lieal Simple Plaeamieo El comporamieo de ua magiud ecoómica puede ser explicada a ravés de ora F( Si se cosidera que la relació puede ser de ipo lieal, la formalizació vedría
Más detallesTALLER 06 (AJUSTE POR MÍNIMOS CUADRADOS
hp://www.maemaicaaplicada.ifo 1 de 8 Maizales, 23 de Mao de 2014 Para los siguiees problemas aplicar el procedimieo para grado uo grado dos; deermiado cual reprearía el mejor ajuse a los daos aporados.
Más detallesESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)
ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor
Más detallesTema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013
Tema 2: Aálisis gráfico esadísico de relacioes Uiversidad Compluese de Madrid 2013 Aálisis gráfico descripivo de ua variable (I) Daos de series emporales: Evolució aual de la rea el Cosumo per cápia e
Más detallesQué es la Cinética Química?
Tema 4. La velocidad de Cambio Químico I. Velocidad de reacció.. Ecuació de velocidad y orde de reacció. 3. álisis de los daos ciéicos: ecuacioes iegradas de ciéicas secillas. 4. Ciéicas complejas.. Velocidad
Más detallesTema 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 detallesCONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL
CONCEPTO BÁCO DE ETADTCA NFERENCAL Població N Muesra Parámeros Esadísico µ Esimador dividuo Cada parámero poblacioal le correspoderá u esadísico de la muesra que cosiuirá ua esimació del primero. Defiició
Más detallesTEMA 5: REGRESION LINEAL
ESTADÍSTICA, CURSO 008 009 TEMA 5: REGRESION LINEAL REGRESION LINEAL SIMPLE. CORRELACION. REGRESION.. Regresió lieal simple Recta de regresió: y a + b.. Ajuste de ua recta de regresió Método de míimos
Más detallesUNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS
UNIVERSIDAD DE LA COSTA DEPARTAMENTO DE CIENCIAS NATURALES Y EXACTAS CONCEPTOS PREVIOS Movimieo recilíeo Iroducció El esudio de los movimieos de los cuerpos es de vial imporacia para coocer el comporamieo
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULTAD DE ECONOMÍA ECONOMETRIA. Proceso Estocástico. Mtro. Horacio Catalán Alonso
UNIVERSIDAD NACIONAL AUÓNOMA DE MÉXICO POSGRADO EN ECONOMIA UNAM FACULAD DE ECONOMÍA ECONOMERIA Proceso Esocásico Mro. Horacio Caalá Aloso Proceso esocásico Defiició.- U Proceso Esocásico (PE es ua secuecia
Más detallesSolución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A
. Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de
Más detalles03) Rapidez de Cambio. 0301) Cambio
Págia 1 03) Rapidez de Cambio 0301) Cambio Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Iroducció Uo de los aspecos más desacables de la auraleza es su carácer variable. La Tierra y odos
Más detallesSistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:
Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices
Más detallesMODULO IV. ESTIMACIÓN POR INTERVALOS DE CONFIANZA ANÁLISIS DE CASOS DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTADÍSTICA INFERENCIAL
MODULO IV. ETIMACIÓN POR INTERVALO DE CONFIANA ANÁLII DE CAO DOCENTE: JUAN CARLO VERGARA CHMALBACH ETADÍTICA INFEREIAL CAO : ETIMACIÓN DE LA MEDIA CON DEVIACIÓN POBLACIONAL CONOCIDA La rimera esimació
Más detallesPropuesta A. 3. Se considera la función f(x) = t, si 3 x 3 (x 3) 2 si x>3
Pruebas de Acceso a Eseñazas Uiverarias Oiciales de Grado Maeria: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá coesar a ua de las dos opcioes propuesas A ób. Se podrá uilizar cualquier
Más detallesSISTEMAS, MATRICES Y DETERMINANTES
.- Discuir, e fució del parámero a, el siguiee sisema de ecuacioes lieales x y z x y z -4 x-y ( a ) z -a-5 4x y ( a 6) z -a 8 Solució: La mariz de los coeficiees es de orde 4x y la mariz ampliada a 4 a
Más detallesOSCILACIONES AMORTIGUADAS. PENDULO DE POHL
OSCILACIONES AMORTIGUADAS. PENDULO DE POHL.- INTRODUCCION TEÓRICA El Pédulo de Pohl de la figura permie esudiar las oscilacioes libres, amoriguadas y forzadas de baja frecuecia producidas mediae u pédulo
Más detallesCURSO 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 detallesIntervalos de confianza Muestras pequeñas. Estadística Cátedra Prof. Tamara Burdisso
Iervalos de cofiaza Muesras pequeñas Qué ocurre cuado
Más detallesi 1,2,..., m (filas) j 1,2,..., n (columnas) t
MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)
Más detallesNucleación y crecimiento unidimensional
Nucleació y crecimieo uidimesioal Pare II. Aálisis de la ecuació de Avrami Virgilio A. Gozález G.* Carlos A. Guerrero S, Jua Aguilar G.* ABSTRACT The applicaio of he Avrami-Johso-Mehl model o he uidimesioal
Más detallesV.- CONDICIÓN DE CONTORNO ISOTÉRMICA EN SÓLIDOS INFINITOS
V.- CONDICIÓN DE CONTONO ISOTÉMICA EN SÓIDOS INFINITOS V.1.- CONDUCCIÓN TANSITOIA EN PACA INFINITA CON CONDICIÓN DE CONTO- NO ISOTÉMICA a coducció a ravés de ua placa plaa de espesor fiio e la direcció
Más detallesCONTROL DE ASISTENCIA A EXAMEN
Uiversidad de Las Palmas de Gra Caaria Escuela Técica Superior de Igeieros de Telecomuicació Teoría de la Señal - Eame Covocaoria Ordiaria: 3 de febrero de 2009 CONTROL DE ASISTENCIA A EXAMEN La firma
Más detallesMétodos Numéricos - cap. 7. Ecuaciones Diferenciales PVI 1/8
Méodos Numéricos - cap. 7. Ecuacioes Difereciales PVI /8 Ecuacioes Difereciales Ordiarias (EDO Ua Ecuació Diferecial es aquella ecuació que coiee difereciales o derivadas de ua o más fucioes. Ua Ecuació
Más detallesMétodos Numéricos - Cap. 7. Ecuaciones Diferenciales Ordinarias PVI 1/8
8 7 - - - - - Méodos Numéricos - Cap 7 cuacioes Diereciales Ordiarias PVI 8 cuacioes Diereciales Ordiarias DO Ua cuació Dierecial es aquella ecuació que coiee diereciales o derivadas de ua o más ucioes
Más detallesMATEMÁTICAS. Posgrado en Nanotecnología. Dr. Roberto Pedro Duarte Zamorano 2016 Departamento de Física
MAEMÁICAS Posgrado e Naoecología Dr. Robero Pedro Duare Zamorao 16 Deparameo de Física EMARIO. Series de Fourier 1. Iroducció.. Desarrollo de Fourier. 3. Expasioes de Fourier de medio rago. Iroducció.
Más detallesCurvas MOISES VILLENA
6 6.1. 6.. 6.. 6.4. 6.1. FUNCIÓN VECTORIAL DE UNA VARIABLE REAL 6.1.1 DOMINIO 6.1. LIMITE 6.1. CONTINUIDAD 6.. TRAYECTORIA (CAMINO) 6.. GRAFICA. DEFINICIÓN 6.4. TRAZA 6.5. CURVA 6.6. DERIVADA 6.7. CONCEPTOS
Más detallesDETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución
DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0
Más detallesPROPUESTA A. b ) Coordenadas de los máximos y mínimos relativos de f(x). dx. b )
ES CSTELR DJOZ Eame Juio de (Geeral) Euciado oio Megiao Corbacho PRUE DE CCESO (LOGSE) UNVERSDD DE CSTLL L MNCH JUNO (GENERL) MTEMÁTCS Tiempo máimo: horas miuos Elija ua de las dos opcioes, o, coese a
Más detallesEJERCICIOS DE MATRICES
EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F
Más detallesLECCIÓN N 14 ADQUISICIÓN Y CONVERSIÓN DE DATOS. Conversión Digital-Analógica. Conversión Analógico-Digital
Elecróica Digial LECCÓN N 4 ADQUSCÓN Y CONVESÓN DE DAOS roducció uesreo de señal Coversió DigialAalógica Coversió AalógicoDigial 4 Elecróica Digial roducció La iformació digial se puede procesar, almacear
Más detallesPRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE ADMINISTRACIÓN Y CONTADURÍA PUBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS ADMINISTRACIÓN DE LA PRODUCCIÓN Y LAS OPERACIONES
Más detalles6. Intervalos de confianza
6. Iervalos de cofiaa Curso 0-0 Esadísica Coceo de iervalo de cofiaa Se ha realiado ua ecuesa a 400 ersoas elegidas al aar ara esimar la roorció de voaes de u arido olíico.? Resulado Ecuesa Sí 0 ooros
Más detallesSistemas y Señales I. Ecuaciones de Estado. Variables de Estado
Sisemas y Señales I Ecuacioes de Esado Auor: Dr. Jua Carlos Gómez Variables de Esado Defiició: Las Variables de Esado so variables ieras del sisema, cuyo coocimieo para odo iempo, juo co el coocimieo de
Más detallesMMII_c4_MSV: Ecuación de Laplace en un rectángulo. Problemas no homogéneos
MMII_c4_MSV: Ecuació de Lapace e u recáguo. Probemas o homogéeos Guió: E esa case os ocuparemos de a apicació de Méodo de Separació de Variabes (MSV) a a ecuació de Lapace, o que podremos hacer mediae
Más detallesProcesado digital de imagen y sonido
ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques
Más detallesDecimocuarta clase. Respuesta al impulso y convolución
Uiversidad Disrial Fracisco José de Caldas - Aálisis de Señales y Sisemas - Marco A. Alzae Decimocuara clase. Respuesa al impulso y covolució E esa clase repasamos y esedemos la clase 3, ya que se raó
Más detallesb) Encontrar: τ o σ ; π o σ ; σ y τ. 2. Usar la definición de determinante para encontrar: 4. Calcular los determinantes de las siguientes matrices:
EJERCICIOS PROPUESTOS. Tarea 3. Cosiderar las siguietes particioes de S 5 σ = 354 τ = 354 π = 453. a) Determiar el sigo de cada ua de las ateriores particioes. b) Ecotrar: τ o σ ; π o σ ; σ y τ.. Usar
Más detallesANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de
Más detallesEXAMEN FINAL DE METODOS NUMERICOS (MB536)
UNIVERSIDAD NACIONAL DE INGENIERIA P.A. 7- FACULTAD DE INGENIERIA MECANICA //7 EXAMEN FINAL DE METODOS NUMERICOS (MB36) SOLO SE PERMITE EL USO DE UNA HOJA DE FORMULARIO Y CALCULADORA CIENTIFICA ESCRIBA
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA : MATRICES Y DETERMINANTES Juio, Ejercicio 3, Opció B Reserva 2, Ejercicio 3, Opció A Reserva 2, Ejercicio 3, Opció B Reserva 3, Ejercicio
Más detallesXXVI CONGRESO NACIONAL DE ACTUARIOS. El Margen de Riesgo. Solvencia II. México. Por: Pedro Aguilar B. Septiembre 2013
El Marge de Riesgo México Por: Pedro Aguilar B. paguilar@csf.gob.mx paguilar@ifiium.com.mx Sepiembre 2013 Coeido 1. Aspecos Geerales sobre Marge de Riesgo 2. La Problemáica 3. Plaeamieo de ua Posible Solució
Más detallesMS-1 Modelos de supervivencia Página 1 de 20
CURSO: - TEMA : Pricipales modelos de moralidad. Modelizació esocásica. Ley de De Moivre. Leyes de Dormoy y de Sag. Leyes de Gomperz y de Makeham. Oros modelos de moralidad. Esudiaremos aquí disios modelos
Más detallesSeminario de problemas. Curso Hoja 9
Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.
Más detallesCapítulo 1 Introducción a la Electrónica de Potencia. 1. Introducción a la Electrónica de Potencia. 1.1 Clasificación de los Convertidores
Capíulo Iroducció a la Elecróica de oecia. Iroducció a la Elecróica de oecia. Clasificació de los Coeridores Como su ombre lo idica su fució es coerir ua fuee de ua esió y frecuecia dada a ora de diferees
Más detallesUNIDAD IV. Qué es predicción en el modelo lineal?
UNIDAD IV Qué es predicció e el modelo lieal? UNIDAD IV Qué es la predicció e el modelo lieal? La ecoomía es el esudio del modo e que la sociedad gesioa sus recursos escasos Gregory Makiw Qué es predicció
Más detallesCAPITULO 2. La importancia básica de pronóstico es de ser un eslabón que se une a la etapa de Planificación y Control de un sistema.
CAPITULO PRONOSTICOS Hacer u proósico, es hacer u proceso de esimació de u acoecimieo fuuro, a parir de ua iformació de ipo hisórica, ormalmee de ipo maemáica, y/o de ipo referecial de apreciacioes, esimacioes
Más detallesEJERCICIOS PROPUESTOS
7 Marices EJERCICIOS PROPUESTOS y. Ejercicios resuelos.. Dadas las marices A y B idica, si es posible. A 0 0 4 B 5 0 a) Los elemeos a 4 y b 4 b) La dimesió de cada ua de ellas c) La mariz raspuesa de cada
Más detallesTEORÍA DE CONTROL MODELO DE ESTADO
TEORÍA DE ONTROL MODELO DE ESTADO Defiicioes: (Ogaa) Esado. El esado de u sisema diámico es el cojuo más pequeño de variables (deomiadas variables de esado) de modo que el coocimieo de esas variables e
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesCómo medir la precisión de los pronósticos?
Cómo medir la precisió de los proósicos? Por Tomás Gálvez Maríez Presidee y Direcor de CELOGIS Educaio Parer de ENAE Busiess School A la fecha de la publicació de ese documeo used podrá ecorar, e la mayoría
Más detallesMétodos de Regresión
Métodos de Regresió Ciecias Técicas Estadísticas Solucioes ejercicios: Regresió Lieal Simple Versió 3 Emilio Letó. Demostrar ue jcov (X ; X )j D (X ) D (X ) ue jbs j bs bs. Sea la fució m () V [X + X ]
Más detallesCapitulo II. II.2 Teoría de curvatura. Universidad de Cantabria Departamento de Ing. Estructural y Mecánica
Capiulo II II.2 Teoría de curvaura 1 Capiulo II Movimieo Plao II.1 Aspecos geerales del movimieo plao. II.2 Teoría de la curvaura. 1. Teorema de Harma. 2. Euler-Savary. 3. Circuferecia de iflexioes y circuferecia
Más detallesPrecálculo Quinta edición Matemáticas para el cálculo
Precálculo Quia edició Maemáicas para el cálculo Límies JAMES STEWART, LOTHAR REDLIN, SALEEMWATSON Pag. 88-94 . Cocepo iuiivo de ie de ua fució. Limies Esquema del capiulo E ese capiulo se esudia la idea
Más detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA
Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detalles2. Estimación de errores de medidas directas
Estimació de errores y forma de expresar los resultados de las prácticas. Error: Defiició E el laboratorio igua medida tiee ifiita precisió. Por ello, ua parte importate del proceso de medida es la estimació
Más detallesUniversidad Tecnológica Nacional Facultad Regional Rosario Cátedra de Ing. De las Reacciones
Uiversidad Tecológica Nacioal Faculad Regioal Rosario Cáedra de Ig. e las Reaccioes Trabajo pracico Nº 3: Flujo o ideal: isribució de iempos de residecia e u reacor flujo pisó AÑO 14 Ig. Roque Masciarelli
Más detallesÍndice. 1. Introducción Antecedentes Marco teórico... 5
Ídice. Iroducció.... Objeivos.... Aecedees... 3. Pruebas para la hipóesis de movimieo Browiao...4 3. Marco eórico... 5 3. Alguos cocepos de procesos esocásicos...5 3.. Movimieo Browiao o Proceso de Wieer...7
Más detalles4. VARIABLES ALEATORIAS Y SUS PROPIEDADES
4. VARIABLES ALEATORIAS Y SUS PROPIEDADES Dr. hp://mah.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 4. Variables Aleaorias Ua variable aleaoria es ua fucio que asume sus
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz
INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El eame preseta dos opcioes: A y B. El alumo deberá elegir ua de ellas y cotestar razoadamete a los cuatro ejercicios de que costa dicha opció. Para
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesR-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Más detallesReserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Reserva Primera de 017 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A 17_mod3_EJERCICIO 1 (A) 4-3 0 Sea las matrices A = y B = 1-1 0 1. (1 puto) Calcule A + B 3. (1 5 putos)
Más detallesTema 8B El análisis fundamental y la valoración de títulos
PARTE III: Decisioes fiacieras y mercado de capiales Tema 8B El aálisis fudameal y la valoració de íulos 8B.1 Iroducció. 8B.2 El aálisis fudameal y la valoració de íulos. 8B.3 Modelos para la valoració
Más detallesSOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X
SOLUCIONES RACIONALES DE LA ECUACIÓN X Y = Y X Jorge E. Heráez, Eih C. e Heráez Uiversia e Paamá, Cero Regioal Uiversiario De Veraguas, Deparameo e Maemáica. RESUMEN E el presee rabajo esuiamos la ecuació
Más detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
Más detallesMatemáticas II Bachillerato de Ciencias y Tecnología 2º Curso MATRICES Definición. Notaciones Tipos de matrices...
Maemáicas II Bachillerao de Ciecias y Tecología 2º Curso Uidad MTRICES...- Defiició. Noacioes.... - 2 -.2.- Tipos de marices.... - 2 -.3.- Operacioes co marices.... - 3 -.3..- Igualdad de marices.... -
Más detallesACELERACIÓN UNIVERSIDAD DE CARABOBO FACULTAS DE INGENIERÍA ESCUELA DE INGENIERÍA MECÁNICA DPTO. DISEÑO MECÁNICO Y AUTOMATIZACIÓN
FCULTS DE INGENIERÍ PÁGIN: 5-1 de 16 INTRODUCCIÓN El esudio de las aceleracioes e los mecaismos ariculados coplaares se puede abordar ya sea por méodos aalíicos o por méodos gráficos. Ese capíulo se deermiará
Más detallesEl estado espacial de tensiones en un punto, puede ser representado a través de una matriz (tensor) de tensiones.
..- sado spacial de Tesioes l esado espacial de esioes e u puo, puede ser represeado a ravés de ua mari esor de esioes. : Tesor de Tesioes Sea, el vecor ormal a u plao ubicado e el espacio. L ˆ L,, dode
Más detallesUniversidad Carlos III de Madrid
Uiversidad Carlos III de Madrid. El mudo físico: represeació co señales y sisemas Señales: Fucioes co las que represeamos variacioes de ua magiud física Volaje, iesidad, fuerza, emperaura, posició r ()
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
Más detallesTema 2: Sistemas. 2.1 Introducción
Tema : Sisemas Tema : Sisemas. Iroducció U sisema respode co uas deermiadas señales a la acció de oras. x() sisema y ( ) = T x( ) Ejemplo Tiempo coiuo: sisema mecáico () dy b d y() T{ } { } d y() dy()
Más detallesSP-A Superintendencia de Pensiones, al ser las catorce horas del siete de diciembre del dos mil diecisiete.
Superiedecia de Pesioes, al ser las caorce horas del siee de diciembre del dos mil diecisiee. SE MODIFICA INTEGRALMENTE EL ACUERDO SP-A-008 DEL 20 DE DICIEMBRE DE 2002 Y SUS REFORMAS CONSIDERANDO: 1. El
Más detallesECUACIO ES DIFERE CIALES E EL CO TEXTO DEL MATLAB Carlos Enrique úñez Rincón 1
ALEPH SUB CERO SERIE DE DIVULGACIÓ ℵ 0 008 II ℵ 0 ECUACIO ES DIFERE CIALES E EL CO TEXTO DEL MATLAB Carlos Erique úñez Ricó Los maemáicos, e lugar de simplemee uilizar u méodo que parece fucioar, quiere
Más detallesREPASO DE ESTADÍSTICA
Aputes IN 56B; Profesor: Viviaa Ferádez I. Coceptos de Probabilidad A. Variables Discretas REPASO DE ESADÍSICA. E el mudo existe estados posibles (evetos), e algua fecha futura. Ejemplo: u eveto es el
Más detallesMaterial didáctico. Bibliografía básica. Aula global
Fracisco J. Gozález, UC3M Maerial didácico Bibliografía básica Señales y Sisemas Ala V. Oppeheim, Ala S. Willsky, S. Hamid Nawab, ª edició (998) Preice Hall; ISBN: 97897764 Circuios Elécricos, James W.
Más detallesLECCIÓN N 9 CÁLCULO CINETOSTÁTICO DE MECANISMOS PLANOS 9.1 FUERZAS DE INERCIA DE LOS ESLABONES DE LOS MECANISMOS PLANOS
LEIÓN N 9 ÁLULO INETOSTÁTIO DE MEANISMOS PLANOS 9. UERZAS DE INERIA DE LOS ESLAONES DE LOS MEANISMOS PLANOS omo se sabe del curso de mecáica, e el caso más geeral odas las fuerzas de iercia del eslabó
Más detallesEcuaciones diferenciales ordinarias: Problemas de valor inicial
Tiulació: Asigaura: Auor: Igeiero Geólogo Aálisis Numérico César Meédez Ulima acualizació: 6/0/00 Ecuacioes difereciales ordiarias: Problemas de valor iicial Plaificació: Maeriales: Coocimieos previos:
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesRevisión periódica en tiendas con un elevado número de referencias de lento movimiento
VIII Cogreso de Igeiería de Orgaizació Legaés, 9 y 1 de sepiembre de 24 Revisió periódica e iedas co u elevado úmero de referecias de leo movimieo Mauel Cardós, Eduardo Vices, Crisóbal Miralles Deparameo
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES Humao es errar; pero sólo los ecios persevera e el error. Ciceró. ACADEMIA DE MATEMÁTICAS Uidad II: Datos Bivariados Apredizajes.
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
Más detallesSi n, m 60, los tests anteriores son válidos aunque no se verifique la hipótesis de normalidad,. H 1 : p p 0 H 1 : p > p 0 H 1 : p < p 0
Forulario Itervalos de cofiaza al ivel 1 α Para µ (X 1,, X uestra de ua va oral) [ σcoocida X σ z α/, X + σ z ] α/ σ descoocida [ X t 1,α/, X + t ] 1,α/ i 60, los itervalos ateriores so válidos auque o
Más detallesCAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y
Capíulo 3 Marco eórico CAPÍTULO 3 MARCO TEÓRICO A lo largo de ese capíulo se explica los cocepos básicos que se debiero eer y cosiderar para la elaboració de la clasificació de maerias primas, los modelos
Más detallesModelos discretos de probabilidad
UNIDAD 6 Modelos discreos de probabilidad Objeivos Al fializar la uidad, el alumo: disiguirá y resolverá ejercicios de cada uo de los modelos discreos: biomial, geomérico, biomial egaivo, hipergeomérico
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemáticas 1º CCSS 1 RESUMEN DISTRIBUCIONES BIDIMENSIONALES Distribucioes bidimesioales Se estudia a la vez dos variables aleatorias (geéricamete X e Y; sus valores será ( i, y i )). Correlació Al estudiar
Más detallesSimulación de sistemas continuos y a tramos
Simulació de sisemas coiuos a ramos Uiversidad Nacioal Eperimeal oliécica de la Fuerza Armada Miguel Rodríguez Celi mirodriguez@usb.ve Modelos e el Espacio del Esado Los modelos diámicos co parámeros cocerados
Más detallesPráctica 3 MUESTREO E INTERVALOS DE CONFIANZA
Deparameo de Méodos Cuaiaivos e Iformáicos. Objeivos: a) Calcular los parámeros de la disribució de medias o proporcioes muesrales de amaño, exraídas de ua població de media y variaza coocidas. b) Calcular
Más detallesTema 4: Fenómenos de transporte de carga
Elecróica de disosiivos Tema 4: Feómeos de rasore de carga Ca. : Se, Ca. 4: K. Kao rrasre de oradores movilidad resisividad efeco all ifusió de oradores Proceso de difusió Relació de Eisei Iyecció de oradores
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesECONOMETRÍA APLICADA II
FRANCISCO PARRA RODRÍGUEZ (Docor e Ecoomía Uiversidad Nacioal de Educació a Disacia) ECONOMETRÍA APLICADA II Ecoomeria Aplicada II b Fracisco Parra Rodríguez is licesed uder a Creaive Commos Recoocimieo-NoComercial-ComparirIgual
Más detallesResumen que puede usarse en el examen
Resume que puede usarse e el exame ema. Optimizació Irrestrigida. Codicioes ecesarias y suficietes de optimalidad. Proposició (C. Necesarias) Sea x* u míimo local irrestrigido de f :!! y supogamos que
Más detallesInstituto Tecnológico de San Luís Potosí
Isiuo ecológico de Sa Luís Poosí Cero de elecomuicacioes eleproceso y Redes de Compuadoras Señales Elécricas Fís. Jorge Humbero Olivares Vázquez Cero de elecomuicacioes Eero 7 Isiuo ecológico de Sa Luís
Más detallesEL MÉTODO MATEMÁTICO PARA LAS SERIES VARIABLES CON GRADIENTE GEOMÉTRICO DECRECIENTE
Mg. Marco oio Plaza Vidaurre EL MÉTODO MTEMÁTICO PR LS SERIES VRIBLES CON GRDIENTE GEOMÉTRICO DECRECIENTE El resee documeo desarrolla e dealle el méodo de ecuacioes e diferecia fiia, y su alicació a u
Más detalles