FIB Q PARCIAL 2 DE PE 20 de desembre de 2010 NOM:

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

Download "FIB Q PARCIAL 2 DE PE 20 de desembre de 2010 NOM:"

Transcripción

1 FIB Q 00-. PARCIAL DE PE 0 de desembre de 00 NOM: Poseu el om cotesteu cada preguta e el seu lloc reservat. Eplcteu ustfqueu els passos e les respostes Problema. Baar ua caçó del ostre grup de rock prefert d u determat servdor e Iteret al dsc dur del vostre ordador tarda cert temps que podem cosderar com ua varable aleatòra amb dstrbucó ormal amb ua esperaça de 0 segos ua desvacó típca de segos. A. puts per cadascu dels 5 apartats.-. Qua és la probabltat de que baar ua caçó trgu més de segos?. I la d obter la caçó e u temps feror a 7 segos?.- volem calcular les probabltats de temps de baada d u CD recoplator, amb 35 caços suposat e la baada de les 35 caços és depedet hem de cosderar la varable: Qua és la lle de dstrbucó d?. Com es ustfca? Idca els paràmetres de la lle de dstrbucó.. Qua és la probabltat de que el CD complet trgu etre 30 segos 360 segos? 3.- uposat que el temps de baada segue ua lle uforme a l terval de 8 a 6 segos, cosderat 35 sufcet per aplcar el TCL: 3. Qua és la dstrbucó de la varable suma ?

2 FIB Q 00-. PARCIAL DE PE 0 de desembre de Qua és la dstrbucó de la varable promg Y Y +Y + +Y 35 /35? 4.- D altra bada, s ha observat que 4 de cada 0 CDs surte defectuosos o podem fer l eregstramet de la ostra músca d ua maera correcta. 4. Qua és la lle de dstrbucó de la varable R~ ombre de CDs defectuosos per paquet de 0 CDs? Idca també el/s paràmetre/s d aquesta lle. 4. Qua és la probabltat de trobar eactamet 5 CDs defectuosos e paquet de 0? 5.- Doada l alt ombre de CDs defectuosos, els usuars fa arrbar les seves quees al dstrbuïdor. El ombre de reclamacos és e promg de 4,5 reclamacos/da. 5. Qua lle de dstrbucó segue la varable Y~ Nombre de reclamacos al da? Idca també el/s paràmetre/s d aquesta lle. Qua és la probabltat de recollr mes de 7 reclamacos e des? 5. Qua lle de dstrbucó segue la varable W~ Des etre reclamacos? Idca també el/s paràmetre/s d aquesta lle. Qua és la probabltat d estar des o més des sese rebre reclamacos?

3 FIB Q 00-. PARCIAL DE PE 0 de desembre de 00 NOM: Poseu el om cotesteu cada preguta e el seu lloc reservat. Eplcteu ustfqueu els passos e les respostes. egut amb l eemple ateror d ua varable aleatòra amb dstrbucó ormal que represeta el temps de baar ua caçó d u determat servdor e Iteret, ara cosderem que coèer l esperaça del temps de baada la desvacó poblacoals és poc creïble. B. Durat 7 des cosecutus, a la matea hora, s ha baat ua caçó del servdor al dsc dur, s ha observat el temps e segos que trga. Els resultats es mostre a cotuacó: 9,05 9,77 8,58,58 7,47 9,3 0,80 amb algus càlculs termeds: Σ 66,57 Σ² 644,375 0,5 puts Doeu ua estmacó putual de la mtaa de la desvacó del temps que trga e baar ua caçó. 0,5 puts Amb aquesta mostra, e quat estmeu l error de la mtaa o error típc? 3 puts Estmeu per IC al 95% de cofaça la mtaa poblacoal. 4 puts Estmeu per IC al 95% de cofaça la desvacó poblacoal 5 puts Qu valor de hauríem de recollr per obter u IC de la mtaa poblacoal al 95% de cofaça amb ua amplada de 0,5 seg e aquest cas sí que assumm ua desvacó poblacoal de sg

4 FIB Q 00-. PARCIAL DE PE 0 de desembre de 00 6,5 puts Epermets realtzats amb aterortat forme que el temps de baada, utlzat aquest servdor aquest tpus d ordador, és e mtaa de segos. Poseu a prova s aquesta afrmacó es pot cosderar creïble o o amb u CH. Cosdereu u rsc del 5%. - 0,5 Hpòtess dcat s la prova és blateral o ulateral: - 0,5 Càlcul del valor de l estadístc: - 0,5 Qu és el put crítc que utlzareu per decdr s l estadístc ateror permet creure s la hpòtess? - 0,5 Represeteu gràfcamet e la dstrbucó de l estadístc el valor obtgut el put crítc: - 0,5 Decsó de CH: - 0,5 Relacoar la decsó ateror amb el resultat del IC de la preguta 3 7,5 puts e sap que la proporcó de persoes que o bae caços d teret és d u 0%. Es pre ua mostra de 00 persoes s obté que la proporcó és del %. H ha evdèca de que la proporcó hag augmetat? perquè s o es pot acceptar el 0% só que es cofrma l'augmet es vole fer cavs legslatus Per respodre plategeu u CH cosdereu u rsc del 5%. - 0,5 Hpótess dcat s la prova és blateral o ulateral: - 0,5 Càcul del valor de l estadístc: - 0,5 Càlcul del P-valor: - 0,5 Represeteu gràfcamet e la dstrbucó de l estadístc el valor obtgut el P-valor: - 0,50 Decsó de CH terpretacó:

5 FIB Q 00-. PARCIAL DE PE 0 de desembre de 00 NOM: Poseu el om cotesteu cada preguta e el seu lloc reservat. Eplcteu ustfqueu els passos e les respostes. Problema. tots els apartats vale gual La dferèca etre la veloctat de baada cotractada VC la veloctat real VR e les coeos a Iteret és ua de les quees més freqüets etre els usuars de les líes ADL. Els obectus d'aquest estud só: A estudar s só guals e mtaa estmar la magtud del possble desfasamet; B establr ua relacó etre les dues. Coeemets prevs acoselle treballar amb el logartme atural dels temps, aotats per C R. gu DR-C. Es dsposa de les següets dades: 30 ΣC 53 ΣC² 50 ΣR 45 ΣR² 0 ΣD 7.6 ΣD² 5.7 ΣCR 080 ΣCD 63.5 ΣRD 65.3 A. Es pot cosderar que els temps C R só guals? Per respodre-ho, fem ferèca sobre la seva dferèca:. D acord amb l eucat, es tracta d u dsse aparellat o depedet? Raoeu la resposta.. Càlculeu les mtaes desvacos típques de C, R D 3. Calculeu la covaràca la correlacó etre R C 4. ota la P de s só guals els temps C R, escrvu la hpòtes dcat s és blateral o ulateral, l estadístc la seva dstrbucó 5. ota P, calculeu l estadístc apromat el p-valor

6 6. ota P, dqueu la coclusó terpretacó pràctca: FIB Q 00-. PARCIAL DE PE 0 de desembre de Calculeu u IC al 95% per a la mtaa de la dferèca 8. Iterpreteu l ateror IC 9. Idqueu valoreu la premssa de Normaltat. A qua varable s aplca? 0. Iterpreteu cometeu globalmet l estud d aquest apartat A

7 FIB Q 00-. PARCIAL DE PE 0 de desembre de 00 NOM: Poseu el om cotesteu cada preguta e el seu lloc reservat. Eplcteu ustfqueu els passos e les respostes. B.. cotractem C, què es pot esperar sobre R? Per respodre-ho, aplcarem el model de regressó leal. Estmeu putualmet els coefcets de la recta de regressó:. Ompleeu la taula de descomposcó de varabltat dcat al costat el càlcul dels valors de la columa Q: Eplcada pel model Resdual Total Q Graus llbertat GdL QM Q/GdL 3. Estmeu terpreteu el coefcet de determacó R² Rat P-valor < Poseu a prova H: VR C VR: estadístc, dstrbucó, càlcul, coclusó terpretacó: 5. Poseu a prova H: β 0: Estadístc, dstrbucó, càlcul, coclusó terpretacó: 6. Estmeu putualmet per terval el valor de R predt per a u cotracte de C8.0 lvc Kb/s

8 FIB Q 00-. PARCIAL DE PE 0 de desembre de De fet s el cotracte es complís la costat sera 0 la pedet. Creeu que es comple H: β? 8. Valoreu les premsses. 9. Iterpreteu cometeu globalmet l estud d aquest apartat B 0. Toreu a cotestar la preguta de l apartat A emprat ara la ova formacó de que dsposeu

9 Dstrbucó Beroull Bomal Dstrbucos de varables dscretes cotíues Declaracó ~Berp ~B,p Fucó de probabltat o de destat q k 0 P k p k k k P k p q k k 0,,..., R:dbomk,,p Fucó dstrbucó k P o F k F k F k <k f d <k <k taules estadístques R:pbomk,,p Esperaça E P p P p Varàca V p q p q Propetats de les mostres Itervals de Cofaça TCL:,,..d., amb E V, llavors Estadístc mtaa mostral : N0, Estadístc varàca mostral s : s χ s t o o s N, / també N, Posso ~P * k e P k k! k 0,,,... Epoecal ~Ep * f R:dposk, e > 0 R:dep, f Uforme ~U[a,b] a < < b b a Normal ~N, R:dufk,a,b f e π R:dormk,, F k taules estadístques R:pposk, F e R:pep, a F a + b b a R:pufk,a,b F? taules estadístques N0, R:pormk,, 0 < p < ; q - p;, r eter > 0;, a, b,, real > 0.0 * paràmetre del procés Posso: varables Posso Epoecal <k P b a / Paràmetre Estadístc Premsses Dstrbucó Iterval de Cofaça -α Rsc α [ N ò 30 ] z^ N0, ± z α / coeguda tˆ s N s t^ t - ± t, α / ormal π Bomal Posso s 00 s z^ N0, ± z α / ˆ s N ^ χ -, χ, α / χ, α / p π π π -π 5 π 5 z^ N0, ˆ π ˆ π π P ± z α / ˆ π P o ˆ π 0'5 z ˆ L 5 z^ N0, L ± z α / L Proves de gfcacó Proves de e mostres Dstrbucó Paràmetre Hpòtess Estadístc Premsses sota H H : 0 H : 0 H : 0 π H : π π 0 Bomal Aee: H : 0 Posso tˆ 0 Y N ò 30 z^ N0, coeguda 0 Y N t^ t z^ N0, p π 0 π π z ˆ f 0 -π0 5 π0 5 z^ N0, 0 5 z^ N0, H : 0 ˆ ormal Y N ^ χ - Crter Decsó Rsc α Rebutar H s z^ > z-α/ z^ > 96 amb α5% Rebutar H s t^ > t -,-α/ t^ > t -,0 975 amb α5% Rebutar H s z^ > z-α/ Rebutar H s z^ > z-α/ z^ > 96 amb α5% Rebutar H s z^ > z-α/ z^ > 96 amb α5% Rebutar H s ^ < χ -,α/ o ^ > χ -,-α/ Paràme tre ormal Hpòtess Estadístc Premsses H 0 : H : H 0 : H : H 0 : H : H 0 : H : H 0 : H : tˆ t^ D - 0 / s D / F^ A / B et A > B [Y Y N ò 30] mas d. coeg Y, Y N m.a.s dep., 00 m.a.s dep D N m.a aparellada Y, Y N m.a.s dep Dstrb. sota H 0 z^ N0, t^ t +- z^ N0, t^ t - F^ F A-,B- Les correspoets proves ulaterals es fa acumulat el rsc α a u costat Decsó Rsc α Rebutar s z^ > Z -α/ z^ > 96 amb α5% Rebutar s t^ > t +-, -α/ t^ >t +-,0 975 amb α5% Rebutar s z^ > Z -α/ Rebutar s t^ > t -, -α/ Rebutar s F^ > F -,-, -α/ E les proves ulaterals s acumula el valor de P a u sol costat H: 0 Rebutar H s z^ > z-α H: 0 Rebutar H s z^ < -z-α

10 Proves de π e mostres Proves de Comparacó de Paràmetres més usuals Hpòtes Estadístc Premsses Dstrb.H 0 Decsó α0 05 H 0: π π π H : π π Homogeeïtat z P P P P P + P P + ˆ H 0 : π J I π J I,, H : π J I π J I Idepedèca H 0 : π J I π J π I, H : π J I π J / π I + P P e ˆ H 0: π π π a b ˆ H : π π a + b f e e f e Rebutar s z^ N0, z^ > 96 e 5 m.a.s dep. e 5 ^ χ I-J- m.a.s dep. a, b 5 m.a.s ^ χ aparellades Les correspoets proves ulaterals es fa acumulat el rsc α a u costat. Rebutar s ^ χ I-J- ^>χ I-J-,0 95 Rebutar s ^>χ I-J-,0 95 Rebutar s ^>χ,0 95 Descomposcó de la varabltat Model quattatva vs quattatva Regressó b ry b0 Y - b e - Model quattatva vs categòrca k QR s Eplcada pel model R: QE Resdual R:Resdual QR Q R: um q Σ -Y Σ ˆ - Graus llbertat GdL R: Df Total QT - Eplcada pel model R: ENTRE grups o Betwee Resdual R:Resdual INTRA grups o Wth QE k QR k Q R: um q Y Q Y - T Σ ˆ Y Total QT k Y Y s QM Q/GdL R: Mea q QM E Q E / - QM R Q R / - Graus llberat GdL R: Df k- QM E QM Q/GdL R: Mea q Q E / k- N-k QM R N- Q R / N-k Rat R: F value QM E F QM R P-valor R: Pr>F ˆ - Rat R: F value QM F qff_value,,- Q Y b - b - E s Y P-valor R: Pr>F E - ˆ qff_value, QM R k-,n-k Model quattatva vs quattatva Regressó Estmacó ferèca dels paràmetres Paràmetre β 0 β ² Estmador b 0 Ȳ - b b Y / ² ² Σe ²/- Esperaça Eb 0 β 0 Eb β E² ² Varàca Dstrbucó Iterval de Cofaça V b0 + - b b 0 N b 0-β 0 / b0 t - IC95%,β 0 b 0 ± t -,0.975 b0 V b - - b b N b -β / b t - IC95%,β b ± t -,0.975 b H 0 usual β 0 0 β 0 Rebutar H 0 s b 0 / b0 > t -,0.975 b / b > t -,0.975 V² 4 /- -²/ ² χ² - IC95%,² -²/χ² -,0.975 ² -²/χ² -,0.05 Estmacó putual Estmacó per terval Model quattatva vs quattatva Regressó Predccó ˆ + h b0 b h Per al valor esperat h h ± t, ˆ + h h b0 b Per a valors dvduals h h ± t, h

PE Q EXAMEN FINAL 20 de gener de 2012

PE Q EXAMEN FINAL 20 de gener de 2012 PE Q1 011-1. EXAMEN FINAL 0 de gener de 01 Problema 1 Durant alguns anys un professor d estadístca a la FIB ha estudat el nombre de consultes per part dels estudants al llarg dels quadrmestres. La nformacó

Más detalles

FIB Q PARCIAL 2 DE PE 31 de maig de 2012

FIB Q PARCIAL 2 DE PE 31 de maig de 2012 SOLUCIÓN PROBLEMA 1 FIB Q 011-1. PARCIAL DE PE 31 de mag de 01 Se desea estudar el tempo que fucoa certa compoete de u sstema hasta que comeza a presetar fallos sstemátcos. A f de estmar el tempo medo

Más detalles

FIB Q PARCIAL 2 DE PE 20 de desembre de 2010 NOM:

FIB Q PARCIAL 2 DE PE 20 de desembre de 2010 NOM: FIB Q 00-. PARCIAL DE PE 0 de desembre de 00 NOM: (Poseu el om i cotesteu cada preguta e el seu lloc reservat. Expliciteu i justifiqueu els passos e les respostes) Problema. Baixar ua caçó del ostre grup

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UIDIMESIOAL L estadístca és u mètode per predre decsos, per axò s utltza e molts estuds cetífcs. L estadístca es pot dvdr e estadístca descrptva, que s ocupa de comptar, ordear classfcar les

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

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

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

ESTADÍSTICA. Objectius 1. ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA. Objectius 1. ESTADÍSTICA DESCRIPTIVA Departamet de Matemàtques Escola Tècca Professoal del Clot ESTADÍSTICA Objectus Freqüèces d ua sère estadístca. Càlcul represetacó. Estud dels paràmetres estadístcs: o Mesures de cetraltzacó: Mtjaa artmètca

Más detalles

ESTADÍSTICA MATEMÀTICA I. Recull de problemes

ESTADÍSTICA MATEMÀTICA I. Recull de problemes ENSENYAMENT D ESTADÍSTICA ESTADÍSTICA MATEMÀTICA I Recull de problemes Curs 000-00 prmer quatrmestre Esteba Vegas Fracesc Olva Barceloa, Setembre de 000 DEPARTAMENT D'ESTADÍSTICA Sère de Quaders Docets

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

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

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

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 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

TEMA 5. POLINOMIS - I

TEMA 5. POLINOMIS - I 1 EXPRESSIÓ ALGEBRAICA TEMA POLINOMIS - I Professor de r ESO Roger Maurco Grañó Ua epressó algebraca és s u cout de ombres lletres llgats amb els símbols, -,, : ( )) a : ( ) S les epressos algebraques

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

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

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

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

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

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

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

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

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

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

Estadística Descriptiva. Estadística. Dades qualitatives. Dades quantitatives. Recollida d informació. Primeres nocions. Resum idees bàsiques

Estadística Descriptiva. Estadística. Dades qualitatives. Dades quantitatives. Recollida d informació. Primeres nocions. Resum idees bàsiques Estadístca Descrptva Estadístca Resum dees bàsques 008 Cojut de tècques per orgatzar, smplcar resumr la ormacó cotguda e u cojut de dades. Les dades pode prover de varables quattatves o de varables categòrques.

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 EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

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

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

Distribució dels estadístics mostrals

Distribució dels estadístics mostrals 4 Dtrbucó del etadítc motral 4.. Dtrbucó de la mtjaa motral 4.. La dtrbucó t-studet 4.3. Itèrval de cofaça -α per la µ 4.4. La lle de Ch-Quadrat 4.5. Dtrbucó de la varaça motral 4.6. Itèrval de cofaça

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

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

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

5 Introducció a la regressió

5 Introducció a la regressió 5 Itroduccó a la regressó 75 76 5. Itroduccó Ua empresa de compra-veda d automòbls orgatza eposcos els caps de setmaa cotracta u úmero varable de veedors que oscl la etre 4 8. El geret d aquesta empresa

Más detalles

NOM PE, 09/01/2012 (Poseu el nom i contesteu cada pregunta en el seu lloc reservat. Expliciteu i justifiqueu els passos en les respostes)

NOM PE, 09/01/2012 (Poseu el nom i contesteu cada pregunta en el seu lloc reservat. Expliciteu i justifiqueu els passos en les respostes) NOM PE, 09/01/01 (Poseu el nom contesteu cada pregunta en el seu lloc reservat. Eplcteu justfqueu els passos en les respostes) Problema B4 Abans de llençar al mercat la nova polsera HyperPowerBalance,

Más detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

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

ESTADÍSTICA FACULTAT D INFORMÀTICA

ESTADÍSTICA FACULTAT D INFORMÀTICA ETADÍTICA FACULTAT D INFORMÀTICA APUNT DE CLAE PROF. LÍDIA MONTERO: TEMA 5: ETIMACIÓ I INFERÈNCIA AUTORA: Lída Motero Mercadé Departamet d Estadístca Ivestgacó Operatva Versó. etembre del.4 TABLA DE CONTENIDO

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

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

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

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

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

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

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

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

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

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

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

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

MODELS DE CAPTACIÓ, ANÀLISI I INTERPRETACIÓ DE DADES

MODELS DE CAPTACIÓ, ANÀLISI I INTERPRETACIÓ DE DADES MODEL DE CAPTACIÓ ANÀLII I INTERPRETACIÓ DE DADE MATER DE LOGÍTICA TRANPORT I MOBILITAT MATER D ETADÍTICA I INVETIGACIÓ OPERATIVA APUNT DE CLAE PROF. LÍDIA MONTERO: TEMA : INTRODUCCIÓ A L ANÀLII DE DADE.

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

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

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

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Correlación y regresión lineal. Ejemplos

Correlación y regresión lineal. Ejemplos Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9

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

MASTER S DEGREE IN SUPPLY CHAIN, TRANSPORT AND LOGISTICS

MASTER S DEGREE IN SUPPLY CHAIN, TRANSPORT AND LOGISTICS CURS 08-9 Aàls de Dades de Trasport Logístca (40ST04) REÀS ROBABILITATS I VARIABLES ALEATÒRIES HABITUALS: Bloc 3 ROFESSOR: Lída Motero Setembre 08 Versó. MASTER S DEGREE IN SULY CHAIN, TRANSORT AND LOGISTICS

Más detalles

Tema 2: El modelo básico de regresión lineal múltiple (I)

Tema 2: El modelo básico de regresión lineal múltiple (I) Tema : l modelo básco de regresó leal múltple I Casaldad la ocó de cetrs parbs e el aálss ecoométrco Repaso del cocepto de regresó smple: Recta de regresó poblacoal p verss recta de regresó estmada Motvacó

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

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

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

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

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

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

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

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

FIB Q PARCIAL 2 DE PE 27 de maig de 2013

FIB Q PARCIAL 2 DE PE 27 de maig de 2013 FIB Q2 2012-13. PARCIAL 2 DE PE 27 de maig de 2013 NOM: (Contesteu cada pregunta en el seu lloc. Expliciteu i justifiqueu els càlculs.) Problema 1 (B4). Tenim les notes x i de 30 estudiants d una assignatura

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

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

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

Concepto de regresión AQS 13

Concepto de regresión AQS 13 Cocepto de regreó AQS 3 Fucó de calbracó Correlacó etre magtude de medcó Apecto geerale E la maoría de lo método aalítco: e ecearo detfcar relacoe etre la magtude de medcó.. Mucho metodo trumetale requre

Más detalles

Qué conclusión extraeremos trabajando con un nivel de significación del 5%?

Qué conclusión extraeremos trabajando con un nivel de significación del 5%? sbb BB BBB Ejercco 1 Ua asocacó de defesa del cosumdor argumeta que el cotedo de las latas de atú de ua determada marca es feror a los 50 g que se dca e el paquete. ara cotrastarlo se coge ua muestra de

Más detalles

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

MODELS DE CAPTACIÓ, ANÀLISI Y INTERPRETACIÓ DE DADES

MODELS DE CAPTACIÓ, ANÀLISI Y INTERPRETACIÓ DE DADES MODELS DE CATACIÓ, ANÀLISI Y INTERRETACIÓ DE DADES MASTER DE LOGÍSTICA, TRANSORT Y MOBILITAT MASTER D ESTADÍSTICA INVESTIGACIÓ OERATIVA AUNTS DE CLASSE ROF. LÍDIA MONTERO: TEMA : REÀS DE CÀLCUL DE ROBABILITATS

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

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

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Fórmulas y tablas estadísticas Marjorie Mora Valverde

Fórmulas y tablas estadísticas Marjorie Mora Valverde Fórmulas y tablas estadístcas Marjore Mora Valverde 59.5 F76f Fórmulas y tablas estadístcas / Marjore Mora Valverde (compladora).. ed., a. rempr. Sa José, C.R. : Edtoral UCR, 008. 88 p. ISB 978-9968-46-007-.

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

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1 Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,

Más detalles

9.1. Funcions lineals. Solució gràfica. Les funcions lineals, també anomenades rectes són expressions algebraiques del tipus

9.1. Funcions lineals. Solució gràfica. Les funcions lineals, també anomenades rectes són expressions algebraiques del tipus Tema 9. Fucios lieals i quadràtiques Tema 9. Fucios lieals i quadràtiques 9.. Fucios lieals. Solució gràfica. Les fucios lieals, també aomeades rectes só epressios algebraiques del tipus m ; m, R o m s

Más detalles

1.- Sabem que el vector (2, 1, 1) és una solució del sistema ax + by + cz = a + c bx y + bz = a b c. . cx by +2z = b

1.- Sabem que el vector (2, 1, 1) és una solució del sistema ax + by + cz = a + c bx y + bz = a b c. . cx by +2z = b Oficina d Organització de Proves d Accés a la Universitat Pàgina de 5 PAU 0 - Sabem que el vector (,, ) és una solució del sistema ax + by + cz = a + c bx y + bz = a b c cx by +z = b Calculeu el valor

Más detalles

Integral d una funció

Integral d una funció Itegral d ua fució Itegral d ua fució Els coceptes de primitiva i itegral idefiida La itegració d ua fució és el pas ivers de la derivació d ua fució. Per defiir correctamet la itegral d ua fució, s ha

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

SERIE TEMA 7 ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN

SERIE TEMA 7 ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SERIE TEMA ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN. Los datos

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

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

Àlgebra lineal (Mètodes Matemàtics I) Enginyeria Química Curs 2002/03 Prova parcial.( )

Àlgebra lineal (Mètodes Matemàtics I) Enginyeria Química Curs 2002/03 Prova parcial.( ) Àlgebra lieal (Mètodes Matemàtics I) Egiyeria Química Curs 00/03 Prova parcial.(--00) I. Propietats bàsiques dels ombres.. Quis elemets so {x R tal que (x ) (x + ) 3}?( put) com el valor absolut compleix

Más detalles

NOM: COGNOM: (Contesteu cada pregunta en el seu lloc. Expliciteu i justifiqueu els càlculs) Problema 1 (B4)

NOM: COGNOM: (Contesteu cada pregunta en el seu lloc. Expliciteu i justifiqueu els càlculs) Problema 1 (B4) NOM: COGNOM: (Contesteu cada pregunta en el seu lloc. Expliciteu i justifiqueu els càlculs) Problema 1 (B4) Els últims anys s han popularitzat els serveis d emmagatzematge al núvol. Hem recollit el temps

Más detalles

2 = = + Es tracta de calcular: CÁLCUL DE LÍMITS ( I ) Resolució: Límits de successions : un quocient de polinomis

2 = = + Es tracta de calcular: CÁLCUL DE LÍMITS ( I ) Resolució: Límits de successions : un quocient de polinomis 1 CÁLCUL DE LÍMITS ( I ) 1. Calcular lim ( 7) (1 0) 7 7 lim ( 7) = lim 1 lim lim 1 = = + Límits de successios : u quociet de poliomis Es tracta de calcular: Podem distigir tres casos A) p > q. Es divideix

Más detalles

Els nombres complexos

Els nombres complexos Els ombres complexos Els ombres complexos Defiició Oposat Represetació Forma bioòmica z = a + bi, o bé z = (a, b) esset a la part real i b, la part imagiària. a = r cos α b = r si α z = a bi Cojugat z

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles