Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

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

Download "Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!"

Transcripción

1 Ete documeto e de ditriució gratuita llega gracia a Ciecia Matemática El maor portal de recuro educativo a tu ervicio!

2 Itituto Tecológico de Apizaco Departameto de Ciecia Báica INTITUTO TECNOLÓGICO DE APIZACO DEPARTAMENTO DE CIENCIA BÁICA ETADÍTICA ADMINITRATIVA II (Liceciatura e admiitració) M. e C. JOÉ LUI HERNÁNDEZ GONZÁLEZ (~ alt 6) Eviar la tarea al correo: tareajlhg@ahoo.com Alum.: No. Lita: Apizaco Tla., Agoto/Diciemre 7 Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález

3 Itituto Tecológico de Apizaco Departameto de Ciecia Báica ETADÍTICA ADMINITRATIVA II (Liceciatura e admiitració) OBJETIVO GENERAL DEL CURO. Aalizará aplicará cocepto técica de la proailidad etadítica decriptiva e iferecial e la olució de prolema e área de u competecia. Pruea de Hipótei. Hipótei etadítica. Cocepto geerale. Errore tipo I II.3 Pruea uilaterale ilaterale.4 Pruea de ua hipótei: referete a la media co variaza Decoocida utilizado la ditriució ormal t tudet.5 Do muetra: pruea ore do media utilizado la ditriució Normal t tudet..6 Ua muetra: pruea ore ua ola proporció.7 Do muetra: pruea ore do proporcioe.8 Do muetra: pruea pareada Pruea de la odad del ajute aálii de variaza. Aálii Ji-Cuadrada.. Pruea de idepedecia.. Pruea de la odad del ajute..3 Tala de cotigecia. Aálii de variaza.. Iferecia ore ua variaza de polació (Aova)... Iferecia ore la variaza de do polacioe (Aova)..3 Paquete computacioal 3 Aálii de regreió, correlació lieal imple múltiple 3. Etimació mediate la líea de regreió 3.. Diagrama de diperió 3.. Método de míimo cuadrado 3..3 Iterpretació del error etádar de la etimació 3..4 Itervalo de predicció aproimado 3..5 Aálii de correlació 3..6 Paquete computacioal para la olució de prolema 3..7 Regreió múltiple aálii de correlació 3..8 Uo de variale ficticia 3..9 Reiduale gráfica de reiduale 3.. Iterpretació del itervalo de cofiaza. 3.. Uo del coeficiete de determiació múltiple 3.. Paquete computacioal para la olució de prolema. Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález

4 Itituto Tecológico de Apizaco Departameto de Ciecia Báica 4 erie de tiempo 4. Modelo cláico de erie de tiempo 4. Aálii de tedecia 4.3 Aálii de variacioe cíclica 4.4 Medició de variacioe etacioale 4.5 Aplicació de ajute etacioale 4.6 Proótico aado e factore de tedecia etacioale 4.7 Proótico, ciclo e idicadore ecoómico 4.8 Promedio móvile 4.9 uavizació epoecial como proótico 4. Aplicacioe del paquete computacioal 5 Etadítica o paramétrica. 5. Ecala de medició 5. Método etadítico cotra o paramétrico 5.3 Pruea de corrida para aleatoriedad 5.4 Ua muetra: pruea de igo 5.5 Ua muetra: pruea de Wilcoo 5.6 Do muetra: pruea de Ma-White 5.7 Oervacioe pareada: pruea de igo 5.8 Oervacioe pareada pruea de Wilcoo 5.9 Varia muetra idepediete: pruea de Krukal-Walli 5. Aplicacioe del paquete computacioal Etadítica II (Lic. e Admiitració) pag. 3 M. e C. Joé Lui Herádez Gozález

5 Itituto Tecológico de Apizaco Departameto de Ciecia Báica PRUEBA DE HIPÓTEI. Detro de la iferecia etadítica e ecuetra la pruea de hipótei, cuo ojetivo e proar o comproar i la afirmació que e hace ore u parámetro polacioal aado e cocluioe oteida de ua muetra e correcta o icorrecta. Hipótei etadítica. E ua propoició o upoició que e hace ore lo parámetro de ua ditriució de proailidad de ua variale aleatoria. Dicha hipótei puede er verdadera o fala, por lo que e puede aceptar o rechazar. Pruea de hipótei etadítica. E el procedimieto empleado para decidir i e acepta o e rechaza por u veracidad o faledad, ua hipótei etadítica tamié e le cooce como eao de igificació, regla de deciió ó cotrate de hipótei. u ojetivo e evaluar propoicioe o afirmacioe que e hace acerca de lo parámetro polacioale aado e etadítico muetrale co u grado o ivel de igificacia determiado. Hipótei ula e hipótei alterativa. E ua pruea de hipótei de igificació e platea do tipo de hipótei ecluete, llamada hipótei ula e hipótei alterativa. La hipótei ula eprea que ua propoició e verdadera, mietra que la hipótei alterativa afirma que e fala ó vicevera. H o hipótei ula H hipótei alterativa Ejemplo: H o µ.68 H µ.68 H µ <.68 H µ >.68 H o µ 4 H µ > 4 H µ < 4 H µ 4 Etadítica II (Lic. e Admiitració) pag. 6 M. e C. Joé Lui Herádez Gozález

6 Itituto Tecológico de Apizaco Departameto de Ciecia Báica Errore tipo I tipo II. E el proceo de emplear ua muetra para formar ua deciió polacioal e ua pruea de hipótei, podemo cometer do equivocacioe, al rechazar ua hipótei verdadera o al aceptar ua hipótei fala; eta equivocacioe e cooce como: a) Error tipo I. e comete cuado e rechaza ua hipótei que por er verdadera deería er aceptada. ) Error tipo II. e comete cuado e acepta ua hipótei que por er fala deería er rechazada. Bue etudiate Mal etudiate Aproarlo Deciió correcta Error tipo II Repoarlo Error tipo I Deciió correcta Nivel de igificacia ivel de cofiaza. El ivel de igificacia e refiere a la proailidad α de cometer error tipo I, e decir, rechazar ua hipótei verdadera. El ivel de cofiaza e refiere a la proailidad - α de aceptar ua hipótei verdadera. H verdadera H fala e acepta Ho Deciió correcta ( α) Error tipo II (β) e rechaza Ho Error tipo I (α) Deciió correcta ( β) Procedimieto para realizar ua pruea de hipótei..- Del feómeo etadítico a proar. e etalece la hipótei ula H o, la hipótei alterativa H..- e epecifica la proailidad del error tipo I (α) como ivel de igificacia α como ivel de cofiaza. 3.- e eleccioa el tamaño de la muetra, la fució de ditriució de proailidad el etadítico muetral que irva de ae para la regla de deciió coocido como etadítico de pruea. 4.- e determia lo valore crítico que limita la regió de aceptació de la regió de rechazo (que depederá del valor de α de la hipótei alterativa). Etadítica II (Lic. e Admiitració) pag. 7 M. e C. Joé Lui Herádez Gozález

7 Itituto Tecológico de Apizaco Departameto de Ciecia Báica 5.- i el valor del etadítico muetral cae detro de la regió de rechazo, rechazamo H o, deido a que la proailidad de oteer ee valor del etadítico muetral cuado H o e cierta o verdadera, e ta pequeño que o dee atriuire a errore de muetreo, lo que o coduce a deducir que H o e fala. 6.- Dar cocluió acerca del prolema /o formar ua deciió. Hipótei uilateral ilateral. Al realizar ua pruea de hipótei uetro iteré puede etar e el valor etremo de u olo lado de la ditriució, o e amo lado. E el primer cai, la pruea e deomia uilaterale o de ua cola; e el egudo cao e cooce como ilaterale o de do cola. E lo eao uilaterale la regió de rechazo e úica a u lado de la ditriució co u área determiada por el valor de α. E la ilaterale la regió de rechazo el área e determia dividiedo el ivel de igificacia e do parte iguale. BILATERAL Zoa de aceptació Zoa de rechazo Zoa de rechazo α/ α α/ UNILATERAL > Zoa de aceptació Zoa de rechazo α α UNILATERAL < Zoa de rechazo Zoa de aceptació α α Etadítica II (Lic. e Admiitració) pag. 8 M. e C. Joé Lui Herádez Gozález

8 Itituto Tecológico de Apizaco Departameto de Ciecia Báica Etadítica II (Lic. e Admiitració) pag. 9 M. e C. Joé Lui Herádez Gozález H Etadítico de pruea Ditriució ormal µ µ z σ µ Ditriució t µ µ t µ ;v Ditriució ormal µ µ d σ σ coocida d ) ( z σ + σ Ditriució t µ µ d σ σ decoocida p d ) ( t + ; ) ( ) ( p + + Ditriució t µ µ d σ σ decoocida d ) ( t + ; + + v Ditriució ormal p p ) p ( p p z Ditriució ormal p p + pˆqˆ ) pˆ (pˆ z ; pˆ + + Ditriució χ σ σ ) ( σ χ Ditriució F σ σ f

9 Itituto Tecológico de Apizaco Departameto de Ciecia Báica ANÁLII DE REGREIÓN E INTERPOLACIÓN La fucioe que repreeta u cojuto de dato puede er o o poliomiale. Lo método má utilizado para ajutar curva a u cojuto de puto o: a) Iterpolació poliomial. Coite e ecotrar ua fució que pae eactamete a travé de cada uo de lo puto. ) Aálii de regreió. Coite e ecotrar ua fució que e ajute a lo puto pero o eceariamete pae a travé de ello. a) ) ANÁLII DE REGREIÓN Y CORRELACIÓN El aálii de regreió trata de etalecer ua relació fucioal etre variale proporcioa u mecaimo de predicció o prootico e realidad lo que e requiere e etimar: µ α+ β La relacioe que e puede etalecer depediedo del úmero de variale idepediete o: Aálii de regreió imple. e etalece cuado la variale depediete eta e fució de ua úica variale idepediete. f() Aálii de regreió múltiple. e etalece cuado la variale depediete, e determia o eta e fució de má de ua variale depediete. f(,,..., ) Para el cao de regreió lieal imple teemo que Ŷ a+ Dode Ŷ e cooce como etimada, por implicidad ecriiremo: a + Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález

10 Itituto Tecológico de Apizaco Departameto de Ciecia Báica DIAGRAMA DE DIPERIÓN E la grafica que repreeta u cojuto de pare ordeado o dato oervado que decrie la relació que eite etre ello. ANÁLII DE REGREIÓN La fucioe matemática empleada o la iguiete.. Fució lieal a +. Fució cuadrática a + + c ANÁLII DE REGREIÓN LINEAL Ua vez elegida la fució matemática que mejor repreete al feómeo, e requiere de u método etadítico para etimar lo parámetro o valore umérico que podere la relació etre variale, eite vario método pero el mejor e el de míimo cuadrado. El modelo matemático má imple de ua aproimació por míimo cuadrado, e el ajute de ua líea recta a u cojuto de pare ordeado (, ). a + + e e Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález

11 Itituto Tecológico de Apizaco Departameto de Ciecia Báica Para oteer la mejor líea a travé de lo dato e dee miimizar la uma de lo errore reiduale al cuadrado. e a r e r ( a ) derivado repecto a a repecto a r a r ( a ) ( a ) Ha u míimo o máimo igualado la do ecuacioe a cero. i a e decir a a+ a+ a+ a + a Reolviedo el itema de ecuacioe a ( ) ( ) Para la iferecia tamié e eceario calcular: Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález

12 Itituto Tecológico de Apizaco Departameto de Ciecia Báica i i i ( ( ( i i i ) ) )( i ) ( ) ( ) ( )( ) E ( ˆ) Etimador iegado de la variaza Ejemplo: Realizar el ajute lieal para el iguiete cojuto de dato Cálculo de lo coeficiete a. (47)() ()(7) 47 a 49.4 (5)() () 5 Etadítica II (Lic. e Admiitració) pag. 3 M. e C. Joé Lui Herádez Gozález

13 Itituto Tecológico de Apizaco Departameto de Ciecia Báica (5)(7) ()(7) 35.7 (5)() () Calcular el valor de para cuado.5. Cuado.5 (.) (.5) (.5) ANÁLII DE CORRELACIÓN No permite determiar cuatitativamete el grado de relació que eite etre la variale. Para medir el grado de ajute de ua líea a u diagrama de diperió uamo: a) Coeficiete de determiació. Repreeta la proporció de la variailidad total de la muetra aleatoria alrededor de i r Idica u ajute perfecto i r Idica u ajute deficiete o ulo r ) Coeficiete de correlació. Mide la aociació lieal etre la do variale. ( r ( ) ( ) )( ( ) ) r O Etadítica II (Lic. e Admiitració) pag. 4 M. e C. Joé Lui Herádez Gozález

14 Itituto Tecológico de Apizaco Departameto de Ciecia Báica r R r r ((5)() r ((5)(7) ()(47)) ( ) )((5)(777) ( 47) r ).936 r REGREIÓN CUADRÁTICA Por medio de míimo cuadrado podemo ajutar a la ecuació a + + c Co u procedimieto imilar al aálii de regreió lieal oteemo lo valore de a, c. a+ c ; a + c ; Ejemplo: Realizar el ajute cuadrático para el iguiete cojuto de dato Etadítica II (Lic. e Admiitració) pag. 5 M. e C. Joé Lui Herádez Gozález

15 Itituto Tecológico de Apizaco Departameto de Ciecia Báica 4 a c 5 a 47 ; 34 c 565 a 39.57; 7. 7 ; c 5.7 a + + c (.5) (.5) + 5.7(.5) INFERENCIA EN EL ANÁLII DE REGREIÓN Uualmete e realiza iferecia ore α β. Itervalo de cofiaza para β U itervalo de cofiaza para (-α)% para el parámetro β e la líea de regreió µ α+ β e / k tα / <β< + t α / Dode t α/ e u valor de la ditriució t co - grado de liertad. H : β H : β Pruea de hipótei ore la pediete Etadítica II (Lic. e Admiitració) pag. 6 M. e C. Joé Lui Herádez Gozález

16 Itituto Tecológico de Apizaco Departameto de Ciecia Báica e requiere de utilizar la ditriució t co - grado de liertad etalecer ua regió crítica aado e Procedimieto de aálii de variaza β t Coite e udividir la variació total de la variale depediete () e compoete igificativo que e oerva e trata de maera itemática. upoga que e tiee puto de dato eperimetale e la forma acotumrada (i,i) que e etima la líea de regreió. La variaza (σ ) del cojuto de puto, e puede calcular co: + E La formula alterativa e: i ( i ) (ˆ i ) + (i ˆ ) i i Co lo que e logra ua partició de la uma total de cuadrado de e do compoete. T R + R R e la uma de cuadrado de regreió refleja la catidad de variació e lo valore, eplicado por el modelo. E e la uma de cuadrado del error, que refleja la variació alrededor de la líea de regreió. R Bajo la codició de que β, e puede demotrar σ E o valore de variale χ σ T Idepediete co l - grado de liertad, repectivamete, por lo tato e igue que σ tamié e u valor de χ co grado de liertad. Para realizar eta pruea teemo: R f l E R e rechaza H al ivel de igificacia α cuado f > f α(l,-) Etadítica II (Lic. e Admiitració) pag. 7 M. e C. Joé Lui Herádez Gozález

17 Itituto Tecológico de Apizaco Departameto de Ciecia Báica El reume e preeta e ua tala de aálii de variaza. ANÁLII DE VARIANZA Grado de liertad uma de cuadrado ( ) Promedio de lo cuadrado R Regreió R E Reiduo E T R Total T F R Valor crítico de F Itercepció Coeficiete Error típico Etadítico t Proailidad Iferior 95% a Ejemplo: Lo iguiete dato e otuviero de la medició de u prolema de caída lire ajo cierta codicioe de laoratorio. Ajute u modelo de regreió lieal. T d Lo reultado co la herramieta de regreió de Ecel o: Reume Etadítica de la regreió Coeficiete de correlació múltiple Coeficiete de determiació R^ R^ ajutado Error típico Oervacioe 9 Etadítica II (Lic. e Admiitració) pag. 8 M. e C. Joé Lui Herádez Gozález

18 Itituto Tecológico de Apizaco Departameto de Ciecia Báica ANÁLII DE VARIANZA Grado de liertad uma de cuadrado Promedio de lo cuadrado F Valor crítico de F Regreió E-6 Reiduo Total Itercepció Aálii de lo reiduale Oervació Coeficiete Error típico Etadítico t Proailidad Iferior 95% uperior 95% E Proótico 6 Reiduo Reultado de dato de proailidad Reiduo etádare Percetil Curva de regreió ajutada Gráfico de lo reiduale Gráfico de proailidad ormal Etadítica II (Lic. e Admiitració) -4 pag. 9 M. e C. Joé Lui Herádez Gozález Reiduo -6 Muetra percetil 6

19 Itituto Tecológico de Apizaco Departameto de Ciecia Báica Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález ANÁLII DE REGREIÓN MÚLTIPLE E la maoría de lo prolema e requiere de má de ua variale idepediete para u modelo de regreió, por lo cual e hace eceario coiderar que: k k Aplicado míimo cuadrado podemo calcular lo coeficiete )... ( r k k Derivado repecto a cada uo de lo coeficiete, e igualado a cero oteemo u cojuto de k+ ecuacioe k k k k k k k k k M M M M M M Reolviedo el itema de ecuacioe oteemo lo coeficiete de. Ejemplo. Realizar u aálii de regreió múltiple para lo iguiete dato Formamo u itema de 33.

20 Itituto Tecológico de Apizaco Departameto de Ciecia Báica Reolviedo la ecuacioe teemo (4,5) (4) +.53(5) 7.77 E termio de matrice e puede eprear como A (X X) X AX X gx Reolviedo A g (X X) X Iferecia e la regreió lieal múltiple a) Itervalo de cofiaza para la repueta prooticada Ua de la iferecia má útile qu e puede hace e relació a la catidad de la repueta prooticada que correpode a lo valore,,, k e el itervalo de cofiaza ore la repueta media µ Y,,..., para el cojuto de codicioe. k ˆ tα / ' (X' X) <µ Y,,..., < ˆ + t / ' (X' X) k α Dode t α/ e el valor de la ditriució t co k grado de liertad. E k E O YY R Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález

21 Itituto Tecológico de Apizaco Departameto de Ciecia Báica ( Y) ( Y) E Y' Y βˆ' X' Y' úmero de dato de la muetra k úmero de variale idepediete dode Y ' Y Y La catidad ' (X' X), e llama error etádar de predicció por lo geeral e calcula e u programa de computadora. ) Itervalo de predicció para ua ola repueta ˆ tα / + ' (X' X) < < ˆ + tα / + ' (X' X) Dode t α/ e el valor de la ditriució t co k grado de liertad. c) Pruea de hipótei ore lo coeficiete idividuale La icluió de cualquier variale úica e u itema de regreió aumetará la uma de cuadrado de regreió por ello reducirá la uma de cuadrado del error. Por ello e dee decidir i el aumeto e la regreió e uficiete para garatizar u uo e el modelo. E coecuecia el uo de variale i importar puede reducir la efectividad de la ecuació de predicció al aumetar la variaza de la repueta etimada. e acotumra proar H : β j B j H : β j B j e calcula el etadítico t j B c ij j Dode t α/ e el valor de la ditriució t co k grado de liertad. C jj e el elemeto de la diagoal pricipal de la matriz ivera (X X) correpodiete a jj Etadítica II (Lic. e Admiitració) pag. M. e C. Joé Lui Herádez Gozález

22 Itituto Tecológico de Apizaco Departameto de Ciecia Báica Etadítica II (Lic. e Admiitració) pag. 3 M. e C. Joé Lui Herádez Gozález

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA 7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má

Más detalles

Contraste sobre la media de una distribución Normal de varianza conocida

Contraste sobre la media de una distribución Normal de varianza conocida Cotrate de hipótei etadítica E la primera parte de la iferecia etadítica e ha abordado el problema de la etimació de parámetro, e ella e ha vito cómo cotruir etimadore de parámetro poblacioale, e ha iitido

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio

Más detalles

DISTRIBUCIÓN BIDIMENSIONAL

DISTRIBUCIÓN BIDIMENSIONAL DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R

Capítulo 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 detalles

Máquinas Eléctricas I - G862

Máquinas Eléctricas I - G862 Máquia Eléctrica I - G86 Tema 3. Máquia Aícroa o de Iducció. Problema reuelto Miguel Ágel Rodríguez Pozueta Departameto de Igeiería Eléctrica y Eergé5ca Ete tema e publica bajo Licecia: Crea5ve Commo BY-

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA ETADÍTICA (Q) 13 7. TET DE HIPÓTEI PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DECONOCIDA ea X1,..., X ua muetra aleatoria de ua població Normal co media = µ y variaza = σ, N(µ,σ ). upogamo ahora

Más detalles

11 Análisis en el dominio de la

11 Análisis en el dominio de la Aálii e el domiio de la frecuecia Para el etudio de la repueta diámica de lo itema ate ua excitació extera e ha empleado, hata ahora, do método. El primero e realizaba e el domiio del tiempo a travé de

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 2.004-2.005 - CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL Alejadro Quiroz Zárate & Erique Villa Diharce Comuicació Técica No I-06-3/28-08-2006 (CC/CIMAT) Determiació del

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS Diapoitiva. Cocepto y caracterítica de lo activo fiaciero 2. Reta variable, tipo y criterio de valoració 3. Reta fija, tipo y criterio de valoració 4. Duratió y covexidad de u activo fiaciero de reta fija

Más detalles

Capítulo 7. Simetría Molecular. 1) Elementos y operaciones de simetría. 1.1) Definiciones

Capítulo 7. Simetría Molecular. 1) Elementos y operaciones de simetría. 1.1) Definiciones apítulo 7. Simetría Molecular ) Elemeto y operacioe de imetría.) Defiicioe Se puede obteer mucha iformació cualitativa de la fucioe de oda y propiedade moleculare (epectro, actividad óptica, ) a partir

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

(3.b) MODELOS EXPONENCIALES de COLAS

(3.b) MODELOS EXPONENCIALES de COLAS (.b) MODEOS EXOEIAES de OAS ITRODUIÓ A OS ROESOS DE AIMIETO Y MUERTE. Ecuacioe de euilibrio. odició de E.E. AIAIÓ DE AS EUAIOES DE EQUIIBRIO: a cola M/M/. Ilutració del comportamieto. MODEOS DE OAS EXOEIAES.

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad 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 detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,

Más detalles

Implementación y diseño de mecanismos

Implementación y diseño de mecanismos Implemetació y dieño de mecaimo Ua de iño cuarteado E el capítulo 3 del Libro de lo Reye del Atiguo Tetameto e relata el coocido como Juicio del Rey Salomó. Do protituta e preeta ate el rey. Ua de ella

Más detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A

Más detalles

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con: TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a

Más detalles

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones

Unidad 1: Las Ecuaciones Diferenciales y Sus Soluciones Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 014 (Geeral Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices A = y

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

Análisis en el Dominio de la Frecuencia. Análisis en el Dominio de la Frecuencia. Sistemas de Control. Análisis en el Dominio de la Frecuencia

Análisis en el Dominio de la Frecuencia. Análisis en el Dominio de la Frecuencia. Sistemas de Control. Análisis en el Dominio de la Frecuencia Aálisis e el Domiio de la Frecuecia Sistemas de Cotrol El desempeño se mide por características e el domiio del tiempo Respuesta e el tiempo es díficil de determiar aalíticamete, sobretodo e sistemas de

Más detalles

T5. Contrastes para los parámetros de una población Normal

T5. Contrastes para los parámetros de una población Normal Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Capítulo III DITRIBUCIOE BIDIMEIOALE 3 Itroducció Etudiaremo do caracterítica de u mimo elemeto de la població (altura peo, do aigatura, logitud latitud) De forma geeral, i e etudia obre ua mima població

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

Matemáticas Financieras

Matemáticas Financieras Matemática Fiaciera Fracico Pérez Herádez Departameto de Fiaciació e Ivetigació de la Uiveridad Autóoma de Madrid Objetivo del curo: Profudizar e lo fudameto del cálculo fiaciero, eceario para u aplicació

Más detalles

Midiendo el Desempeño

Midiendo el Desempeño Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u

Más detalles

LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 20: PRUEBA DE CORRELACIÓN DE SPEARMAN

LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 20: PRUEBA DE CORRELACIÓN DE SPEARMAN LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 0: PRUEBA DE CORRELACIÓN DE SPEARMAN. INTRODUCCIÒN: El coefciete de correlació de Spearma e ua

Más detalles

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6. Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza Módulo de Etadítica Tema 7 : Etimació paramétrica e Itervalo de cofiaza Etimació U etimador e ua catidad umérica calculada obre ua muetra y que eperamo que ea ua buea aproximació de cierta catidad co el

Más detalles

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES.

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES. ECTURA 4: INTERVAOS DE CONFIANZA PARA A MEDIA POBACIONA. INTERVAOS DE CONFIANZA ENTRE DOS MEDIAS POBACIONAES. TEMA 8: INTERVAOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION: Actualmete e debe

Más detalles

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN

LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN Uiveridad Lo Ágele de Chimbote LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION Actualmete e debe etar bie cociete

Más detalles

Inteligencia de redes y comunicaciones. Celestino. Eduardo García Ballestero Julio F. Borreguero Ballesteros

Inteligencia de redes y comunicaciones. Celestino. Eduardo García Ballestero Julio F. Borreguero Ballesteros Iteligecia de rede y comuicacioe Celetio Eduardo García Balletero Julio F. Borreguero Balletero CELESTI 1. Itroducció Cuáta de la peroa que coocemo tiee pareja?, cuáta tiee dificultade para ecotrarla?...ya

Más detalles

Estimaciones Estadísticas: Un Acercamiento Analítico. (Statistical Estimations: An Analitical Approach)

Estimaciones Estadísticas: Un Acercamiento Analítico. (Statistical Estimations: An Analitical Approach) Daea: Iteratioal Joural of Good Cosciece. 5(1) 37-55. ISSN 1870-557X 37 Estimacioes Estadísticas: U Acercamieto Aalítico (Statistical Estimatios: A Aalitical Approach) Badii, M.H. & A. Guille* Resume.

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL ) MEDIA ARITMÉTICA MEDIDAS DE TENDENCIA CENTRAL CON EXCEL Las medidas de tedecia cetral so medidas represetativas que como su ombre lo idica, tiede a ubicarse hacia el cetro del cojuto de datos, es decir,

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 214 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció B Reserva 2, Ejercicio 4, Oció B Reserva 4, Ejercicio

Más detalles

INTRODUCCION Teoría de la Estimación

INTRODUCCION Teoría de la Estimación INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año:

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año: COLEGIO COLOMBO BRITÁNICO DEPARTAMENTO DE MATEMÁTICAS PROGRESIONES/ SECUENCIAS/ SUCESIONES PROFESORES: RAÚL MARTÍNEZ Y JESÚS VARGAS Problema Jua Guillermo ivierte milloe de peo durate año, le pagará a

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

UNIDAD 3 Transformadas de Laplace. { ( )} lim b st ( ) f t = e f t dt

UNIDAD 3 Transformadas de Laplace. { ( )} lim b st ( ) f t = e f t dt UNIDAD 3 Traformada de aplace 3. Defiicioe a traformada de aplace de ua fució f ( t ), repreetada co el ímbolo, e la operació memática defiida mediate la iguiete itegral impropia: { lim b t e dt b Por

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

ELEMENTOS DE ÁLGEBRA MATRICIAL ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5) SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 01 (MODELO 5) OPIÓN A EJERIIO 1_A ( 5 putos) U comerciate dispoe de 100 euros para comprar dos tipos de mazaas A y B. Las del tipo A las compra a 0 60 euros/kg

Más detalles

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece

Más detalles

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+ IES Fco Ayala de Graada Sobrates 009 (Modelo 3 Juio) Solucioes Germá-Jesús Rubio Lua+ MATEMÁTICAS CCSS JUNIO 009 (MODELO 3) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea la igualdad A X + B = A, dode

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 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 detalles

0.- INTRODUCCIÓN HISTÓRICA

0.- INTRODUCCIÓN HISTÓRICA CONTENIDOS:.- INTRODUCCIÓN HISTÓRICA... 1 1.- INTRODUCCIÓN....- INTERVALO DE CONFIANZA PARA LA PROPORCIÓN... 3.- INTERVALO DE CONFIANZA PARA LA MEDIA... 4 4.- ERROR ADMITIDO Y TAMAÑO DE LA MUESTRA... 5

Más detalles

APLICACIONES LINEALES.

APLICACIONES LINEALES. APLICACIONES LINEALES. INTODUCCIÓN: APLICACIONES ENTE CONJUNTOS. Ua aplicació etre dos cojutos A y B es ua regla que permite asigar a cada elemeto de A, uo de B. La aplicació del cojuto A e el cojuto B

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO DOCUMENTO TÉCNICO N 64 Versió 0.1 MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO CONCEPTOS GENERALES MINISTERIO SECRETARÍA GENERAL DE LA PRESIDENCIA Este documeto es parte de ua serie de guías

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En 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 detalles

Pruebas de hipótesis para dos muestras.

Pruebas de hipótesis para dos muestras. Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES 57 3. TET E INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE DO POBLACIONE U test de hipótesis para dos muestras es similar e muchos aspectos al test para ua muestra. e especifica ua hipótesis ula,

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE FÍSICA Y MATEMÁTICAS

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE FÍSICA Y MATEMÁTICAS INSTITUTO OLITÉCNICO NACIONAL ESCUELA SUERIOR DE FÍSICA Y MATEMÁTICAS INTRODUCCIÓN A ROCESOS ESTOCÁSTICOS Y SISTEMAS DE LÍNEAS DE ESERA TESIS QUE ARA OBTENER EL TÍTULO DE LICENCIADO EN FÍSICA Y MATEMÁTICAS

Más detalles