Análisis Estadístico de Datos Climáticos

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

Download "Análisis Estadístico de Datos Climáticos"

Transcripción

1 Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05

2 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua, a sa para vcular varabls alatoras (j., acho d u allo d árbol co la tmpratura), o ua varabl alatora co uo o más factors xtros o alatoros (j. modlar ua tdca co u polomo). S pud utlzar para la prdccó cuado las varabls a rlacoar o so smultáas.

3 Rgrsó lal smpl Estmacó d los parámtros Dstrbucó d los rsduos Tabla ANOVA Bodad dl ajust Aálss d los rsduos Dstrbucó mustral d cofcts d la rgrsó Itrvalos d cofaza d la prdccó

4 Rgrsó lal smpl Dados los pars d valors: (x, ), (x, ).(x, ) s busca ajustar ua rcta d cuacó ŷ â bˆ x (El ajust pud sr más o mos buo, sgú l caso.) =58 Cor = 0.93 x

5 Rgrsó lal smpl x varabl dpdt o prdctor varabl dpdt o prdctado (Las palabras prdctor prdctado v dl lguaj d la stadístca su uso o s db cofudr co l qu l damos p. j., l proóstco mtorológco o clmátco, auqu pud dars s caso també.) No s db supor qu csaramt xst ua rlacó d causaldad tr ambas varabls. ŷ â bˆ x aˆ bˆ so parámtros a stmar

6 Rgrsó lal smpl Es mportat aclarar qu, st cotxto, cuado dcmos qu ajustamos u modlo lal, os stamos rfrdo a laldad los parámtros (a b). El valor d la más alta potca d la varabl prdctora l modlo s llama ord dl modlo. ŷ â bˆ x El modlo s lal ( a b), d ord ŷ â bˆx ĉx El modlo s lal ( a, b c), d ord

7 Estmacó d los parámtros El crtro más habtual para stmar los parámtros s l método d mímos cuadrados. ŷ (x ) â bˆx S busca mmzar ( aˆ bx ˆ Los so los rsduos o rrors ) SSE (suma d rrors cuadrátcos)

8 Estmacó d los parámtros S plata la aulacó d las drvadas parcals rspcto d aˆ bˆ obtédos las solucos: bˆ x x x x E l jmplo: bˆ aˆ aˆ bˆ x x so los promdos d los x La rcta d ajust pasa por l puto x, qu s l ctro d gravdad d la ub d putos

9 Estmacó d los parámtros S cumpl qu: sdo rˆx ˆ (x x)( b (x x ) ) rˆ x s / s x la corrlacó d Parso tr las srs x, s x s las rspctvas dsvacos stádar mustrals Como caso partcular, s las srs so stadarzadas, las s x s val bˆ rˆ x

10 E Matlab: A=[os(58,) 34st5007']; Y=34ov5007'; ab=a\y % rsulv l problma d mímos cuadrados (matrx lft dvso) ab = També s obt l msmo rsultado co: ab=polft(34st5007, 34ov5007,); qu ajusta u polomo d grado. ATENCIÓN: Exst asmtría tr x (s s vrt, o s obt la msma rcta!!)

11 Dstrbucó d los rsduos Supodrmos qu los rsduos (o rrors) so dpdts détcamt dstrbudos (d) co mda 0 varaza σ (gual para todos los ). Admás s sul supor qu los rsduos sgu ua dstrbucó gausaa. E gral, cuatas más hpótss s haga, más rcas srá las coclusos stadístcas qu podrmos xtrar, pro más lmtada srá la aplcabldad dl modlo. Cuato maor sa l tamaño d la mustra (), más s atúa la vtual o gausadad.

12 Dstrbucó d los rsduos Las suposcos atrors mplca qu la dstrbucó d rsduos codcoada a x costat, o dpd d x.

13 Dstrbucó d los rsduos Estmacó d la varaza d los rsduos ŝ - ( s - porqu s stma parámtros, a b.) E l jmplo: 0.8 ˆ s

14 Itrsa aalzar cuáto d la varacó los datos s xplcado por la rgrsó. Para so s df varas sumas d cuadrados: SST ( - ) suma d cuadrados total (o rspcto d la mda) SSR ˆ b x x suma d cuadrados dada por la rgrsó (s buo qu s acrqu a SST) SSE ( ˆ ) S cumpl: SST = SSR + SSE suma d cuadrados d los rsduos E l jmplo atror: SST = 7.47 (ºC) SSR = 6.49 (ºC) SSE = 9.98 (ºC)

15 Tabla ANOVA (ANOVA = Aálss d varaza) Grados d lbrtad Suma d cuadrados Mda cuadrátca Total - SST Rgrsó SSR MSR=SSR/ F=MSR/MSE Rsduos - SSE MSE=s E cada caso, los grados d lbrtad dca cuatos valors dpdts d los valors,,., so csaros para calcular la suma d cuadrados corrspodt. Esta tabla s válda sólo para l caso co parámtros.

16 Para l jmplo: Tabla ANOVA Grados d lbrtad Suma d cuadrados Mda cuadrátca Total 57 SST=7.47 Rgrsó SSR=6.49 MSR=SSR/= 6.49 F=MSR/MSE = 347. Rsduos 56 SSE=9.98 MSE=s =0.8

17 Bodad dl ajust Ha 3 dcadors usuals para la bodad d ajust: ˆ ) MSE s (da u valor promdo d la xacttud dl ajust; lo dal sría MSE=0) ) Cofct d dtrmacó: l por caso val 0, l mjor, val. R SSR SST SSE SST Sólo para l ajust d ua rcta, s cumpl qu R = r x ; l jmplo, R = ) El stadístco F=SSR/MSE (s maor cuato mjor s l ajust)

18 Bodad dl ajust E gral, cuato más crcao a 0 sté l cofct agular b, mos formacó aporta la rgrsó lal o, d otra forma, más débl s la rlacó tr x. bˆ rˆ s / s => b=0 s r x = 0, o s s =0 x x

19 Aálss d los rsduos Es mu covt hacr ua spccó vsual d los rsduos. Adcoalmt s pud hacr u tst para valuar la hpótss ula d qu los rsduos sgu ua dstrbucó gausaa

20 Aálss d los rsduos (para l jmplo) El ajust parc razoablmt buo U tst χ o rchaza la Hpótss d ormaldad al 5%

21 Dstrbucó mustral d cofcts d la rgrsó Los stmadors d a b so ssgados, las hpótss hchas, sus dstrbucos so gaussaas, sdo sus dsvacos stádar rspctvas: σ a σ ( x x - x) / σ b σ ( x - x) / S mbargo, como ŝ s ua stmacó, ha qu usar la dstrbucó t d Studt co - grados d lbrtad.

22 Dstrbucó mustral d cofcts d la rgrsó Por jmplo, para hacr ua pruba qu la hpótss ula sa H0: b = 0, cotra la hpótss H: b 0, s t qu l stadístco t ( sˆ / bˆ - 0 la hpótss ula sgu ua dstrbucó t d Studt co - grados d lbrtad ( x - x) ) E ustro jmplo, obtmos: t = 8.7, qu, co 56 grados d lbrtad, s mu sgfcatva (a mos dl 0.%), por lo qu s rchaza la hpótss ula. Es dcr qu u trvalo d cofaza,dl 99.9% o cot al valor b=0. No ha qu olvdar qu los datos pud o sr dpdts

23 Itrvalos d cofaza d la prdccó Pud trsar hallar trvalos d cofaza para ˆ( x sdo x 0 u valor cualqura, dpdt d los utlzados para costrur l modlo. 0 ) S obt: s ˆ s ( x 0 ( x - x) - x)

24 Itrvalos d cofaza d la prdccó No so rctas! ˆ x 0 ( x 0 - x) t( p ) sˆ ( x - x)

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

4.1 Procedimientos de inferencia para la distribución exponencial

4.1 Procedimientos de inferencia para la distribución exponencial 4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

Más detalles

EXAMEN DE TÉCNICAS CUANTITATIVAS III.

EXAMEN DE TÉCNICAS CUANTITATIVAS III. APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400

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

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

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

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

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

2. Utilizando el método adimensional basado en el factor de calidad Q, determine:

2. Utilizando el método adimensional basado en el factor de calidad Q, determine: Uivrsidad Simó Bolívar Dpartamto d Covrsió y Trasport d Ergía Autor: Eduardo Albaz. Cart: 06-391 Profsor: J. M. Allr Máquias Eléctricas II CT-311 U motor d iducció coxió strlla d 100 kw, 416 V, rdimito

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

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

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

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

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

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

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

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

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

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

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

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

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

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

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

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

1.- Contraste de combinaciones lineales entre parámetros 1.1 Caso General

1.- Contraste de combinaciones lineales entre parámetros 1.1 Caso General Tma 3: l modlo Básco d grsó Lal Múlpl II.- Coras d combacos lals r parámros. Caso Gral. Coras d sgfcacó global.3 Sbcojo d parámros.4 Coras d sgfcacó dvdal. smacó por rvalo d cofaza.- Prdccó mímo cadráca

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

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

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km) 3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34

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

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

Más detalles

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

Automá ca. Capítulo4.RespuestadeRégimenTransitorio

Automá ca. Capítulo4.RespuestadeRégimenTransitorio Automáca Capítulo.RputadRégmratoro JoéRamóLlataGarcía EthrGozálzSaraba DámaoFrádzPérz CarloorFrro MaríaSadraRoblaGómz DpartamtodcologíaElctróca IgríadStmayAutomáca Rputa d Régm ratoro Rputa d Régm ratoro..

Más detalles

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad. 5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.

Más detalles

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS Dpartamto d Matmáticas. IE.S. Ciudad d Arjoa º Bach Socials. LÍMITES Propidads: TEMA : LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS. LÍMITES. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. LÍMITES. RESOLUCIÓN DE INDETERMINACIONES.

Más detalles

F.V. SC gl CM F Bloque Tratamiento Error Total AGRO Examen Parcial 1. Nombre:

F.V. SC gl CM F Bloque Tratamiento Error Total AGRO Examen Parcial 1. Nombre: Exame Parcal 1 Nombre: AGRO 66 1 Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro y la calculadora. Para obteer crédto parcal las respuestas debe ser cosstetes.

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 TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA

ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Estadístca

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

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

Tema IV: Ruidos e Interferencias: Técnicas de reducción.

Tema IV: Ruidos e Interferencias: Técnicas de reducción. SCUA TÉCNICA SUPIO D INGNIOS INDUSTIAS Y D TCOMUNICACIÓN UNIVSIDAD D CANTABIA INSTUMNTACIÓN CTÓNICA D COMUNICACIONS (5º Curso Igría d Tlcomucacó) Tma IV: udos Itrrcas: Téccas d rduccó. José María Drak

Más detalles

Teoría de errores. Tema 4

Teoría de errores. Tema 4 Toría d rrors Tma 4 Tma 4 Toría d rrors 4. El rror rdadro 4. Clasfcacó d rrors Sgú las causas qu los prooca Sgú los fctos qu produc 4.3 Ly d rrors d Gauss Postulados d Gauss y dstrbucó d rrors Valor más

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

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA AIAIÓN DE IMPEDANIAS ON A FEUENIA EN IUITOS DE OIENTE ATENA Fundamnto as impdancias d condnsadors bobinas varían con la frcuncia n los circuitos d corrint altrna. onsidrarmos por sparado circuitos simpls.

Más detalles

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

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

Más detalles

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

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

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

Más detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles

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

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

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

CAPÍTULO 2. Ecuación paraxial de Helmholtz.

CAPÍTULO 2. Ecuación paraxial de Helmholtz. CAPÍTLO Ecuacón paraal d Hlmholt. S dscut la posbldad d vsualar mdant un procsador óptco [1] a las solucons d la cuacón paraal d Hlmholt. Para llo s rala una comparacón d los rsultados obtndos consdrando

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

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

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

Tema 2: Distribuciones bidimensionales

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

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

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

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

ANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE.

ANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE. ANÁLISIS DE LOS REGISTROS DE OBSERVACIÓN. 1. MOAL. I. ESCUELA GRANDE. El mastro impart la matria d Física y al iniciar un tma rscata los sabrs prvios d los alumnos sobr l tma, como s mustra a continuación:

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

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

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov EXAMEN FINA DE I.O.E. (Curo / º Q. Cada d Markov S ha comrobado qu la robabldad d qu u dtrmado artdo olítco ga ua lcco dd d la gaó lo do comco mdatamt atror d la gut forma: gaó la do lcco atror toc 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

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

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

Más detalles

REPRESENTACION GRAFICA.

REPRESENTACION GRAFICA. REPRESENTACION GRAFICA. Calcular puntos notabls así como intrvalos d monotonía y curvatura d: ² - = 0 ; ² = ; = son los valors d qu anulan l dnominador D = R- y () = 0 ; - 4 = 0 ; = 0 posibl ma, min Monotonia:

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

3 Metodología de determinación del valor del agua cruda

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

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

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

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit límit si ist: f f ' lím sigifica lo mismo.

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

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

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

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

REGLA DE L HÔPITAL PARA EL CÁLCULO DE LÍMITES

REGLA DE L HÔPITAL PARA EL CÁLCULO DE LÍMITES Matmáticas II Rgla d L Hôpital REGLA DE L HÔPITAL PARA EL CÁLCULO DE LÍMITES Obsrvación: La mayoría d los problmas rsultos a continuación s han propusto n los ámns d Slctividad.. Dada la función: 8 f (

Más detalles

APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA

APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA E INDEPENDENCIA Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emrsarals Dartamto d Ecoomía Alcada Profsor: Satago d la Fut Frádz APLICACIONES DE LA CHI-CUADRADO: TABLAS DE CONTINGENCIA. HOMOGENEIDAD. DEPENDENCIA

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles