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

Download ""

Transcripción

1

2

3

4

5

6 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 dsttas cecas (astroomía, geodesa, etc.), pero e problemas ambetales, bológcos, dustrales es demasado smple. Ua geeralzacó atural que se adapta be a muchos feómeos ambetales es el modelo leal. Supogamos ua varable Y e dode presummos saber que flue ua sere de factores o causas asgables (a, b, c, d,..., ). E esta líea, s Y es el redmeto de ua varable de trgo, las causas asgables puede ser el grado de la humedad del suelo, la temperatura, los fertlzates, etc. E ua prmera aproxmacó podemos admtr que todos estos factores (a, b, c,..., ) so adtvos, podemos escrbr: Y a b c... ε sedo ε el efecto llamado causas o asgables o de azar. S los factores (a, b, c, d,..., ) se matee costates las meddas de Y represetará varacoes que podrá atrburse a u gra úmero de pequeñas causas o dstgubles etre sí, que es lo que coocemos como varacó aleatora o el azar. E deftva, s dspoemos de u expermeto e que medmos Y a veles dferetes de uo o más factores, el couto de meddas obtedas o será homogéeo, so que estará formado por dos o más grupos. Roald Fsher (9) troduo ua técca, coocda como Aálss de la Varaza, para cotrastar esta heterogeedad, para ver s tales factores provoca la varacó que se trata de estudar, o be, se debe atrbur dcha varacó al efecto del azar. E otras palabras, la técca del Aálss de la Varaza trata de separar las compoetes de la varacó que aparece e u couto de datos estadístcos VARIANZA DE UNA MUESTRA HETEROGÉNA Supogamos dos muestras de dos poblacoes dsttas co dsttas medas, pero co la msma varaza. Parece fáclmete compresble que s se mezcla las muestras la varaza aumeta cosderablemete - << Sea dos muestras de extesó, la prmera formada por (9, ) la seguda por (9, ), cuas medas respectvas so 0 0, sedo las varazas. S tomamos ua muestra co todos los valores (9,, 9, ), la meda es 5 la varaza 6 (mu superor a ) >> -. Esta smple observacó es el puto de partda del método coocdo como Aálss de la Varaza, utlzado para cotrastar la hpótess: "varas poblacoes ormales de la msma varaza tee dsttas medas".

7

8

9 μ la respuesta meda del tratameto T La hpótess ula H 0 : μ μ... μ K (La respuesta meda es la msma e los tratametos). La hpótess alteratva H a : μ μ para algú μ la respuesta meda del tratameto T

10 PRINCIPIOS DEL DISEÑO EXPERIMENTAL Realzar u expermeto es varar las codcoes que afecta a las udades expermetales obteer ua varable de respuesta. Cada medcó de la varable de respuesta será ua observacó expermetal, su úmero total es el tamaño del expermeto. Llamamos tratametos o factores a aquellas codcoes expermetales que aplcamos a dsttos veles, que produce valores de la varable de respuesta, a pror, dsttos. El expermeto se efectúa para comprobar s los tratametos tee efectos. Llamaremos udades expermetales a la catdad míma de materal expermetal susceptble de recbr u tratameto a u vel cualquera. E deftva, e u expermeto se aplca uo o varos tratametos o factores a dsttos veles a certas udades expermetales. El resultado de cada observacó elemetal es u valor de la varable de respuesta. ELECCIÓN DE LOS 'I' NIVELES DE LA VARIABLE EXPLICATIVA Nveles Fos, cuado los dsttos tratameto o poblacoes so seleccoados por el expermetador. Por eemplo, se trata de estudar el efecto sobre la prologacó de la vda de dsttos medcametos. Los medcametos so elegdos por el expermetador. Nveles Aleatoros, cuado los dsttos tratameto o poblacoes so seleccoados al azar etre todos los posbles. Por eemplo, cuado se trata de estudar el efecto de u cotamate sobre dsttas razas de perros. Podemos seleccoar al azar los perros de toda la poblacó clasfcar luego por las razas que, al azar, ha aparecdo. E las propedades estadístcas del Aálss de la Varaza ufactoral o ha dfereca etre la seleccó fa o aleatora de los veles.

11 DISEÑO DE EXPERIMENTOS - Las varables explcatvas so cualtatvas - ANÁLISIS DE LA VARIANZA UNIFACTORIAL.- Aalza compara el comportameto de ua varable cotua Y e dsttos veles (poblacoes o grupos o tratametos) de u factor (varable explcatva). Eemplo: La produccó de u cultvo e parcelas guales co dsttos fertlzates. ANÁLISIS DE LA VARIANZA CON DOS FACTORES.- Aalza compara el comportameto de ua varable cotua Y e dsttos veles de varos factores (varables explcatvas) las posbles teraccoes etre ellos. Eemplo: Altura de ua espece de árboles e dsttas regoes dsttos clmas. MUESTRA ALEATORIA Sea Y el resultado que obtedremos e la -ésma observacó detro del -ésmo vel del factor explcatvo:,,...,,,...,, sedo el tamaño de la muestra e el vel - ésmo Cuado todas las muestras tee el msmo tamaño el dseño se llama EQUILIBRADO o BALANCEADO. las observacoes se realzará al azar e depedetemete uas de otras. ESTIMACIÓN DE PARÁMETROS S I. C dode Sr (. ) I ( ) r μ. ± t ( ) α I ; ( ) ( I) σ S χ( I) ; α ( I) r Sr ; χ( I) ;[ ( α ) ] I. C dode S ( ) r I.

12 ANÁLISIS DE LA VARIANZA: CLASIFICACIÓN SIMPLE DE OBSERVACIONES Sea '' grupos de observacoes, dode represeta al grupo represeta el orde detro del grupo El modelo es ua poblacó ( ) μ ε, e dode ε es N( 0, σ), o, lo que es lo msmo, se supoe que las observacoes de la clase E procede de N μ, σ e que σ o depede de, tratádose de cotrastar la hpótess ula H o: H o: Las medas μ so guales, es decr, que o ha dfereca sgfcatva etre los dsttos grupos o clases. Sería el caso, por eemplo, de ver s ha dfereca etre las pezas producdas por '' máquas dsttas, o por ua máqua e dsttas épocas, o los redmetos de dsttas varedades de trgo, o los de ua msma varedad sometda a tratametos dsttos, etc. Clases muéstrales T T.. T.. T Medas muéstrales Medas poblacoales.... μ μ.. μ.. μ

13 El orge del ombre Aálss de la Varaza está e que se puede cosderar la varaza total descompuesta de la sguete forma: ( ) ( ) ( ) a ( ) [( ) ( )] 44 desvacoes tra grupos 44 desvacoes etre grupos a ( ) ( ) ( ) SCT SUMA DE CUADRADOS TOTAL (Varabldad de todos los datos): ( ) SCT SCR a SUMA DE CUADRADOS EXPLICADOS (Etre-Grupos): SCE ( ) varabldad debda a que ha dsttos veles del factor SCR SUMA DE CUADRADOS RESIDUAL (Itra-Grupos): ( ) Varabldad tera detro de cada vel SCE TEST ANOVA La Idea del Test ANOVA es comparar la varabldad etre las medas co la varabldad e el expermeto (varabldad detro de cada grupo) H o : Las respuestas medas so guales e todos los grupos Ho : μ μ... μ H a : Las respuestas medas so dsttas e al meos dos grupos Ha : μ μ para algú,

14 Fuete de varacó Explcada (etre grupos) Resdual (detro de los grupos) Suma cuadrados desvacoes grados de lbertad SCE ( - ) SCR ( - ) Total SCT ( - ) ˆ S e Ŝ r ˆ S Varaza SCE SCR SCT Test F de Fsher- Sedecor F ˆS ˆS e r R Coefcete de Determacó R SCE SCT ˆ Para realzar el cotraste de hpótess bastará teer e cueta que el cocete Se ˆS r grados de lbertad para u vel de sgfcacó fado α. De esta forma, podremos coclur: Se acepta H o cuado F ˆ S e S ˆ r Fα, ( ),( ) Se rechaza H o cuado F ˆ S e S ˆ r > Fα, ( ),( ) F sgue ua α,( ),( ) de ( - ) ( - ) El p-valor asocado al cotraste se defe como el mímo vel de sgfcacó co el que la hpótess ula sería rechazada e favor de la alteratva. COEFICIENTE DE DETERMINACIÓN Ŝ r o srve (porque depede de las udades de medda) para explcar la varabldad e la respuesta. Para ello se utlza el coefcete de determacó ( SCE ) R, proporcó de la varabldad observada e los datos que queda explcada por el modelo SCT

15 COMPARACIONES MÚLTIPLES Cuado al aplcar el test ANOVA se rechaza que las medas so guales, se trata de ecotrar qué grupos so dsttos etre sí hacedo COMPARACIONES MÚLTIPLES ( Pruebas Post hoc) dos a dos. Para ello, exste varas opcoes, sedo la CORRECCIÓN DE BONFERRONI la que más se utlza. Cuado exste evdeca para rechazar la hpótess ula, cabe pregutarse s so guales los veles medos de los grupos (, ). H 0 : μ μ Ha : μ μ co u vel de sgfcacó α Se rechaza la hpótess ula cuado ( α ), ( ) I C Ŝ R ( μ μ ) ( ) ± t ( α ), ( ) Ŝ r > t La varaza se estma co los datos de los DOS grupos de los otros grupos, se utlza la varaza resdual. S ha evdeca para rechazar la hpótess ula deseamos ecotrar qué grupos se dfereca etre sí, habrá que realzar tests para comprobar todos los pares de medas.

16 PRUEBAS Post hoc: TEST DE BONFERRONI Para comparar los grupos dos a dos, aplcamos el test de Boferro, utlzado los tervalos de cofaza I C ( μ μ ) ( ) ± t α, ( ) c Ŝ r a ( μ μ ) ε ( ) ± t Ŝ ( ) α r, c El test múltple de Boferro fado u vel de sgfcacó total tests α c que ha que realzar para comparar todos los pares de medas:, dode c úmero de cotrastes, est decr, el úmero de c Señalar que puede ocurrr que se rechace la hpótess ula H 0 e ANOVA o se ecuetre dferecas etre gú par de medas aplcado el test de Boferro. El test de Boferro es mu coservador, especalmete cuado 'c' es grade. Puede aplcarse otros cotrastes múltples: Test de Tue (cuado el dseño es equlbrado), test de Scheffé (cuado los tamaños muestrales so dferetes, cocde sempre co ANOVA), test de Duett (cuado ha u grupo cotrol), test de Duca,..., etc. Al aplcar el Test de Boferro, ( ) ( ) ( ) μ μ ± I C t Ŝ α r, cuado el CERO o se ecuetra e, c el tervalo, rechazamos la hpótess de que las medas so guales.

17 DISPOSICIÓN DE LOS CÁLCULOS: Famla úmero Observacoes.,...,,,...,, ,...,,. El cálculo de las desvacoes cuadrátcas se abreva co el artfco coocdo: [ SCT SCE SCR ]

18 SUMA DE CUADRADOS TOTAL (Varabldad de todos los datos): SCT ( ) ( ) Por tato, SCT ( ) ( ) suma de cuadrados total SUMA DE CUADRADOS EXPLICADOS (Etre-Grupos): SCE ( ) ( ) ( ) Por tato, SCE ( ) suma de cuadrados explcados (Etre-Grupos)

19 ANÁLISIS ESTADÍSTICO: ANOVA (Cotraste de gualdad de medas) El obetvo es averguar s los tratametos empleados so sgfcatvamete dferetes, esto es, s ha ua dfereca sgfcatva etre los efectos producdos por los tratametos. Para la aplcacó del Aálss de la Varaza co u solo factor (ANOVA I) se tee que verfcar las sguetes hpótess: Que las poblacoes dode procede las muestras sea ormales. Es decr, la varable sgue ua dstrbucó ormal N(μ, σ) para cada. Que las ctadas poblacoes tega la msma varaza (hpótess de homocedastcdad) Lealdad. esto es, que la dfereca de los datos a su meda, e cada vel del factor, se dstrbue alrededor del cero (Gráfco de los Resduos) Que las muestras haa sdo elegdas al azar Se tedrá poblacoes ormales: N(μ, σ), N(μ, σ),..., N(μ, σ) se pretede cotrastar la hpótess ula H o frete a la alteratva H : H o : Las medas poblacoes de dode procede las muestras so guales. Ho μ μ... : μ H a : Las medas poblacoes de dode procede las muestras NO so guales. Ha μ μ : para algú, NOTACIÓN: K úmero de tratametos úmero de elemetos que tee la muestra a la que se aplcó el tratameto. úmero total de elemetos observados valor que toma la varable de respuesta e el elemeto -ésmo de los que se aplcó el tratameto

20 º. Se somete 4 muestras de agua a 4 tratametos de descotamacó dferetes asgados al azar. Para cada muestra se mde u dcador de la caldad del agua (cuato más alto está el dcador, maor es la caldad del agua). E el expermeto, el más efectvo es el tratameto, pero estamos seguros de que los tratametos o so guales?. T T T T Solucó.- E u prcpo, parece ser que el tratameto más efectvo es el. Para aseguraros que los dcadores medos sea realmete dsttos hacemos u test ANOVA. T T T T ŝ, 8,8 6,85,,..., ŝ ( ) ESTIMACIÓN POBLACIONAL DE LOS PARÁMETROS: μ Ŝr ŝ ( ) ( )

21 4 a 4 64 Ŝ r 4 4 [( 4 )(,) ( 6 )( 8) ( 6 )(,8) ( 8 )( 6,85) ] 5,6 a SCR ( ) Ŝ 4 ( ) 4 4, a SCT ( ) ( 4,786087)( 4 ) SCT SCR SCE ( ) ( ) ( ) Advértase que Ŝ SCT Ŝr SCR Ŝe SCE SCE 4 SCE 8 ( ) SCT SCR 40 8 a Ŝ 76 e F Ŝe 76 SCE 8,57 R 0, 67 Ŝ 5,6 SCT 40 r

22 Cálculos: T T T T SCT 4 ( 56) SCT SCR SCE SCR / SCE

23 Fuete de varacó Suma cuadrados desvacoes grados de lbertad Varaza Test F - R Explcada SCE 8 SCE 8 ( - ) Ŝ 76 (etre grupos) e Resdual SCR SCR ( - ) 0 Ŝ 5, 6 (detro de los grupos) r 0 SCT 40 Total SCT 40 ( - ) Ŝ 4, 78 Ŝe 76 F,57 Ŝr 5,6 SCE 8 R 0,67 SCT 40 Se establece la hpótess ula H o : o exste dfereca sgfcatva etre los tratametos. Ŝ Se rechaza H o cuado F e F, ( ), ( ) F,57 F0,05; ; 0, 0984 Ŝ α. Por tato, se rechaza la hpótess ula, r afrmado que o todos los tratametos so guales, co ua fabldad del 95% (vel de cofaza). El porcetae de varabldad explcada es del 67%. Al rechazar la hpótess ula H 0 exste evdeca estadístca de que al meos ua de las μ es dferete de las otras medas. Cabe pregutarse etre que medas ha dfereca sgfcatva. Para comparar los grupos dos a dos, aplcamos el test de Boferro, utlzado el tervalo de cofaza I C ( μ μ ) ( ) ± t Ŝ ( ) α r, c El test múltple de Boferro fa u vel de sgfcacó total α, dode c úmero de cotrastes, es decr, el úmero de c 4 cotrastes que ha que realzar para comparar todos los pares de medas: c 6

24 Los tratametos más efectvos so el el

25

26

27 º. De u certo producto se tomaro muestras lo más parecdas posbles se dvdero e 5 famlas de 4,,,, muestras, que se almacearo bao dferetes codcoes. Se trata de ver co los datos de hdratacó de la tabla aduta s ha dferecas sgfcatvas etre los métodos de almaceae. Método 4 5 8, 7,6 8,4 8, 7,4 7, 8, 6,4 7,9 9,5 0,0 7, Solucó.- Método Cotedo de agua % tamaño muestra 8, , ,69 8, ,5 05,7 05, 7, ,5 06,57 05, 7, ,66 50,5 9, , 50,4 50, , 780, , ,8

28 SCT ,9 769,6, SCT SCR SCE SCR, 7,0 4,0 5 / SCE 776,6 769,6 7, 0 Fuete de varacó Explcada (etre grupos) Resdual (detro de los grupos) Suma cuadrados desvacoes grados de lbertad Varaza SCE 7,0 Ŝe 4 SCR 4,0 Ŝ r 7 SCT, Ŝ SCE 7, 0 ( - ) 4, 75 SCR 4,0 ( - ) 7 0, 6 Total SCT, ( - ), 0 F Test F de Sedecor Ŝ Ŝ e,75 r 0,6,86 Se establece la hpótess ula H o : o exste dfereca sgfcatva e los métodos de almaceae. Ŝ Se acepta H o cuado F e F, ( ), ( ) F,86 F0,05; 4; 7 4, 0 Ŝ α. Por tato, se acepta que o ha dfereca r sgfcatva etre los métodos de almaceae co ua fabldad del 95% (vel de cofaza).

29 º. Quce persoas que se strue e u programa técco so asgadas e forma aleatora a tres tpos dferetes de struccó, todos los cuales se relacoa co el desarrollo de u vel específco de habldad e la lectura de copas helográfcas. La putuacó de las pruebas de redmeto, al coclur la especalzacó, se preseta e la tabla aduta, uto co la putuacó meda de desempeño asocado a cada efoque de struccó. Exste dfereca sgfcatva etre los métodos de struccó empleados?. Método struccó Putuacó de la prueba Putuacó todas las pruebas Putuacó meda de las pruebas A B C Solucó: Método Putuacó prueba tamaño muestra. A B C

30 5 SCT SCT SCR SCE SCR / SCE Fuete de varacó Explcada (etre grupos) Resdual (detro de los grupos) Suma cuadrados desvacoes grados de lbertad Varaza SCE 50 Ŝ r SCR 448 Ŝ SCT SCE 50 ( - ) Ŝe 5 SCR 448 ( - ) 7, Total SCT 698 ( - ) 4 49, 6 F Test F de Sedecor Ŝ Ŝ e 5 r 7,,5 Se establece la hpótess ula H o : o exste dfereca sgfcatva e el método de struccó, es decr, o exste dfereca sgfcatva e las medas muéstrales. Ŝ Se acepta H o cuado F e F, ( ), ( ) F,5 F0,05; ;, 885 Ŝ α. Por tato, se acepta que o ha dfereca r sgfcatva etre las medas muéstrales, co ua fabldad del 95% (vel de cofaza).

31 4º. La tabla aduta represeta el promedo de palabras mecaografadas por muto e dferetes máquas, por dvduos asgados aleatoramete s expereca preva e estas máquas, después del msmo período de struccó. Es sgfcatva la meda de palabras por muto lograda por las tres máquas, co u vel de sgfcacó del 5%?. Máquas Promedo palabras por muto Solucó: Máquas Promedo tamaño muestra palabras/muto ,8 70, , , , 8.. 7, , / SCT , 76, 9

32 SCE 667,8 6064, 0, 7 SCT SCR SCE SCR 76,9 0,7 7, Fuete de varacó Explcada (etre grupos) Resdual (detro de los grupos) Suma cuadrados desvacoes grados de lbertad Varaza SCE 0,7 Ŝ r SCR 7, 9 4, Ŝ SCT , SCE 0,7 ( - ) Ŝe 5, 85 SCR 7, ( - ) 9 47 Total SCT 76,9 ( - ) 7 F Ŝ Ŝ Test F de Sedecor e 5,85 r 4, Se establece la hpótess ula H o : o exste dfereca sgfcatva etre las tres máquas. Ŝ Se acepta H o cuado F e F, ( ), ( ) F 0,7 F0,05; ; 9 4, 565 Ŝ α. Por tato, se acepta que o ha dfereca r sgfcatva etre las tres máquas e térmos de velocdad de mecaografía, co ua fabldad del 95% (vel de sgfcacó del 5%). E realdad, debdo a que la varaza explcada (etre grupos, marca de la máqua) es meor que la varaza resdual (detro de los grupos, error de muestreo), podemos observar que la varabldad etre las tres máquas es meor que la varabldad esperada, dado que o exste dferecas etre las marcas de las máquas.

33 COMPARACIÓN DE POBLACIONES El Test ANOVA trata de comparar la varabldad etre las medas co la varabldad e el expermeto (varabldad detro de cada grupo). 5º. G G G F F F Medas Grupo muestra ( ) G ( ) G ( ) 4 4 G ( ) SCE ( )

34 Grupo muestra G G G ( ) ( ) ( ) a ( ) ( ) ( ) SCT SCR SCE SCT 4444 SCR SCE SCT SCE ( ) ( ) ( ) / SCR SCT SCE ( 64)

35 ( ) ( ) ( ) SCT SCR SCE SCT ( ) (0 ) (9 ) (0 ) ( ) ( ) ( ) ( ) ( ) (4 ) (4 ) ( ) (5 ) 6 SCR ( ) (0 0) (9 0) (0 0) ( 0) ( ) ( ) ( ) ( ) (4 4) (4 4) ( 4) (5 4) 4 SCE ( ) ( ) 4. (0 ) 4. ( ) 4. (4 )

36 Test ANOVA Fuete de varacó Suma cuadrados desvacoes grados de lbertad Varaza Explcada SCE SCE - Ŝ 6 (etre grupos) e Resdual SCR 4 SCR 4-9 Ŝ 0, 444 (detro de los grupos) r 9 SCT 6 Total SCT 6 - Ŝ, 7 F Test F de Fsher- Sedecor R Coefcete de Determacó Ŝe 6 SCE 6 R 0, 89 Ŝ 0,444 SCT 6 ; 9 r Sea la hpótess ula H 0 : Las respuestas medas so guales e los tres grupos. Ŝ e Co ua fabldad del α 0,95 (95%) se acepta H o cuado F( ), ( ) F α, ( ), ( ), etoces: Ŝ r F 9 r Ŝe 6 ; 9 6 > F 0,05; ; Ŝ 0,444 4,565 Se rechaza la hpótess ula, afrmado co ua fabldad del 95% que las respuestas medas so dsttas e al meos dos grupos. El porcetae de varabldad explcada por el modelo es del 89%. Aálogamete, el aálss e el otro grupo:

37 Grupo muestra ( ) F ( ) F ( ) 4 4 F ( ) SCE ( ) Grupo muestra F F F a 64 a

38 ( ) ( ) ( ) a ( ) ( ) ( ) SCT SCR SCE SCT 4444 SCR SCE SCE ( ) ( ) 5840 SCT ( ) SCR SCT SCE Test ANOVA Fuete de varacó Suma cuadrados desvacoes grados de lbertad Varaza Explcada SCE SCE - Ŝ 6 (etre grupos) e Resdual SCR 85 SCR 85-9 Ŝ 6, 9 (detro de los grupos) r 9 SCT 6 Total SCT Ŝ, 7 F Test F de Fsher- Sedecor R Coefcete de Determacó Ŝe 6 SCE 0,05 R 0, 0 Ŝ 6,9 SCT 884 ; 9 r

39 Sea la hpótess ula H 0 : Las respuestas medas so guales e los tres grupos. Ŝ e Co ua fabldad del α 0,95 (95%) se acepta H o cuado F( ), ( ) F α, ( ), ( ), etoces: Ŝ r F 9 r Ŝe 6 ; 9 0,05 F 0,05; ; Ŝ 6,9 4,565 Se acepta la hpótess ula, afrmado co ua fabldad del 95% que las respuestas medas so dsttas e al meos dos grupos. El porcetae de varabldad explcada por el modelo es del %.

40 ESTADÍSTICA Tercer Curso de CC. Ambetales (Uversdad Autóoma de Madrd) MODELOS DE DISEÑO DE EXPERIMENTOS (ANOVA DE UN FACTOR). E u expermeto realzado para comparar la capacdad pulmoar e ños, adultos acaos, se ha obtedo los sguetes resultados: Hacer u estudo completo. Nños 8,4 7,6 7,9 8,0 8, Adultos 8,7 8, 8,5 8, 8,0 Acaos 7,4 7,8 7, 7,6 8,0. Las precptacoes caídas e u país ha dsmudo de maera preocupate durate el últmo año. Ates de tomar gua medda se decde hacer u estudo prevo para saber el desceso de las lluvas se produo de forma homogéea e todo el país. Para ello se seleccoa aleatoramete cco estacoes meteorológcas e cada ua de las cuatro regoes del país, obteédose los sguetes porcetaes de dsmucó de las precptacoes e cada ua de ellas: Regó Este Regó Norte Regó Oeste Regó Sur 0,4,8,,9,8 4, 9,8 4, 5,6 6, 0,7,8 9, 0, 6, 5,0 8,7,0,4,7 (a) Propoer u modelo para comparar los porcetaes de dsmucó de las precptacoes e las 4 regoes. (b) Represetar los datos gráfcamete medate dagramas de putos caas. Se verfca las hpótess?. (c) E qué zoa parece haber dsmudo más las precptacoes?. (d) Obteer la tabla ANOVA.

41 (e) Cotrastar la hpótess ula de que las medas de dsmucó del porcetae de lluvas e el país fuero las msmas e las cuatro regoes (tomar α 0,0). (f) Efectuar comparacoes etre las medas de las dferetes regoes co u vel de cofaza global del 90%.. E u estudo sobre la efectvdad de los métodos para dear de fumar se quere saber cuádo la reduccó meda e el úmero de cgarrllos daros dfere de u método a otro etre hombres fumadores. Para ello se hace u expermeto co fumadores que cosumía 60 cgarrllos daros. Se aplca cada uo de los métodos a 4 de ellos seleccoados aleatoramete. El úmero de cgarrllos que dea de fumar cada dvduo es: Método I Método II Método III (a) Cotrastar medate el aálss de la varaza que la reduccó meda e el úmero de cgarrllos es gual para los tres veles co u vel de sgfcacó α 0,05 (b) Costrur los tervalos de cofaza para la dfereca etre las medas co u vel de cofaza couto de 0,95. Qué coclusoes se puede obteer?. 4. A cotuacó se muestra los datos recogdos por las speccoes e cuatro gasoleras elegdas aleatoramete. Los valores de la tabla reflea los mlímetros que falta para completar u ltro e dsttas medcoes sobre el msmo surtdor de cada gasolera. Gasol. C 7,80 8,00 7,98 8,0 8,00 7,99 8,0 7,90 Gasol. R 8,0 7,75 8,00 7,77 8,0 8,0 8, 8,0 Gasol. S 8,0 7,9 8,0 7,88 8,0 8, 8,56 8,0 Gasol. V 8,05 8,0 7,94 8, 8,0 8,00 7,84 8, Cotrastar la hpótess ula de que la catdad de gasola que se srve por ltro o depede de la gasolera.

42 5. Completar la sguete tabla ANOVA correspodete a la comparacó de 4 grupos co 4 observacoes por grupo: Fuete de varacó Suma cuadrados Grados lbertad Varazas Test F p-valor Etre Grupos 5,9 Resdual 54 Total 6. E u bosque próxmo a ua ceradora los árboles o crece co ormaldad. Se pesa que uos uevos aboos amercaos australaos puede ser la solucó. Para ver s es efectva esta medda se utlza el aboo amercao e u terco de los árboles, el aboo australao e otro terco para el terco restate o se utlza gú aboo. Después de meses se ha obtedo los sguetes resultados sobre el crecmeto e cetímetros de 60 árboles e total: Aboo amercao 6, 57 s 0, 70 Aboo australao 5, 0 s 0, 65 S aboo, 0 s 0, 50 A u vel de sgfcacó α 0,0 Se puede afrmar que se obtee dferecas e los resultados?. E caso ecesaro, efectuar ua comparacó de los crecmetos medos, co u vel de sgfcacó couto de 0,5. 7. E u estudo sobre la cdeca del cácer e la gargata se va a aalzar los resultados obtedos e 0 cudades de más de habtates, e otras 0 cudades de meos de habtates, e 0 pueblos. E cada poblacó se regstra la varable Y 'Número de casos detectados por cada habtates'. Los resultados obtedos se resume a cotuacó: s Cudades grades 0 05, Cudades pequeñas 0 95, Pueblos

43 (a) Aporta estos datos evdeca estadístca de que el hábtat flue e la cdeca del cácer de gargata?. Dar ua respuesta razoada, co ua cofaza del 90%, dcado el modelo la metodología estadístca empleada?. (b) Supoedo que la varaza es la msma e cada uo de los tpos de poblacó, dar ua estmacó sesgada de dcha varaza?. (c) Hallar tervalos de cofaza para estmar smultáeamete las dferecas etre cdecas medas de la efermedad e los tres tpos de poblacó, co ua cofaza couta del 70%. Qué solucoes estadístcas se puede obteer sobre la cdeca meda e los tres tpos de poblacó?. 8. Se estuda ña flueca de los gresos famlares e la tasa de mortaldad e 60 cudades dsttas. Para esto, cosderamos tres veles de gresos (bao, medo alto) obteemos los sguetes resultados: Nvel Bao 4 866, 4 s 94, 596 Medo 40 95, 785 s 04, 844 Alto 6 970, s 498, 795 (a) Descrbr el modelo a usar e el aálss de los datos las hpótess asumdas. (b) Costrur la tabla ANOVA decdr, a u vel 0,0, s el factor flue e la tasa de mortaldad. (c) A vel de couto α 0,05, etre qué veles del factor se detecta dferecas sgfcatvas?.

44

45

46 CALCULADORA: Total E cada Grupo Nños ŝ 0, Adultos , ŝ 0, 085 Ŝ 0,5495 Acaos ,6 ŝ 0, 08

47

48 Test ANOVA Fuete de varacó Explcada (etre grupos) Resdual (detro de los grupos) Suma cuadrados desvacoes grados de lbertad Varaza SCE SCE,6 - Ŝe 0, SCR, Ŝ r 0, 084 SCT Total SCT, Ŝ 0, 5495 F Test F de Fsher- Sedecor R Coefcete de Determacó Ŝe 0,5806 SCE 6,9 R 0, 55 Ŝ 0,084 SCT ; r La proporcó de la varabldad observada que se explca e el modelo es del 5,5%. (R 0,55) Habedo rechazado la hpótess ula, realzamos comparacoes múltples (Pruebas Post hoc) para aalzar s exste dfereca etre algú par de medas. Para ello, se realza el Test de Boferro, fado u vel de sgfcacó total αt α c

49

50 I C ( μ μ ) ( ) ± t Ŝ α r I C ( μ μ ) ( ) ± (,055)( 0,898), ( ) c Test de Boferro Varable Depedete: Idcador de Salud Edad () Nños Edad () Dfereca de medas ( ) 6 Error típco Error típco Ŝ r sgatura Itervalo Cofaza Lmte Iferor Error típco Itervalo Cofaza Lmte Superor Nños Adultos - 0,0 0,8 0, ,596 Acaos 0,8 0,8 0,8-0,796 0,996 Adultos Nños 0,0 0,8 0,8-0,596 0,8596 Adultos Acaos 0,68 0,8 0,09 0,04,96 Acaos Nños - 0,8 0,8 0, ,796 Adultos - 0,68 0,8 -,895 -,96-0,04 Acaos

51

52

53

54

55

56

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

-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

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

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

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

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

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

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

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

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

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

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

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

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

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

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

Más detalles

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

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

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

Más detalles

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

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

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

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

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

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

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

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

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

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

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

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

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

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

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras. Capítulo : Comparacó de varo tratameto o grupo Mucha preguta de vetgacó e educacó, pcología, egoco, dutra ceca aturale tee que ver co la comparacó de varo grupo o tratameto. Ya etudamo como comparar dfereca

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

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

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

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

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

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

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

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

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

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

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

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

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

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

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

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

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

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

Más detalles

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

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

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

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

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

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

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

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

Más detalles

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

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

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

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

13/08/2015 ANÁLISIS DE LA VARIANZA ANOVA. Cajas Negras 1. INTRODUCCION PLANIFICACIÓN DE LA INVESTIGACIÓN ANALISIS DE LA VARIANZA

13/08/2015 ANÁLISIS DE LA VARIANZA ANOVA. Cajas Negras 1. INTRODUCCION PLANIFICACIÓN DE LA INVESTIGACIÓN ANALISIS DE LA VARIANZA 3/08/05 ANÁLISIS DE LA VARIANZA. INTRODUCCION PLANIFICACIÓN DE LA INVESTIGACIÓN COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES Es comú e el estudo de las cecas aturales tomar datos de dos o más muestras,

Más detalles

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

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

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

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

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

PROBABILIDAD Y ESTADISTICA

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

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

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

Más detalles

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

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Análisis de Regresión y Correlación Lineal

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

Más detalles

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

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

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS José Atoo Ordaz Saz María del Carme Melgar Hraldo Carme María Rbo Castaño Departameto de Ecoomía, Métodos Cattatvos e Hstora Ecoómca Uversdad

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

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS MÉTODOS ESTADÍSTICOS ECONOMÉTRICOS EN LA EMPRESA PARA FINANZAS José Atoo Ordaz Saz María del Carme Melgar Hraldo Carme María Rbo Castaño Departameto de Ecoomía, Métodos Cattatvos e Hstora Ecoómca Uversdad

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

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

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

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