Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )

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

Download "Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )"

Transcripción

1 Apédces

2

3 Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess & Webster 984 para más detalles. La fucó de desdad de probabldad de ua dstrbucó gamma co parámetros y es: S, 2,... es ua muestra procedete de esta dstrbucó, la fucó de máma probabldad, L,, vee dada por: Las estmacoes de máma verosmltud de y, deomadas ˆ y ˆ se obtee mamzado L o ll respecto a y. 0 l L mplca que 0 ˆ / ˆ, ˆ ˆ a dode es la meda de. 0 l L mplca que. 0 ˆ ˆ l lˆ Γ Γ +. / Γ e g / ep, Γ g L { }. l l l l Γ + L

4 358 Apédces ˆ Γ ˆ ep ˆ Γ /. el cocete Γ ˆ / Γ ˆ es coocdo como la fucó dagamma, ψ ˆ dode ψ γ + para úmeros eteros 2, k k ψ γ, y ψ γ + /[ m{ m + }] m costate de Euler , dode es u úmero o etero, sedo γ la Así pues, la solucó se ecuetra cuado se cooce ˆ tal que: ep / { ˆ ψ } ˆ 0, ajustado etoces ˆ ˆ.

5 Apédces 359 Apédce 2. Obtecó de los ídces SADIE Se muestra a cotuacó co ejemplos la obtecó de los ídces de agregacó I a y agrupacó v medate SADIE. La formacó presetada e este apédce srve como complemeto a la descrpcó realzada e el apartado.2.2 págas 3-34 y ha sdo obteda del tutoral de SADIE, que puede descargarse e la pága web: bbsrc.ac.uk/pe/sade. Ua descrpcó más detallada de los fudametos teórcos del método, así como de sus aplcacoes práctcas, puede ecotrarse e Perry & Hewtt 99, Perry 995a, 998 y Perry et al Cálculo del ídce de agregacó I a y de su sgfcacó estadístca E el presete ejemplo se aalza el patró espacal de ua espece e ua malla de 3 3 m Fgura. Este 36 dvduos y ueve udades de muestreo, por lo que para cosegur ua dstrbucó completamete regular cada celda debería teer cuatro dvduos. Lo prmero que hay que hacer es detfcar las celdas que tee ua abudaca superor e feror a este valor, represetadas e el gráfco derecho de la Fgura como las que tee dvduos e grs y u úmero egatvo respectvamete. SADIE utlza u algortmo de trasporte para ecotrar la maera óptma de gualar el úmero de dvduos e todas las celdas mmzado la dstaca total que éstos tee que recorrer. El resultado fal es que todos los putos de muestreo tee el msmo úmero de dvduos Fgura 2. Fgura. Represetacó del úmero de dvduos presete e cada udad de muestreo gráfco de la zquerda y de las celdas que tee más o meos dvduos que la meda gráfco de la derecha.

6 360 Apédces Fgura 2. Utlzado u algortmo de trasporte, SADIE redstrbuye los dvduos desde las celdas que tee u úmero mayor que la meda gráfco de la zquerda haca las que tee u úmero meor, de forma que al fal todas las celdas tee el msmo úmero de dvduos gráfco de la derecha. E la Fgura 3 se muestra u gráfco deomado cal y fal, que proporcoa ua apromacó tutva al patró espacal presete e los datos. Los flujos flechas e la fgura se produce desde las zoas dode la desdad de dvduos es relatvamete elevada gráfco de la zquerda, esqua superor zquerda haca el resto de áreas dode ésta es relatvamete pequeña. S se toma como udad utara la dstaca etre el cetro de dos celdas cosecutvas puede calcularse la dstaca total que se ha desplazado los dvduos e la zoa de estudo, deomada dstaca a la regulardad D, que represeta el mímo esfuerzo requerdo para cambar el patró espacal observado haca u patró regular dode todas las celdas tee el msmo valor. Fgura 3. Gráfco cal y fal. E el cuadrado de la zquerda se ecuetra la dstrbucó orgal de los dvduos, metras que e el de la derecha se ecuetra la dsposcó regular que se alcaza después del movmeto de los dvduos. Los flujos desde las celdas co más dvduos que la meda se ecuetra represetados por las flechas. E este ejemplo, D 3.54 Para calcular la sgfcacó estadístca de la dstrbucó espacal observada, SADIE realza u test de permutacoes véase Legedre & Legedre 998, págas 20-26, para ua

7 Apédces 36 troduccó geeral sobre este tpo de tests. E esta prueba estadístca, los datos so dstrbudos al azar etre los putos de muestreo u determado úmero de veces, usualmete varos cetos o mles, calculádose D co cada uo de estos cambos y obteedo así su dstrbucó de frecuecas Fgura 4. La meda de D obteda e estas permutacoes es de 9.7. La dvsó del valor observado por la meda de las permutacoes produce el ídce de agregacó, I a, que e este ejemplo tee u valor de.48. U test estadístco formal puede obteerse calculado que proporcó de valores de D e la dstrbucó de frecuecas tee u valor gual o mayor al valor observado de D P a. E este ejemplo, P a 0.005, dcado la preseca de ua agregacó altamete sgfcatva. Usualmete, los datos muestra ua dstrbucó agregada s I a >, aleatora s I a y regular s I a < Fgura 4. Dstrbucó de frecuecas de los valores de la dstaca a la regulardad obtedos durate las permutacoes. 2 Cálculo del ídce de agrupacó v y de su sgfcacó estadístca Para lustrar el cálculo del ídce de agrupacó v se va a utlzar la malla de 5 5 m que se muestra e la Fgura 5 gráfco de la zquerda. El gráfco cal y fal de estos datos muestra las udades co valores por ecma y por debajo de la meda e rojo y azul respectvamete Fgura 5, gráfco de la derecha. La mpresó geeral que produce este patró espacal es la esteca de ua tedeca de la zoa NE a la SW de la cuadrícula. La udad de muestreo señalada co u círculo rojo Fgura 5, gráfco de la zquerda, de coordeadas 0, 5, y, se va a deomar a cotuacó como udad A. La meda para el cojuto de datos es de 4.92 Fgura 5, por lo que el flujo total que sale de A es El algortmo de trasporte ecuetra la dstaca míma a la regulardad y dvde este

8 362 Apédces flujo e cuatro udades Fgura 6:.56 haca la udad B, co coordeadas 0,0 e dcada co u círculo verde,.92 haca la udad C, co coordeadas 0,5 y señalada co u círculo rosa, 0.68 haca la udad D, co coordeadas 0,0 y marcada co u círculo amarllo y 0.92 haca la udad E stuada e 5,0 y especfcada co u círculo grs. Fgura 5. Dstrbucó orgal de los datos zquerda y gráfco cal y fal derecha del ejemplo empleado. La meda mea de los datos orgal es La magtud de los flujos flechas rojas e el cuadrado de la derecha dfere, pero por clardad o se tee e cueta e la fgura. Nótese como para cada udad doate abudaca superor a la meda y receptora abudaca feror a la meda aparece más de u flujo. Fgura 6. Reparto de los flujos desde la udad stuada e las coordeadas 0,5. Véase el teto para los detalles.

9 Apédces 363 La magtud del flujo que va desde A a B se deoma υ AB Fgura 7. De forma aáloga, la dstaca etre ambas udades de A a B se desga como d AB. La dstaca meda de flujo desde A flecha de color egro, poderada por la magtud de los flujos dvduales, se utlza como base para calcular u ídce de agregacó para la udad A, Υ A. E este ejemplo, Υ A d AB υ AB + d AC υ AC + d AD υ AD + d AE υ AE /υ AB + υ AC + υ AD + υ AE 63.34/ Así pues, este u valor de Υ para cada ua de las udades doates abudaca superor a la meda, señaladas e rojo e la Fgura 5 y receptoras abudaca feror a la meda, señaladas e azul e la Fgura 5, pero para dstgurlas etre sí éstos últmos tee sgo egatvo. Fgura 7. Represetacó de los flujos dvduales flechas rojas y del flujo medo flecha egra que sale de la udad A. La magtud υ y dstaca d de los flujos dvduales se dca a la derecha. Véase el teto para los detalles. El valor umérco de Υ es u bue dcador de la agregacó porque tede a ser más elevado para ua udad que forma parte de ua macha zoa de abudaca superor a la meda que para ua que tee u valor elevado pero que está rodeada por otras co valores bajos. Así, e la Fgura 8, las udades localzadas e 5,20 y e 5,0 tee el msmo úmero de dvduos, pero Υ es mayor e la prmera. De maera aáloga, para ua udad receptora se esperaría ecotrar u valor de Υ más egatvo s ésta forma parte de u claro zoa de abudaca feror a la meda que s preseta u valor bajo pero está rodeada por udades que tee valores altos. Así, las udades localzadas e 0,0 y e 5,20 tee el msmo úmero de dvduos, pero la prmera forma parte de u claro y su valor de Υ es más egatvo.

10 364 Apédces Fgura 8. Represetacó de los flujos desde/haca udades que forma parte de ua macha y de u claro respectvamete. La magtud de los flujos se muestra a la derecha. Véase el teto para los detalles. Υ A depede de la escala a la que las dstacas so meddas, del valor de cobertura y de su localzacó respecto a otras udades. Para teer e cueta estas característcas, SADIE utlza u ídce de agregacó admesoal, v, obtedo a partr de la relacó Υ A o Υ / A Υ cυ. Para obteer c Υ se calcula la meda de los valores de Υ A que resulta de permutar el valor úmerco de A etre todas las udades muestrales. E la Fgura 9 gráfco de la zquerda se muestra, para ua seleccó de las permutacoes, los vectores de flujo resultates de permutar el valor presete e A. E este ejemplo c Υ 7.46, sedo cosderablemete feror al de Y A E el caso de A Υ, e lugar de segur el valor de A a lo largo de las permutacoes, se evalúa los valores que va sedo asgados a la localzacó espacal de A durate las permutacoes Fgura 9, gráfco cetral. Así, el valor de A Υ se calcula como la meda de los valores absolutos de Υ A obtedos a partr de los valores umércos asgados a A durate las permutacoes. Nótese que e este caso se habla de valores absolutos porque puede asgarse valores ferores a la meda y, por cosguete, el valor de Υ A puede teer sgo egatvo. Sguedo el ejemplo, A Υ 7.20, uevamete feror a Υ A. o Υ se obtee a partr de la meda de A Υ para cada ua de las udades de muestreo Fgura 9, gráfco de la derecha. E este ejemplo, o Υ 7.9, por lo que el valor de v para A fue de 2.47 * 7.9/7.46 * , lo que dca que esta udad se ecuetra detro de ua macha.

11 Apédces 365 Fgura 9. Represetacó gráfca de la obtecó de c Υ, A Υ e oυ. Los vectores de color rojo y azul hace refereca a los flujos de udades doates y receptoras respectvamete. Para smplfcar la mage, o se tee e cueta la magtud de los vectores. Véase el teto para los detalles. Para evaluar estadístcamete el grado de sgfcacó del cojuto de machas y claros Fgura 0, se realza u test de permutacoes dode sus valores medos, V y V j, so comparados co los obtedos durate las permutacoes, tal como ocurre co I a. E este ejemplo, V.28. Dado que sólo el 4.99 % de las permutacoes tuvero u valor gual o más grade, P < Por lo que respecta a los claros, V j.40. E este caso sólo el 2.5 % de las permutacoes tuvo u valor gual o más egatvo, por lo que P < Fgura 0. Localzacó de las machas e rojo y los claros e azul e el ejemplo segudo. El úmero presete e la parte feror de cada celda es el ídce de agregacó, v.

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

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

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

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

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

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

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

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

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

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

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

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

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

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

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

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

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

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

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

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

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

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

Más detalles

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

Estadística aplicada al Periodismo

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

Más detalles

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

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

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

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

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

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

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

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

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

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

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

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

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

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

Esta t d a í d s í titcos o TEMA 3.3

Esta t d a í d s í titcos o TEMA 3.3 TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)

Más detalles

Problemas de Polímeros. Química Física III

Problemas de Polímeros. Química Física III Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9

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

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

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

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

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

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido: Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

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

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

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

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

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

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

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

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

CAPÍTULO II MARCO TEÓRICO

CAPÍTULO II MARCO TEÓRICO CAPÍTULO II MARCO TEÓRICO - - MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

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

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

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

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

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

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

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

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

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

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

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

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

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

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA Grado de ADE. Prmer curso Raquel Mª Álvarez Esteba Descrpcó umérca de ua varable Objetvo: Resumr dsttos aspectos de las dstrbucoes de frecuecas Iterés de los resúmees umércos:

Más detalles

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 PRELABORATORIO: MEDICIÓN - Medr. - Aprecacó. - Meddas drectas. - Meddas drectas. MEDIDAS DE LONGITUD - Cta métrca. - Verer. - Torllo mcrométrco. MEDIDAS DE TIEMPO - Croómetro. Error. - Error sstemátco.

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

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

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

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