Estadística Computacional
|
|
- María Sevilla de la Cruz
- hace 5 años
- Vistas:
Transcripción
1 Estadística Computacional Profesor : Héctor Allende O. Departamento de Informática Universidad Técnica Federico Santa María Estructura del Curso 1.- Introducción. 2.- Análisis Exploratorio de Datos. 3.- Construcción de modelos de probabilidad. 4.- Modelos de incertidumbre. 5.- Contraste de Hipótesis y Estimación. 6.- Modelos Estadísticos Computacionales. 7.- Diseño de Experimentos Capítulo 1 Introducción Qué es la estadística? Ciencia dedicada al estudio sistemático de los datos Transforma datos en información Contribuye a la generación de conocimiento Historia de la estadística : Como ciencia de Estado (2600 A.C.) Como cálculo de probabilidades (siglo XVIII) Rol de la estadística : Proporcionar métodos para evaluar y juzgar la teoría y la realidad USOS Ciencias naturales Ciencias económicas Ciencias políticas y sociales Ciencias médicas etc. ABUSOS Encuestas de opinión Índices económicos Pronósticos La Estadística en la era de la Información Destrezas lectoras para la sociedad del Conocimiento EL PENSAMIENTO ESTADÍSTICO El pensamiento estadístico algún día será parte del ciudadano eficiente, y tan necesario como la habilidad para leer y escribir W. H. WELLS 1
2 DATOS Dos ejemplos de investigaciones estadísticas MODELOS HECHOS TEORÍAS FENÓMENOS INTUICIONES PREGUNTA MODELO Cómo diseñar un equipo de mantenimiento Variables: - Número de averías (x 1 ) - Tiempo reparación (x 2 ) Hipótesis: las averías Se producen independientemente La probabilidad de no avería disminuye exponencialmente con el tiempo Hipótesis:tiempo reparación Depende de muchos pequeños factores Cómo aumentar el rendimiento de un proceso Variables: - Rendimiento en % (y) - Temperatura x 1 - Concentración x 2 Hipótesis: El rendimiento aumenta en promedio linealmente con la temperatura y la concentración Para valores fijos de x 1 y x 2 el rendimiento varía aleatoriamente alrededor de su valor medio RECOLECCIÓN DE INFORMACIÓN ESTIMACIÓN PARÁMETROS CONTRASTES DE SIMPLIFI- CACIÓN CRÍTICA DEL MODELO Muestreo de máquinas para estudiar sus averías y tiempo de reparación Estimar: λ, tasa media de averías µ, tiempo medio de reparación σ, variabilidad en el tiempo de reparación Tienen todos los tipos de máquinas el mismo λ? Los tipos de averías, el mismo µ y σ? Es cierta la independencia entre las averías? Son la variabilidad de x 1 y x 2 en la muestra consistentes con las hipótesis? Diseño de un experimento que se varíen x 1 y x 2 y se mida y Estimar: El efecto de la temperatura (b) y el de la concentración (c) sobre el rendimiento Variabilidad experimental Es el efecto de la temperatura y concentración idéntico (b=c )? Es la relación entre y (x 1, x 2 ) lineal? Es la variabilidad de y para x 1, x 2 fijos, independ. de los valores concretos de x 1, x 2? Problema real Planteamiento del problema Objetos y medios Modelos Estadísticos (Cálculo de probabilidades) Recolección de información muestral (Técnicas de muestreo ; diseño de experimentos) Depuración de los datos (Análisis de datos) Estimación de los parámetros (Teoría de la estimación) Contrastes de Simplificación (Contrastes de hipótesis) Crítica y Diagnosis del Modelo (Análisis de datos) Extrapolativos Estáticos y = µ + u (Primera parte) Dinámicos y = µ + φ y t-1 + u t (Quinta parte) Nuevo Conocimiento Explicativos y = µ + β x + u (Tercera y cuarta parte) y = µ + β x + φ y t-1 + u t (Quinta parte) Previsiones Decisiones 2
3 Muestreo Costo reducido Mayor rapidez Mayores posibilidades (Personal + Equipo) Mayor exactitud APLICACIONES: Mercadotecnia Control de Calidad Encuesta de opinión: Etapas de una encuesta 1. Objetivos de la encuesta 2. Población bajo muestreo 3. Datos que deben ser recolectados 4. Nivel de precisión deseado 5. Métodos de medición 6. El marco ( lista de unidades de muestreo ) 7. Selección de la muestra 8. La encuesta piloto 9. Organización del trabajo de campo 10. Resumen y análisis de los datos 11. Información ganada ( futuro ) Población finita Población infinita Probabilístico Teoría de muestreo Muestreo Definición del conjunto de muestras Asignación de Probabilidad ( π i ) Selección ( π i ) Estimación No Probabilístico Muestreo de aceptación 1. Aceptarlo sin inspección 2. Efectuar inspección 100% 3. Utilizar el muestreo de aceptación CUÁNDO SE UTILIZA 3: Prueba destructiva Alto costo Tecnológicos Poblaciones grandes Muestreo de aceptación VENTAJAS: Menor costo Mejor manejo del producto Menos personal DESVENTAJAS: Existe riesgo Menor información Requiere Planificación y Documentación La estadística en el nuevo mundo: Era Industrial Era de la información Gestión del Conocimiento Datos Estadística Información Problemas que resuelve la Estadística : Análisis de datos (Data Mining) Verificación de hipótesis ( DSS) Patrones de Reconocimiento Predicciones 3
4 Planes de Muestreo Muestreo Aleatorio Simple Muestreo Estratificado Aleatorio Muestreo Sistemático Muestreo por Conglomerado Muestreo Múltiple Sea n : Tamaño de la muestra N: Tamaño de la Población N { S i : i = 1, 2,... } todas las muestras posibles n Si todas las S i tienen igual oportunidad de ser escogidas, se dice que S i es M.A.S. Métodos Estadísticos en DATA MINING Knowledge Discovery in Data Bases (KDD) Es un proceso de identificación de patrones válidos, innovativos, potencialmente útiles, no explícitos y comprensibles a partir de los datos. Etapas del KDD : 1. Data Selection 2. Cleaning 3. Enrichment 4. Coding 5. Data Mining 6. Reporting KDD KDD Information Requirement Data Mining (DM) Feedback Data Bases External Data Data Selection Cleaning: Domain consistency De-duplication Outliers detection Enrichment Etapa de reconocimiento de patrones, a través de algoritmos automáticos o semiautomáticos de grandes bases de datos con el objeto de apoyar a la toma de decisiones dentro de una organización. Coding Data Mining Association Clustering Classification Regression Reporting Action 4
5 Algoritmos en DM DM Existen diversos algoritmos en Data Mining los que se pueden clasificar Machine Learning Pattern Recognition Actividades de Data Mining: Preparación de los datos Aplicación de algoritmos de DM Análisis de datos Algoritmos de DM: Asociación de datos (ANN) Pattern recognition (Time Series) Clustering Clasificación Regresión Pronósticos Aplicaciones de DM Energía: Apoyo a la toma de decisiones en plantas energía eléctrica (centro de despacho de cargas) Medicina: Mejora de diagnósticos y asignación de tratamientos en base a reconocimiento de patrones. Marketing: información demográfica y sistemas georeferenciados, patrones de compra, segmentación de mercados. Finanzas: predicción de valores y riesgo en el mercado de opciones. 5
CONCEPTOS. Capítulo 1: DEFINICIONES Y conceptos Estadística Computacional 1º Semestre 2003
Universidad Técnica Federico Santa María Departamento de Informática ILI-280 CONCEPTOS Capítulo 1: DEFINICIONES Y conceptos Estadística Computacional 1º Semestre 2003 Profesor :Héctor Allende Página :
Más detallesCapítulo 1: DEFINICIONES Y conceptos Estadística Computacional 1º Semestre 2003
Universidad Técnica Federico Santa María Departamento de Informática ILI-280 Capítulo 1: DEFINICIONES Y conceptos Estadística Computacional 1º Semestre 2003 Profesor :Héctor Allende Página : www.inf.utfsm.cl/~hallende
Más detallesUniversidad Técnica Federico Santa Mar ía
Universidad Técnica Federico Santa Mar ía Departamento de Informática ILI-280 Capítulo 1: Definiciones y Conceptos Estadística Computacional I Semestre 2007 Profesores: Héctor Allende ( hallende@inf.utfsm.cl
Más detallesGrado en ESTADÍSTICA APLICADA 258 ECTS
MATERIAS BÁSICAS (60 ECTS) Obligatorio 1.- Descripción y Exploración de datos (ESTADÍSTICA - RAMA) 2.- Azar y probabilidad (ESTADÍSTICA - RAMA) 3.- Estimación I (OB) (ESTADÍSTICA - RAMA) 4.- Software estadístico
Más detallesProf. Angel Zambrano ENERO 2009 Universidad de Los Andes Escuela de Estadística
Prof. Angel Zambrano ENERO 009 Universidad de Los Andes Escuela de Estadística Muestreo: Es una metodología que apoyándose en la teoría estadística y de acuerdo a las características del estudio, indica
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesDiplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
Más detallesDiplomado en Estadística Aplicada Coordinador Académico: Dr. Rubén Hernández Cid
Diplomado en Estadística Aplicada Coordinador Académico: Dr. Rubén Hernández Cid Brindar al alumno los conocimientos y las habilidades que le permitan contar con un panorama tanto teórico como de aplicación
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesUniversidad Técnica Federico Santa María
Universidad Técnica Federico Santa María Departamento de Informática Preguntas Relevantes del Análisis de Datos Capítulo 1: Introducción: Análisis Inteligente de Datos II Semestre 2005 Profesor: Héctor
Más detallesTécnicas de Muestreo I
1 / 39 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM agosto 2018 2 / 39 Temario 1. Introducción. Definición de conceptos elementales 2. Muestreo
Más detallesIntroducción a la Estadística
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Introducción a la Estadística Francisco M. Ocaña Peinado @ocanapaco http://www.ugr.es/local/fmocan Departamento de Estadística e Investigación Operativa.
Más detallesHernández Gaspar, Serafín Ángulo Pineda Fecha de elaboración: 28 de mayo 2010 Fecha de última actualización:
PROGRAMA DE ESTUDIO Probabilidad y estadística Programa Educativo: Licenciatura en Sistemas Computacionales Área de Formación : Sustantiva profesional Horas teóricas: 2 Horas prácticas: 3 Total de Horas:
Más detallesCarrera de Restauración y Museología
Carrera de Restauración y Museología PROCESO DE INVESTIGACIÓN CIENTÍFICA Selección del tamaño de la muestra Selección del método de muestreo Determinación del método de recolección de datos Unidad 3 Tema
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesLA INFORMACIÓN MUESTRA Y RECOLECCIÓN DE DATOS
LA INFORMACIÓN MUESTRA Y RECOLECCIÓN DE DATOS CONCEPTOS BÁSICOS POBLACIÓN O UNIVERSO: Conjunto de todos los casos que concuerdan con una serie de especificaciones. UNIDADES DE ANÁLISIS (UA): Son los casos
Más detallesSílabo de Estadística Aplicada
Sílabo de Estadística Aplicada I. Datos generales Código ASUC 00305 Carácter Obligatorio Créditos 4 Periodo Académico 2018 Prerrequisito Probabilidad y estadística Horas Teóricas 2 Prácticas 4 II. Sumilla
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesGrado en Estadística Guía Académica Universidad de Salamanca
Grado en Estadística Guía Académica 2015-2016 131 TERCER CURSO. CUATRIMESTRE 2 TÉCNICAS ESTADÍSTICAS EN MINERÍA DE DATOS 1. Datos de la Asignatura Código 100726 Plan 2009 ECTS 6 Carácter Optativa Curso
Más detallesEl plan de muestreo. Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi-
El plan de muestreo Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi- Y ahora qué? Cuántas muestras debo tomar? Cuántas veces debo realizar los ensayos?
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS
ANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Porqué muestrear? Para qué muestrear? Estimar parámetros de población Prueba de hipótesis Exploratorio
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesCONCEPTOS BÁSICOS DE ESTADÍSTICA
CONCEPTOS BÁSICOS DE ESTADÍSTICA Jorge M. Galbiati Riesco La Estadística está constituida por un conjunto de métodos de análisis de datos que pueden agruparse en tres categorías: La Estadística Descriptiva,
Más detallesTema 1. Introducción: el modelo econométrico
1. Introducción. a. Qué es la econometría? b. Metodología en Econometría Gujarati, Econometría (2004) páginas 1 a 11 c. Terminología y notación d. Clasificación de los modelos econométricos 1 1. Introducción
Más detallesESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA
ESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA Descripción de la asignatura Estadística I El objetivo de la asignatura es proporcionar al estudiante conocimiento Departamento de Estadística y comprensión
Más detallesINSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detalles(1) Plan de estudios: (2) Nombre de la asignatura: ESTADÍSTICA AVANZADA APLICADA A LA ADMINISTRACIÓN PÚBLICA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO FACULTAD DE CIENCIAS POLÍTICAS Y SOCIALES MAESTRÍA EN ADMINISTRACIÓN PÚBLICA Y GOBIERNO (1) Plan de estudios: (2) Nombre de la asignatura: MAESTRIA EN ADMINISTRACIÓN
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesMUESTREO POR CONGLOMERADOS
MUESTREO POR CONGLOMERADOS UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisión, Cambios y Ampliación: Ing. José Alejandro Marín Fuente Primaria:
Más detallesASIGNATURA BIOESTADÍSTICA. Año académico 2017
ASIGNATURA BIOESTADÍSTICA Año académico 2017 Unidad Temática 1: Unidad 2 Estadística Descriptiva Tema 5 Principios del Muestreo Principios del MUESTREO DEFINICIONES - CONCEPTOS El muestreo es una técnica
Más detallesPROFESIONALES [PRESENCIAL]
SILABO POR ASIGNATURA 1. INFORMACION GENERAL Coordinador: PESANTEZ VICUÑA SAUL FERNANDO(fernando.pesantez@ucuenca.edu.ec) Facultad(es): [FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS] Escuela: [DEPARTAMENTO
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesCUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
Más detallesDiseño Muestreo y Experimental -->fundamental para análisis estadísticos. Escogencia de factores (V. independientes), niveles de factores,
Diseño Muestreo y Experimental -->fundamental para análisis estadísticos Escogencia de factores (V. independientes), niveles de factores, (tratamientos), Unidades de repuesta (replicas), Unidades de muestreo
Más detallesUniversidad de Los Andes Facultad de Ciencias Económicas y Sociales Maestría en Estadística
Universidad de Los Andes Facultad de Ciencias Económicas y Sociales Maestría en Estadística Profesor: Angel A. Zambrano M. Trim: Mayo-Julio 2016 Contenido: Tema 1. Introducción. Conceptos y elementos básicos.
Más detallesLicenciatura en Administración y Comercio Modalidad No Escolarizada NOMBRE DE LA ASIGNATURA ESTADÍSTICA I CLAVE DE LA ASIGNATURA PRIMER SEMESTRE
Licenciatura en Administración y Comercio Modalidad No Escolarizada Programa de Estudios ESTADÍSTICA I NOMBRE DE LA ASIGNATURA ESTADÍSTICA I CLAVE DE LA ASIGNATURA LAC105 CICLO PRIMER SEMESTRE CRÉDITOS
Más detallesEstadística I COMPETENCIAS TRANSVERSALES
ESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA Descripción de la asignatura Estadística I Departamento de Estadística Formación básica Créditos ECTS: 6 Curso: 1 º Cuatrimestre: 2 º Profesores coordinadores:
Más detallesMETODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL
METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL María Pérez Marqués Metodología Seis Sigma a través de Excel María Pérez Marqués ISBN: 978-84-937769-7-8 EAN: 9788493776978 Copyright 2010 RC Libros RC Libros es
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesConceptos básicos de MUESTREO. Área de Epidemiología Básica FCV-UNCPBA
Conceptos básicos de MUESTREO Objetivo Obtener conclusiones válidas para la población, partiendo de una parte pequeña de ésta, denominada muestra Inferencia N n * Población diana: Aquella población de
Más detallesESTADÍSTICA APLICADA PREUNIVERSITARIA. Grado en FACULTAD DE ESTUDIOS ESTADÍSTICOS. CAMPUS DE MONCLOA Avda. Puerta de Hierro s/n UNIVERSIDAD
ORIENTACIÓN PREUNIVERSITARIA FACULTAD DE ESTUDIOS ESTADÍSTICOS CAMPUS DE MONCLOA Avda. Puerta de Hierro s/n Campus de Excelencia Internacional 1 Qué hace un Estadístico? UN ESTADÍSTICO SE ENCARGA DE: DISEÑAR,
Más detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
Más detallesDiseño de la investigación cuantitativa. Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi-
Diseño de la investigación cuantitativa Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi- Diseño de la investigación El diseño de una investigación
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 5 Distribución de la Media Muestral Pedro Elosegui 1 2 Métodos y Distribuciones de Muestreo En estadística nos gustaría contar con los parámetros
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Cuál es la finalidad de las distribuciones muéstrales y del método del muestreo como herramientas básicas de la estadística y qué aplicabilidad tienen en la vida cotidiana? Siendo
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesCOMPETENCIAS ESPECIFICAS
ESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA Descripción de la asignatura Estadística I Departamento de Estadística Formación básica Créditos ECTS: 6 Curso: 1 º Cuatrimestre: 2 º Profesor coordinador: J.
Más detalles19 Código: EST 2 Duración del ciclo en semanas:
Nombre de la Asignatura: ESTADÍSTICA 2 a) Generalidades Número de orden Prerrequisito (s): 19 Código: EST 2 Duración del ciclo en semanas: EST 1 Ciclo Académico: IV Duración /Hora Clase en minutos: Área
Más detallesHerramientas Estadísticas en el Informe de Investigación
DPTO. INVESTIGACIÓN G-MIO GEODE TALLER Investigación científica: hacia un informe de investigación exitoso Herramientas Estadísticas en el Informe de Investigación Prof. Néstor Díaz Herramientas Estadísticas
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
Más detallesPOBLACION MUESTRA TAMAÑO DE MUESTRA
POBLACION MUESTRA TAMAÑO DE MUESTRA REPASO POBLACION o UNIVERSO «Todos los posibles valores de una variable. Estos valores no tienen que ser todos diferentes ni en numero finito. Son ejemplos los pesos
Más detallesPoblación de estudio y muestra
Población de estudio y muestra Curso de Metodología de la Investigación Unidad Docente de MFyC Patricio Suárez Gil La Fresneda (Asturias), 2011 Población de estudio Conjunto de individuos al que se refiere
Más detallesDIPLOMADO EN DATA MINING
DIPLOMADO EN DATA MINING DIPLOMADO EN DATA MINING Los datos que tienen relevancia para las decisiones de gestión, se están acumulando a un ritmo increíble, debido a una serie de avances tecnológicos. La
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática - Curso 2 Pablo Candela Departamento de Matemáticas (despacho 212) Universidad Autónoma de Madrid pablo.candela@uam.es Introducción 1 / 8 Organización
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: INFERENCIA ESTADÍSTICA APLICADA FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesEstadística para Químicos
1 Estadística para Químicos Podemos decir, informalmente, que la estadística es el estudio de la variabilidad. Sus técnicas permiten describirla y plantear hipótesis con el objetivo de comprenderla. Si
Más detallesGUIA DOCENTE ESTADISTICA
1 GUIA DOCENTE ESTADISTICA 1- Datos de identificación Asignatura: Estadística Carácter: Formación básica Titulación: Psicología Ciclo: Grado Curso: 1 Cuatrimestre: Anual Departamento: Metodología de las
Más detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
Más detalles- Si se repite un experimento, en condiciones indistinguibles, los resultados presentan variabilidad.
Introducción Los modelos que vamos a estudiar son usados para averiguar si una o más variables o factores afectan nuestra variable de interés. Ejemplos donde esta disciplina puede ser utilizada son: -
Más detallesDATOS GENERALES. Nombre de la Materia: Estadísticas II. Eje de Formación Básica. Eje de Formación: Clave: 238
U N I V E R S I D A D D E S O N O R A UNIDAD REGIONAL CENTRO DIVISIÓN DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS DEPARTAMENTO DE ECONOMÍA LICENCIATURA EN ECONOMÍA DATOS GENERALES Nombre de la Materia: Eje
Más detallesTEMA 8 EL MUESTREO Y EL TRABAJO DE CAMPO
TEMA 8 EL MUESTREO Y EL TRABAJO DE CAMPO 8.1. El Control de la muestra 8.. La Cantidad / Calidad de la información 8.3. El error muestral y no muestral 8.4. El trabajo de campo 8.5. Los entrevistadores
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER
UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER CARTA DESCRIPTIVA Carrera: INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia:. Titular: Correo electrónico: NUMERO DE UNIDAD:
Más detalles(1)NOMBRE DE LA ASIGNATURA O UNIDAD DE APRENDIZAJE: FINANZAS II
IV CUATRIMESTRE 63 64 (1)NOMBRE DE LA ASIGNATURA O UNIDAD DE APRENDIZAJE: FINANZAS II (2)CICLO: CUARTO CUATRIMESTRE CUATRIMESTRE CERO (3) CLAVE DE LA ASIGNATURA: LMER0419 (4) OBJETIVO(S) GENERAL(ES) DE
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesI. Datos de identificación. Facultad de Derecho. Espacio educativo donde se imparte
I. Datos de identificación Espacio educativo donde se imparte Facultad de Derecho Licenciatura Licenciatura en Medios Alternos de Solución de Conflictos Unidad de aprendizaje Estadística Clave LMA603 Carga
Más detallesUNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA. práctica, Total: 85 Horas a la semana: 5 teoría: 4 prácticas: 1 Créditos:
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA Probabilidad y Estadística 18/01/10 Clave: 214 Semestre: 1 Duración del curso: semanas: 17 horas: 68 de teoría y 17 de práctica, Total: 85 Horas
Más detallesANÁLI L S I I S S I S D E E D ATOS
Muestreo Definición: Es la operación para tomar una muestra del Universo. El objetivo del muestreo es contar con los datos necesarios para estimar parámetros en la población, es decir, poder hacer una
Más detallesINSTITUTO UNIVERSITARIO DE CIENCIAS DE LA SALUD FUNDACIÓN H. A. BARCELÓ
INSTITUTO UNIVERSITARIO DE CIENCIAS DE LA SALUD FUNDACIÓN H. A. BARCELÓ LIC. EN NUTRICIÓN Año: 1 Materia: Síntesis: Contenidos Básicos: Metodología Evaluación: Bioestadística Se presentan conocimientos
Más detallesÍNDICE ÍNDICE DE FIGURAS ÍNDICE DE TABLAS PREFACIO LOS SISTEMAS PRODUCTIVOS SECCIÓN I PREVISIÓN DE LA DEMANDA
ÍNDICE ÍNDICE DE FIGURAS... 15 ÍNDICE DE TABLAS... 21 PREFACIO... 25 1. LOS SISTEMAS PRODUCTIVOS... 29 1.1. Introducción... 31 1.2. Elementos de diseño del proceso... 32 1.2.1. Localización de la planta...
Más detallesServei d Estadística Aplicada
Servei d Estadística Aplicada Asesoramiento experto y consultoría en todos los ámbitos de la Estadística En todo proyecto de investigación, la Estadística Analítica es la pieza clave para procesar información
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesCurso de nivelación Estadística y Matemática
Modelo de Curso de nivelación Estadística y Matemática Pruebas de hipótesis, y Modelos ARIMA Programa Técnico en Riesgo, 2017 Agenda Modelo de 1 2 Asociación Medidas de asociación para variables intervalo
Más detallesCarrera: Quimico Farmacobiólogo Asignatura: Diseño de Experimentos Área del Conocimiento:
Carrera: Quimico Farmacobiólogo Asignatura: Diseño de Experimentos Área del Conocimiento: IDENTIFICACIÓN DE LA ASIGNATURA Generales de la Asignatura: Nombre de la Asignatura: Clave Asignatura: Nivel: Carrera:
Más detallesFICHA DE ASIGNATURA. Título: Estadística Básica y Avanzada.
FICHA DE ASIGNATURA Título: Estadística Básica y Avanzada. Descripción: Esta asignatura permite que el alumno profundice en conocimientos sobre estadística aplicada a las ciencias de la salud y, en concreto,
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
Más detallesSílabo de Estadística II
Sílabo de Estadística II I. Datos Generales Código Carácter A0176 Obligatorio Créditos 4 Periodo Académico 2017 Prerrequisito Estadística I Horas Teóricas: 2 Prácticas: 2 II. Sumilla de la asignatura La
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesDiseño de experimentos
Programa de Matemáticas Diseño de experimentos Índice 1. Generalidades. 2 2. Descripción General 2 3. Justificación 2 4. Propósito General del curso 3 5. Objetivos 3 6. Créditos Académicos 3 7. Contenido
Más detallesPrograma de Asignatura
Departamento de Ingeniería Industrial y de Sistemas Programa: Ingeniería en Sistemas de Información Asignatura: ANALISIS DE DATOS EN INGENIERÍA Clave: 7980 Semestre: Quinto Tipo: Obligatorio H. Teoría:
Más detallesSílabo de Estadística Inferencial
Sílabo Estadística Inferencial I. Datos Generales Código Carácter UC0307 Obligatorio Créditos 4 Periodo Académico 2017 Prerrequisito Probabilidad y Estadística Horas Teóricas 2 Prácticas 4 II. Sumilla
Más detalles1) Inferencia estadística
1) Inferencia estadística Programa sintético INFERENCIA ESTADÍSTICA Datos básicos Semestre Horas de teoría Horas de práctica Objetivos Horas trabajo adicional estudiante Créditos IV 1 2 1 4 El estudiante
Más detallesFACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017
FACULTAD DE RECURSOS NATURALES INGENIERÍA ZOOTECNISTA PROGRAMA DE ESTADÍSTICA Y BIOMETRÍA AÑO 2017 Titular: Ing Inés González de Rubiano (gonrubi@arnet.com.ar) JTP: Lic. Gladis Mazza (gladismazza@gmail.com)
Más detallesMUESTREO. Muestreo probabilístico (Aleatorio, Sistemático, estratificado, por conglomerados) y Muestreo no probabilístico Msc.
MUESTREO Muestreo probabilístico (Aleatorio, Sistemático, estratificado, por conglomerados) y Muestreo no probabilístico Msc. Lácides Baleta MUESTRA Una muestra es un subconjunto de casos o individuos
Más detallesEstadística. Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Licenciatura en Informática IFM - 0411 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesNaturaleza.- Asignatura teórico práctica, perteneciente al área de estudios específicos.
III CICLO MATEMÁTICA III Propósito : Lograr que el estudiante aplique la teoría de ecuaciones diferenciales a problemas concretos, los resuelva e interprete los resultados. Contenido.- Espacios vectoriales,
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesEstadística Curso
GUIA DOCENTE DE LA ASIGNATURA Estadística Curso 2014-2015 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Formación Básica Estadística 1º 2º 6 (4.5T + 1.5P) Obligatoria PROFESOR Grupos C y E: Dr. Francisco
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesCálculos de Poder. Pablo Lavado Universidad del Pacífico
Cálculos de Poder Pablo Lavado Universidad del Pacífico Qué es poder estadístico? Qué es poder estadístico? Beta= Impacto Qué es poder estadístico? Beta= Impacto Qué es poder estadístico? Beta= Impacto
Más detalles1. Dar a conocer los fundamentos del razonamiento científico y la investigación clínica y epidemiológica
Módulo 1. Métodos de investigación clínica y epidemiológica del módulo 1. Dar a conocer los fundamentos del razonamiento científico y la investigación clínica y epidemiológica 2. Capacitar al alumno para
Más detallesEstadística. Carrera: AGM Participantes Representante de las academias de Ingeniería Agronomía de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Ingeniería en Agronomía AGM 0614 3 2 8 2. HISTORIA DEL PROGRAMA Lugar
Más detalles