Capítulo 4 APLICACIÓN

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

Download "Capítulo 4 APLICACIÓN"

Transcripción

1 Capítulo 4 APLICACIÓN A travé de ete captulo, e expondrá con la ayuda de do ejemplo, la aplcacón de la prueba DE en lo do tpo de modelo de bloque al azar, poterormente, e explcara el dagrama de flujo, bae para la programacón vía Fortran del objetvo de la te. 4.1 PRUEBA DE PARA OBSERVACIONES N(O, 1). Con el ejemplo expueto a contnuacón, cuyo dato ncale e encuentran en la tabla 4.1, e pretende lutrar de manera enclla, la forma en que el algortmo de la prueba DE funcona en u tarea de probar un contrate. El contrate a probar gualmente e enuncara en la brevedad. Aquí entonce e enunca el ejemplo: Tre dferente olucone para lavar etán endo comparada para medr u efectvdad en el retrao del crecmento de bactera en envae de leche. El anál e hace dentro de un laboratoro, pudéndoe llevar olamente tre prueba por día. Como lo día on una fuente de varabldad que e debe controlar, el nvetgador decde utlzar un deño a bloque al azar. La obervacone e llevaron acabo durante cuatro día y lo dato e preentan a contnuacón tomado de Montgomery (1991), ver tabla

2 Solucón Día 1 3 Y.j meda Y meda meda general Tabla 4.1 Se deea probar el contrate H o : µ 1 µ. De acuerdo a lo reultado de la tabla 4.1, epecífcamente aquello referente a la meda de lo tratamento, el contrate a probar bajo lo térmno de lo etadítco de orden e: E decr, la combnacón lneal: H : µ µ. o () (3) H µ µ 0. o : ( ) (3) Para ncar el algortmo expueto en la eccón 4.3, e debe calcular el CME bajo lo etatuto de un Anál de Varanza o ANOVA, ver tabla 4. ANOVA F.V. SC GL CM Tratamento Bloque Error Total Tabla 4. Poterormente, con el valor del CME, e poble ncar el cálculo del etadítco Pc correpondente al deño orgnal de la tabla 4.1, eté erá útl en la comparacón que podría egún ea el cao, ncrementar el contador de rechazo y por ende, calcular el valor P que e nuetro objetvo. 46

3 El algortmo enuncado en la eccón 4.3, e el guente: Pao 1: Calcular Pc. Pao : Calcular el efecto de bloque β j Y j Y. Pao 3: Contador de rechazo 0. Pao 4: Generar x. obervacone de N(0,1) y agnarla a lo -émo tratamento, 1,...,a. Pao 5: S P. > P. r pao 6, S c c P. P., pao 4. Pao 6: Contador de rechazo Contador de rechazo + 1. Pao 7: Valor P Contador de rechazo / B. c c A partr de ahora e comenza con el procedmento de la Prueba DE, por conecuente e cumple con el algortmo, e realzarán olamente 4 teracone. Pao 1 Etadítco de Prueba P C CME 1 u ( a Pao Efecto de bloque a C C n 1) ( ) 4 ( 1) 0.16 β j Y Y j Bloque Bloque Bloque Bloque

4 Pao 3 Contador de rechazo 0 Como no e ha llevado a cabo abolutamente nnguna comparacón, el valor de eta varable tene un valor de cero. Pao 4 Generar número aleatoro N(0,1) ( teracón 1) Se generan número aleatoro de la N(0,1) y e agnan a lo -émo tratamento como reultado e obtene le deño de la tabla 4.3, cabe eñalar que eto número e obtuveron por con ayuda de Excel. T1 T T3 B B B B Tabla 4.3 Poterormente e realza la uma del efecto debdo a bloque calculado en el Pao del deño orgnal, ea entonce la tabla 4.3 como reultado: T1 T T3 Y. meda B B B B Y.j meda meda general 0.16 Tabla

5 Pao 5 Calcular Pc 1 y comparar Con lo dato mulado y conderando el efecto debdo a bloque, e procede a calcular gualmente el cuadrado medo del error mulado, para tal, e preenta el anál de varanza de la tabla 4.5. ANOVA F.V. SC GL CM Tratamento 0.04 Bloque Error Total Tabla 4.5 Sea entonce el cálculo guente para determnar el valor de Pc 1 de la prmera teracón, cabe eñalar que la comparacón e lleva a cabo tomado en cuenta lo etadítco de orden e decr H o : µ () µ (3), de lo reultado de la meda de lo tratamento de la tabla 4.4, e tene H o : µ 3 µ : ( C ) ( a 1) ( ) u C 1 a C ( 1) P CME 1 n Fnalmente con ete valor e realza la guente comparacón: Pc. 1 P c Dado la condcón de la comparacón, no e ncrementa el contador de rechazo, y como ugere el algortmo, e debe regrear al Pao 4. 49

6 Pao 4 Generar número aleatoro N(0,1) (teracón ) Se generan nuevamente número aleatoro de la N(0,1) y e agnan a lo - émo tratamento, de tal agnacón e obtene la tabla 4.6 T1 T T3 B B B B Tabla 4.6 Poterormente e uma el efecto debdo a bloque, el mmo calculado para el deño ncal, la tabla 4.7 muetra ete reultado: T1 T T3 Y. meda B B B B Y.j meda meda general -0.0 Tabla 4.7 Pao 5 Calcular Pc y comparar Se eta llevando a cabo la egunda teracón del procedmento, nuevamente e procede a calcular el CME para la nueva obervacone mulada, la tabla 4.8, preenta el ANOVA como u repectvo reultado. 50

7 ANOVA F.V. SC GL CM Tratamento 3.40 Bloque Error Total Tabla 4.8 Sea entonce el cálculo guente para determnar el valor de Pc cuenta lo etadítco de orden y u efecto en el calculo de ( C ). u, tomando en ( C ) ( a 1) ( ) u C a C ( 1) P CME 1 n De la comparacón e tene: Pc. > Pc. Por lo tanto, e ncrementa el contador de rechazo, como ugere el algortmo, e debe r al Pao 6 Pao 6 Contador de rechazo 1 5. Se ncrementa en una undad la varable como reultado de la comparacón del Pao S ben e ha cumpldo ca en u totaldad con el algortmo, regreamo al Pao 4 dado que la eñal de paro e cuando alcance la 4 teracone, poterormente e hará el calculo del Valor P. 51

8 Pao 4 Generar número aleatoro N(0,1) (teracón 3) Se generan nuevamente número aleatoro de la N(0,1) y e agnan a lo - émo tratamento, de tal agnacón e obtene la tabla 4.9 T1 T T3 B B B B Tabla 4.9 Poterormente e uma el efecto por bloque, el mmo calculado para el deño ncal, la tabla 4.10 muetra ete reultado: T1 T T3 Y. meda B B B B Y.j meda meda general -0.0 Tabla 4.10 Pao 5 Calcular Pc 3 y comparar En eta tercera teracón del procedmento, nuevamente e procede a calcular el CME para la nueva obervacone mulada, la tabla 4.11, preenta el ANOVA y el reultado: 5

9 ANOVA F.V. SC GL CM Tratamento 9.05 Bloque Error Total Tabla 4.11 Eneguda e calcula el valor de Pc 3, tomando en cuenta lo etadítco de orden y u efecto, de ete modo, e tene: ( C ) ( a 1) ( ) u C 3 a C ( 1) P CME 1 n Al comprar m etadítco orgnal, con el de eta teracón, e tene: Pc. > P. 3 c Por lo tanto, e ncrementa el contador de rechazo, como ugere el algortmo, e debe r al Pao 6 Pao 6 Contador de rechazo del Pao 5. Se ncrementa en una undad má eta varable como reultado de la comparacón teracone. Regreamo al Pao 4 dado que m eñal de paro e cuando alcance la 4 53

10 Pao 4 Generar número aleatoro N(0,1) (teracón 3) Se generan por últma vez número aleatoro de la N(0,1) y e agnan a lo - émo tratamento, de tal agnacón e obtene la tabla 4.9 T1 T T3 B B B B Tabla 4.1 Se procede a conderar el efecto debdo al bloqueo, reultado de dcha modfcacón al deño e muetra en la tabla 4.13 T1 T T3 Y. meda B B B B Y.j meda meda general -0.0 Tabla 4.13 Pao 5 Calcular Pc 3 y comparar ANOVA F.V. SC GL CM Tratamento 0.14 Bloque Error Total Tabla

11 Como ya e ha menconado ante, e calcula el valor de Pc 4 etadítco de orden y u efecto., n olvdar lo ( C ) ( a 1) ) u C 4 a C ( 1) P CME 1 n ( De la comparacón reulta: Pc P.. 4 c Dado la condcón de la comparacón, no e ncrementa el contador de rechazo, como ugere el algortmo, e regrea al Pao 4, n embargo e alcanzado el numero de cuatro teracone, por lo tanto r al Pao 7. Pao 7 El valor P Se defne como el cocente del contador de rechazo obre el número de teracone, de ete modo el valor P e: Contadorderechazo ValorP 0.5 teracone 4 E dfícl determnar un valor exacto con tan reducdo número de teracone, pero e pudo explcar a travé de ete ejemplo y el de la eccón guente con clardad la metodología de la prueba de dferenca etudentzada. 55

12 4. PRUEBA DE PARA OBSERVACIONES N(0, CME). Como e djo en la eccón 4.4, exte la pobldad de una contamnacón debdo a al bloqueo, e propuo entonce generar número aleatoro con el CME como varanza. Condere el mmo ejemplo que la eccón para tal propóto, de eta forma e eta cumplendo el objetvo de eta te, de ete modo e tene la mma tabla 4.1, aquí llamada tabla 4.15: Solucón Día 1 3 Y.j meda Y meda meda general Tabla 4.15 Se deea probar exactamente el mmo contrate que la eccón anteror, eto en mra de comparar lo do reultado que en le Valor P refleja, la dferenca entre ambo ejemplo e en la mulacón de obervacone, la de ete ejemplo dferen en el valor de la varanza, ya que eta e dtrburán N(0, CME), entonce e tene: H o : µ µ 1 De acuerdo a lo reultado de la tabla 4.15, epecífcamente aquello referente a la meda de lo tratamento, el contrate a probar bajo lo térmno de lo etadítco de orden e: 56

13 E decr, la combnacón lneal: H : µ µ. o () (3) H µ µ 0. o : ( ) (3) Para ncar el algortmo expueto en la eccón 4.3, e debe calcular el CME bajo lo etatuto de un Anál de Varanza o ANOVA, ver tabla 4.16 ANOVA F.V. SC GL CM Tratamento Bloque Error Total Sn má preámbulo, dado que e han menconado lo pao del método en la eccón anteror, a partr de ahora ncamo con la prueba DE, de la mma manera e terará olamente cuatro vece. Pao 1 Etadítco de Prueba P C CME a 1 C u C n ( a 1) ( ) 4 ( 1)

14 Pao Efecto de bloque β j Y Y j Bloque 1 Bloque Bloque 3 Bloque Pao 3 Contador de rechazo 0 De la mma manera, como en el ejemplo anteror, no e a llevado a cabo nnguna comparacón, por lo tanto, dcha varable tene un valor nulo. Pao 4 Genera r número aleatoro N(0, CME) (teracón 1) Prmeramente e generan número aleatoro de la N(0,1) y e agnan a lo - émo tratamento como reultado e obtene le deño de la tabla T1 T T3 B B B B Tabla

15 Para generar número aleatoro que e dtrbuyan N(0, CME), e decr mular número que adqueran la partculardad de poeer el CME del deño a bloque orgnal como varanza, e necearo multplcar cada una de la obervacone por: CME De ete modo e tene: T1 T T3 B B B B Tabla 4.18 tabla 4.19: Poterormente umamo el efecto debdo a bloque lo que fnalmente no arroja la T1 T T3 Y. meda B B B B Y.j meda meda general -1.1 Tabla 4.19 Pao 5 Calcular Pc 1 y comparar Con lo dato mulado con la caracterítca ante expueta, e gualmente conderando el efecto debdo a bloque, e procede a calcular gualmente el cuadrado medo del error mulado, para tal, e preenta el anál de varanza de la tabla

16 ANOVA F.V. SC GL CM Tratamento 3.06 Bloque Error Total Tabla 4.0 Sea entonce el cálculo guente para determnar el valor de Pc 1: ( C u ) ( ) x a C 1 ( 1) PC 10 1 CME ( a 1) n Como Pc. P. e ugere regrear al Pao 4. 1 c Dado el reultado de la comparacón del Pao 5, el contador de rechazo no e ncrementa y mantene el valor de cero. Pao 4 Generar número aleatoro N(0, CME) (teracón ) Nuevamente para eta teracón, e generan número aleatoro de la N(0,1) y e agnan a lo -émo tratamento como reultado e obtene le deño de la tabla T1 T T3 B B B B Tabla

17 Ahora e mulan obervacone dtrbudo N(0,CME), e decr N(0,31.69) y e agnan a lo -émo tratamento, ea la tabla 4.. T1 T T3 B B B B Tabla 4. Poterormente umamo el efecto en bloque ea la tabla 4.4: T1 T T3 Y. meda B B B B Y.j meda meda general Tabla 4.4 Pao 5 Calcular Pc y comparar Con lo dato mulado con la caracterítca ante expueta, e procede a calcular gualmente el cuadrado medo del error mulado, para tal, e preenta el anál de varanza de la tabla

18 ANOVA F.V. SC GL CM Tratamento Bloque Error Total Tabla 4.4 Con el valor del CME, e puede ahora calcular el valor de Pc, ea: ( C ) ( a 1) ( ) u C 1 a C ( 1) P CME 1 n De la comparacón guente, e determna que: Pc. > P. c Dada eta condcón, el algortmo ndca r al Pao 6. Pao 6 Contador de rechazo 1 Aquí e ncrementa en una undad la varable contador de rechazo, pueto la comparacón efectuada en el Pao 5, e gue terando dado que aún no e cumple el numero de cuatro teracone, por lo tanto r a Pao 4. Pao 4 Generar número aleatoro N(0, CME) (teracón 3) 6

19 Para eta tercera teracón, e generan número aleatoro de la N(0,1) y e agna n a lo -émo tratamento, ver tabla 4.5. T1 T T3 B B B B Tabla 4.5 Se generan número aleatoro de la N(0, CME), e decr número cuya dtrbucón ea una N(0,31.69) y e agnan a lo -émo tratamento, ver tabla 4.6. T1 T T3 B B B B Tabla 4.6 Eneguda, e hace la adcón del efecto cauado por lo bloque, lo cual no arroja como obervacone mulada la tabla 4.7 T1 T T3 Y. meda B B B B Y.j meda meda general 0.07 Tabla

20 Pao 5 Calcular Pc 3 y comparar De lo dato mulado con la caracterítca en la varanza gual al CME, e procede a calcular el cuadrado medo del error mulado, para tal, e preenta el anál de varanza de la tabla 4.8. ANOVA F.V. SC GL CM Tratamento Bloque Error Total Tabla 4.8 Graca al anál de varanza ante expueto, y con el valor del CME obtendo e puede calcular el Pc 3 : ( C ) ( a 1) ( ) u C 3 a C ( 1) P CME 1 n Sea entonce la comparacón: Pc. P. 3 c ncrementa. La comparacón ugere r al Pao 4 nuevamente y el contador de rechazo no e 64

21 Pao 4 Generar número aleatoro N(0, CME) (teracón 4) Para eta últma teracón, e generan número aleatoro de la N(0,1) y e agnan a lo -émo tratamento, ver tabla 4.9. T1 T T3 B B B B Tabla 4.9 Se generan de la mma forma que en la teracone anterore, número aleatoro de la N(0, CME), e decr N(0,31.69) y e agnan a lo -émo tratamento, de ahí la tabla 4.40 T1 T T3 B B B B Tabla 4.30 Poterormente e uma el efecto debdo a lo bloque ver la tabla 4.31: T1 T T3 Y. meda B B B B Y.j meda meda general.46 Tabla

22 Se procede entonce a la determnacón del CME en el anál de varanza ANOVA F.V. SC GL CM Tratamento 45.1 Bloque Error Total Fnalmente e calcula el valor de Pc 4 ( C ) ( a 1) ( ) u C 4 a C ( 1) P CME 1 n De la comparacón: Pc 4. P c. Como P c. P c. no e ncrementa el contador de rechazo, y dada la comparacón el algortmo dcta r al Pao 4, n embargo, e alcanzo el número de teracone, por conecuente e procede a calcular el valor P con eta teracone. 66

23 Pao 7 El valor P Se defne como el cocente del contador de rechazo obre el número de teracone, de ete modo el valor P e: Contadorderechazo 1 ValorP 0.5. teracone 4 Nuevamente e recalca la encllez de lo ejemplo, má n embargo, para tener un valor aceptable para el calculo de Valor P, e requere computarzar el algortmo de la prueba DE, ea erá la tarea del guente capítulo. 4.3 DIAGRAMA DE FLUJO Se decrbe a contnuacón el dagrama de flujo que rve para computar el algortmo para la aplcacón de la prueba DE en cada uno de lo do tpo de deño etudado en la preente te, programando de forma efcaz lo expueto en la do eccone anterore y cuyo reultado y forma de correr e expondrán en el guente captulo. Un dagrama de flujo rve para repreentar gráfcamente un algortmo computaconal, e tambén una guía práctca para el programador, aí como un ntrumento que puede detectar ncontenca y/o errore en el momento de crear un programa fuente. En el dagrama de la fgura 4.1 preentado a contnuacón, e contempla la opcón de analzar uno u otro tpo de modelo, contenendo en un olo programa el anál de lo do tpo de deño. 67

24 . Inco Leer: nombre del archvo de entrada, nombre del archvo de alda, emlla del mulador, Número de mulacone (IB), numero de teracone por mulacón (IREPB), nvel de confanza Calculo Z de tabla con funcone Leer nformacón del deño a bloque al azar: Número de tratamento, Número de bloque, Obervacone Calcular: Lo totale de lo tratamento Y.; el CME; El efecto de bloque Ordenar lo tratamento en forma acendente Calcular: Lo totale de lo tratamento Y.; el CME; El efecto de bloque Ordenar lo tratamento en forma acendente Probar un contrate? parar Leer: Coefcente del contrate Calcular: F de contrate (fcont) Incar lo contadore: pval0; pval0 No Incremento del contador del número de mulacone: nxxnxx+1 Incar lo contadore: de rechazo nrech0 y de teracone nyy0 S Incremento del contador teracone nyynyy+1 Modelo N(0,1)? No Generar: obervacone aleatora: ntrat x nbloq OBS N(0,1) Y umar el efecto de bloque Leer: contrate Calcular: totale tratamento; CME mulado Ordenar: totale de lo tratamento en forma acendente. Calcular: F del contrate mulado (fm) Generar: obervacone aleatora: ntrat x nbloq OBS N(0,1) Mutplcar por CMEy umar el efecto de bloque Leer: contrate Calcular: totale tratamento; CME mulado Ordenar: totale de lo tratamento en forma acendente. Calcular: F del contrate mulado (fm) fm>fcont? S nrech nrech+1 No nyyirepb? P value contrate pval nrech/ IREPB Spval pval + pval Spvalpval+(pval x pval) nxxib? No Pvalue etmado pval / IB Varanza 1 IB 1 Intervalo 95%: pval ( ) pval IB anza Pvalue ˆ var ± t 0.39 α/ IB S otro contrate? FIN Fgura

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón

Más detalles

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan

Más detalles

Para el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por:

Para el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por: Capítulo 5 La fórmula de Welch-Satterthwate Hemo vto como encontrar un ntervalo de confanza para una cantdad medda (tanto con N grande como con N peueño). La pregunta ue naturalmente urge e cómo encontrar

Más detalles

LECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION

LECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 0 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón o de dperón

Más detalles

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL

CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL Inferenca Etadítca Se ocupa de etudar lo método necearo para etraer, o nferr, concluone válda e nformacón obre una poblacón a partr del etudo epermental de

Más detalles

Tema 9: Distribuciones Bidimensionales.

Tema 9: Distribuciones Bidimensionales. Tema 9: Dtrbucone Bdmenonale. 9.1 Nube de punto. Correlacón. 9. Medda de correlacón. 9.3 Recta de regreón. 9.4 Dtrbucone condconada. Dependenca e ndependenca. 9.1 Nube de punto. Correlacón. Regreón e un

Más detalles

Diseño óptimo de un regulador de tensión en paralelo

Diseño óptimo de un regulador de tensión en paralelo Deño óptmo de un regulador de tenón en paralelo Federco Myara 1. egulador mple con un dodo de ruptura El cao má mple e el regulador con un dodo zener, ndcado en la fgura 1. S ben el crcuto parece muy encllo,

Más detalles

ELECTRONICA III (ELT 2782) CAPITULO II CIRCUITOS CON AMPLIFICADORES OPERACIONALES

ELECTRONICA III (ELT 2782) CAPITULO II CIRCUITOS CON AMPLIFICADORES OPERACIONALES ELECTONICA III (ELT 78) CAPITLO II CICITOS CON AMPLIFICADOES OPEACIONALES OBJETIVOS Analzar crcuto baado en amplfcadore operaconale Deñar un amplfcador que atfaga certa epecfcacone Grafcar la forma de

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Problemas de Optimización usando el modelo de Hopfield

Problemas de Optimización usando el modelo de Hopfield CLASE 5 de Marzo de 008 Undad Problema de Optmzacón uando el modelo de Hopfeld Modelo de Hopfeld contnuo Problema de optmzacón: Convertdor A/D, Problema del vaante, etc. Rede autoaocatva Red de Hopfeld

Más detalles

EL NÚMERO EFECTIVO DE GRADOS DE LIBERTAD

EL NÚMERO EFECTIVO DE GRADOS DE LIBERTAD Smpoo de Metrología 004 5 al 7 de Octubre EL NÚMERO EFECTIVO DE GRADOS DE LIBERTAD Enrque Vlla Dharce Centro de Invetgacón en Matemátca, A C Jalco /n, Mneral de Valencana, Guanajuato, Gto CP 3640 Tel:

Más detalles

Facultad de Ingeniería Universidad Nacional de La Plata

Facultad de Ingeniería Universidad Nacional de La Plata Facultad de Ingenería Unverdad Naconal de La Plata ESTRUCTURAS IV RESOLUCIÓN DE SECCIONES DE PARED GRUESA SOMETIDAS A TORSIÓN UTILIZANDO MICROSOFT EXCEL Autore: Ing. Juan Julan Rmol Ing. Juan Pablo Marquez

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

ESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL

ESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL ESTADÍSTICA DESCRIPTIVA Y BIDIMESIOAL ÍDICE. Defncón de Etadítca. Concepto generale 3. Tratamento de la nformacón 4. Repreentacón de lo dato. Medda de centralzacón 6. Medda de dperón 7. Etadítca bdmenonal

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

P 1 = P 2 = P ambiente. h 1 -h 2 = H. Sistemas de control versión 2007 Página 1 de 10. Modelos de nivel de líquido.

P 1 = P 2 = P ambiente. h 1 -h 2 = H. Sistemas de control versión 2007 Página 1 de 10. Modelos de nivel de líquido. tema de control 67- verón 007 Págna de 0 Modelo de nvel de líudo. Bucamo una relacón entre Q y H, por el teorema de Bernoull tomemo la eccón en la uperfce lbre del tanue y la eccón en la alda, en ee cao

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Programación de la Producción en un sistema flow shop híbrido sin esperas y tiempos de preparación dependientes de la secuencia

Programación de la Producción en un sistema flow shop híbrido sin esperas y tiempos de preparación dependientes de la secuencia DITS ( 2006/01). Workng Paper del Departament d Organtzacó D empree de la Unvertat Poltècnca de Catalunya. Programacón de la Produccón en un tema flow hop híbrdo n epera y tempo de preparacón dependente

Más detalles

Ingeniería Electrónica Electrónica de Potencia

Ingeniería Electrónica Electrónica de Potencia acultad de ngenería Unverdad Naconal de San Juan ngenería Electrónca Electrónca de Potenca PAA DE GABNEE Nº 3 Departamento de Electrónca y Automátca OBJEO El objetvo de eta práctca e adqurr detreza en

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron

Más detalles

4.1. Ortogonalización mediante la descomposición de Cholesky

4.1. Ortogonalización mediante la descomposición de Cholesky . Álgera En eta eccón veremo como la decompocón de Choleky no ofrece una forma rápda y efcaz de ortonormalzar una ae. Comproaremo que el proceo e equvalente al algortmo de ortogonalzacón de Gram-Schmdt...

Más detalles

El CAT se calcula a partir de los flujos de recursos entre el cliente y la institución que otorga el crédito. t j

El CAT se calcula a partir de los flujos de recursos entre el cliente y la institución que otorga el crédito. t j Explcacón del cálculo del Coto nual Total (CT) El CT e calcula a partr de lo fluo de recuro entre el clente y la nttucón que otorga el crédto.. Fórmula para el cálculo del CT El CT e el valor numérco de,

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO ) CAPÍTULO II.- AÁLISIS DE UA CARACTERÍSTICA (DISTRIBUCIOES UIDIMESIOALES) TEMA 5.- MEDIDAS DE DISPERSIÓ DE LA DISTRIBUCIÓ DIPLOMATURA E CIECIAS EMPRESARIALES UIVERSIDAD DE SEVILLA .

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

Ecuaciones de Movimiento

Ecuaciones de Movimiento Facultad de Cenca Fíca y Matemátca Unverdad de Chle Ecuacone de Movmento Concepto báco 26 de octubre de 2011 Depatamento de Ingenería Mecánca ME4701- Vbracone Mecánca 1. Segunda Ley de Newton En un tema

Más detalles

APLICACIONES ESTADÍSTICAS Y DIAGRAMAS DE CONTROL

APLICACIONES ESTADÍSTICAS Y DIAGRAMAS DE CONTROL APLICACIONES ESTADÍSTICAS Y DIAGRAMAS DE CONTROL Según un etadítco, la etadítca e una herramenta poderoa en el control de caldad que, a dferenca de mucho otra herramenta, e vuelve má floa con el uo. Otro

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

ERRORES DE LAS MEDIDAS EXPERIMENTALES

ERRORES DE LAS MEDIDAS EXPERIMENTALES TÉCICAS XPRIMTALS FÍSICA I DPARTAMTO D FÍSICA APLICADA FACULTAD D CICIAS. UIRSIDAD D ALLADOLID RRORS D LAS MDIDAS XPRIMTALS. ITRODUCCIO l objetvo de la maoría de lo epermento centífco e el etudo cuanttatvo

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor FCEyN - Etadítca ara Químca do. cuat. 006 - Dra. Marta García Ben Anál de la varanza de un factor El tet t de muetra e alca cuando e queren comarar la meda de do oblacone con dtrbucone normale con varanza

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

TEMA 13: Análisis de circuitos amplificadores 13.1

TEMA 13: Análisis de circuitos amplificadores 13.1 Índce TEM 13: nál de crcuto amplfcadore 13.1 13.1. NTODUCCÓN 13.1 13.2. MPFCDO EN EMSO COMÚN 13.3 13.3. MPFCDO EN COECTO COMÚN (SEGUDO DE EMSO) 13.6 13.4. MPFCDO EN BSE COMÚN 13.10 13.5. COMPCÓN ENTE S

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

CONTENIDO 1. TEORÍA DEL RIESGO Y ÁRBOLES DE DECISIÓN...2

CONTENIDO 1. TEORÍA DEL RIESGO Y ÁRBOLES DE DECISIÓN...2 CONTENIDO. TEORÍ DEL RIESGO Y ÁRBOLES DE DECISIÓN.... ELEMENTOS ESTRUCTURLES DE JUEGOS EN RIESGO.... DOMINCIÓN SIMPLE Y ESTOCÁSTIC.... DOMINCIÓN ESTOCÁSTIC....4 VLOR ESPERDO DE L INFORMCIÓN PERFECT....4.

Más detalles

UN ANÁLISIS DE LA EFICACIA DE LOS MÉTODOS BASADOS EN RATIOS DE ENLACE, EN LA ESTIMACIÓN DE LA PROVISIÓN PARA SIENIESTROS PENDIENTES

UN ANÁLISIS DE LA EFICACIA DE LOS MÉTODOS BASADOS EN RATIOS DE ENLACE, EN LA ESTIMACIÓN DE LA PROVISIÓN PARA SIENIESTROS PENDIENTES Un anál de la efcaca de lo método baado en rato de enlace, en la etmacón de la Provón para Snetro Pendente UN ANÁLISIS DE LA EICACIA DE LOS MÉTODOS BASADOS EN RATIOS DE ENLACE, EN LA ESTIMACIÓN DE LA PROVISIÓN

Más detalles

= 1. junio-2007 Matemáticas Financieras LADE (Móstoles)

= 1. junio-2007 Matemáticas Financieras LADE (Móstoles) juno-007 Matemátca Fnancera LADE (Mótole Problema En el mercado cotzan lo guente bono: Bono A: Bono Cupón Cero a año y TIR del 0% Bono B: Bono Cupón Cero a año y TIR del 9% Bono C: Bono Cupón Explícto

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

IMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1

IMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1 IMPEMEACIÓ PRÁCICA DE U BACO DE FIROS UIFORME En este tpo de bancos, la forma de la respuesta espectral de cada uno de los fltros es la msma, y su frecuenca central se raparte de manera unforme en el espectro:

Más detalles

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

VII. Solución numérica de ecuaciones diferenciales

VII. Solución numérica de ecuaciones diferenciales VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1. Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la

Más detalles

9. Movimiento Circular Uniformemente Acelerado

9. Movimiento Circular Uniformemente Acelerado 9. Movmento Crcular Unormemente Acelerado Ete movmento e preenta cuando un móvl con trayectora crcular aumenta o dmnuye en cada undad de tempo u velocdad angular en orma contante, por lo que u aceleracón

Más detalles

CLAVE - Laboratorio 1: Introducción

CLAVE - Laboratorio 1: Introducción CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2

Más detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3. EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

Práctica 3. Media, mediana y moda.

Práctica 3. Media, mediana y moda. Práctca 3. Meda, ana y moda. La presente práctca, te permtrá estudar las das de tendenca central menconadas, a partr de los sguentes datos que corresponden a la estatura de estudantes, ncaremos la práctca.

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

3.- Programación por metas.

3.- Programación por metas. Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO

Más detalles

Anál de ere temporale Fernando Berzal, berzal@acm.org Anál de ere temporale Caracterítca de la ere temporale Vualzacón de ere temporale Fltrado de ere temporale Meda móvle Suavzado exponencal Técnca de

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

Desarrollo de un método para la solución de sistemas de tuberías abiertas

Desarrollo de un método para la solución de sistemas de tuberías abiertas Gamboa J. et. al. / Ingenería 8- (00) 7- Dearrollo de un método para la olucón de tema de tubería aberta Joé A. Gamboa Varga, Jorge García Soa, Roger I. Méndez Novelo. RESUMEN Se dearrolla un método para

Más detalles

Espacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta

Espacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta Espacos de Búsueda en un Árbol Bnaro para Resolver Problemas de Optmzacón Dscreta María Elena Gómez-Torres J. Crspín Zavala-Díaz Marco Antono Cruz- Chávez 3 Insttuto Tecnológco de Zacatepec Calzada Insttuto

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

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

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco

Más detalles

Capítulo 7 Bucles. Bucle For-Next. Informática

Capítulo 7 Bucles. Bucle For-Next. Informática Capítulo 7 Bucles Bucle For-Net Un procedmento más práctco para controlar varables que deben tomar valores numércos entre un valor ncal hasta un valor fnal, con un ncremento determnado, es el sguente:

Más detalles

ESTADÍSTICOS EN TÉRMINOS DE VECTORES Y MATRICES. José Carlos de Miguel Domínguez Agustín Ramos Calvo Julio Pallas González

ESTADÍSTICOS EN TÉRMINOS DE VECTORES Y MATRICES. José Carlos de Miguel Domínguez Agustín Ramos Calvo Julio Pallas González Docenca de Matemátca en la Economía la Emprea ESTADÍSTICOS E TÉRMIOS DE VECTORES Y MATRICES Joé Carlo de Mguel Domínguez Agutín Ramo Calvo Julo Palla González Dpto. de Método Cuanttatvo para la Economía

Más detalles

ECUACIONES DIFERENCIALES Problemas de Valor Inicial

ECUACIONES DIFERENCIALES Problemas de Valor Inicial DIVISIÓN DE IENIAS FÍSIAS Y MATEMÁTIAS DTO. TERMODINÁMIA Y FENÓMENOS DE TRANSFERENIA MÉTODOS AROXIMADOS EN ING. QUÍMIA TF-33 EUAIONES DIFERENIALES roblemas de Valor Incal Esta guía fue elaborada por: rof.

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

Cuestiones Teóricas (de 2 a 2 puntos)

Cuestiones Teóricas (de 2 a 2 puntos) ESUE UNIESITI DE INGENIEÍ TÉNI DE TEEOMUNIIÓN Unverdad de a Palma de Gran anara Electrónca nalógca plan Electrónca III plan 96 Stema de Telecomuncacón Telemátca Sondo e Imagen Examen de la onvocatora Extraordnara

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

Más detalles

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS FÍSICO-MATEMÁTICAS

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS FÍSICO-MATEMÁTICAS UNIERSIDAD AUTÓNOMA DE NUEO LEÓN FACULTAD DE CIENCIAS FÍSICO-MATEMÁTICAS TESIS PROBLEMA DE RUTAS CON MÚLTIPLES DEPÓSITOS Y ENTANAS DE TIEMPO PRESENTADA POR SARAHÍ BERENICE BÁEZ IEZCA COMO REQUISITO PARCIAL

Más detalles

DISEÑO COMPLETAMENTE ALEATORIZADO

DISEÑO COMPLETAMENTE ALEATORIZADO DISEÑO COMPLETAMENTE ALEATORIZADO yj µ + τ + uj ; :,..., I ; j:,..., n µ : Meda general ; τ : Efecto del tratamento esmo u j : Errores expermentales HIPOTESIS DEL MODELO La meda sea cero: La varanza sea

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

SOLUCIONARIO GUÍA. Ítem Alternativa Defensa

SOLUCIONARIO GUÍA. Ítem Alternativa Defensa SOLUCIONARIO GUÍA Íem Alernaa Deena 1 C En un gráco elocdad / empo, al realzar el cálculo de la pendene y área bajo la cura, obenemo la aceleracón y danca recorrda, repecamene. A Según la expreón para

Más detalles

Regresión múltiple k k

Regresión múltiple k k Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror.

Más detalles

DESARROLLO PRÁCTICO Y EVALUACIÓN DE ESTUDIOS R&R PARA EL ASEGURAMIENTO DE LA CALIDAD DE LOS RESULTADOS

DESARROLLO PRÁCTICO Y EVALUACIÓN DE ESTUDIOS R&R PARA EL ASEGURAMIENTO DE LA CALIDAD DE LOS RESULTADOS DESARROLLO PRÁCTICO Y EVALUACIÓN DE ESTUDIOS R&R PARA EL ASEGURAMIENTO DE LA CALIDAD DE LOS RESULTADOS Ing. Raúl Monroy Pérez rmonroy@ance.org.mx NOTA IMPORTANTE: El CENAM no e reponable del contendo de

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

Cinemática de Robots. Práctica 2. 2.1.- Introducción

Cinemática de Robots. Práctica 2. 2.1.- Introducción Práctca de Robótca utlzando Matlab Práctca 2 Cnemátca de Robot 2..- Introduccón Lo robot cláco preentan una arqutectura antropomórfca eral, emejante al brazo humano. Conten de una ere de barra rígda unda

Más detalles

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE II) MEDIDAS DE FORMA TEMA 19: MEDIDAS DE FORMA

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE II) MEDIDAS DE FORMA TEMA 19: MEDIDAS DE FORMA Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : EDIDAS DE DISPERSIÓN Y DE FORA (PARTE II) EDIDAS DE FORA TEA 9: EDIDAS DE FORA. EDIDAS DE ASIETRIA Son medda que mden el grado de deformacón horzontal

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles