Capítulo 4 APLICACIÓN
|
|
- María del Pilar Revuelta Soto
- hace 5 años
- Vistas:
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
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 detallesLECTURA 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 detallesPara 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 detallesLECTURA 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 detallesCONCEPTOS 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 detallesTema 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 detallesDiseño 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 detallesELECTRONICA 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 detallesEL 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 detallesCAPÍTULO 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 detallesProblemas 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 detallesEL 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 detallesFacultad 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 detallesCURSO 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 detallesESTADÍSTICA 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 detallesDISTRIBUCIONES 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 detallesP 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 detallesModelos 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 detallesReconciliación 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 detallesProgramación 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 detallesIngeniería 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 detallesOPENCOURSEWARE 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 detalles4.1. 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 detallesEl 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 detallesESTADÍSTICA (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 detallesCAPÍTULO 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 detallesEcuaciones 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 detallesAPLICACIONES 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 detallesEl 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 detallesERRORES 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 detallesAnálisis 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 detallesCOLEGIO 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 detalles3. 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 detallesFE 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 detallesFigura 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 detallesMedidas 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 detallesTema 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 detallesTEMA 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 detallesSEMANA 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 detallesH 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 detallesCONTENIDO 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 detallesUN 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)
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 detalles10. 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 detallesInferencia 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
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 detallesIMPLEMENTACIÓN 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 detallesComparación 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 detallesEXPERIMENTOS 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 detallesEjercicios 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 detallesMedidas 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 detallesTema 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 detallesPyE_ 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 detallesVII. 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 detallesVariables 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 detallesENUNCIADOS 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 detallesEjemplo: 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 detallesEstadísticos 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 detallesSISTEMA 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 detallesVariables 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 detallesFISICOQUÍMICA 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 detallesLicenciatura 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 detallesCAPÍTULO 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 detalles9. 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 detallesCLAVE - 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 detallesEJERCICIOS: 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 detallesEspecialista 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 detallesPráctica 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 detallesAnálisis 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 detalles3.- 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 detallesUNIVERSIDAD 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 detallesAnál 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 detallesAnálisis 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 detallesDesarrollo 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 detallesEspacios 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 detallesRelaciones 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 detallesAnálisis 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 detallesMuestra: 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 detallesEXPERIMENTACIÓN 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 detallesEXAMEN 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 detallesCapítulo 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 detallesESTADÍSTICOS 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 detallesECUACIONES 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 detallesNOMBRE 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 detallesAspectos 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 detallesCuestiones 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 detallesMAGNITUD: 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 detallesUNIVERSIDAD 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 detallesDISEÑO 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 detallesUNIDAD 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 detallesPoblación 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 detallesInstituto 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 detallesSOLUCIONARIO 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 detallesRegresión 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 detallesDESARROLLO 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 detallesAnálisis 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 detallesCinemática 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 detallesLECTURA 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 detallesCARTAS 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 detallesUn 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