SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
|
|
- José Ramón Rico Cordero
- hace 8 años
- Vistas:
Transcripción
1 SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria Curso
2 Tema 6. Contrastes de Hipótesis En esta práctica analizaremos los comandos que facilita el SPSS para realizar los contrastes de hipótesis paramétricos que hemos visto en clase. La formulación de hipótesis estadísticas con SPSS Las propiedades de la distribución normal nos permiten saber cuán extremo es el estadístico (p.ej, una media) calculado a partir de una muestra concreta en comparación con la distribución de los estadísticos de todas las muestras posibles. Si nuestro modelo propone una media hipotética en la población, entonces podemos calcular cuál es la probabilidad de que al elegir una muestra al azar la media calculada sea muy diferente (en términos de desviaciones típicas) de la media de la población. Obtener una media muestral que está a muchas desviaciones típicas de la media hipotetizada es poco probable si nuestro valor hipotético es cierto. De modo que si obtuviéramos una media con probabilidades tan pequeñas de aparecer al azar, lo más lógico sería que rechazáramos el valor hipotético de la media de la población. Esta es la base de los tests de hipótesis estadísticas. Para realizar contrastes paramétricos, el SPSS facilita, entre otros, el comando T-TEST que nos permite realizar contrastes sobre si la media de una distribución normal tiene un valor determinado o no (H 0 : µ = µ 0 ), y nos permite testear diferencias entre las medias de dos poblaciones (H 0 : µ 1 = µ 2 ) siendo este caso su función principal. También realiza algún contraste de igualdad de varianzas. Para aplicar este contraste para la comparación de medias, partimos de dos conjuntos de datos y, en primer lugar, deberemos distinguir si se trata de dos grupos independientes o si se trata de datos emparejados. La decisión que tratamos de tomar con este contraste es si las diferencias obtenidas entre las medias de los dos grupos, pueden ser debidas al azar o a que las muestras proceden de poblaciones con medias diferentes. Para ello se tendrán en cuenta, además de las medias, las desviaciones típicas y los tamaños muestrales de los dos grupos considerados. 6.1 El procedimiento T-Test para una muestra. El procedimiento Prueba T para una muestra contrasta si la media de una sola variable difiere de una constante especificada. Comprueba la diferencia entre la media de una muestra y un valor hipotético conocido y permite especificar el nivel de confianza para la diferencia. Esta prueba asume que los datos están normalmente distribuidos; sin embargo, esta prueba es bastante robusta frente a las desviaciones de la normalidad. Ejemplo. Un investigador desea comprobar si la puntuación media del coeficiente intelectual de un grupo de alumnos difiere de 100. O bien, un fabricante de copos de cereales puede tomar una muestra de envases de la línea de producción y comprobar si el peso medio de las muestras difiere de 1 Kg con un nivel de confianza al 95%. Veamos un ejemplo en el que vamos a hacer un test sobre la probabilidad de que la media de edad de la población tenga un valor muy distinto al que encontramos en la muestra. Abrimos el fichero de datos correspondiente. 1
3 Vamos a Analizar Comparar medias Prueba T para una muestra. En la ventana que aparece, escogemos la variable de edad a la izquierda y la pasamos al espacio de la derecha. En la parte inferior aparece un espacio (valor de prueba) en el que debemos escribir el valor hipotético de la media en la población con el que queremos comparar la media de la muestra (supongamos que 55 años). Ahora damos al botón Opciones y aparece el intervalo de confianza establecido al 95%. Si dejamos este valor, SPSS va a calcular un intervalo de diferencias entre la media de la muestra y la media de la población que, si calculáramos las medias de todas las muestras posibles del mismo tamaño, contendría en un 95% de los casos la diferencia que hemos obtenido. Es decir, sólo asumimos un riesgo del 5%, ya que habría un 5% de casos en los que la diferencia no estaría contenida en el rango. Este valor podemos aumentarlo (p.ej, a 99%) si queremos estar más seguros del rango de valores de la diferencia, o disminuirlo si no nos importa asumir más riesgo. La casilla sobre valores perdidos sirve para decidir cómo se excluyen los valores perdidos. La dejamos como está. En la ventana de resultados aparecen dos tablas. La primera nos muestra los estadísticos básicos: el tamaño de la muestra, la media de la edad en la muestra, la desviación típica de la edad en la muestra y el error típico de la media muestral. El error típico de la media muestral nos informa de cuál es la desviación típica de las medias de todas las muestras posibles con respecto a la media real de la población. La segunda tabla es la que realiza el test de hipótesis de forma concreta. Se muestra el valor t (equivalente en este caso al valor z) observado para el estadístico en la muestra, 2
4 los grados de libertad (n-1), la probabilidad de que la diferencia entre la media de la muestra y la de la población sea mayor o igual, en valor absoluto, que el estadístico t observado, y el intervalo de la diferencia al 95% de confianza. Si la probabilidad de que la diferencia entre la media de la muestra y la media de la población es muy pequeña, rechazamos la hipótesis de que la media de edad en la población sea de 55 años. Es decir, si la media de edad en la población fuera de 55 años, la probabilidad de que hubiéramos obtenido el valor del estadístico muestral realmente obtenido es muy baja. Por eso, concluimos que la media no es de 55 años. Veamos otro ejemplo. Supongamos que, en un fichero, tenemos los datos correspondientes al control de calidad de una empresa que fabrica discos de freno para coches de alto-standing. El fichero de datos contiene medidas de diámetro de 16 discos de freno para cada una de 8 máquinas de producción diferentes. El diámetro final de los discos es 322 milímetros. Usamos el procedimiento t-test de una muestra para determinar si el diámetro de los frenos de cada muestra difiere significativamente de 322 milímetros. Una variable nominal, Machine Number, identifica la máquina de producción usada para fabricar el disco. Como los datos de cada máquina se deben probar como muestras separadas, el fichero debe dividirse en grupos, previamente, por dicha variable (Datos Dividir fichero) y luego realizar el análisis 3
5 Como resultados se devuelven dos tablas: la tabla descriptiva muestra el tamaño de la muestra, la desviación típica y el error para cada una de las 8 muestras. La tabla del contraste muestra los resultados del test: La columna de la t muestra el estadístico t observado para cada muestra, calculado como el cociente entre la diferencia de medias dividida por el error estándar de la media de la muestra. Los grados de libertad (n-1). La columna Sig.(bilateral) muestra la probabilidad, en una distribución t de Student con 15 grados de libertad, de obtener un valor absoluto mayor o igual que el valor observado, si la diferencia entre la media de la muestra y el valor de prueba es puramente aleatorio. 4
6 La diferencia de la media se obtiene restando el valor de prueba (322 en este caso), de la media de cada muestra. El intervalo de confianza del 90% de la diferencia da una estimación de los límites entre los cuales se encuentra la diferencia de medias del 90% de todas las posibles muestras aleatorias de 16 discos de freno producidos por esa máquina. Como el intervalo de confianza cae enteramente sobre 0, puede asegurarse que la máquinas 2,5 y 7 están produciendo discos que son significativamente más anchos de 322 milímetros de media. De forma similar, puesto que su intervalo de confianza cae enteramente bajo 0, la máquina 4 está produciendo discos que no son suficientemente anchos. Se pueden elegir más de una variable para comparar su media con un valor dado: T TEST TESTVAL / VARIABLES = CHISAL LASAL NYSAL Este test compara las medias de las variables CHISAL, LASAL y NYSAL, cada una con el valor señalado de El procedimiento T-Test para muestras emparejadas El procedimiento Prueba T para muestras relacionadas compara las medias de dos variables de un solo grupo. Calcula las diferencias entre los valores de las dos variables de cada caso y contrasta si la media difiere de 0. Especifique dos variables cuantitativas (nivel de medida de intervalo o de razón) para cada prueba de pares. En un estudio de pares relacionados o de control de casos, la respuesta de cada sujeto de la prueba y su sujeto de control correspondiente deberán hallarse en el mismo caso en el archivo de datos. Uno de los diseños de experimentos más comunes es el diseño pre-post. Un estudio de este tipo generalmente consiste en dos medidas tomadas al mismo sujeto, una antes y otra después de la introducción de un tratamiento o estímulo. La idea básica es simple. Si el tratamiento no tiene efecto, la diferencia promedio de las medidas es 0 y se acepta la hipótesis nula. Por otro lado, si el tratamiento tiene efecto (intencionado o no intencionado), la diferencia promedio no es 0 y la hipótesis nula se rechaza. Ejemplo. En un estudio sobre la hipertensión sanguínea, se toma la tensión a todos los pacientes al comienzo del estudio, se les aplica un tratamiento y se les toma la tensión otra vez. De esta manera, a cada paciente le corresponden dos medidas, normalmente denominadas medidas pre y post. Un diseño alternativo para el que se utiliza esta prueba consiste en un estudio de pares relacionados o un estudio de control de casos. En estos, cada registro en el archivo de datos contiene la respuesta del paciente y de su sujeto de control correspondiente. En un estudio sobre la tensión sanguínea, pueden emparejarse pacientes y controles por edad (un paciente de 75 años con un miembro del grupo de control de 75 años). 5
7 Este procedimiento t-test se usa para probar la hipótesis de no diferencia entre dos variables. Los datos pueden corresponder a dos medidas tomadas a los mismos sujetos o una medida tomada a pares de sujetos relacionados. Adicionalmente el procedimiento calcula: Estadísticos descriptivos para cada variable del test La correlación de Pearson entre cada par de variables y su nivel de significación Un intervalo de confianza para la diferencia promedio (al 95% o valor que se especifique) Como ejemplo vamos a suponer que un médico está evaluando una nueva dieta para sus pacientes con una historial familiar de enfermedades del corazón. Para probar la efectividad de la dieta se somete a 16 pacientes a la misma durante 6 meses. Se mide su peso y su nivel de triglicéridos antes y después del estudio y el médico está interesado en saber si el conjunto de medidas ha cambiado. Se usará el t-test para muestras emparejadas. Como resultados de este test se devuelven tres tablas que pasamos a comentar: La primera de ellas es la tabla de estadísticos descriptivos, que muestra la media, tamaño de la muestra, desviación típica y error típico de la media para cada grupo. 6
8 Considerando todos los 16 sujetos, el nivel de triglicéridos descendió entre 14 y 15 puntos en promedio después de los 6 meses de nueva dieta. Los sujetos claramente bajaron de peso durante el estudio, sobre unos 8 kilos en promedio. La desviación típica de las medidas pre y post- dieta revelan que los sujetos fueron más variables respecto al peso que al nivel de triglicéridos. La segunda tabla es la de correlaciones de las muestras relacionadas: El valor de la correlación entre los niveles de triglicéridos antes y después del estudio no es estadísticamente significativo. Los niveles descendieron en total, pero el cambio fue inconsistente entre los sujetos. Mientras hubo muchos en los que descendieron los niveles, otros no variaron sus niveles o incluso los incrementaron levemente. Por otro lado, el valor de la correlación de Pearson entre el peso antes y después de la nueva dieta muestra una correlación casi perfecta entre ambos. A diferencia del nivel de triglicéridos, todos los sujetos perdieron peso y lo hicieron de forma consistente. La tercera tabla es la que devuelve los resultados del test propiamente dicho. La columna de la media muestra la diferencia promedio entre el nivel de triglicéridos y el peso antes y después de los 6 meses de dieta. La columna de la desviación típica muestra la desviación típica de la diferencia promedio. La columna del error estándar de la media da el índice de variabilidad que se puede esperar en muestras aleatorias repetidas de 16 pacientes similares a los del estudio. 7
9 El intervalo de confianza al 95% de la diferencia da una estimación de los límites entre los cuales cae la verdadera diferencia en el 95% de todas las posibles muestras aleatorias de 16 pacientes similares a los que han participado en el estudio. El estadístico t se obtiene dividiendo la diferencia media por el error estándar. La columna de sig. (bilateral) muestra la probabilidad de obtener un valor del estadístico cuyo valor absoluto sea mayor o igual que el estadístico t obtenido. Como el valor de la significación para el cambio de peso es menor que 0.05 podemos concluir que la pérdida media de peso de 8.06 kilos por paciente no es debida a variaciones aleatorias y puede atribuirse al cambio de dieta. Sin embargo, el valor de significación mayor de 0.10 para el cambio en el nivel de triglicéridos muestra que la dieta no reduce significativamente dichos niveles. En la sintaxis de este comando se pueden añadir palabras clave como WITH y PAIRED que modifican la ejecución del comando de la siguiente manera: T-TEST PAIRS = TEACHER CONSTRUCT MANAGER Este comando compara TEACHER con CONSTRUCT, TEACHER con MANAGER y CONSTRUCT con MANAGER T-TEST PAIRS = TEACHER MANAGER WITH CONSTRUCT ENGINEER Este comando compara TEACHER con CONSTRUCT, TEACHER con ENGINEER, MANAGER con CONSTRUCT y MANAGER con ENGINEER. TEACHER no se compara con MANAGER y CONSTRUCT no se compara con ENGINEER T-TEST PAIRS = TEACHER MANAGER WITH CONSTRUCT ENGINEER (PAIRED) Este comando compara TEACHER con CONSTRUCT y MANAGER con ENGINEER. 6.3 El procedimiento T-Test para muestras independientes Cuando comparábamos las medias de dos grupos independientes, se nos podían presentar 4 casos diferentes, dependiendo de las varianzas y tamaños muestrales: Varianzas conocidas: El estadístico utilizado seguía una distribución normal. Varianzas desconocidas y muestras grandes, aprox. iguales: Estadístico con distribución normal. Varianzas desconocidas, pero iguales, y muestras pequeñas: Estadístico con distribución t de Student con n 1 + n 2-2 grados de libertad. Varianzas desconocidas y distintas, muestras pequeñas: Estadístico con distribución t de Student, cuyos grados de libertad vienen dados por el redondeo al entero más cercano de la aproximación de Welch. Como su propio nombre indica, este comando T_TEST sólo realiza el test de la t de Student, es decir, analiza los dos últimos casos. 8
10 El procedimiento Prueba T para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente a dos grupos, de forma que cualquier diferencia en la respuesta sea debida al tratamiento (o falta de tratamiento) y no a otros factores. Para las variables de agrupación numéricas, defina los dos grupos de la prueba t especificando dos valores o un punto de corte: Usar valores especificados. Escriba un valor para el Grupo 1 y otro para el Grupo 2. Los casos con otros valores quedarán excluidos del análisis. Los números no tienen que ser enteros (por ejemplo, 6,25 y 12,5 son válidos). Punto de corte. Opcionalmente, puede escribir un número que divida los valores de la variable de agrupación en dos conjuntos. Todos los casos con valores menores que el punto de corte forman un grupo, y los casos con valores mayores o iguales que el punto de corte forman el otro grupo. Para las variables de agrupación de cadena corta, escriba una cadena para el Grupo 1 y otra para el Grupo 2; por ejemplo sí y no. Los casos con otras cadenas quedarán excluidos del análisis. Ejemplo. Se asigna aleatoriamente un grupo de pacientes con hipertensión arterial a un grupo con placebo y otro con tratamiento. Los sujetos con placebo reciben una pastilla inactiva y los sujetos con tratamiento reciben un nuevo medicamento del cual se espera que reduzca la tensión arterial. Después de tratar a los sujetos durante dos meses, se utiliza la prueba t para dos muestras para comparar la tensión arterial media del grupo con placebo y del grupo con tratamiento. Cada paciente se mide una sola vez y pertenece a un solo grupo. Este procedimiento t-test se usa para probar la hipótesis de diferencia entre la media de dos muestras independientes. Adicionalmente el procedimiento calcula: Estadísticos descriptivos para cada variable del test Un test de igualdad de varianzas (test de Levene) Un intervalo de confianza para la diferencia promedio (al 95% o valor que se especifique) Vamos a hacer ahora una hipótesis similar a la que hicimos al principio de la práctica sobre la edad pero, esta vez, comparando la media de dos grupos distintos: hombres y mujeres de nuestra muestra. Vamos a Analizar Comparar medias Prueba T para muestras independientes. En el espacio de Contrastar variables ponemos la edad y en el espacio de Variable de agrupación la variable sexo. Aparecen ahora unos interrogantes y damos al botón Definir grupos : en el grupo 1 escribimos 1 (el código que identifica a los hombres) y en el grupo 2 escribimos 2 (el código que identifica a las mujeres). Así le estamos indicando a SPSS que tiene que comparar los dos grupos de casos que vienen identificados por los valores que le hemos establecido. El resultado muestra dos tablas. En la primera se nos indica la media de edad para cada grupo, hombres y mujeres, la desviación típica para ambos y el error típico de la media. La segunda tabla es la que realiza el test de hipótesis. En la parte de la izquierda SPSS 9
11 calcula un test que nos permite saber si los dos grupos (hombres y mujeres) muestran varianzas iguales con respecto a la variable en cuestión. El resultado del test debe interpretarse del siguiente modo: la probabilidad de que las dos varianzas sean iguales de 0,185 y, por tanto, no podemos rechazar la hipótesis de que sean iguales. La siguiente sección nos muestra el test de hipótesis sobre la igualdad de las medias de edad entre hombres y mujeres: la diferencia de las medias es de 2,36, a la que se asocia una probabilidad de 0,001 (sig. Bilateral). La hipótesis de la que partimos es que la diferencia de las medias es 0 (si ambas son iguales su diferencia es 0). Pero si la hipótesis fuera cierta, la probabilidad de que encontráramos una diferencia tan grande en una muestra sería muy pequeña (1 entre mil). Por tanto, concluimos que los hombres y las mujeres de nuestra población tienen medias de edad distintas y que parece que las mujeres alcanzan edades mayores que los hombres. Como otro ejemplo consideremos un analista de unos grandes almacenes, que está interesado en evaluar los resultados de una promoción reciente de tarjetas de crédito. Con este fin se seleccionaron, al azar, 500 clientes con tarjeta. La mitad recibió una reducción del tipo de interés en las compras realizadas en los siguientes 3 meses y la otra mitad no. Estamos interesados en valorar la diferencia de las medias de compras efectuadas por los clientes seleccionados. El resultado muestra dos tablas. En la primera se nos indica el tamaño de la muestra, la media de gastos la desviación típica y el error típico de la media para cada grupo. En promedio, los clientes que recibieron la reducción del tipo de interés cargaron alrededor de 70 $ más que el otro grupo de comparación y variaron un poco más alrededor de su media. 10
12 El procedimiento realiza dos test de diferencias entre los dos grupos. Un test supone que las varianzas de los dos grupos son iguales. El test estadístico de Levene comprueba esta suposición. En este ejemplo, el valor de significación del estadístico es Como este valor es mayor que 0.05, se puede asumir que los grupos tienen igual varianza e ignorar el segundo test. La columna t muestra el valor del estadístico t observado en las muestras, calculado como el cociente entre la diferencia de medias de las muestras y el error estándar de la diferencia. El número de grados de libertad se muestra en la columna correspondiente, que para el test t de muestras independientes es igual al número total de casos en las dos muestras menos 2. La columna de sig. (bilateral) muestra la probabilidad de una distribución t con 498 grados de libertad. El valor mostrado es la probabilidad de obtener un valor absoluto mayor o igual que el valor t del estadístico observado en la muestra, si la diferencia entre las medias de las muestras fuera puramente aleatoria. Hasta ahora hemos considerado que todos los test son bilaterales. Si consideramos el test unilateral, la probabilidad de obtener el valor t muestral que aparece en los resultados del programa deberemos dividirla por dos. 11
13 La media de la diferencia se obtiene restando la media de la muestra del grupo 2 (grupo con la promoción) de la media de la muestra del grupo 1 El intervalo de confianza al 95% de la diferencia proporciona una estimación de los límites entre los cuales se encuentra la verdadera diferencia en el 95% de todas las posibles muestras aleatorias de 500 poseedores de tarjetas. Como el valor de significación del test es menor que 0.05, se puede concluir que el promedio de $ gastados de más por los poseedores de tarjetas con la reducción en el interés no se debe sólo al azar. La tienda debería considerar entonces el extender la oferta a todos los clientes. PRACTICAS DE PROBABILIDAD Y ESTADISTICA (SESION 6) 1. Cargar el fichero de datos practica.sav. 2. Los que han elegido la carrera de Psicología como primera opción (opción) son más sociables, en promedio, que los que no? 3. El promedio de peso de los que cursan su primer año de la carrera de Psicología (año) es el mismo que el de los que no? 4. Podemos considerar que la edad promedio de los alumnos estudiados está en torno a los 19 años? Y su estatura promedio en torno a 1.75 cms? 5. Comparar las medias de las 4 características de personalidad entre sí (de todas las formas posibles) 6. Consumen bebidas alcohólicas con la misma frecuencia promedio los hombres que las mujeres? 7. Comparar el promedio de la creatividad de los que fuman y los que no. 12
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Más detallesMétodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS
Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detalles1 Ejemplo de análisis descriptivo de un conjunto de datos
1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos
Más detallesPRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesSelectividad Septiembre 2013 OPCIÓN B
Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detallesINFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL SECCIÓN DE EPIDEMIOLOGÍA-BIOESTADÍSTICA INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS Objetivo:
Más detallesEn cualquier caso, tampoco es demasiado importante el significado de la "B", si es que lo tiene, lo interesante realmente es el algoritmo.
Arboles-B Características Los árboles-b son árboles de búsqueda. La "B" probablemente se debe a que el algoritmo fue desarrollado por "Rudolf Bayer" y "Eduard M. McCreight", que trabajan para la empresa
Más detallesMATERIAL 2 EXCEL 2007
INTRODUCCIÓN A EXCEL 2007 MATERIAL 2 EXCEL 2007 Excel 2007 es una planilla de cálculo, un programa que permite manejar datos de diferente tipo, realizar cálculos, hacer gráficos y tablas; una herramienta
Más detallesBiometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1
Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesComparación de medias
12 Comparación de medias Irene Moral Peláez 12.1. Introducción Cuando se desea comprobar si los valores de una característica que es posible cuantificar (como podría ser la edad o la cifra de tensión arterial,
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS Página 311 REFLEXIONA Y RESUELVE Máuina empauetadora El fabricante de una máuina empauetadora afirma ue, si se regula para ue empauete palés con 100 kg, los
Más detallesPROPORCIONALIDAD - teoría
PROPORCIONALIDAD RAZÓN: razón de dos números es el cociente indicado de ambos. Es decir, la razón de los dos números a y b es a:b, o lo que es lo mismo, la fracción b a. PROPORCIÓN: es la igualdad de dos
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesCASO PRÁCTICO DISTRIBUCIÓN DE COSTES
CASO PRÁCTICO DISTRIBUCIÓN DE COSTES Nuestra empresa tiene centros de distribución en tres ciudades europeas: Zaragoza, Milán y Burdeos. Hemos solicitado a los responsables de cada uno de los centros que
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesInstalación del programa PSPP y obtención de una distribución de frecuencias.
Práctica 2. Instalación del programa PSPP y obtención de una distribución de frecuencias. Con esta práctica instalaremos el programa PSPP. El programa es un software específico para el análisis estadístico
Más detallesCAPÍTULO 3: DISEÑO DE INVESTIGACIONES
Página 1 de 6 CAPÍTULO 3: DISEÑO DE INVESTIGACIONES En los capítulos anteriores se estableció que después de formular una teoría, se necesita recoger información para probarla, y en el capítulo anterior
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesLABORATORIO Nº 3 PRÁCTICA DE FUNCIONES EN MICROSOFT EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar funciones en Microsoft Excel 2010. 1) LA FUNCIÓN SI EN EXCEL La función SI en Excel es parte del grupo
Más detallesMétodos no paramétricos para la comparación de dos muestras
Investigación Métodos no paramétricos para la comparación de dos muestras Métodos no paramétricos para la comparación de dos muestras Pértega Díaz, S. Unidad de Epidemiología Clínica y Bioestadística.
Más detallesPor qué tomar muestras? Si queremos conocer una población, Por qué no tomar una muestra de toda la población?, Por qué no hacer un censo?
Página 1 de 8 CAPÍTULO 2: MUESTREO En el capítulo anterior hablamos de que para tomar decisiones en Estadística primero debemos formular una hipótesis a partir de la teoría del investigador. Una vez formulada
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesLección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesLa ventana de Microsoft Excel
Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft
Más detallesTest de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n
Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés
Más detallesESTADÍSTICA. Tema 3 Contrastes de hipótesis
ESTADÍSTICA Grado en CC. de la Alimentación Tema 3 Contrastes de hipótesis Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 1 Estructura de este tema Qué es un contraste
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detallesTEMA 3: EN QUÉ CONSISTE?
Módulo 7 Sesión 3 5/16 TEMA 3: EN QUÉ CONSISTE? La metodología seguida para aplicar correctamente la técnica de RGT se basa en cuatro fases (Figura 1). En la primera de ellas, se seleccionan los elementos
Más detallesMANUAL PARA EL USO DE SPSS
MANUAL PARA EL USO DE SPSS 1 INTRODUCCIÓN El propósito de este manual, es ilustrar con un ejemplo cómo generar tablas de frecuencia, tablas de contingencia, cálculos de medias, así como la generación de
Más detallesProgramación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal
Programación Lineal Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Ejemplo: Plan de producción de PROTRAC En esta ficha vamos a comentar cómo se construyó
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES
ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES DE BÁSICA PRIMARIA EN LA CIUDAD DE PEREIRA José R. Bedoya Universidad Tecnológica de Pereira Pereira, Colombia La formación estadística en la ciudadanía,
Más detallesLección 4: Suma y resta de números racionales
GUÍA DE MATEMÁTICAS II Lección : Suma y resta de números racionales En esta lección recordaremos cómo sumar y restar números racionales. Como los racionales pueden estar representados como fracción o decimal,
Más detalles8.2.2. Intervalo para la media (caso general)
182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente
Más detallesIV. CARGUE DE SOPORTES
IV. CARGUE DE SOPORTES Esta opción de cargue de soportes se ha realizado para efectuar las correcciones necesarias en cuanto a cargue de servicio se refiere, como anulación, modificación de RIPS de algún
Más detallesTemas de electricidad II
Temas de electricidad II CAMBIANDO MATERIALES Ahora volvemos al circuito patrón ya usado. Tal como se indica en la figura, conecte un hilo de cobre y luego uno de níquel-cromo. Qué ocurre con el brillo
Más detalles"CONTRASTES DE HIPÓTESIS" 4.4 Parte básica
76 "CONTRASTES DE HIPÓTESIS" 4.4 Parte básica 77 4.4.1 Introducción a los contrastes de hipótesis La Inferencia Estadística consta de dos partes: Estimación y Contrastes de Hipótesis. La primera se ha
Más detallesÍndice general de materias LECCIÓN 7 74
Índice general de materias LECCIÓN 7 74 BUSCAR 74 BUSCAR CON FORMATO 77 REEMPLAZAR 78 REEMPLAZAR CON FORMATO 79 NOTAS AL PIE DE PÁGINA 79 CONFIGURAR LAS NOTAS 81 INSERTAR NOTAS AL PIE 83 MODIFICAR NOTAS
Más detallesAire ambiente: No se recogieron muestras en esta comunidad.
Ejercicio en grupo: A) Introducción En este ejercicio, los participantes calcularán e interpretarán la exposición a arsénico de los residentes de una comunidad rural en una región que tiene, de forma natural,
Más detallesEstimación. Intervalos de Confianza para la Media y para las Proporciones
Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo
Más detallesHipótesis Alternativa: Afirmación sobre las posibles alternativas que se tienen a la afirmación hecha en la hipótesis nula.
PRUEBA DE HIPÓTESIS Introducción (10 min) En el mundo de las finanzas, la administración y la economía tan importante como saber hacer y entender a cabalidad las estimaciones que nos ayudaran a la toma
Más detallesProblemas de Probabilidad resueltos.
Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose
Más detallesPráctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesMODELOS DE RECUPERACION
RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN
Más detallesIntroducción. Ciclo de vida de los Sistemas de Información. Diseño Conceptual
Introducción Algunas de las personas que trabajan con SGBD relacionales parecen preguntarse porqué deberían preocuparse del diseño de las bases de datos que utilizan. Después de todo, la mayoría de los
Más detallesPruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesCONCEPTOS PREVIOS TEMA 2
1.PROPORCIONALIDAD 1.1 REPARTOS PROPORCIONALES CONCEPTOS PREVIOS TEMA 2 Cuando queremos repartir una cantidad entre varias personas, siempre dividimos el total por el número de personas que forman parte
Más detallesEnunciado unidades fraccionarias fracción fracciones equivalentes comparar operaciones aritméticas fracciones propias Qué hacer deslizador vertical
Enunciado Si la unidad la dividimos en varias partes iguales, podemos tomar como nueva unidad de medida una de estas partes más pequeñas. Las unidades fraccionarias son necesarias cuando lo que queremos
Más detallesSesión 3 - Movimiento Diferencial
Sesión 3 - Movimiento Diferencial Qué aprenderemos en esta sesión? Para entender como nuestro robot se va a desplazar por cualquier superficie, debemos aprender la manera en que lo hace, por eso, en esta
Más detallesConstruyendo gráficos estadísticos con ayuda de Microsoft Excel
Construyendo gráficos estadísticos con ayuda de Microsoft Excel Eduardo Aguilar Fernández Universidad Nacional Heredia, Costa Rica eaguilar2@gmail.com Andrey Zamora Araya Universidad Nacional Heredia,
Más detallesFUNCIONES DE PROPORCIONALIDAD
UNIDAD 2 PROPORCIONALIDAD. FUNCIONES DE PROPORCIONALIDAD 1.- INTRODUCCIÓN Continuamente hacemos uso de las magnitudes físicas cuando nos referimos a diversas situaciones como medida de distancias (longitud),
Más detallesPotencial eléctrico. du = - F dl
Introducción Como la fuerza gravitatoria, la fuerza eléctrica es conservativa. Existe una función energía potencial asociada con la fuerza eléctrica. Como veremos, la energía potencial asociada a una partícula
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesCalculadora de Tamaño muestral GRANMO
Calculadora de Tamaño muestral GRANMO Versión 7.12 Abril 2012 http://www.imim.es/ofertadeserveis/software-public/granmo/ Entre las distintas ofertas que existen para el cálculo del tamaño muestral, ofrecemos
Más detalles1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros
TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación
Más detalles6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS
6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA
Más detallesLos polinomios. Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x
Los polinomios Los polinomios Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x Elementos de un polinomio Los términos: cada
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesSENA: CENTRO BIOTECNOLOGIA INDUSTRIAL PROGRAMA DE FORMACIÓN: TECNOLOGO GESTION LOGISTICA
Por población o universo se entiende como un conjunto de medidas, cuando estas son aplicadas a una característica cuantitativa, o como el recuento de todas las unidades que presentan una característica
Más detallesIntroducción a la Estadística con Excel
Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos
Más detallesSolución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesHOJA 5 SUCESIONES Y PROGRESIONES
HOJA 5 SUCESIONES Y PROGRESIONES Sucesión: Término general 1.- Calcula el término general de las sucesiones: a) -1, 2, 5, 8, 11, b) 3, 3/2, ¾, 3/8, c) 1, 4, 9, 16, 25, 2.- Halla el término general de cada
Más detallesDividir automáticamente las palabras en todo un documento
Guiones Si una palabra es demasiado larga para caber al final de una línea, Word lleva la palabra a la línea siguiente sin dividirla con un guión. Sin embargo, puede utilizar la característica de división
Más detallesLECCIÓN 4ª Operaciones Numéricas
REALIZAR OPERACIONES NUMERICAS LECCIÓN 4ª Operaciones Numéricas Excel es una hoja de cálculo y, como su nombre indica, su función fundamental es trabajar con grandes volúmenes de números y realizar cálculos
Más detallesMANEJANDO FICHEROS Y CARPETAS
Tutorial 1 MANEJANDO FICHEROS Y CARPETAS 1.1.- Creando carpetas Para organizar la información que almacenamos en nuestros ordenadores, tenemos una elemento denominado carpeta. Vamos a ver cómo, usando
Más detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detallesAdministración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1
Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna
Más detallesImportancia de la investigación clínica EN ONCOLOGÍA. ONCOvida. oncovida_20.indd 1 10/10/11 12:53
Importancia de la investigación clínica EN ONCOLOGÍA 20 ONCOvida C O L E C C I Ó N oncovida_20.indd 1 10/10/11 12:53 ONCOvida C O L E C C I Ó N oncovida_20.indd 2 10/10/11 12:53 1 2 3 4 5 6 7 Por qué es
Más detallesOperaciones con polinomios
Operaciones con polinomios Los polinomios son una generalización de nuestro sistema de numeración. Cuando escribimos un número, por ejemplo, 2 354, queremos decir: 2 354 = 2 000 + 300 + 50 + 4 = 2)1 000)
Más detallesSPSS: ANOVA de un Factor
SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de
Más detallesPROPUESTAS COMERCIALES
PROPUESTAS COMERCIALES 1. Alcance... 2 2. Entidades básicas... 2 3. Circuito... 2 3.1. Mantenimiento de rutas... 2 3.2. Añadir ofertas... 5 3.2.1. Alta desde CRM... 5 3.2.2. Alta desde el módulo de Propuestas
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesEstructurar la información dentro del ordenador:
Estructurar la información dentro del ordenador: Aprender a estructurar la información dentro del ordenador, para facilitar su manejo y búsqueda. Las carpetas se utilizan para clasificar los documentos
Más detallesUNIDAD 6. POLINOMIOS CON COEFICIENTES ENTEROS
UNIDAD 6. POLINOMIOS CON COEFICIENTES ENTEROS Unidad 6: Polinomios con coeficientes enteros. Al final deberás haber aprendido... Expresar algebraicamente enunciados sencillos. Extraer enunciados razonables
Más detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesCUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS
CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS UN ESTUDIO SOBRE CARBOXIHEMOGLOBINA EN SANGRE En el estudio experimental que aquí presentamos se seleccionó al azar una muestra de 37 estudiantes de una
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesBANCOS. Manejo de Bancos. Como crear una ficha de Banco? Como modificar los datos de una ficha de Banco? Como borrar una ficha de Banco?
BANCOS El Sistema de Gestión Administrativa permite el manejo de los movimientos bancarios. Seleccionada la opción de Bancos, el sistema presentara las siguientes opciones. Manejo de Bancos Manejo de movimientos
Más detallesHoja1!C4. Hoja1!$C$4. Fila
CAPÍTULO 6......... Cálculo y funciones con Excel 2000 6.1.- Referencias De Celdas Como vimos con anterioridad en Excel 2000 se referencian las celdas por la fila y la columna en la que están. Además como
Más detallesComente: Los bancos siempre deberían dar crédito a los proyectos rentables. Falso, hay que evaluar la capacidad de pago.
Explique Brevemente en que consiste el leasing y nombre los diferentes tipos existentes. Es un mecanismo de financiamiento de Activos el cual permite el uso del activo por un periodo determinado a cambio
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesEl concepto de asociación estadística. Tema 6 Estadística aplicada Por Tevni Grajales G.
El concepto de asociación estadística Tema 6 Estadística aplicada Por Tevni Grajales G. En gran medida la investigación científica asume como una de sus primera tareas, identificar las cosas (características
Más detalles