TEMA 4: REGRESIÓN Y CORRELACIÓN.

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

Download "TEMA 4: REGRESIÓN Y CORRELACIÓN."

Transcripción

1 TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl El método d los mímos cuadrados las cuacos ormals Rgrsó lal: rcta d rgrsó (mímos cuadrados) Propdads d las rctas d rgrso Rgrsó o lal Ajust parabólco Ajust Hprbólco Ajust Epocal Ajust Potcal El cofct d dtrmacó corrlacó. El cofct d corrlacó lal La varaza rsdual. Cofct d dtrmacó Valors dl cofct d dtrmacó Valors dl cofct d corrlacó lal: Poscos rlatvas d las rctas d rgrsó Prdccó Rgrsó corrlacó lal smpl. Uo d los objtvos d toda cca s cotrar rlacos tr los hchos qu studa. Estas rlacos s traduc prsos matmátcas. Así s obsrvamos varas vcs l tmpo qu tarda u móvl rcorrr ua dstaca su vlocdad (supusto qu s dsplaza co vlocdad uform), los valors obsrvados stá claramt rlacoados sa rlacó pud prsars matmátcamt como v s / t (v t s). No obstat, st otras varabls como flacó tpo d trés, ofrta dmada, ahorro rta, tc., tr las qu o cab duda d qu st ua rlacó, pro o st ua fucó matmátca qu vrfqu rgurosamt. Pus b l prmro d los casos (tmpo vlocdad) drmos qu st ua dpdca fucoal, l sgudo (flacó tpo d trés) ua dpdca stadístca. La dfrca s qu la prmra la rlacó tr las varabls s strcta prfcta, la sguda l modlo matmátco al qu llgumos dbrá apromar la rlacó tr varabls razoablmt, por lo qu dbrmos dtrmar su forma cotrastar su bodad. Las dpdcas d tpo stadístco, so mu frcuts coomía, gral todas las ccas socals. A las téccas stadístcas utlzadas para dtrmar modlos o prsos qu rlaco l comportamto d varas varabls s ls doma téccas d rgrsó. Prvamt a la aplcacó d téccas d rgrsó, s rqur u aálss tórco, qu rlaco las varabls objto d studo, qu d cosstca al aálss stadístco: Est aálss s csaro porqu s posbl dstgur dsttos tpos d dpdca tr varabls: A) Al azar: a la vsta d la formacó dspobl s plata ua rlacó absurda tr varabls. Ejmplo: los cclos coómcos las machas solars: Ua d las torías cíclcas mas atrvdas fu pusta sobr la msa por tal Jwos a fals dl sglo ; sta (avazada) toría atrbuía las causas ultmas dl dsarrollo d los cclos coómcos a la volucó d las machas solars. DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA -5

2 TEMA 4: REGREIÓN Y CORRELACIÓN. A st rspcto jwos hzo otar qu l sol t uos cclos d actvdad qu, cuado stá su fas álgda, gra u maor umro d machas solars qu duc altracos mtorológcas latrra; stos cclos d actvdad solar qu sgú lo calculado tía ua duracó mda d 0,45 años prcsamt la msma duracó mda (0,46 años) qu los cclos coómcos habdos tr.7.878, d acurdo colos cálculos d Jwos. Obvamt tal cocdca cuato a la dmsó tmporal d stos fómos, s db a la casualdad, a qu la corrlacó, o t por qu mplcar csaramt causaldad. mbargo Jwos psó qu la corrlacó tr los dos cclos ra dmasado strcha para sr accdtal, fucó d llo sugró la causaldad gradora d los cclos, s dcr la volucó d la actvdad solar, dtrmaría la volucó d la actvdad coómca. B) Ua trcra varabl flu sobr las dos varabls cosdradas: cuado dos varabls s po dpdca, s supo qu ua plcara l comportamto d la otra, pro s posbl qu sta ua trcra varabl, qu actú como motor d sa rlacó. Así s vdt la rlacó tr cosumo ahorro d las famlas, pro llo o mplca qu ua plqu la otra, a qu s ua trcra varabl (la rta), la qu dtrma su rlacó. (o ha rlacó causa-fcto tr las dos prmras varabls cosdradas). C) Ua varabl flu la otra: así por jmplo l gasto car d ua famla vdrá dtrmado (auqu o d modo clusvo) por l umro d mmbros d la udad famlar. dos varabls prsta ua dpdca stadístca, s dcr, o fucoal, o s posbl cotrar ua cuacó, tal qu los valors qu puda prstar dchas varabls la satsfaga. Gráfcamt, quval al hcho d qu o s posbl cotrar ua fucó, tal qu su grafca pas por todos los putos corrspodts al dagrama d dsprsó asocado a las varabls obsrvadas. EDAD PEO *l dagrama d dsprsó cosst rprstar gráfcamt ustros pars d obsrvacos (, ). Rprstarmos l j d abcsas los posbls valors d ua varabl(), l j d ordada los posbls valors d la otra varabl (). Los putos dl grafco srá las trsccos (, ) obtdas d ustras obsrvacos. Al cojuto d putos obtdo s l doma ub d putos. At la mposbldad d cotrar ua grafca qu pas por todos los putos d la ub, la fucó cua grafca más s aprom a los datos obsrvados prsara mjor la rlacó tr los msmos. E ustro jmplo la fucó grafca () DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA -5 3

3 TEMA 4: REGREIÓN Y CORRELACIÓN. prsa mjor la rlacó qu la (), pro s tmos qu dcdr tr la () la (3), la lccó o sra ta lmtal. Esto dca qu l método grafco pud sr d gra auda, pro o s sufct para dtrmar la mjor fucó, por llo rcurrrmos a métodos matmátcos, qu o dpda d opos subjtvas. A la varabl qu s qur prdcr s l doma dpdt o dóga a la varabl a partr d la cual qurmos hacr la prdccó, s l llama dpdt, óga o plcatva. Cuado solo utlcmos ua varabl dpdt, starmos at la rgrsó corrlacó smpl. trv más d ua la rgrsó o corrlacó s doma múltpl. Ua d las aplcacos mas trsats d la rgrsó coomía s la d prdcr, sto s, coocdo l valor d ua d las varabls, stmar l valor qu prstara otra varabl rlacoada co la prmra. Ha qu advrtr, qu ua rlacó stadístca furt tr varabls, o mplca la stca d ua rlacó causa-fcto tr llas. Por jmplo st ua furt corrlacó tr l úmro d burros (d 4 patas) l úmro d lccados uvrstaros. Ello s fruto d la dpdca comú d ambas varabls d ua trcra varabl (l dsarrollo coómco dustral), s qu gú caso podamos afrmar qu ua s causa d la otra. 4.. El método d los mímos cuadrados las cuacos ormals. Hacr rgrsó, cosst ajustar lo mjor posbl ua fucó a ua sr d valors obsrvados, gráfcamt quval a cotrar ua curva (rcta) qu auqu o pas por todos los putos d la ub, al mos st lo mas próma posbl a llos. upogamos qu para podr prdcr bas al coocmto d, s ha ajustado ua fucó qu prsa d la mjor forma posbl l comportamto d Y fucó d (Y f()): EDAD f() PEO Pus b utlzado la mcoada fucó, proostcaríamos qu s tocs la varabl Y tdría ua valor sprado f ( ). Est valor posblmt o cocdrá co l qu ralmt ha prstado la varabl Y,, d mara qu dcha prdccó s habrá comtdo u rror; DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 3-5

4 TEMA 4: REGREIÓN Y CORRELACIÓN. Esta dfrca s doma rsduo, os da ua mdda dl rror comtdo l ajust para cada puto dl dagrama d dsprsó. U crtro para obtr u bu ajust qu vt qu s comps rsduos d sgo postvo co rsduos d sgo gatvo qu sa majabl (algbracamt), sra mmzar la suma d los cuadrados d los rsduos, s dcr, hacr míma la suma: ( ) ( f ( Est crtro d mmzar la suma d cuadrados s l coocdo como crtro d mímos cuadrados. pud obsrvar qu l dsarrollo atror cosst la búsquda d u procdmto para mdr la dstaca d u cojuto fto d putos a ua curva. Las fucos qu s ajusta co más frcuca sus cuacos grals, so: Rcta: a b Parábola: a b c Polomo d grado : a b c d 3... z Hpérbola qulátra: a b/ Fucó potcal: a b Fucó pocal: ab Curva logístca: a/( b -c ) Epocal modfcada: a b c la fucó s ua rcta, la rgrsó s doma lal Rgrsó lal: rcta d rgrsó (mímos cuadrados). Vamos a cotrar tr todas las rctas, cua cuacó gral s a b, cual s la qu sgú l método d mímos cuadrados mjor s ajusta a los datos obsrvados para ua varabl bdmsoal (, ). Coocdo l valor d la varabl, l valor sprado d srá: ŷ a b, comtédos u rror rspcto dl valor obsrvado d a b. El método d mímos cuadrados, l caso d la rcta, trata d cotrar los cofcts a b qu haga míma la prsó: ( a, b ) Σ Σ( a b ) Para qu sta u mímo l puto (a 0, b 0 ) la codcó csara, s qu s aul las drvadas parcals d prmr ord dcho puto, s dcr: )) δ ( a 0, b 0 ) - Σ( a b ) 0 () δa δ( a 0, b 0 ) - Σ( a b ) 0 () δb DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 4-5

5 TEMA 4: REGREIÓN Y CORRELACIÓN. A las dos cuacos atrors () (), s ls doma cuacos ormals d la rcta, la solucó dl sstma qu forma (sstma d cuacos co dos cógtas) srá u puto (a 0, b 0 ) dod (a,b) s hac míma. Est sstma també lo podmos scrbr como: Σ a b Σ Σ a Σ b Σ Vamos a dspjar los valors d a b solucó dl sstma. Para llo dvdmos las dos cuacos por os cotramos co: a b a a ba Dspjado a d la prmra cuacó: a Y susttudo la sguda cuacó: b a ( b) ba b ba b( a ) b ahora dspjamos b sta prsó, tmos; a b Pus b, s susttumos los valors a b qu hmos calculado la cuacó gral d la rcta (ab), obtmos; Y Y ( ) Y Qu podmos prsar como; ( Y ) A la prsó dtro dl rcuadro s l llama rcta d rgrsó d Y/. D modo aálogo podríamos habr obtdo la rcta d rgrsó d /Y llgado a ua prsó d la forma; DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 5-5

6 TEMA 4: REGREIÓN Y CORRELACIÓN. ( Y Y ) D las cuacos d las dos rctas d rgrsó s dduc qu ambas pasa por l puto (, ), pudédos dar dos altratvas: qu cocda (sus pdts dbrá sr guals) o qu s cort solo dcho puto Propdads d las rctas d rgrso. Propdad : la suma d los rsduos val 0 ( por tato su mda també), sto s: Dmostracó: Σ 0 Σ Σ( a b ) Σ - Σ a b Σ Σ - a b Σ 0 Ya qu a b so solucó d la prmra cuacó dl sstma. Propdad : la dpdca stt tr las dos varabls s fucoal, las dos rctas d rgrsó so cocdts. Propdad 3: La covaraza d las varabls Y val 0. 0 a a 0 a 0, sabmos por la propdad qu a 0 0, tocs bastará dmostrar qu a 0 (s dmostracó) Rgrsó o lal. Auqu la rgrsó lal, t aplcacó muchos problmas, alguos casos, la rlacó qu lga las varabls g la utlzacó d ajusts o lals. No obstat cluso stas ultmas stuacos, por su scllz, sul aplcars la rgrsó lal aprovchado l qu cas toda fucó (curva) pud apromars por ua rcta u pquño domo Ajust parabólco. prdcmos la varabl mdat ua parábola d cuacó gral a b c l valor sprado srá: ŷ a b c Y l rror comtdo srá: - ŷ a - b - c. El método d mímos cuadrados os coduc a la parábola qu hac míma la fucó: ( a, b, c ) Σ Σ( a b - c ) DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 6-5

7 TEMA 4: REGREIÓN Y CORRELACIÓN. Para qu sa fucó suma (a,b,c,) alcac u mímo, sus drvadas parcals dbrá valr 0: () () δ( a 0, b 0, c 0 ) - Σ( a b - c ) 0 δa δ( a 0, b 0, c 0 ) - Σ( a b - c ) 0 δb δ( a 0, b 0, c 0 ) - Σ( a b - c ) 0 (3) δc dvdmos las trs cuacos (sstma d cuacos ormals) por obtmos u sstma d trs cuacos co trs cógtas, cua rsolucó os proporcoara los cofcts a, b, c d ustra parábola d ajust: a b c a 0 a a b a 0 c a 30 a a a 0 b a 30 c a 40 Est tpo d ajust s utlza por jmplo mcrocoomía para la curva d costs margals fucó dl volum d produccó (qu t forma d U ). Est ajust s pud gralzar, s qurmos ajustar por u polomo d grado supror a, qu tdrá ua prsó gral: b 0 b b... b El método d mímos cuadrados os coducrá a u sstma smlar al atror, pro co cuacos cógtas, cua rsolucó os proporcoara los valors d b 0, b, b,..., b Ajust Hprbólco. prdcmos la varabl mdat ua hpérbola d cuacó gral: a b (/) El valor sprado srá: ŷ a b (/ ) Y l rror comtdo srá: - ŷ a b (/ ). El método d mímos cuadrados os coduc a la hpérbola qu hac míma la fucó: ( a, b ) Σ Σ( a b(/ )) Ahora podmos razoar d forma altratva a la mplada hasta ahora dfdo la varabl z / co lo qu trasformamos la hpérbola la rcta a bz obtdo u sstma d cuacos ormals: Σ a b Σ(/ ) Σ (/ ) a Σ(/ ) b Σ(/ ) DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 7-5

8 TEMA 4: REGREIÓN Y CORRELACIÓN. Qu rsolvrmos d modo aálogo al ralzado l ajust lal. Esta s ua mara altratva, pro podíamos habr fctuado l msmo razoamto qu para l ajust parabólco. La curva d Egl qu prsa la dmada d u b fucó d la rta, adopta ocasos la forma d ua hpérbola qulátra Ajust Epocal. prdcmos la varabl mdat ua pocal d cuacó gral: a b El valor sprado srá: a Y l rror comtdo srá: b a b Al gual qu l caso atror tmos dos altratvas: B obtr l mímo d la fucó: ( a, b ) Σ Σ( a b ) (Est método os coduc a u sstma d cuacos mposbl d rsolvr). O b trasforma la fucó pocal ua fucó lal. Esto s hac tomado logartmos la cuacó gral. Nos dcatamos por st procdmto: L b L( a ) La L b La b Llamado: Y l ; A l a ; b b ; Podmos prstar la cuacó: Y A b Cuo sstma d cuacos ormals sra: Ajust Potcal. Σ l La b Σ Σ l La Σ b Σ prdcmos la varabl mdat ua potcal d cuacó gral a b l valor sprado srá: Y l rror comtdo srá: Nuvamt tmos dos altratvas: b a a b DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 8-5

9 TEMA 4: REGREIÓN Y CORRELACIÓN. A) Hacr míma la suma d los cuadrados d los rsduos (da lugar a u sstma d cuacos qu o podmos rsolvr). B) Trasformar la fucó ua fucó lal (tomado logartmos): Llamado: L l( a b ) l a b l Y l ; A l a ; b b ; l Podmos prstar la cuacó: Y A b Cuo sstma d cuacos ormals sra: Σ l L a b Σl Σ l l La Σl b Σ(l ) Ejrcco: ajustar a ua fucó potcal a ua fucó pocal, los sguts datos: 4 3 Y Para ajustar a ua fucó potcal: A) a b l l a b l Y A b Para ajustar a ua fucó pocal: B) a b l l a b Y A b Amplamos ustra tabla co los datos qu falta: Y L L L l l (l ) umas a) FUNCION POTENCIAL: L L L L B b ; A L a L L.0;a Ep A3.36 L L UTITUYENDO ETO COEFICIENTE EN a b TENEMO NUETRA FUNCION DE AJUTE POTENCIAL: Y b) FUNCION EPONENCIAL: L L B b ; A L a L a Ep A3.89 DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 9-5

10 TEMA 4: REGREIÓN Y CORRELACIÓN. UTITUYENDO ETO COEFICIENTE EN a b TENEMO NUETRA FUNCION DE AJUTE EPONENCIAL: Y El cofct d dtrmacó corrlacó. El cofct d corrlacó lal. Ats d ucar dscrbr brvmt otras formas d ajust dbrmos plataros lo sgut: La rgrsó os prmt ajustar ua ub d putos a ua rcta (ajust lal) o curva (ajust o lal), lo qu quval a coocr la forma la qu s rlacoa las varabls. D otra mara, la rgrsó dtrma la mjor d las rctas o curvas stablc ua rlacó tr dos varabls, pro l hcho d qu sa la mjor posbl, o qur dcr qu sa bua (pud ocurrr qu los rrors qu stmos comtdo sa lvados), a qu s posbl qu sta otra fucó matmátca qu modlc mjor la rlacó tr las varabls. Por tato ta mportat srá coocr la forma qu s rlacoa las varabls (d so s ocupa la rgrsó), como coocr l grado d asocacó/dpdca d dchas varabls (d sto s ocupa la corrlacó), cotrar algua mdda o cofct qu os mda l grado d bodad o d rprstatvdad d la rlacó qu hmos stablcdo mdat téccas d rgrsó La varaza rsdual. Cofct d dtrmacó. El método d mímos cuadrados toma como mdda dl rror qu s comt, cuado ajustamos a ua curva/rcta, la suma d los rsduos al cuadrado: ( ) ( f ( )) Esa catdad dvdda por s utlza como mdda d la bodad dl ajust. E l caso d fucos lals (rcta, parábola, hpérbola, tc.), la mda d los rsduos s 0(propdad ), por lo qu la suma d los cuadrados d los rsduos dvdda por o s otra cosa qu la varaza d la varabl s doma varaza rsdual: ( ) Vamos l sgfcado d sta varaza rsdual: DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 0-5

11 TEMA 4: REGREIÓN Y CORRELACIÓN. DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA -5 El prmr sumado a la drcha d la gualdad s doma varaza plcada por la rgrsó os dca qué mdda quda plcada la varabl dpdt () mdat l modlo d ajust, pudédos trprtar l sgudo sumado -qu s la varaza rsdual- como ua mdda d lo qu quda s plcar dspués d habr fctuado la rgrsó. Esta varaza rsdual prsta l problma d dtrmar a partr d qu valors s sufctmt pquña o grad como para admtr u bu o mal ajust: la rspusta a st trrogat os la dará l cofct d dtrmacó R. R Ats d studar l rago d varacó d st cofct, vamos ua forma cómoda d calcular s para l caso partcular d u ajust lal: b a R susttumos a b por sus valors: b a ; b tmos cuta qu: ; ; Tmos qu: ) ) ( ) ( ) ( ) ( Y Y Y Y Y Y Y Y Y Y Y Y R

12 TEMA 4: REGREIÓN Y CORRELACIÓN. A r : s l doma cofct d corrlacó lal s dota co la ltra r Por tato, l caso ( úcamt st caso) d u ajust lal, s t qu: R Valors dl cofct d dtrmacó. El cofct d dtrmacó toma valors tr 0 ; 0 R r Toma l valor 0 cuado la rgrsó o plca ada d la varabldad d los valors obsrvados por tato l ajust obtdo o modlza adcuadamt ( squra mmamt) la rlacó tr varabls. R 0 0 Toma l valor cuado l ajust fctuado rcog toda la varabldad d la varabl orgal, por tato l ajust s prfcto. R 0 Para valors tr 0, l ajust s tato mjor cuato más s aproma a l cofct d dtrmacó. Los ajusts s cosdra razoabls cuado R 0, Valors dl cofct d corrlacó lal: Poscos rlatvas d las rctas d rgrsó. El cofct d corrlacó lal pud utlzars como mdda altratva al cofct d dtrmacó para valuar la bodad dl ajust clusvamt l caso d rgrsó lal. Vamos las poscos rlatvas d las rctas d rgrsó d Y/ d /Y su rlacó co los valors dl cofct d corrlacó lal. Dado qu l cofct d corrlacó lal s df como: r co R r Podmos asgurar qu: 0 r r DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA -5

13 TEMA 4: REGREIÓN Y CORRELACIÓN. A) Cuado r 0, sto supo úcamt qu o st rlacó lal algua tr, s mbargo pud star strchamt lgadas d acurdo co otro tpo d fucó por jmplo (vr fgura). Y/ /Y Coclusó: por tato cuado r 0 l ajust lal o srá l dcado. Esta coclusó la poscó so també aplcabls al ajust hprbólco, cosdrado lugar d las varabls, las varabls z, sdo z /. B) r ±. Cuado r ±, r, tocs la varaza rsdual s 0 Esto mplca qu todos los rrors o rsduos so ulos qu las rctas d rgrsó pasa por todos los putos qu s ha obsrvado. Por tato las dos rctas cocd. r la pdt d las rctas srá postva s r- la pdt d las rctas srá gatva (vr fgura). r (corr.prfcta ) r -(corr.prfcta -) C) < r < 0 ó 0 < r <. Estas stuacos trmdas srá las qu mas vcs s prst la práctca. A mdda qu r s alja d 0 mjor srá l ajust por ua rcta d mímos cuadrados. NOTA: * cosdramos las rctas d rgrsó Y / Y a b / Y cy d sus pdts so rspctvamt a ; c por tato l cofct d corrlacó lal al cuadrado v dtrmado como l producto d las pdts d las dos rcta d rgrsó: DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 3-5

14 TEMA 4: REGREIÓN Y CORRELACIÓN. r * Ambas rctas s corta l puto ( ) smpr s corta lo hac s puto: bc,. Es dcr las dos rctas d rgrsó * Las dos rctas t pdts co l msmo sgo por lo qu o s posbl la sgut stuacó: * las varabls so dpdts su covaraza valdrá 0 por tato las dos rctas d rgrsó srá d la forma: Y / / Y * Bodad dl ajust d la parábola. Dbdo a qu la rcta s u caso partcular d parábola (la parábola t por cuacó a b c.la rcta s l caso partcular cuado c 0), s obtdrá smpr mjors ajusts mdat parábolas qu mdat fucos lals (rctas), sdo l cofct d dtrmacó para la parábola smpr maor qu l d la rcta (rcordmos qu la rcta r R ). DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 4-5

15 TEMA 4: REGREIÓN Y CORRELACIÓN. Por st msmo razoamto pud psars qu cosdrado polomos d maor grado s cosgu mjors ajusts (rcordmos qu la parábola s u polomo d grado ). Pro o db psars qu smplmt co crmtar l ord dl polomo d ajust s pud llgar a obtr u ajust ta buo como s qura. La bodad dl ajust dpdrá dl maor o mor grado d asocacó tr las varabls studo, s stas o prsta apas rlacó (d cualqur tpo) o podrmos cotrar fucos qu ajust b los datos obsrvados Prdccó. Como a dcamos, la prdccó s ua d las aplcacos más mportats d la rgrsó. La prdccó cosst dtrmar(a partr dl modlo ajustado), l valor d la varabl dpdt para u valor dado d la varabl dpdt. Cuado la stmacó/prdccó s hac para u valor d la varabl dpdt dtro dl rago d ustras obsrvacos s doma trpolacó s s hac para u valor d la varabl fura dl rago s doma trapolacó. Para la trpolacó la fabldad d los valors proostcados srá tato maor cuato mjor sa l ajust (cuato maor sa R ), l supusto, claro sta, d qu sta rlacó/asocacó tr las varabls. Cuado hacmos prdccos para valors d la varabl mu aljados dl rago d varacó d la varabl dpdt, s corr l rsgo d qu l modlo ajustado o sa valdo para dchos valors la mdda dada por R. Bblografía básca * Mª Agls palacos, Frado A. Lópz Hrádz, José García Córdoba Maul Ruz Marí. INTRODUCCIÓN A LA ETADÍTICA PARA LA EMPREA. Lbrría Escarabajal * Martí-Plgo Lópz, Fco. Itroduccó a la stadístca coómca mprsaral. Ed. Thomso * Casas, J. M., Callalta, J., Núñz, J., Toldo, M. Urña, C. (986). Curso Básco d Estadístca Dscrptva. I.N.A.P. * Hrmoso Gutérrz, J. A. Hrádz Bastda, A. (997). Curso Básco d Estadístca Dscrptva Probabldad. Ed. Némss. Para sabr más o aclarar dudas: so_corrlaco/idc.htm DEPARTAMENTO DE MÉTODO CUANTITATIVO E INFORMÁTICO FACULTAD DE CIENCIA DE LA EMPREA UNIVERIDAD POLITÉCNICA DE CARTAGENA 5-5

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE TEMA MODELO DE REGRESIÓN LINEAL SIMPLE. INTRODUCCIÓN A LA REGRESIÓN SIMPLE! 4 Supogamos qu la varal s ua fucó lal d otra varal, dod la rlacó tr y dpd d parámtros! y! dscoocdos. Itroduccó a la Rgrsó Smpl!

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

EXAMEN DE TÉCNICAS CUANTITATIVAS III.

EXAMEN DE TÉCNICAS CUANTITATIVAS III. APEIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdr u vl d cofaza dl 95% (z=).. U mprsaro qur stmar l cosumo msual d lctrcdad ua comudad d 000 hogars dvddos 400

Más detalles

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL

BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA 1. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL BLOQUE I: ESTADÍSTICA DESCRIPTIVA TEMA. ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL. Graldads Estadístca: Cojuto d torías y téccas para la rcoplacó, l aálss, la trprtacó y la prstacó d datos umércos Etapas

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

Más detalles

4.1 Procedimientos de inferencia para la distribución exponencial

4.1 Procedimientos de inferencia para la distribución exponencial 4 Ifrca paramétrca 4 Procdmtos d frca para la dstrbucó xpocal La dstrbucó xpocal fu la prmra dstrbucó para modlar tmpos d falla y para lla s ha dsarrollado métodos stadístcos d mara xtsva a T ua va xpocal

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

Más detalles

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

Más detalles

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

Estadística Teórica II

Estadística Teórica II Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa

Más detalles

TEMA 3: ESTIMACIÓN PUNTUAL.

TEMA 3: ESTIMACIÓN PUNTUAL. TEMA 3: ESTIMACIÓN PUNTUAL..- S tra ua mustra por m.a.s. d tamaño d ua poblacó qu sgu l modlo d Posso. Obtr l stmador por l método d los momtos y l stmador por l método d máma vrosmltud. Solucó: El método

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III

Análisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO III Aálss stadístco d los factors d rsgo qu fluy la frmdad Aga d Pcho. Flors Marqu, Luz Drchos rsrvados coform a Ly CAPÍTULO III MODELOS DE REGRESIÓN LOGÍSTICA 3. ANTECEDENTES La rgrsó logístca s ua d las

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta APNTE DE CLAE ECONOMETRÍA I. DI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJNTA EN EL MBRL Prof. Rafal d Arc Rafal.darc@uam.s I. Cotrast d sgfcacó cojuta dl modlo a

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS

UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS UNIDAD 9: INTRODUCCIÓN A LAS DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit límit si ist: f f ' lím sigifica lo mismo.

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy

Más detalles

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta /4 APUNTE DE CLAE ECONOMETRÍA I. UDI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJUNTA EN EL MBRL Prof. Rafal d Arc Prof. Ramó Mahía rafal.darc@uam.s ramo.maha@uam.s

Más detalles

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km) 3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34

Más detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

Teoría de errores. Tema 4

Teoría de errores. Tema 4 Toría d rrors Tma 4 Tma 4 Toría d rrors 4. El rror rdadro 4. Clasfcacó d rrors Sgú las causas qu los prooca Sgú los fctos qu produc 4.3 Ly d rrors d Gauss Postulados d Gauss y dstrbucó d rrors Valor más

Más detalles

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS

Más detalles

Cadenas de Markov de tiempo continuo

Cadenas de Markov de tiempo continuo Cocpts foamtals d xarxs d computadors. U focamt aalítc. Cadas d Markov d tmpo cotuo Qué propdads db cumplr u procso stocástco para sr ua MC d tmpo cotuo? Los stados db formar u couto umrabl E caso cotraro

Más detalles

2. Utilizando el método adimensional basado en el factor de calidad Q, determine:

2. Utilizando el método adimensional basado en el factor de calidad Q, determine: Uivrsidad Simó Bolívar Dpartamto d Covrsió y Trasport d Ergía Autor: Eduardo Albaz. Cart: 06-391 Profsor: J. M. Allr Máquias Eléctricas II CT-311 U motor d iducció coxió strlla d 100 kw, 416 V, rdimito

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

Automá ca. Capítulo4.RespuestadeRégimenTransitorio

Automá ca. Capítulo4.RespuestadeRégimenTransitorio Automáca Capítulo.RputadRégmratoro JoéRamóLlataGarcía EthrGozálzSaraba DámaoFrádzPérz CarloorFrro MaríaSadraRoblaGómz DpartamtodcologíaElctróca IgríadStmayAutomáca Rputa d Régm ratoro Rputa d Régm ratoro..

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

Más detalles

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión Rgrsón Smpl y Múltpl Part II Profsor Oscar Mllons Borrador, Octubr 1, 8 Supustos n l modlo d rgrsón 1.- Para cada valor d X, xst un grupo d valors d Y qu tnn una dstrbucón normal. (grafcar sta da).- Las

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

Elementos de Probabilidad y Estadística

Elementos de Probabilidad y Estadística Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco

Más detalles

MECÁNICA ESTADÍSTICA

MECÁNICA ESTADÍSTICA FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s

Más detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r. (Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar

Más detalles

Q c 0 en V (5.1a) y z k. y n

Q c 0 en V (5.1a) y z k. y n V.- PROBLEM DE CMPO ECLR 5..- Itroduccó dfrca d los problmas abordados los capítulos atrors, dod las cógtas rlacoados co los msmos ra catdads vctorals, st ua gra gama d problmas dod las cógtas so d aturala

Más detalles

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE

MATEMÁTICAS Y CULTURA B O L E T Í N No. 273 COORDINACIÓN DE MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE MATEMÁTICAS Y CULTURA B O L E T Í N 23.04.20 No. 273 COORDINACIÓN DE MATEMÁTICAS MATEMÁTICAS MATEMÁTICAS APLICACIONES DEL DETERMINANTE DE VANDERMONDE E l Boltí Matmáticas Y Cultura No. 257 dl 23 d abril

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

Regresión simple consumo y peso de automóviles. Modelo general de regresión. Hipótesis del modelo. Modelo. Parámetros. x i. Regresión lineal simple

Regresión simple consumo y peso de automóviles. Modelo general de regresión. Hipótesis del modelo. Modelo. Parámetros. x i. Regresión lineal simple Modlo gral d rgrsó grsó smpl cosumo pso d auomóvls Objvo Aalzar la rlacó r ua o varas varabls dpds u cojuo d facors dpds. Tpos d rlacos f Y Y... Y X X... X - lacó o lal - lacó lal k grsó lal smpl l úm.

Más detalles

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d

Más detalles

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS

TEMA 5: LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS Dpartamto d Matmáticas. IE.S. Ciudad d Arjoa º Bach Socials. LÍMITES Propidads: TEMA : LÍMITE DE FUNCIONES. CONTINUIDAD.ASÍNTOTAS. LÍMITES. LÍMITE DE UNA FUNCIÓN EN UN PUNTO. LÍMITES. RESOLUCIÓN DE INDETERMINACIONES.

Más detalles

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov

EXAMEN FINAL DE I.O.E. (Curso 02/03 2º Q). Cadenas de Markov EXAMEN FINA DE I.O.E. (Curo / º Q. Cada d Markov S ha comrobado qu la robabldad d qu u dtrmado artdo olítco ga ua lcco dd d la gaó lo do comco mdatamt atror d la gut forma: gaó la do lcco atror toc la

Más detalles

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad. 5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

4. Funciones básicas

4. Funciones básicas 4. Fucos báscas Fucó Epocal Sa, dfmos la fucó pocal como: Por qué? (cos s (cos s 3 / 3 (cos / s / 3 ( s rduc a cuado s ral (cuado 0. ( s ua fucó tra (s aalítca todo puto. (3 Su drvada cocd co la fucó msma,

Más detalles

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.

Más detalles

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS)

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS) INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS) Los sistmas o lials pud llgar a tr comportamitos ralmt sorprdts alguos casos: por u lado pud llgar a tr diámicas totalmt difrts sgú l valor qu

Más detalles

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente

Bootstrap en los modelos de elección discreta: una aplicación en el método de valoración contingente UNIVERSIDAD NACIONA MAYOR DE SAN MARCOS FACUTAD DE CIENCIAS MATEMÁTICAS UNIDAD DE POSGRADO Bootstrap los modlos d lccó dscrta: ua aplcacó l método d valoracó cotgt TESIS Para optar l Grado Académco d Magístr

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

Más detalles

ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA

ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Estadístca

Más detalles

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro

Más detalles

Apéndice A ANÁLISIS TENSORIAL

Apéndice A ANÁLISIS TENSORIAL Apéndc A ANÁLISIS TENSORIAL El análss tnsoral s cntra n l studo d nts abstractos llamados tnsors, cuyas propdads son ndpndnts d los sstmas d rfrnca mplados para dtrmnarlos. Un tnsor stá rprsntado n un

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO Mcroconomía AE Tma 3. LA COMPETENCIA PERFECTA PROBLEMA REUELTO uponga qu cada una d las 144 mprsas qu forman una ndustra prfctamnt compttva tnn una curva d costs totals a corto plazo déntca qu vn dada

Más detalles

FÓRMULAS DE MATEMÁTICAS FINANCIERAS

FÓRMULAS DE MATEMÁTICAS FINANCIERAS FÓRMULAS DE MATEMÁTIAS FINANIERAS TEMAS Y 2: ONEPTOS BÁSIOS... 2 Ly facra. Suma facra. Potulado d quvalca facra. Saldo facro. TEMA 3: MAGNITUDES DERIVADAS... 3 Factor, rédto, rédto acumulado, tato (d captalzacó

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

APUNTE Y PROBLEMAS DE FÍSICA III

APUNTE Y PROBLEMAS DE FÍSICA III APUE Y PROBLEMAS DE FÍSICA III CARRERA: LICECIAURA E QUÍMICA PROFESOR Mg. CARLOS A. CAAEO AUILIAR Lc. ERIQUE M. BIASOI COEIDOS: Mcáca Clásca: Mcáca Cuátca: Mcáca Estadístca: Problmas: Cmátca Dámca Prcpos

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

El error con ese presupuesto será aproximadamente del 3,1% Ejercicio 8.2

El error con ese presupuesto será aproximadamente del 3,1% Ejercicio 8.2 EJERCICIO 8.1 U ivstigador dispo d 0.000 para ralizar las trvistas d ua custa ua gra ciudad. El custioario s admiistrará mdiat trvistas tlfóicas, sido l cost d cada trvista d 0. Qué marg d rror dbrá asumir

Más detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

1.- Contraste de combinaciones lineales entre parámetros 1.1 Caso General

1.- Contraste de combinaciones lineales entre parámetros 1.1 Caso General Tma 3: l modlo Básco d grsó Lal Múlpl II.- Coras d combacos lals r parámros. Caso Gral. Coras d sgfcacó global.3 Sbcojo d parámros.4 Coras d sgfcacó dvdal. smacó por rvalo d cofaza.- Prdccó mímo cadráca

Más detalles

CÁLCULO NUMÉRICO (0258)

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

Más detalles

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1: .- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim

Más detalles

PROBLEMAS RESUELTOS DE RECTAS TANGENTES Y NORMALES

PROBLEMAS RESUELTOS DE RECTAS TANGENTES Y NORMALES PROBLEMAS RESUELTOS DE RECTAS TANGENTES Y NORMALES ) (Part d un problma d Slctividad d Cincias y Tcnología 007) Sa f: R R la función dfinida por f() =. Dtrmina la cuación d la rcta tangnt a la gráfica

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS

TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS www.ova.ud.s/wbags/ild/wb/d.htm -mal: mozas@l.ud.s TEMA 6 DISTRIBUCIONES DE PROBABLIDAD DISCRETAS Dstbucó dgada u uto c.- Fucó d obabldad: P( = c) = ; P( c) = 0. Fucó d dstbucó: F() = 0, c, c Momtos: E()

Más detalles

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal) PROLMAS TMA JRCICIO j 9.5 d Frádz Abascal La cotizació olsa d u cirto título s cosidra ua variabl alatoria ormalmt distribuida co arámtros dscoocidos, ro s diso d la siguit iformació: a ist u,5% d robabilidad

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Material Docente de. Econometría. Curso 2011-2012. Primera parte. Esquemas de teoría

Material Docente de. Econometría. Curso 2011-2012. Primera parte. Esquemas de teoría Maral Doc d Ecoomría Curso - Prmra par Esqumas d oría Cuaro curso d Ecoomía Cuaro curso d Admsracó y Drccó d Emprsas Cuaro curso d Drcho y ADE Profsors: Jsús Cavro Álvarz Hla Corrals Hrrro olada Gozálz

Más detalles

FINITOS Introducción

FINITOS Introducción I.- ORMULACIÓN ARIACIONAL INITO DL MÉTODO D LO LMNTO 4..- Itroduccó l Capítulo II, las cuacos d los lmtos s dduro usado l método drcto. Como a s mcoó, st método, a psar qu mustra claramt l squma d ucoamto

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

DISTRIBUCIONES BINOMIAL, DE POISSON Y NORMAL

DISTRIBUCIONES BINOMIAL, DE POISSON Y NORMAL BNP DISTRIBUCIONES BINOMIAL, DE POISSON NORMAL Dstrbucó bomal BNP I a. S ucará acá d uvo l problma ya cosdrado NP X : Dado u sucso A cuya probabldad d ocurrca ua pruba aslada s p, s qur hallar la probabldad

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

ANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1.

ANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1. AÁLISIS DE DATOS PROVEIETES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIOES A LA ECUESTA DE HOGARES Y EMPLEO DE LA PROVICIA DE BUEOS AIRES. Autors: Damot C, Motvrd M 3, Prz V 4 y Sotlo R 5 (VERSIÓ DEL 3 DE

Más detalles

Capítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange

Capítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange Capítulo 4-. El poblma d la tpolacó. Polomo tpolado d Lagag 4 El poblma d la Itpolacó. Sa f ua fucó cotua [a, b] d la qu s cooc l valo qu toma putos dsttos (odos):...... S tata d calcula l valo apomado

Más detalles

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS Tma Sucsios Matmáticas I º Bach. TEMA SUCESIONES SUCESIONES Y TÉRMINOS EJERCICIO : Si l térmio gral d ua sucsió s a 0 Halla l térmio sgudo y l décimo. b) Hay algú térmio qu valga? Si hay dcir qu lugar

Más detalles

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

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

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

Ampliació de Química-Física Curs Introducció

Ampliació de Química-Física Curs Introducció Itroduccó F Curs 7-8 mplacó d uímca-físca Curs 7-8 Itroduccó Cotdo ma : Cocptos báscos d Mcáca Cuátca Postulados d la Mcáca Cuátca Sstmas scllos Caja Cuátca rdmsoal Rotor Rígdo Osclador armóco promacó

Más detalles

Unidad 11 Derivadas 4

Unidad 11 Derivadas 4 Unidad 11 rivadas SOLUCIONES 1. La solución n cada caso s:. Las drivadas son: f ( ) f () a) [ f () f () lím f (6 ) f (6) 9 b) f (6) lím lím 5 f (0 ) f (0) c) [ f (0) f (0) lím. En cada caso: a) f() no

Más detalles