HOMOGENEIDAD DE POBLACIONES ESTADISTICAS. EL PROBLEMA DE LA MIXTURA DE COMPONENTES
|
|
- Daniel Agüero Fidalgo
- hace 7 años
- Vistas:
Transcripción
1 HOMOGENEIDAD DE POBLACIONES ESTADISTICAS. EL PROBLEMA DE LA MIXTURA DE COMPONENTES Mguel Ángel Fajardo Caldera - fajardo@unex.es Jesús Perez Mayo - jperez@unex.es Lyda Andrades Caldto andrades@unex.es Unversdad de Extremadura Reservados todos los derechos. Este documento ha sdo extraído del CD Rom Anales de Economía Aplcada. XIV Reunón ASEPELT-España. Ovedo, 22 y 23 de Juno de ISBN:
2 HOMOGENEIDAD DE POBLACIONES ESTADISTICAS. EL PROBLEMA DE LA MIXTURA DE COMPONENTES. AUTORES: Fajardo Caldera, M.A. Perez Mayo, Jesús Andrades Caldto, Lyda. Dptº. de Economía Aplcada y Org. de Empresas. Unversdad de Extremadura. RESUMEN: En este artículo, los autores analzan el problema de la homogenedad de poblacones. Este consste en dvdr una poblacón en subpoblacones y estudar s la dstrbucón de probabldad es la msma en ellas. S esto es afrmatvo, entonces podremos trabajar con datos agregados, en caso contraro sería convenente trabajar con las subpoblacones. El gnorar la heterogenedad conduce a conclusones equvocadas (paradoja de Smpson). Exsten un consderable conjunto de técncas estadístcas para analzar s una poblacón es homogénea respecto a alguna o varas característcas cuando estas son observables (Anova, Manova, Regresón multvarante, etc.); el problema surge cuando no conocemos a pror estas característcas, es decr, son no observables. La aplcacón que trataremos en este artculo, será analzar s la varable ngresos totales netos de los hogares españoles en el año 1994 es una dstrbucón homogénea, a través de la técnca estadístca conocda con el nombre de análss de mxtura de componentes y su resolucón por el algortmo EM.
3 INTRODUCCIÓN.- El análss de homogenedad de poblacones consste en dvdr una poblacón en subpoblacones y estudar s la dstrbucón de una o varas varables aleatoras es la msma en todas ellas. En este caso, se podrá trabajar con los datos agregados. En caso contraro, será convenente trabajar con las subpoblacones exstentes, Peña y Romo (1). El gnorar la heterogenedad debda a la presenca de subpoblacones puede conducr a conclusones equvocadas en el análss, ya que no tenemos una representacón clara de la varable, no mejoramos la comprensón del fenómeno en estudo y podemos ncurrr en la famosa Paradoja de Smpson (2), quen demostró que al mezclar datos que provenen de dstntas poblacones y, por tanto, son heterogéneos, podemos llegar a conclusones opuestas a las obtendas tenendo en cuenta las subpoblacones. La Cenca Estadístca ha proporconado un consderable número de herramentas para poder analzar la homogenedad de poblacones cuando la varable grupo y las varables a analzar son observables. Los modelos más conocdos son el Anova (para el estudo de una únca varable) y el Manova (para el estudo de un conjunto fnto de varables), sempre que se conozca a pror la asgnacón de las observacones a los grupos, analzándose posterormente medante un contraste de gualdad de medas, supuestas que las poblacones son normales y homocedástcas. En el caso de que se acepte la hpótess nula de gualdad de medas, entonces dremos que las poblacones son homogeneas.
4 El problema surge cuando no dsponemos de nformacón a pror que nos ndque s exste una dvsón de la poblacón en subpoblacones, es decr, cuando la varable grupo es no observable. Este es el problema que trataremos en este artículo, en el que la varable contnua observable vene defnda por los ngresos totales netos de los hogares españoles en el año 1994 (Panel de Hogares de la U.E.), y la varable grupo (dscreta) es no observable, problema que es conocdo, en el campo de la estadístca, con el nombre de análss de mxtura de componentes. Su resolucón se basa en el conocdo algortmo EM y en el contraste de hpótess de homogenedad a través de los modelos mxtos de varables contnuas y dscretas, ntroducdos por Laurtzen y Wermuth en 1989 (3) y su extensón por Edwards en 1990 (4 ) a los modelos de nteraccón jerárquca y más tarde construdos por combnacón de los modelos log-lneales para varables dscretas con los Modelos Gaussanos Gráfcos (MGG) para varables contnuas por Whttaker (1990) ( 5 ) y Edwards (1995) (6). ANALISIS DE MIXTURA DE DISTRIBUCIONES ESTADÍSTICAS.- El análss de las dstrbucones mxtas para datos agrupados consste matemátcamente en el estudo de una funcón de densdad de probabldad mxta, la cual es una suma ponderada de k funcones de densdad componentes, donde k es asumdo a pror para ser conocdo, es decr, f(x /µ,σ) = p 1 f(x /µ 1,σ 1 ) + p 2 f(x /µ 2,σ 2 ) p k f(x /µ k,σ k ) [1]
5 Las densdades componentes pueden ser normales, lognormal, gamma, exponencal o Webull. Los parámetros son las proporcones de la mxtura, las medas y las desvacones estándar de las dstrbucones componentes. Dversas restrccones pueden ser mpuestas a los parámetros. El caso que vamos a desarrollar es el de una muestra aleatora, x 1, x 2, x 3,..., x n, extraída de una poblacón con funcón de densdad dada en [1], con las dstrbucones componentes normales y homocedástcas. Dada la muestra, y fjado un k a pror, estmaremos los parámetros y posterormente contrastaremos la gualdad de medas de las dstrbucones componentes, es decr, s los datos están descrtos adecuadamente por una componente. La dstrbucón a posteror de que un elemento con respuesta x, pertenezca a la clase j=1,2,...,k, vene dada por : h(j/x) = p j f(x/j)/ f(x) j=1,2,...k [ 2 ] donde las f(x/j) son normales N(µ j, σ ), para todo j = 1,2,...k. El logartmo de la funcón de verosmltud vene dada por: l = log Π f(x ) = log f(x ) = log [p 1 f(x /µ 1,σ 1 ) + p 2 f(x /µ 2,σ 2 ) +... [ 3 ] + p k f(x /µ k,σ k ) ]
6 Dado que la suma de las proporcones han de ser gual a 1, es decr, p = 1, tendremos que maxmzar la funcón : φ = log [p 1 f(x /µ 1,σ 1 ) +..+ p k f(x /µ k,σ k ) ] + θ ( p -1) [ 4 ] Para la obtencón de los estmadores maxmoverosmles, resolvemos las ecuacones: φ / p j = f(x /j ) / f(x) + θ = 0 [ 5 ] φ / µ j = p j f(x /j) / f(x) = 0 [ 6 ] φ / σ 2 = / σ 2 [ log [p 1 f(x /µ 1,σ 1 ) ++ p k f(x /µ k,σ k ) ] /f(x ) = 0 [7] De las ecuacones anterores se deducen los sguentes estmadores en funcón de las probabldades a posteror f(j /x): p j = f(j/ x ) / n j= 1,2,...,k [ 8 ] µ j = x f(j/ x ) / f(j/ x ). j= 1,2,...k [ 9 ]
7 σ 2 = [ (x - µ j ) 2 f(j/ x )] / n. [ 10 ] j Sn embargo, s f(j / x ) fuese conocda, sería muy fácl resolver las ecuacones [8], [9] y [10] para obtener las estmacones de los parámetros, pero ésta es bastante complcada de calcularla, ya que su defncón vene dada por: h(j/x) = p j f(x/j) / f(x)= p j (2π σ 2 ) -1/2 exp -1/2{ (x- µ j ) 2 /σ 2 }/ [p 1 f(x /µ 1,σ 1 ) + p 2 f(x/µ 2,σ 2 ) p k f(x /µ k,σ k )]. [11] Para ello, es más útl aplcar el EM algortmo, el cual tene la ventaja de consegur estmacones de los parámetros de la sguente forma : 1) Elegmos un conjunto de valores ncales para las probabldades a posteror {f(j/x)}. 2) Utlzando las ecuacones [8], [9] y [10] obtenemos las prmeras aproxmacones de los estmadores de p j, µ j y de σ 2. 3) Susttumos estos valores estmados de nuevo en [ 11 ], para obtener mejores estmacones de {f(j/x)}. 4) Volvendo al paso 2), obtenemos segundas aproxmacones para los parámetros y contnuamos el cclo hasta alcanzar la convergenca. Para la asgnacón de las observacones a las clases o grupos, s la poblacón no es homogénea, podemos proceder calculando las probabldades a posteror y establecendo la sguente regla de clasfcacón:
8 h(j/x) = p j f(x/j) / f(x) > h(h/x) = p h f(x/h) / f(x) [12] de donde, p j f(x/j) / p h f(x/h) >1 tomando logartmos tenemos: log p j - log p h + log [f(x/j) - f(x/jh)] > 0 [13] S al susttur los estmadores en la ecuacón anteror [13], obtenemos un valor mayor que cero, entonces la observacón x se le asgnará a la clase j; en caso contraro a la clase h. APLICACIÓN PRACTICA.- Sea la poblacón unvarante de los ngresos netos totales de los hogares españoles en 1994, de la cual hemos obtendo una muestra aleatora de tamaño 6435, cuyas característcas prncpales son: y x = S 2 = El contraste de la normaldad de la poblacón a través de la muestra nos ndca un coefcente de verosmltud (-2logL= ) lo que nos permte aceptar la hpótess de normaldad.
9 La estmacón de los parámetros de la funcón de f(x) dada en [1], a través del algortmo EM nos da los sguentes resultados: p 1 = p 2 =1 - p 1 =0 496 A=1 µ 1 = σ 2 = A=2 µ 2 = Estas estmacones nos ndcan que exsten dos subpoblacones, repartdas aproxmadamente al 50% y con gual varanza. Medante el algortmo EM podemos realzar una asgnacón de los elementos de la muestra a las clases, a través de la regla de Bayes de la dstrbucón a posteror, obtenéndose una clasfcacón en dos clases con las sguentes característcas muestrales: A=1 meda= varanza = n=1.156 A=2 meda= varanza= m=5.279 Realzando un contraste de hpótess entre el modelo de homogenedad e guales medas contra el modelo de homogenedad y dstntas medas, se acepta la hpótess del segundo modelo. CONCLUSIONES: Del trabajo se obtenen las sguentes conclusones: a) Que el análss de mxtura de dstrbucones nos permte dscernr s una poblacón es homogénea o heterogénea.
10 b) Que el algortmo EM es una herramenta efcaz para la estmacón de los parámetros de la dstrbucón de una mxtura de dstrbucones. c) Que la asgnacón bayesana de asgnacón de clases nos permte realzar y comparar las dstntas subpoblacones exstentes y no cometer errores de nterpretacón de la varable en estudo. d) Que los ngresos netos de los hogares españoles en 1994 están dstrbudos en dos subpoblacones, perfectamente dferencadas. BIBLIOGRAFIA (1).- Peña, Danel y Romo, Juan(1997). Introduccón a la Estadístca para las Cencas Socales. McGraw-Hll. (2).- Smpson, C.H. (1951). The nterpretaton of nteracton n contngency tables, J.R.Stat. Soc. B 13: (3).- Laurtzen,S.L. and Vermuth, N. (1989). Graphcal models for assocatons between varables, some of whch are qualtatve and some quanttatve. Ann. Stat: 17: (4).- Edwards, D. (1990). Herarchcal nteracton models (wth dscusson). J.R. Stat. Soc. B 52:3-20. (5).- Whttaker, J. (1990). Graphcal Models n appled Multvarate Statstcs, Wley. (6).- Edwards, D. (1995). Graphcal modellng. In Krzanowsk, W.J. (ed) Recent Advances n Descrptve Multvarate Analyss. Oxford Unversty Press, Oxford,
11
Análisis estadístico de incertidumbres aleatorias
Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas
Más detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesRegresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesAnálisis de Varianza no paramétricos
Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesAnálisis de la Varianza de dos factores con replicaciones: Caso Balanceado (Scheffé, 1959)
Modelo Lneal 03 Ana M Banco 1 Análss de la Varanza de dos factores con replcacones: Caso Balanceado cheffé, 1959 En este eemplo nos nteresa el tempo de coagulacón en mnutos del plasma sanguíneo para 3
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesDistribuciones de probabilidad
Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes
Más detallesT. 5 Estadísticos de forma de la distribución
T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesEVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES DE LOS PARÁMETROS DE UN MODELO NO LINEAL MIXTO. UNA COMPARACIÓN DE MÉTODOS DE ESTIMACIÓN
Chapella, Lucana Garca, María del Carmen Rapell, Cecla Castellana, Noela Koegel, Llana Insttuto de Investgacones Teórcas y Aplcadas, de la Escuela de Estadístca EVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES
Más detallesIN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco
Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesI.E.S. Historiador Chabás -1- Juan Bragado Rodríguez
Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesTema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesFIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS
FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS Autores: Ángel A Juan Pérez (ajuanp@uocedu), Rafael García Martín (rgarcamart@uocedu) RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte
Más detallesCuaderno de actividades 4º ESO
Estadístca Undmensonal 1 Conceptos báscos. Cuaderno de actvdades º ESO Cualquer elemento o ente que sea portador de nformacón sobre alguna propedad en la cual se está nteresado se denomna ndvduo. El conjunto
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesEstas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.
UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesCAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS
CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesResolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04
Más detallesMinería de Datos (MD) estadística
Mnería de datos Tema 3: Métodos Báscos: Algortmos Mnería de Datos (MD) estadístca Por qué una aproxmacón estadístca en la MD? La utlzacón de característcas para representar una entdad provoca una pérdda
Más detalles14. Contrastes no paramétricos
14. Contrastes no paramétrcos 1 Contrastes no paramétrcos En la leccón anteror nos hemos ocupado de contrastes paramétrcos. Determnábamos la plausbldad de certas hpótess sobre los valores de parámetros
Más detallesModelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.
Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un epermento, un número real.
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesVARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesEn este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de
Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO
Más detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesControl de la exactitud posicional por medio de tolerancias
Control de la exacttud posconal por medo de tolerancas Francsco Javer Arza López José Rodríguez-Av María Vrtudes Alba Fernández Plan Estatal de Investgacón Centífca y Técnca y de Innovacón 2013-2016. Ref.:
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesUna matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.
MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas
Más detallesINTRODUCCIÓN... 43 OBJETIVOS GENERALES... 3. Estadística Aplicada OBJETIVOS PARTICULARES... 4 CONCEPTOS BÁSICOS... 5 ACTIVIDADES
Índce INTRODUCCIÓN... OBJETIVOS GENERALES... 3 OBJETIVOS PARTICULARES... 4 CONCEPTOS BÁSICOS... 5 ESTADÍSTICA DESCRIPTIVA INTRODUCCIÓN... 8 RECOLECCIÓN DE DATOS... 8 TEORÍA DEL MUESTREO... 8 TRATAMIENTO
Más detallesTema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)
Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesEstimación no lineal del estado y los parámetros
Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesTEMA 7. ANÁLISIS DE SUPERVIVENCIA
TEMA 7. ANÁLISIS DE SUPERVIVENCIA CONTENIDOS 7. Funcón de supervvenca. 7.2 Estmacón no paramétrca de la funcón de supervvenca. 7.2. Tempos de supervvenca dscretos. Estmador de Kaplan-Meer. 7.2.2 Tempos
Más detallesEstadística aplicada a las ciencias sociales. Examen Febrero de 2008 primera semana
Estadístca alcada a las cencas socales. Examen Febrero de 008 rmera semana Ejercco. - En la sguente tabla, se reresentan los datos de las edades de los trabajadores de una gran emresa. Gruos de edad Nº
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesDada una situación experimental, f(x) la tomaremos de tal manera que se ajuste al problema particular que estemos considerando.
1. ITRODUCCIÓ. DEF Dremos que X es una varable aleatora dscreta undmensonal s es una varable aleatora que toma sólo un número fnto o nfnto numerable de valores del eje x. Supongamos que X toma úncamente
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesJesús García Herrero CLASIFICADORES BAYESIANOS
Jesús García Herrero CLASIFICADORES BAYESIANOS En esta clase se presentan los algortmos Análss de Datos para abordar tareas de aprendzaje de modelos predctvos. Se partcularzan las técncas estadístcas vstas
Más detallesGuía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología
Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)
Más detalles-.GEOMETRÍA.- a) 37 cm y 45 cm. b) 16 cm y 30 cm. En estos dos, se dan la hipotenusa y un cateto, y se pide el otro cateto:
-.GEOMETRÍA.- Ejercco nº 1.- Calcula el lado que falta en este trángulo rectángulo: Ejercco nº 2.- En los sguentes rectángulos, se dan dos catetos y se pde la hpotenusa (s su medda no es exacta, con una
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detalles