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

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

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

Transcripción

1 Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos de vda o tempos hasta que se presente error. Los datos pueden nclur censura en los cuales algunas veces los errores no son conocdos exactamente debdo al desplazamento de algunos objetos de la prueba. La dstrbucón se grafca y los percentles estmados son mostrados. S se desea, se pueden especfcar los datos para más de un grupo. En tales casos, una estmacón aparte de la dstrbucón para cada grupo será dervada. StatFolo de Muestra: Webull analyss.sgp Datos de Muestra: El archvo absorbers.sf3 contene los datos de una prueba de vda sobre de n = 38 amortguadores de choques, reportada por Meeker y Escobar (998). Una parte de los datos se muestra abajo: Dstance (Dstanca) Censores (Censurado) La columna Dstance representa el número de klómetros de uso de cada amortguador cuando fue nspecconado. La columna Censored contene un 0 para cada amortguador que había fallado en el momento de la nspeccón y un para cada amortguador que no falló. Todos los datos contenen nformacón acerca del momento hasta se presentó una falla en los amortguadores. Para aquellos que habían fallado, la observacón es un momento de error verdadero. Para aquellos que no habían fallado, la observacón es un error censurado a la derecha hasta el momento en cual el error conocdo va a ser mayor que el valor ndcado por StatPont, Inc. Análss de Webull -

2 Captura de Datos El cuadro de dálogo de captura de datos requere nformacón acerca de los momentos de los errores y su estado: Datos: columna numérca con los n momentos observados n veces. Censurados: columna numérca de 0 s y s. Un 0 ndca que la observacón no está censurada y por lo tanto representa un momento verdadero hasta el momento en que se presenta el error. Un ndca que la observacón está censurada a la derecha con el momento en que se presenta el error conocdo solamente s es mayor a lo ndcado. Seleccón: seleccón del subconjunto por StatPont, Inc. Análss de Webull - 2

3 Resumen del Análss El Resumen del Análss muestra una tabla que exhbe la dstrbucón de Webull ajustada: Análss Webull - Dstance Datos/Varable: Dstance Censura: Censored Método de Estmacón: máxma verosmltud Tamaño de muestra = 38 Número de fallas = Forma estmada = Escala estmada = Umbral especfcado = 0.0 La dstrbucón de Webull de 3 parámetros tene una funcón de densdad de probabldad defnda por: α ( ) α f ( x) = x θ exp[ ( x θ )/ β ] α α () β Tene 3 parámetros:. Parámetro Forma α > 0 2. Parámetro Escala β > 0 3. Parámetro Inco θ El rango de valores para la varable aleatora X θ. La meda y la varanza de la dstrbucón de Webull son: β E (X ) = θ + Γ (2) α α V ( X ) = β 2 α [ 2 ] 2Γ 2 () Γ() α α α (3) Frecuentemente el parámetro nco θ se fja en 0, lo que resulta en la dstrbucón de Webull de 2 parámetros. La tabla del Resumen del Análss muestra: Tamaño de muestra el número total de observacones n. Número de fallas el número de observacones que corresponden a los momentos de error no censurados. Forma y Escala Estmadas las estmacones de los parámetros de la forma y escala, αˆ y βˆ por StatPont, Inc. Análss de Webull - 3

4 Umbral especfcado - el valor del parámetro nco. Dependendo de las especfcacones en el cuadro de dálogo Opcones de Análss, éste parámetro puede ser estmado de los datos o especfcado por el usuaro. Método de estmacón el método usado para estmar los parámetros. El método predetermnado es de máxma verosmltud el cual es el msmo método usado por los procedmentos de Ajuste de Dstrbucón, sn embargo otros métodos pueden ser requerdos en el cuadro de dálogo Opcones de Análss. Opcones de Análss El cuadro de dálogo Opcones de Análss controla cómo los parámetros de la dstrbucón de Webull son estmados: Umbral Inferor: Especfca un valor para el parámetro nco θ, o solcta que sea estmado de los datos. S se estma θ, el usuaro debe selecconar el método de máxma verosmltud. Método de Estmacón: el método usado para estmar los parámetros. Están dsponbles tres opcones:. Regresón por Rangos Ajusta una línea a los datos en la Gráfca de Webull al regresar n valores ln(x -θ) contra los poscones grafcadas especfcadas en el cuadro de dálogo. 2. Máxma Verosmltud - Estma los parámetros maxmzando la funcón de verosmltud por StatPont, Inc. Análss de Webull - 4

5 3. Webayes - Estma el parámetro de la escala suponendo que los parámetros de nco y forma son conocdos e gual a los valores ndcados en el cuadro de dálogo. Poscón en Gráfca defne las poscones de grafcacón vertcales en la gráfca de Webull. Esto tambén afecta los parámetros estmados s el método Regresón del Rango ha sdo selecconado. El método predetermnado es Kaplan-Meer Modfcado. Ver la seccón Cálculos para las defncones de las dferentes opcones. Gráfca de Webull La Gráfca de Webull muestra cómo los momentos de error no censurados grafcados sobre una escala logarítmca en el eje horzontal X. Las poscones de grafcacón del eje vertcal se defnen en las Opcones de Análss. Gráfca Webull porcentaje acumulado Est.: MLE Forma: Escala: Umbral: 0.0 Fallas: Tamaño de muestra: Dstance S los datos provenen de una dstrbucón de Webull, los puntos deben caer aproxmadamente a lo largo de una línea recta sobre esta gráfca la cual corresponde a la dstrbucón de Webull ajustada por StatPont, Inc. Análss de Webull - 5

6 Cuadro de Opcones STATGRAPHICS Rev. 4/25/2007 Intervalos de Confanza - añade ntervalos de confanza al rado de verosmltud para X p, el p-ésmo percentl de la dstrbucón de Webull. Percentl - calcula y muestra el selecconado percentl. Hstograma de Valores Censurados añade un hstograma de los valores de datos censurados. Ejemplo: Gráfca mostrando Bandas de Confanza, 90 vo Percentl, y el Hstograma Censurado Gráfca Webull porcentaje acumulado Est.: MLE Forma: Escala: Umbral: 0.0 Fallas: Tamaño de muestra: [2946.8, ] Dstance 2006 por StatPont, Inc. Análss de Webull - 6

7 El 90 vo percentl de Dstanca es estmado para ser aproxmadamente 36,090 km. Los límtes de confanza del 95% se extenden sobre un rango de 29,47 km a 56,447 km, correspondentes a las bandas alrededor de la línea ajustada. Hstograma de Frecuencas El Hstograma de Frecuencas muestra la dstrbucón de las observacones junto con la funcón de densdad estmada. Dstrbucón Webull Ajustada 20 6 No Censurados Censurados porcentaje Dstance La presenca de muchos valores censurados causa que la curva se nclne sobre la derecha del hstograma observado. Opcones del Cuadro de Dálogo Número de clases: el número de ntervalos dentro de los cuales los datos serán dvddos. Los ntervalos son adyacentes el uno al otro y de gual ampltrud (antes de que el logartmo sea calculado). El número de ntervalos dentro de los cuales los datos se agrupan de manera predetermnada es colocado por la regla especfcada en la tabulacón EDA del cuadro de dálogo Preferencas en el menú Edcón por StatPont, Inc. Análss de Webull - 7

8 Límte Inferor: límte nferor del prmer ntervalo. Límte Superor: límte superor del últmo ntervalo. Mantener: mantene el número selecconado de ntervalos y límtes aún s la fuente de los datos camba. De manera predetermnada, el número de clases y los límtes son recalculados en cuanto los datos camban. Esto es necesaro para que todas las observacones sean mostradas aún s algún dato actualzado cae más allá de los límtes orgnales. Número de Grupo: s más de un grupo de datos ha sdo ajustado, el número del grupo será mostrado. Escala Log para el Eje X: S el eje horzontal debería ser mostrado usando escala logarítmca. Prueba de Bondad de Ajuste El cuadro Prueba de Bondad de Ajuste realza hasta 7 dferentes pruebas para determnar s o no los datos podrían razonablemente provenr de una dstrbucón de Webull. Para todas las pruebas las hpótess de nterés son: Hpótess Nula: los datos son muestras ndependentes de la dstrbucón de Webull estmada. Hpótess Alternatva: los datos no son muestras ndependentes de la dstrbucón de Webull estmada. Las pruebas que se van a realzar son selecconadas usando Opcones de Cuadro. Pruebas de Bondad-de-Ajuste para Dstance D de Kolmogorov-Smrnov Modfcada Webull D Forma Modfcada Valor-P >=0.0 Pequeños P-Values (menores que 0.05 s se opera en un nvel de sgnfcanca de 5%) conducen a rechazar la dstrbucón de Webull. En el ejemplo actual, el P-Value es grande lo que sugere que la dstrbucón de Webull es un modelo razonable para los datos. Las pruebas de Bondad de Ajuste son descrtas con detalle para datos no censurados en la documentacón para Ajustes de Dstrbucón (Datos no Censurados) y para datos censurados en Ajuste de la Dstrbucón (Datos Censurados) por StatPont, Inc. Análss de Webull - 8

9 Opcones del Cuadro de Dálogo STATGRAPHICS Rev. 4/25/2007 Inclur seleccona las pruebas a ser ncludas. Las pruebas dsponbles dependen del tpo de censura. Calcula la dstrbucón para P-Values específcos s se verfca los P-Values estarán basados en las tablas o fórmulas específcamente desarrolladas para la dstrbucón de Webull. De otro modo, los P-values estarán basados en una tabla general o fórmula que se aplca para todas las dstrbucones. El acercamento general es más conservador (no rechazará una dstrbucón tan fáclmente) pero puede ser preferdo cuando se comparan P- Values entre dferentes dstrbucones. Censura seleccona el tpo de datos censurados. Los tpos se defndos como: Aleatoro ndca que los valores de los datos han sdo aleatoramente censurados. El censuramento aleatoro ocurre cuando los valores son censurados por varas razones y no caen en el mecansmo del Tpo I o II. Tpo I ndca que los datos son momento-censurados, por ejemplo cuando se han removdo datos de la prueba en un momento predetermnado. S este tpo de censuramento es selecconado todos los valores censurados deben ser guales o un mensaje de error será generado. Tpo II ndca que la prueba fue parada después de que un predetermnado número de errores ha ocurrdo. S se seleccona este tpo de censuramento, todos los valores censurados deben ser guales o un mensaje de error será generado por StatPont, Inc. Análss de Webull - 9

10 Funcón de Densdad Esta grafca muestra la funcón de densdad de probabldad estmada f(x): STATGRAPHICS Rev. 4/25/2007 (X ) 5 Dstrbucón Webull 4 densdad Dstance La funcón de densdad puede ser usada para determnar la probabldad de que el momento de error de un suceso se encuentre dentro de un ntervalo especfcado. Opcones del Cuadro de Dálogo Escala Log para el Eje X: s es selecconado una escala log será usada para el eje horzontal por StatPont, Inc. Análss de Webull - 0

11 CDF La Funcón de Dstrbucón Acumulada (CDF) muestra la probabldad estmada de que un dato que ha fallado en el tempo t: Dstrbucón Webull probabldad acumulada Dstance Se ncrementa de 0.0 en θ a.0 en valores grandes de X. Funcón de Supervvenca La Funcón de Supervvenca grafca la probabldad estmada de que un suceso sobrevvrá o durará hasta el tempo t: Dstrbucón Webull probabldad de supervvenca Dstance Decrece de.0 en θ a 0.0 en valores grandes de X por StatPont, Inc. Análss de Webull -

12 Funcón de Supervvenca Log La Funcón de Supervvenca Log es el logartmo natural de la funcón de supervvenca: 3 Dstrbucón Webull prob. de log supervvenca Dstance Funcón de Resgo La Funcón de Resgo es una estmacón de la tasa nstantánea de error: (X 0.000) 5 Dstrbucón Webull 2 resgo Dstance Las undades de la funcón de resgo son la fraccón de errores por undad de tempo. S el parámetro de forma estmado βˆ <, la funcón de resgo será monotétcamente decrecente. S βˆ >, la funcón de resgo será monotétcamente crecente. S βˆ =, la funcón de resgo será constante por StatPont, Inc. Análss de Webull - 2

13 Áreas de las Colas Este cuadro muestra el valor de la dstrbucón acumulada hasta para 5 valores de X. Areas de las Colas para Dstance X Área Cola Inferor (<) Área Cola Superor (>) The table dsplays: Área de la Cola Inferor la probabldad de que la varable aleatora sea menor que o gual a X. Área de la Cola Superor la probabldad de que la varable aleatora sea mayor que X. Por ejemplo, la probabldad de ser menor que o gual a X = 30,000 es aproxmadamente 72.3%. Opcones del Cuadro de Dálogo Valores Crítcos: valores de X en los cuales la probabldad acumulada será calculada por StatPont, Inc. Análss de Webull - 3

14 Valores Crítcos Este cuadro calcula el valor de la varable aleatora X debajo del cual yace una probabldad especfcada. Valores Crítcos para Dstance X Área Cola Inferor (<) Área Cola Superor (>) La tabla muestra el valor de X tal que la probabldad de ser menor que o gual a X es gual al área deseada de la cola. La tabla de arrba muestra que el c.d.f. de la dstrbucón de Webull ajustada es gual a 50% en X = 24, Opcones de Cuadro Áreas de Colas: valores del c.d.f. en los cuales se determnan los percentles de las dstrbucones ajustadas por StatPont, Inc. Análss de Webull - 4

15 Cálculos STATGRAPHICS Rev. 4/25/2007 Estmacón Usando el Método de Regresón del Rango Regresar ln(x -θ) versus las poscones grafcadas especfcadas en Opcones de Análss. Los parámetros de forma y escala son estmados a partr del ntercepto y la pendente de la línea ajustada de acuerdo con: ˆ α = (4) slope βˆ = exp(ntercept) (5) Estmacón Usando Método de Máxma Verosmltud Las estmacones son obtendas por maxmzacón numérca de la funcón de verosmltud. donde L = n = l( ) (6) X f ( X ) l ( X ) = s X es F( X ) uncensored rght censored (7) Estmacón Usando Método de Webayes S no hay errores, el parámetro de escala es estmado por ˆ β = n = ( X θ ) ln(0.05) α / α (8) El cual es una banda de confanza nferor del 95% para β. De otra manera: ˆ β = n = ( X d θ ) / α α (9) donde d es el número de momentos de error no censurados. Poscones de Grafcacón: Rangos de Medas Los datos se ordenan del más pequeño al más grande y se asgnan a un rango ajustado j = j - + Δ, donde Δ = ncalmente y es modfcado en cada momento censurado de acuerdo con: 2006 por StatPont, Inc. Análss de Webull - 5

16 (n+) rango ajustado del error prevo Δ = (0) + número de observacones más allá del dato censurado Las poscones de grafcacón están dadas por: j 0.3 F = () n Poscones de Grafcacón: Rangos esperados Los datos se ordenan prmero en orden nverso, por ejemplo, r = n,, r n =. Las estmacones se calculan de la forma r R = R (2) r + donde R 0 =, y las poscones de grafcacón son F = (-R ). Poscones de Grafcacón: Kaplan-Meer Smlar a los rangos esperados, excepto en r R = R (3) r Poscones de Grafcacón: Kaplan-Meer Modfcado Usando las estmacones Kaplan-Meer ' R + R R = (4) 2 donde R 0 =, y las poscones de grafcacón son F ' = R. Límtes de Confanza Los límtes de confanza son estmados sobre una base puntual al determnar todos los valores X = Q + θ para los cuales Λ = ~ α ˆ, ˆ) (5) 2 2log L( ~, β ) + 2log L( α β χ p, dondeαˆ y βˆ son los estmadores de máxma verosmltud, mentras que ~ α y ~ β satsfacen las ecuacones ~ β n r ( X θ ) ( X θ ) ~ r ln( Q) + ln( X θ ) + ln( p) ln = 0 (6) β S = Q Q 2006 por StatPont, Inc. Análss de Webull - 6

17 α ~ / [ ln( p) ] β STATGRAPHICS Rev. 4/25/2007 ~ Q = (7) y S es el conjunto de momentos de error d por StatPont, Inc. Análss de Webull - 7

Tablas de Vida (Intervalos)

Tablas de Vida (Intervalos) Tablas de Vda (Intervalos) Resumen El procedmento Tablas de Vda (Intervalos) está dseñado para analzar datos que contengan tempos de vda o de falla, donde se sabe que el valor del tempo de vda cae en un

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Regresión de Datos de Vida

Regresión de Datos de Vida Regresón de Datos de Vda Resumen El procedmento Regresón de Datos de Vda está dseñado para ajustar un modelo estadístco paramétrco relaconado con tempos de falla a una o más varables predctoras. Los predctores

Más detalles

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp

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

Más detalles

Regresión Binomial Negativa

Regresión Binomial Negativa Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado

Más detalles

Análisis de Capabilidad (Defectos Por Unidad)

Análisis de Capabilidad (Defectos Por Unidad) Análss de Capabldad (Defectos Por Undad) STATGRAPHICS Rev. 9/4/26 Este procedento esta dseñado para estar la eda del núero de defectos por undad sobre una poblacón basándose en uestras de artículos de

Más detalles

Height (altura) Extraction (extracción)

Height (altura) Extraction (extracción) Regresón Posson Resumen El procedmento Regresón Posson está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado relacona Y con

Más detalles

Regresión Logística. StatFolio Muestra: logistic.sgp

Regresión Logística. StatFolio Muestra: logistic.sgp Regresón Logístca Resumen El procedmento de Regresón Logístca está dseñado para ajustarse a un modelo de regresón en el que la varable dependente Y caracterza un evento con sólo dos posbles resultados.

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

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

Más detalles

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

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

Más detalles

Inferencia en Regresión Lineal Simple

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

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 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 detalles

) para toda permutación (p p 1 p

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

Más detalles

Figura 1

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

Más detalles

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

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

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

TEMA 7. ANÁLISIS DE SUPERVIVENCIA

TEMA 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 detalles

3 LEYES DE DESPLAZAMIENTO

3 LEYES DE DESPLAZAMIENTO eyes de desplazamento EYES DE DESPAZAMIENTO En el capítulo dos se expone el método de obtencón de las leyes de desplazamento dseñadas por curvas de Bézer para mecansmos leva palpador según el planteamento

Más detalles

Ejercicios y Talleres. puedes enviarlos a

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

Más detalles

Estadísticos muéstrales

Estadísticos 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 detalles

AJUSTE 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. 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 detalles

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

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

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes

Más detalles

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.

Resolución. 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 detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO 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 detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 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 detalles

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica CAPÍTULO III. METODOLOGÍA 1 III.1 Evaluacón del pelgro sísmco La determnacón drecta del pelgro sísmco rara vez se puede hacer debdo a la falta de nformacón en cuanto a las aceleracones que se han producdo

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) 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 detalles

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

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

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

PyE_ EF2_TIPO1_

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

Más detalles

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

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

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

Más detalles

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. 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 detalles

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

truncación inferior en el punto a=25 es igual a El grado de truncación es del

truncación inferior en el punto a=25 es igual a El grado de truncación es del ECONOMETTRÍ ÍA III II.. Cuurrssoo 22000022- -0033 (f( f cchheer roo: : ccuueesst t oonneess lleecccc l 33) ) CUESTTI IONES SOBRE LLA LLECCI IÓN 33: : MODELLOS DE VARIABLLE DEPENDIENTTE LLI IMITTADA 1.

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: 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 detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Tema 7: Regresión Logística p. 1/1

Tema 7: Regresión Logística p. 1/1 Tema 7: Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco http://www.sc.ehu.es/sg/ Tema 7: Regresón Logístca

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos 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 detalles

Análisis de la varianza de un factor

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

Más detalles

Estadísticos muéstrales

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

Más detalles

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

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

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C

Más detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

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

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

Más detalles

Tema 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 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 detalles

Aspectos fundamentales en el análisis de asociación

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

Más detalles

CASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS)

CASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) Caso 6: Calbrado para fosfato y predccón nversa 43 Caso 6 : Calbrado para fosfato y predccón nversa (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) CASO PRÁCTICO Al hacer calbrados con

Más detalles

Examen Final de Econometría Grado

Examen Final de Econometría Grado Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón

Más detalles

CLAVE - Laboratorio 1: Introducción

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

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

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

Más detalles

2. ANALISIS ESTADISTICO

2. ANALISIS ESTADISTICO CAPITULO. ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS El análss estadístco consste en parametrzar un conjunto de datos (precptacones o caudales) con el fn de extrapolar y conocer eventos venderos. La seleccón

Más detalles

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)

Más detalles

es un vector de p covariables correspondientes al mismo individuo i, i

es un vector de p covariables correspondientes al mismo individuo i, i 5. Modelos de regresón En el análss de tempos de falla, es común suponer que el resgo de presentar la falla está en funcón de una sere de covarables o varables explcatvas nherentes a cada ndvduo. Es decr,

Más detalles

Análisis de la varianza de un factor

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

Más detalles

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

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

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL 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 detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

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

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

Más detalles

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas 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 detalles

14. Contrastes no paramétricos

14. 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 detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

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

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 2) CAPÍTULO II.-ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA.- DISTRIBUCIONES DE FRECUENCIAS DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA . DISTRIBUCIÓN

Más detalles

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad 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 detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

e i para construir el modelo econométrico que se escribe a continuación:

e i para construir el modelo econométrico que se escribe a continuación: 5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período

Más detalles

Medidas de Variabilidad

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

Más detalles

TEMA 2: MAGNITUDES ALEATORIAS

TEMA 2: MAGNITUDES ALEATORIAS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA : MAGNITUDES ALEATORIAS..- Varable aleatora. Varables dscretas y contnuas..- Dstrbucón de probabldad de una varable aleatora.3.- Característcas de las varables

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

Tema 4: Variables aleatorias

Tema 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 detalles

3. VARIABLES ALEATORIAS.

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

Más detalles

Análisis de supervivencia

Análisis de supervivencia Tempo a un evento Curso de Análss de Supervvenca Víctor Abrara 1 Análss de supervvenca Conjunto de técncas que permten estudar la varable tempo hasta que ocurre un evento y su dependenca de otras posbles

Más detalles

Modelos triangular y parabólico

Modelos 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 detalles

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 014 INSTITUTO NACIONAL DE ESTADÍSTICAS AÑO 016 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

EXAMEN 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 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 detalles

Análisis de Regresión y Correlación

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

Más detalles

Análisis de Resultados con Errores

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

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: 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 detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Estimación de Kaplan Meier Bootstrap de la curva de supervivencia

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Estimación de Kaplan Meier Bootstrap de la curva de supervivencia UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA Estmacón de Kaplan Meer Bootstrap de la curva de supervvenca Capítulo1. Conceptos báscos del análss de supervvenca

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas 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 detalles