PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
|
|
- Josefa Alarcón Robles
- hace 7 años
- Vistas:
Transcripción
1 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 que tenen los vectores Y y e y la matrz de observacones X en el caso de tener más de dos varables explcatvas (además del térmno ndependente). Asmsmo, explctar la forma del vector de los coefcentes b. Se plantea la forma de las matrces en el caso de 3 varables explcatvas (k = 3): y ε x x x3 β0 y ε x x x3 β Y = y3 ε = ε 3 X = x3 x3 x33 β = β β3 yn ε n xn xn xn3 4. VERDADERO. No es posble la representacón medante el dagrama de dspersón s hay más de una varable explcatva. 5. VERDADERO 6. Para evtar que la smple nclusón de varables explcatvas (que no contrbuyen a la explcacón de la varabldad de la varable dependente) haga aumentar el R, y con ello se tenga la falsa mpresón de un R alto, se defne el R corregdo (R C ) hacendo jugar los respectvos grados de lbertad de la suma de cuadrados de los resduos y de la suma de cuadrados total: n R C =.( R ) n k EJERCICIO Una empresa que vende productos de venta masva está estudando el comportamento de sus ventas en los últmos 8 años. Como en el mercado exste úncamente una empresa competdora, con nveles smlares de preco y caldad, se observa la relacón entre las ventas anuales (Y ), los gastos en publcdad de la propa empresa (X, ) y los gastos en propaganda de la competdora(x, ). Se observaron los sguentes datos (los datos que fguran en el Lbro de Práctcas son ncorrectos y deben ser cambados por los sguentes): Y X, X,
2 Se pde:. Plantear un modelo lneal para explcar las ventas anuales de la empresa, explctar los supuestos y estmarlo por MCO usando la notacón matrcal sabendo que (los datos de la matrz tambén fueron cambados): ( X X).30 = MODELO: Y = 0 + βx + β X β + ε SUPUESTOS. ( ε ) = 0 =,,..., n. Los resduos son varables aleatoras con esperanza nula. E. V( ε ) = σε =,,..., n (Homoscedastcdad). La varabldad de los resduos es constante, ndependentemente del valor de las varables explcatvas. En este caso, la varabldad de los resduos o lo que es lo msmo, la varabldad de las ventas no depende del nvel del gasto en propaganda propa y/o de la competenca. 3. COV( ε, ε j ) = 0 j (Incorrelacón). Los resduos correspondentes a dferentes undades de la muestra están ncorrelaconados. En este caso, los resduos correspondentes a los 8 años (datos de la muestra) son ncorrelaconados. 4. Las varables X están dadas, son no estocástcas. Se supone que la muestra ha sdo selecconada prefjando los valores de las varables explcatvas, es decr, que los valores de éstas no son aleatoros. 5. k n. Esto sgnfca que hay sufcentes datos para estmar los parámetros. 6. Los vectores de datos correspondentes a cada varable explcatva y el vector de unos correspondente al β 0 son vectores lnealmente ndependentes. O sea que la dmensón del subespaco generado por los k vectores es de dmensón k. Esto garantza, junto con el supuesto anteror, que la matrz (X t.x) es de rango k, y por tanto exste su nversa: los β se pueden estmar usando la fórmula (X t.x) -.X t.y. Y X X Y.X Y.X Y
3 630 Entonces: X t.y = vector proporcona los β : y el resultado de posmultplcar la matrz (X t.x) - por este BETAS 4,7 3,3863 -,4800 Entonces: Yˆ = 4,7 + 3,3863. X,4800. X. En base a los resultados hallados someter a prueba la hpótess de sgnfcacón del modelo en su conjunto a un nvel de sgnfcacón del 5%. La prueba de hpótess para la sgnfcacón de modelo se plantea así: H 0 ) β = β = 0 H ) β ó β 0 Nvel de sgnfcacón α = 0,05 SCReg/(k -) Estadístco de la prueba: F =, que tene dstrbucón F k-, n-k SCErr/( n - k) ( α ) 0,95 Regón Crítca = {F: F > λ} donde λ = F = = 5,79 k, n k F,5 Decsón: Como en la muestra resultó F = 635, (ver punto sguente) mayor que el valor de tablas, se Rechaza H 0, o lo que es lo msmo, se decde que el modelo es sgnfcatvo. 3. Realzar el análss de la varanza confecconando el cuadro correspondente. La suma de cuadrados totales se obtene hacendo: Y n.y = (630/8) = 6.887,5. En este caso, además, por ser sólo ocho datos, se puede calcular la suma de cuadrados resduales drectamente a partr de la dferenca entre los Y y los Y estmados: Y Y^ Y - Y^ Epslon 30 30,590-0,590 0, ,5,479 6, ,03-0,03 0, ,984-3,984 5, ,956,044 4, ,447-0,447 0, ,979 0,0 0, ,50 0,490 0, ,0
4 CUADRO DE ANÁLISIS DE VARIANZA Fuente de Grados de Suma de Cuadrados F varacón lbertad cuadrados medos Regresón k- = 6.860, ,5 635, Resduos n-k = 5 7,0 5,4 Total n- = ,5 EJERCICIO 3 3 CORRECCIONES DE LETRA a) En el cuadro resumen, la Probabldad para la varable X es 0,0 (NO 0,00). b) En el cuadro resumen, le Coefcente de la varable X es -,83879 (y no -7,..). c) En el Se pde 4 las varables ncludas son sgnfcatvas al 5% (y no al 95%).. De acuerdo con la letra, el estmador alternatvo (al que se obtene por el método de los mínmos cuadrados) para el vector β es nsesgado y tambén lneal. De acuerdo con el Teorema de Gauss-Markov, el que se obtene por mínmos cuadrados es el de mínma varanza, por tanto, el propuesto no puede ser mejor, sólo puede ser tan bueno como el de mínmos cuadrados s (A +3.C) = (X.X) -.X.. Para realzar la prueba para β necestamos el valor del estadístco ( Estadístco t ) de la prueba para la varable X, y este dato está faltando en el cuadro resumen. Sabemos que: P( T > t) = 0,0; de donde P(T < t) = 0,995. En tablas se encuentra que el valor de t que acumula 0,995 con 8 grados de lbertad es,88. Además: 3,06664 Estadístco t =,88 = ˆ =,34. β Ahora sí podemos realzar la prueba. H 0 ) β = H ) β Nvel de sgnfcacón = α = 0,05 Estadístco de la prueba: T = que tene dstrbucón t8 β ˆ (0,975) Regón Crítca = {T: T > λ} donde λ = t 8 =, 0 3,06664 Decsón: En la muestra resultó = =, 08, valor que es menor que el ˆ,34 σ β ˆ límte de la RC, la decsón es NO Rechazar H 0, o lo que es lo msmo, se decde que el valor β = no se debe rechazar para un nvel de sgnfcacón del 5%. 3. FALSO. Para realzar la prueba se necesta que se cumplan los supuestos cláscos y adconalmente se requere el supuesto de normaldad de los resduos. S no se cumplen los supuestos cláscos, entonces no valen las estmacones obtendas para los β. 4. Son sgnfcatvas las varables X y X3. En consecuenca, el modelo es sgnfcatvo. 5. Completar la salda
5 Resumen Estadístcas de la regresón Coefcente de correlacón múltple Coefcente de determnacón R^ 0,9 R^ ajustado -0,095 Error típco 05,6994 Observacones 0 ANÁLISIS DE VARIANZA Grados de lbertad Suma de Cuadrados Promedo de Cuadrados Regresón , , 63,47 Resduos ,7.7,36 Total ,09 F Valor crítco de F Coefcentes Error típco Estadístco t Probabldad Intercepcón 85, ,5797 6, ,000 Varable X -3,06664,34,88 0,0 Varable X -, , , ,69 Varable X3 0,3385 0, La forma de cálculo es dferente, ambos ndcadores se relaconan así: n R C =.( R ), lo que sgnfca que el R C corrge la fórmula del R n k ajustándola para que la mera nclusón de varables (que no contrbuyen a explcar la varabldad de la Y) haga aumentar el valor de R, producendo la falsa mpresón de un buen ajuste. EJERCICIO 4 Una empresa de ómnbus utlza el sguente modelo lneal para explcar los costos de reparacón y mantenmento de sus undades: COSTOS = β0 + βkmviaj + β EDAD + ε COSTOS KMVIAJ EDAD = = total de costos anuales de reparacón y mantenmento del -ésmo vehículo. = mles de klómetros vajados por el -ésmo vehículo. antgüedad en años del -ésmo vehículo.
6 SE PIDE:. Completar la salda calculando los datos faltantes. Grados de lbertad Para el Total = n - = 4 n = 5. Para la Regresón = k =, pues de acuerdo con el modelo explcatvo es k = 3. Para los Resduos = n k = 5 3 =. Suma de cuadrados Según la salda excel es SCRes = 3.785,3 y por defncón del coefcente de determnacón resulta: SC Re g SC Re s 3.785,3 R = = = 0,837 = 0,87763 SCT SCT SCT SCT = 3.785,3/0,87763 = 74.60,07 SCReg = 74.60, ,3 = 4.84,76 Cuadrados Medos (Promedo de Cuadrados) SCReg/k- =4.84,76/ = 70.9,38 SCRes/n-k = 3.785,3/ =.73, Se puede verfcar que el cocente de ambos concde con F = 5,955. SCT 74.60,07 Error típco para el total: = = 0, 63 n k 7,3096 Error típco para β : = t = 3, ˆ = 9, 04 β Estadístco t Para β 0 = 08,95/73,7075 =,49 Para β = 6,67879/3, = 7,0. Cómo nterpreta el valor de los β obtendos? - ˆβ 0 es el costo de reparacón y mantenmento esperado estmado, que es ndependente de los klómetros recorrdos por la undad e ndependente de la antgüedad del vehículo. - ˆβ es el ncremento esperado estmado en el costo de reparacón y mantenmento de una undad por cada.000 klómetros de recorrdo. - ˆβ es el ncremento esperado estmado en el costo de reparacón y mantenmento de una undad por cada año de antgüedad del vehículo. 3. Construr ntervalos de confanza al 95% para β y β. Fórmula para el ntervalo de confanza para β : ± ( α ). tn k Intervalo para β : 6,68 ± t.3,704 = 6,68 ±,8x3,704 = 6,68 ± 8,07 = [8,6-34,75] Intervalo para β : 7,3 ± t.9,04 = 7,3 ±,8x9,04 = 7,3 ± 4,5 = [9,6-,64]
7 4. Analzar la valdez del modelo. H 0 ) β = β = 0 H ) β ó β 0 Nvel de sgnfcacón = α SCReg/(k -) Estadístco de la prueba: F = SCErr/( n - k) Regón Crítca = {F: F > λ} donde λ = F, que tene dstrbucón F k-, n-k ( ) ( α ) α k, n k = F, FALTA Decsón: Como en la muestra resultó F = 5,955, valor que es mayor que cualquera de los dos valores de tablas (para nveles de sgnfcacón del 5% y del %: 3,89 y 6,93), se Rechaza H 0, o lo que es lo msmo, se decde que el modelo es sgnfcatvo. 5. El gerente de la empresa afrma que los klómetros vajados no nfluyen sgnfcatvamente en los costos. Qué comentaro le merece esta afrmacón? Sería pertnente exclur alguna de las varables ncludas? La afrmacón del gerente es equvocada. Las dos varables explcatvas son sgnfcatvas en el modelo. Alcanza con observar los respectvos ntervalos de confanza y verfcar que no contenen el cero. Ambas varables contrbuyen a explcar el costo de reparacón y mantenmento de las undades de transporte. 6. No. No sería pertnente exclur varables explcatvas en el modelo. EJERCICIO 5. Fórmula para el ntervalo de confanza para β : ( 0,975) ± t. = 47 β ˆ = 98,04 ±,96 x 67, = [66,3; 49,77]. H 0 ) β 3 = β = 0 H ) β 3 ó β 0 Nvel de sgnfcacón = 0,05 SCReg/(k -) Estadístco de la prueba: F =, que tene dstrbucón F k-, n-k SCErr/( n - k) Regón Crítca = {F: F > λ} donde λ = F ( 0,95) = F ( α ) k, n k 3,470 = Decsón: Como en la muestra resultó F 0 = 63,43 >,60, se Rechaza H 0, o lo que es lo msmo, se decde que el modelo es sgnfcatvo. 3. H 0 ) β = 0 H ) β < 0 Nvel = α Estadístco de la prueba: E = t47 ˆ σ β ˆ Regón Crítca = {E: E < λ} donde λ = t α 47 que por el número de grados de lbertad se puede aproxmar por una normal estándar. S se fja α = 0,05, entonces λ = -,645. Como E 0 = -58,95 < -,645, se decde rechazar H 0. Se concluye que, para ese nvel de sgnfcacón (o cualquer otro: 0,05; 0,0; 0,00), la edad nfluye negatvamente en el salaro.,60
8 4. Tene que ver con la nterpretacón de β ˆ = 58, 95, que representa la reduccón estmada promedo en el salaro con el ncremento de un año en la edad del funconaro. La nterpretacón de la salda es correcta. EJERCICIO 6. Hay colnealdad entre las varables OCUPADO y DESOCUPADO (s se asume que el Jefe de Hogar sólo puede revestr en una de estas dos categorías) pues se cumple que: OCUPADO = DESOCUPADO.. (OCUPADO) es el ncremento estmado esperado en el hogar cuando el Jefe pasa de desocupado a ocupado. EJERCICIO 7. MODELO a) El R se obtene como cuadrado del coefcente de correlacón múltple: 0,955 = 0,9073. b) Observacones: n k = n = 38, entonces n = 40. c) Intercepcón: Coefcente / Error típco = Estadístco t. Entonces 7,568 / Error típco = 4,556. Entonces: Error típco = 0,509. d) Intervalo para β 0 : ( 0,975) t β ˆ 0 ± = 7,568 ±,0 x 0,509 = (6,3; 8,8). MODELO ) R ajustado, se aplca la fórmula que lo relacona con el R y resulta 0,909. ) Suma de cuadrados de la regresón, se obtene a partr de la fórmula del estadístco F = (SCReg/k-) / (SCResduos/n-k) = 8,3. Entonces SCReg = 3.85,6. ) Suma de cuadrados Total = 3.85, ,9 = 4.43,5. v) Cuadrados medos: SCReg/k- = 3.85,6 / =.96,3 SCResduos/n-k = 390,9 / 37 = 0,56.. Prueba del MODELO H 0 ) β = β = 0 H ) β ó β 0 Nvel de sgnfcacón = α Estadístco de la prueba: F = Regón Crítca = {F: F > λ} donde λ = SCReg/(k -), que tene dstrbucón F k-, n-k SCErr/( n - k) F ( ) ( α ) α k, n k = F,37 FALTA Decsón: Como en la muestra resultó F = 8,3, valor que es mayor que cualquera de los dos valores de tablas (para nveles de sgnfcacón del 5% y del %: 3,3 y 5,8), se Rechaza H 0, o lo que es lo msmo, se decde que el modelo es sgnfcatvo. Interpretacón de las hpótess: s H 0 es certa, entonces la varabldad de X y X no es sgnfcatva para la explcacón de la varabldad de la Y; s H es certa, entonces por lo menos una de las varables X y X explca la varabldad de la Y, lo que sgnfca que el modelo es sgnfcatvo.
9 3. = 3,43 es el aumento esperado estmado en la varable Y ante un aumento de una undad en la varable X. 4. La varable X en el MODELO no es sgnfcatva al 5% porque un ntervalo de confanza al 95% para el coefcente β es (-0,5; 0,4) que ncluye el cero. Esto sgnfca que en una prueba de hpótess de la forma H 0 ) β = 0 contra H ) β 0, la hpótess nula no sería rechazada para un nvel de sgnfcacón del 5%. 5. Se cumple que = X. β ˆ = X. ( X '. X ) [. X '. Y ] = [ X. ( X '. X ). X ']. Y = P Y ˆ Y.. Entonces, la matrz de proyeccón P es gual a X.( X '. X ). X '. Como X n.k y en este problema en el MODELO es k = 3 y n = 40, la matrz P tene dmensones 40 x 40 pues (X.X) es 3x3 y las msmas dmensones para su nversa; entonces X (X.X) X 3.40 = P EJERCICIO 8. Modelo estmado: Y ˆ =.80 +,5. X X 0,8. X X X 5. El n resulta de la fórmula que relacona el coefcente de determnacón con el coefcente de determnacón corregdo. En dcha fórmula debe tenerse en cuenta que es k = 6. Resulta entonces n = Como R = SCReg / VT, entonces SCReg = R x VT = 0,75 x = Desarrollo de la prueba de hpótess H 0 ) β = β = β 3 = β 4 = β 5 = 0 H ) Alguno de los β 0 con =,, 3, 4, 5. Nvel de sgnfcacón = 5% SCReg/(k -) Estadístco de la prueba: F =, que tene dstrbucón F k-, n-k = F 5, 44 SCErr/( n - k) Regón Crítca = {F: F > λ} donde λ = F ( ) ( α ) α k, n k = F5,40 =,45. Decsón: F 0 = ( /5) / ( /44) = 6,4 >,45. F 0 pertenece a la regón crítca, por tanto, la decsón es rechazar la hpótess nula: el modelo es sgnfcatvo. 4. En las pruebas de la forma H 0 ) β = 0 contra H ) β 0 se utlza el estadístco t n- y s el p-valor es menor que α, entonces corresponde rechazar H 0 y asumr que la varable X es sgnfcatva. Tal es el caso, en este problema, de las varables X, X 3 y X ˆβ = U$S Reducr el tamaño de las págnas de los catálogos. Esta reduccón tendría como efecto esperado estmado un ncremento en las ventas, dado que el coefcente correspondente es negatvo. Obsérvese que la varable X 3 es sgnfcatva. 7.. El nuevo R 0,75 pues al agregar varables el R es crecente (en sentdo amplo). En consecuenca, al consderar menos varables explcatvas (en el modelo nuevo), el R ha de ser menor (en sentdo amplo). 7.. No puede afrmarse nada sobre el nuevo R corregdo porque al agregar varables se produce un doble efecto: a) R crece, y en consecuenca ( - R ) decrece, y b) k aumenta y entonces (n-)/(n-k) tambén aumenta. Entonces, no se puede saber qué es lo que ocurre con C R = [(n-)/(n-k)]. ( - R ). Por el msmo motvo, al qutar varables, se desconoce el efecto que tendrá sobre R C Sabemos que y = α ˆ 0 + αˆ. x y =.60 + αˆ Por otro lado, tambén es: y = + ˆ + ˆ + ˆ + ˆ + ˆ 0 β. x β. x β3. x3 β 4. x4 β5. x5 =.80 +,5 x ,8x x6 + 0x40 = = =.60 + αˆ α ˆ =,9.
10 7.4. El nuevo modelo es lneal smple. Entonces se cumple que F = t = 9,798 = 96. SCReg/(k -) SC Re g.(50 ) Como F = = 96 = SC Re g = SCErr/( n - k) ( ).( VT SC Re g) 7.5. E(Y/X =.000) =.60 +,9 x.000 = Un ntervalo para dcho ( ) ( x x) 0,975 parámetro al 95% es: ± t ε 50 SC Re s donde = = = = ( ε 7.777,78 y SC Re g αˆ. x x) n k =,9. ( x x) ( x x) = = ,6 Intervalo: ±,0 x 4,79 = ± 854 = (33.06; 34.94).
REGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesREGRESION 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 detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
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 detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesCAPÍTULO 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 detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detalles1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n
4. Análss de regresón lneal múltle En caítulos anterores tratamos el análss de regresón smle que trata de relaconar una varable exlcatva cuanttatva con una varable resuesta cuanttatva. Todos los elementos
Más detallesInvestigación 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 detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesTema 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 detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesPruebas 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 detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
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 detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
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 detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesLIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 2009 CONTENIDO
LIBRO DE PRÁCTICAS DEL SEGUNDO SEMESTRE ESTADISTICA II CURSO 009 CONTENIDO PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES... PRÁCTICA 0: ESTIMACIÓN PUNTUAL... 5 PRÁCTICA : ESTIMACIÓN POR INTERVALO...
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesDESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES
RESUMEN INVESTIGACIÓN & DESARROLLO, No. 7: 5 4 (007) ISSN 1814-6333 DESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES Ernesto Cupé C. Centro de Investgacones
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 detalles4 Contraste de hipótesis en el modelo de regresión múltiple
4 Contraste de hpótess en el modelo de regresón múltple Ezequel Urel Unversdad de Valenca Versón: 9-13 4.1 El contraste de hpótess: una panorámca 1 4.1.1 Formulacón de la hpótess nula y de la hpótess alternatva
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 detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
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 detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesContraste de Hipótesis
. CONTRSTE DE HIPÓTESIS.1. Introduccón.. Contraste de una hpótess estadístca.3. Test unlateral y blateral.4. Test relaconados con una sola meda (varanza conocda).5. Relacón con la estmacón del ntervalo
Más detallesPrograma de Asesor Financiero (PAF) Nivel I
Programa de Asesor Fnancero (PAF) Nvel I MÓDULO 1_Fundamentos de la Inversón SOLUCIÓN_CUESTIONARIOS DEL LIBRO Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO Capítulo 4: TIPOS DE INTERÉS Y RENTABILIDAD Capítulo
Más detallesRegresión lineal en química analítica
Regresón lneal en uímca analítca Alejandro C. Olver Departamento de Químca Analítca, Facultad de Cencas Bouímcas y Farmacéutcas, Unversdad Naconal de Rosaro, Supacha 5, Rosaro (S00LRK), Argentna. E-mal:
Más detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesESTADÌSTICA INFERENCIAL
DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA ADMINISTRACIÓN DE EMPRESAS ESTADÌSTICA INFERENCIAL MÓDULO EN REVISIÓN DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA
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 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 detallesOrganización 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 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 detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
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 detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesScientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia
Scenta Et Technca ISSN: 0122-1701 scenta@utp.edu.co Unversdad Tecnológca de Perera Colomba OSPINA GUTIÉRREZ, LUZ MARÍA; ZAPATA RAMÍREZ, GEISON ALEXIS; RODAS RENDON, PAULA ANDREA PRUEBA DE NO LINEALIDAD
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
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 detallesUN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES *
UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * Mª Consuelo Colom, Rosaro Martínez y Mª Cruz Molés WP-EC 2000-02 Correspondenca:
Más detallesREGRESIÓN 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 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 detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detallesANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.
ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)
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 detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesGANTT, PERT y CPM INDICE
GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4
Más detallesEvaluación de la estabilidad de taludes cohesivos de pie 1
Evaluacón de la establdad de taludes cohesvos de pe 1 Julo Cesar Quroz Vaca 2 Profesor Unverstaro e Ingenero Cvl Santa Cruz, 3 de juno del 2015 Resumen Los métodos para determnar el factor de segurdad
Más detallesESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO
2003 NÚMERO 808 INFRAESTRUCTURAS: TRANSPORTES E INDUSTRIAS DE RED ESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO María Belén Rey Legdos* La lberalzacón del transporte aéreo es un
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
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 detallesDEFINICIÓN DE INDICADORES
DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.
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 expermento, un número real.
Más detallesIncertidumbre de la Medición: Teoría y Práctica
CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle
Más detallesTrabajo Especial 2: Cadenas de Markov y modelo PageRank
Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E
Más detallesLA RELACIÓN ENTRE EL DESARROLLO DE LA CUERNA DEL CORZO Y SU DENSIDAD ÓSEA SEGÚN LA EDAD, LA MORFOLOGÍA Y LA GENÉTICA
X Congreso Galego de Estatístca e nvestgacón de Operacóns Ourense, de novembro de 9 LA RELACÓN ENTRE EL DESARROLLO DE LA CUERNA DEL CORZO Y SU DENSDAD ÓSEA SEGÚN LA EDAD, LA MORFOLOGÍA Y LA GENÉTCA Raml
Más detallesPORTAFOLIO DE TRES ACTIVOS FINANCIEROS
PORTAFOLIO DE TRES ACTIVOS FINANCIEROS Contendo:. Introduccón.. Fondos Mutuos. Rendmento y Resgo.. Parámetros estadístcos de un Portafolo de Tres Actvos. a) El Retorno de un Portafolo. b) El Resgo de un
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
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 detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesPRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero
Más detallesDEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL
DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detallesCAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan
CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta
Más detallesConsideraciones empíricas del consumo de los hogares: el caso del gasto en electricidad y alimentos
Consderacones empírcas del consumo de los hogares: el caso del gasto en electrcdad y almentos Emprcal Consderatons of the Famles Consumpton: the Case uf the Expense n Electrcty and Food Maro Andrés Ramón
Más detallesESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO
ESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO OSCAR A. DIAZ QUEVEDO * * El análss y conclusones del presente trabajo son de exclusva responsabldad del autor y no reflejan necesaramente la opnón
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detalles4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es
4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA
Más detalles