Inferencia estadística - Estimación puntual

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

Download "Inferencia estadística - Estimación puntual"

Transcripción

1 Iereca estadístca - stacó ptal a estadístca provee téccas qe perte obteer coclsoes geerales a partr de cojto ltado pero represetatvo de datos. Cado eros o teeos garatía de qe la coclsó qe obteeos sea eactaete correcta. S ebargo la estadístca perte catcar el error asocado a la estacó. a ayoría de las dstrbcoes de probabldad depede de certo úero de paráetros. Por ejeplo: P N B p etc. Salvo qe estos paráetros se coozca debe estarse a partr de los datos. l objetvo de la estacó ptal es sar a estra para obteer úeros qe e algú setdo sea los qe ejor represeta a los verdaderos valores de los paráetros de terés. Spogaos qe se seleccoa a estra de taaño de a poblacó. Ates de obteer la estra o sabeos cál será el valor de cada observacó. Así la prera observacó pede ser cosderada a v.a. la segda a v.a. etc. Por lo tato ates de obteer la estra deotareos... a las observacoes y a vez obteda la estra los valores observados los deotareos.... Del so odo ates de obteer a estra calqer có de ella será a v.a. por ejeplo: ~ S a... etc. Ua vez obteda la estra los valores calclados será deotados ~ s a... etc. Decó: U estador ptal de paráetro es valor qe pede ser cosderado represetatvo de y se dcará. Se obtee a partr de alga có de la estra. jeplo: Co el de estdar s dado es o o eqlbrado se arroja el dado veces e ora depedete obteédose ases. Qé valor podría tlzarse e base a esa oracó coo estacó de la probabldad de as? Parece razoable tlzar la receca relatva de ases. este caso s llaaos p a la probabldad qe qereos estar p. Métodos de estacó ptal Cóo obteer estadores para problea dado? stdareos dos étodos qe proporcoa estadores ptales: el étodo de oetos y el étodo de áa verosltd. Método de oetos: a dea básca cosste e galar certas característcas estrales co las correspodetes característcas poblacoales. Recordeos la sgete decó. 58

2 Decó: Sea a v.a. co có de probabldad ptal p e el caso dscreto o có de desdad e el caso coto. Se deoa oeto de orde k k N o oeto poblacoal de orde k a k es decr k - k k p d e el caso dscreto e el caso coto s esas esperazas este. Coo ya heos vsto cado estdaos có geeradora de oetos de a varable aleatora los oetos está relacoados co los paráetros de la dstrbcó asocada. Dada a estra aleatora... el oeto estral de orde k es k Decó: Sea... a.a. de a dstrbcó co có de probabldad ptal o có de desdad qe depede de paráetros.... os estadores de oetos de... so los valores... qe se obtee galado oetos poblacoales co los correspodetes oetos estrales. geeral se obtee resolvedo el sgete sstea de ecacoes k k k... jeplos: Sea... a.a. de a dstrbcó epoecal de paráetro. Coo hay solo paráetro a estar basta platear a ecacó basada e el prer oeto. 59

3 6 Sea... a.a. de a dstrbcó Γα. Coo hay dos paráetros a estar plateaos sstea de ecacoes basadas e el prer y e el segdo oeto. Usado qe s ~ Γα α y α V y la relacó: V α α α Reeplazado α e la segda ecacó se obtee: y despejado : Falete reeplazado el estador de e la prera ecacó obteeos el estador de : α α 3 Sea... a.a. de a dstrbcó U. Coo hay úco paráetro a estar plateaos a ecacó basada e el prer oeto.

4 4 Veaos por últo ejeplo qe os estra qe o sepre podeos tlzar los oetos e el orde atral. Sea... a.a. de a dstrbcó U-. Coo hay úco paráetro a estar parece atral platear a ecacó basada e el prer oeto. S ebargo s lo haceos Observaos qe el prer oeto poblacoal o depede de y por lo tato o podeos despejar a partr de esta ecacó el estador del paráetro. este caso es ecesaro platear a ecacó basada e el segdo oeto: 3 3 Método de áa verosltd: ste étodo e trodcdo por Fsher e la década de 9. Se basa e la dea de dada a estra hallar los valores de los paráetros qe hace qe la probabldad de obteer dcha estra sea áa. jeplo: Se realza a ecesta de opó a a.a. de persoas. Se les orla a úca pregta qe será respodda por S o por NO. Sea... las v.a. correspodetes a la respesta tales qe s s la persoa respode SI la persoa respode NO para... y sea p P. Observeos qe las v.a. so depedetes y cada a de ellas tee dstrbcó... es Bp. toces la có de probabldad cojta del vector p... p p p p... p p 6

5 S e la estra obteda se observa 7 NO s y 3 SI s sería 3 7 p... p p a pregta es: qé valor de p hace qe los valores estrales obtedos sea los ás probables? s decr bscaos el valor de p qe hace áa p... o eqvaleteete l p... ya qe l es a có oótoa crecete. Debeos azar la sgete có de p g p l p... 3 l p 7 l p Para ello coo esta có es dervable respecto de p bscaos los posbles ptos crítcos galado a la dervada prera. g p p 7 p 3 p 3- p p p p p p p p p ste valor es e eecto el qe aza gp pes 3 g p p 3 7 p p p 3 / p 3 / < Decó: Sea... v.a. co có de probabldad cojta p r... o có de desdad cojta r... qe depede de k paráetros.... Cado... so los valores observados y la có de probabldad o de desdad cojta se cosdera có de los paráetros... se deoa có de verosltd y se deota.... os estadores de áa verosltd MV de... so los valores... qe aza la có de verosltd o sea los valores tales qe ~ ~ ~ ~ ~ ~... a ora geeral de los MV se obtee reeplazado los valores observados por las v.a.. jeplos: Sea... a.a. de a dstrbcó epoecal de paráetro. 6

6 63 e e... por lo tato la có de verosltd es e Observeos qe o clos los dcadores porqe dado qe el rago de la v.a. o depede del paráetro a estar podeos spoer qe todas las observacoes so o egatvas. l l l Vercar qe el pto crítco obtedo es e eecto áo. Observeos qe e este caso el MV cocde co el de oetos. Sea... a.a. de a dstrbcó N.... π e e π Por lo tato la có de verosltd es y azarla eqvale a azar s logarto l l l π e π

7 64 l l 3 y reeplazado el valor estado de e la segda ecacó se obtee los MV de los paráetros 3 Sea... a.a. de a dstrbcó U. I I... y la có de verosltd es I Observeos qe e este caso o es posble toar logarto dervar porqe el paráetro argeto de la có de verosltd detera el soporte de la desdad. Aalceos cóo es esta có a hallar s áo < < < e caso cotraro s e caso cotraro s a

8 s > a s a Graqeos coo có de. Coo se pede observar el áo de la có de verosltd se alcaza e a y por lo tato el MV del paráetro es a Propedad de Ivaraza de los MV: Sea el MV de y sea h a có yectva co doo e el rago de valores posbles de etoces el MV de h es h. Por ejeplo e el caso de a.a. de a dstrbcó N heos vsto qe el MV de es etoces el MV de es pes la có h es yectva s s doo se restrge a los reales postvos es decr s h :R R. 65

9 geeral sea... los MV de... y sea a có h : R k R bajo qé codcoes el MV de h... es h...? sta propedad deoada propedad de varaza de los MV se cple s la có h pede ser copletada a a có yectva. Propedades de los estadores y crteros de seleccó Observeos qe dada a estra obtedo e base a ella es a v.a.. a dereca... estador ptal del paráetro es el error de estacó y a estacó será ás precsa cato eor sea este error. ste error es tabé a v.a. dado qe depede de la estra obteda. Para algas estra será postvo para otras egatvo. Ua propedad deseable es qe la esperaza del error sea es decr qe e proedo el error obtedo al estar a partr de deretes estras sea cero. Decó: U estador ptal del paráetro es sesgado s S o es sesgado se deoa sesgo de a b. Por lo tato estador es sesgado s s dstrbcó tee coo valor esperado al paráetro qe se desea estar. Decó: U estador ptal del paráetro basado e a estra astótcaete sesgado s... es jeplos: Sea : úero de étos e repetcoes de epereto boal co probabldad de éto gal a p. toces ~ Bp y heos vsto qe el MV de p es p / o sea la receca relatva de étos. Verqeos qe este estador es sesgado. p p p p y por lo tato es sesgado. Sea... a.a. de a dstrbcó N. os MV de y so 66

10 67 Coo este estador es sesgado. Verqeos qe el estador de la varaza o lo es. [ ] [ ] V V Por lo tato el MV de la varaza o es sesgado pero es astótcaete sesgado ya qe s esperaza tede a cado el taaño de la estra tede a to. jercco: Vercar qe la varaza estral S es estador sesgado de la varaza poblacoal calqera sea la dstrbcó. 3 Sea... a.a. de a dstrbcó U. l estador de oetos de es y el MV es a. l estador de oetos es sesgado. eecto Vercareos qe el MV o lo es. Para ello ecestaos obteer la desdad de la v.a. a U.

11 68 Recordeos qe s... es a.a. de a dstrbcó U etoces < < F F U s s s etoces I U. Calcleos la esperaza del MV. a d d U toces el MV o es sesgado pero es astótcaete sesgado. Cado hay ás de estador sesgado para so paráetro cóo decdos cál covee sar? Por ejeplo sea... a.a. de a dstrbcó N. s edato vercar qe los sgetes so todos estadores sesgados de : 3 S ebargo las varazas de estos estadores so 3 V V V y parece atral elegr el estador ás precso es decr el de eor varaza. Prcpo de estacó sesgada de ía varaza: tre todos los estadores sesgados de elegr el de eor varaza. l estador resltate se deoa IMVU

12 sesgado de ía varaza oreete. ste a etodología qe perte hallar estadores IMVU e chas stacoes. Teorea: Sea... estador IMVU de. a.a. de a dstrbcó N. toces es A partr de este resltado dedcos qe s se tee evdeca de qe la.a. provee de a dstrbcó Noral parece coveete sar coo estador de. S ebargo s los datos o so Norales este estador podría llegar a ser a pésa eleccó. jeplo: Sea las sgetes dstrbcoes sétrcas alrededor del paráetro a N : e π b Cachy de paráetro : π c U - : I a dstrbcó de Cachy tee ora de capaa coo la dstrbcó Noral pero tee colas ás pesadas qe ésta. a dstrbcó Uore o tee colas por lo tato podríaos decr qe tee colas ás lvaas qe la Noral. Cosdereos los sgetes estadores de : ~ a 3 el caso a es IMVU y por lo tato es la eleccó correcta. el caso b y 3 so alos porqe abos so y sesbles a la preseca de observacoes atípcas y la dstrbcó Cachy prodce a portate proporcó de ellas. Por lo tato la ejor eleccó etre estos tres estadores sería. Tabé podríaos tlzar a eda podada. el caso c el ejor estador es 3 porqe la dstrbcó o tee colas. rror stadard de estador: Al orar el resltado de a estacó ptal es ecesaro brdar oracó sobre la precsó de la estacó. Decó: l error stadard de estador es s desvacó stadard es decr 69

13 V S el error stadard depede de paráetros descoocdos éstos se reeplaza por estador y se obtee el error stadard estado. jeplo: Sea... MV de y s error stadard es a.a. de a dstrbcó N. toces es el V Coo depede del paráetro podeos reeplazarlo por la varaza estral y obteeos el error stadard estado S Decó: Sea estador de s error cadrátco edo es CM S el estador es sesgado el error cadrátco edo es gal a la varaza del estador. CM V b sedo b el sesgo del estador. Proposcó: [ ] De: CM [ ] Usado qe la esperaza de a v.a. es a costate y la esperaza de a costate es gal a ésta se obtee 7

14 b CM V CM V b coo qeríaos deostrar. y por lo tato [ ] Prcpo de estacó de eor error cadrátco edo: Dados dos o ás estadores del paráetro elegr el de eor CM. ste prcpo se redce e el caso de estadores sesgados al de ía varaza etre los sesgados ecoado ás arrba ya qe el error cadrátco edo se redce a la varaza cado estador es sesgado. S ebargo os perte adeás seleccoar por ejeplo etre estador sesgado y otro qe o lo es e base a la varaza y al sesgo. S el estador sesgado tee a varaza cho eor qe el sesgado podría ser preerble s so. Decó: Sea y sea... a.a de a dstrbcó qe depede de paráetro estador ptal de basado e esa estra. Dreos qe { } scesó cosstete o ás breveete qe es decr s > P > ε jeplo: Sea p ε.... es a es estador cosstete de s a.a de a dstrbcó co y V < etoces es estador cosstete de. eecto aplcado la desgaldad de Chebyshev P V > ε ε > ε ε jercco: Vercar qe e este ejeplo o es cosstete de. Proposcó: Sea paráetro y sea... a.a de a dstrbcó qe depede de estador de basado e la estra de taaño. S a o sea s el estador es astótcaete sesgado b V 7

15 etoces es cosstete de. De: a deostracó es edata a partr de la desgaldad de Chebyshev s el estador es sesgado. No dareos la deostracó e el caso geeral. jeplos: Sea... a.a de a dstrbcó co y V < etoces es estador cosstete de. eecto y V. Por lo tato se satsace las dos codcoes de la Proposcó. Sea... a.a. de a dstrbcó U. Heos deostrado ates qe el MV de a es astótcaete sesgado pes. Para probar qe es cosstete vercareos qe s varaza tede a cero cado el taaño de la estra tede a to. Pero V [ ] etoces debeos calclar la esperaza del cadrado de la v.a. U a recordado qe s desdad está dada por U I U d d toces V Por lo tato el MV es cosstete. 3 ste últo ejeplo lstra coo deostrar la cossteca de estador a partr de la ey de los Grades Núeros y de las propedades de la covergeca e probabldad. prer lgar recordeos qe s e Y... Y Y... so scesoes de p p v.a. tales qe a e Y b etoces: p a ± Y a b ± 7

16 p b Y ab p a c s b Y b p d g g a s g es a có cota e a. e s c es a scesó érca tal qe c p c etoces c ca?? Sea... a.a de a dstrbcó co y V < deostrareos qe la varaza estral S es estador cosstete de la varaza poblacoal. S Por la ey de los Grades Núeros p etoces por la propedad d p. Por otra parte aplcado evaete la ey de los Grades Núeros p [ ] V Coo adeás se obtee S p y por lo tato la varaza estral es estador cosstete de. 73

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Cotacó Facltad de Cecas actas y Natrales. Uversdad de Beos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó tal La estadístca rovee téccas qe erte obteer coclsoes

Más detalles

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza

1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza El Método de Relajacó Aplcado a Optzacó de Ssteas Dscretos F. Szget, J. Cardllo, J. C. Heet y J. L. Calet Uersdad de Los Ades Departaeto de Ssteas de Cotrol, Mérda Veezela Laboratore d Aalyse et d Archtectre

Más detalles

REGRESIÓN LINEAL SIMPLE

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

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio Método de sevaraza y varaza para la seleccó de u portaolo ópto Sevarace ad varace ethod or selectg a optal portolo Lzbeth María de Jesús Urbe, Mguel Ágel Martíez Daá, Gustavo aírez Valverde ESUMEN E los

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

El Amplificador Operacional de Tensiones

El Amplificador Operacional de Tensiones El Aplfcador Operacoal de Tesoes El Aplfcador Operacoal de Tesoes. Itroduccó 2. El Aplfcador Operacoal Ideal de Tesoes 3. Nodealdades e el Opap 4. Crcutos co ealetacó Postva. Itroduccó.. El problea de

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Núeros Coplejos PREGUNTAS MÁS FRECUENTES. Qué es la udad agara? Es u eleeto del que cooceos úcaete su cuadrado:.obvaete, o se trata de u úero real.. Qué es u úero coplejo? Es

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Fracsco López

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

1. Propiedades molares y propiedades molares parciales

1. Propiedades molares y propiedades molares parciales erodáca. ea 9 Ssteas abertos y ssteas cerrados de coposcó varable. ropedades olares y propedades olares parcales Ua agtud olar se dee coo: Sepre está asocada a u sstea terodáco de u úco copoete (sstea

Más detalles

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

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

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS MÉTODOS ESTADÍSTICOS ECONOMÉTRICOS EN LA EMPRESA PARA FINANZAS José Atoo Ordaz Saz María del Carme Melgar Hraldo Carme María Rbo Castaño Departameto de Ecoomía, Métodos Cattatvos e Hstora Ecoómca Uversdad

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS José Atoo Ordaz Saz María del Carme Melgar Hraldo Carme María Rbo Castaño Departameto de Ecoomía, Métodos Cattatvos e Hstora Ecoómca Uversdad

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Principio de multiplicación. Supongamos que un procedimiento designado como 1, puede hacerse de n 1

Principio de multiplicación. Supongamos que un procedimiento designado como 1, puede hacerse de n 1 MÉTODOS DE ENUMERACIÓN Y CONTEO. Pricipio de ultiplicació. Supogaos que u procediieto desigado coo puede hacerse de aeras. Supogaos que u segudo procediieto desigado coo se puede hacer de aeras. Tabié

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA INTRODUCCIÓN PRUEBAS NO PARAMÉTRICAS VERSUS PRUEBAS PARAMÉTRICAS

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA INTRODUCCIÓN PRUEBAS NO PARAMÉTRICAS VERSUS PRUEBAS PARAMÉTRICAS UNIDAD III: INFERENCIA ESTADÍSTICA PRUEBA DE IPÓTESIS JI CUADRADO TEMA.. INTRODUCCIÓN.. PRUEBAS PARAMÉTRICAS VERSUS PRUEBAS NO PARAMÉTRICAS.3. EXPERIMENTOS MULTINOMIALES.4. DISTRIBUCIÓN DE PROBABILIDAD

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

MODELOS DE PROBABILIDAD

MODELOS DE PROBABILIDAD 3 MODELOS DE PROBABILIDAD.- VARIABLES ALEATORIAS DISCRETAS E ocasioes, alguas variables aleatorias sigue distribucioes de probabilidad uy cocretas, coo por ejeplo el estudio a u colectivo ueroso de idividuos

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

EXPRESIÓN DE INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS DE MEDICIÓN DE ENERGÍA ELÉCTRICA

EXPRESIÓN DE INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS DE MEDICIÓN DE ENERGÍA ELÉCTRICA Ig. Álvaro Zpaqrá Traa Ig. Gerardo Porras Reda Laboratoro de Poteca y Eergía Spertedeca de Idstra y Comerco 0. INTRODUCCIÓN Cado se expresa el resltado de medcó e a magtd, es coveete y a veces oblgatoro,

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

MATEMÁTICAS POBLACIÓN Y MUESTRA. CONDICIONES DE REPRESENTATIVIDAD DE UNA MUESTRA. TIPO DE MUESTREO. TAMAÑO DE UNA MUESTRA.

MATEMÁTICAS POBLACIÓN Y MUESTRA. CONDICIONES DE REPRESENTATIVIDAD DE UNA MUESTRA. TIPO DE MUESTREO. TAMAÑO DE UNA MUESTRA. Tema 58 Educacó Secudara ATEÁTICAS magster POBLACIÓN Y UESTRA. CONDICIONES DE REPRESENTATIVIDAD DE UNA UESTRA. TIPO DE UESTREO. TAAÑO DE UNA UESTRA.. INTRODUCCIÓN.. Localzacó.. Obetvos y cotedos..3. Idcacoes.

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Estimación de proporciones multinomiales

Estimación de proporciones multinomiales Estacó de proporcoes ultoales Jaro Alfoso Clavjo Médez Uversdad del Tola Abrl de 005 E esta cofereca hareos alguas cosderacoes acerca del taaño de uestra ecesaro para estar proporcoes bajo uestreo aleatoro

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada:

La ecuación general de los gases es el resumen que engloba a varias leyes que se enunciaron de forma separada: ECUACIÓN GENERAL DE LOS GASES PERFECTOS La ecuacó geeral de los gases es el resue que egloba a varas leyes que se eucaro de fora separada: Ley de Boyle - Marotte: Dce que, s se atee la teperatura costate,

Más detalles

Tema 2: Semiconductores intrínsecos y extrínsecos

Tema 2: Semiconductores intrínsecos y extrínsecos lectróca de dsostvos Dr.. Reg 5/6 Tea : Secoductores trísecos y extrísecos a. : K. Kao Itroduccó Desdad de stados (De) ucó de dstrbucó de er-drac Desdad de ortadores e secoductores trísecos. vel de er

Más detalles

- Función Polinómica f es toda función de dominio el conjunto de los números reales, tal que la imagen de cada número real x es:

- Función Polinómica f es toda función de dominio el conjunto de los números reales, tal que la imagen de cada número real x es: POLINOMIOS Defcó: Fucó Polóc - Fucó Polóc f es tod fucó de doo el cojuto de los úeros reles, tl que l ge de cd úero rel es: f = + + + + +, dode,,,,, so ueros reles y es turl Defcó: Poloo - Poloo de vrble

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

REVISTA INVESTIGACIÓN OPERACIONAL Vol., 31, No. 1, 61-69, 2010

REVISTA INVESTIGACIÓN OPERACIONAL Vol., 31, No. 1, 61-69, 2010 REVISTA INVESTIGACIÓN OPERACIONAL Vol., 3, No., 6-69, 200 UN SISTEMA DE SOPORTE A LA DECISIÓN PARA LA ASIGNACIÓN DE RECURSOS HUMANOS A EQUIPOS DE PROYECTOS DE SOFTWARE Margarta Adré Apero * y María Glara

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Tema 3: Valoración financiera de conjuntos de capitales 1

Tema 3: Valoración financiera de conjuntos de capitales 1 Tea 3: aloracó facera de cojuto de captale. alor facero de u cojuto de captale Se deoa valor facero de u cojuto de captale e u oeto t τ, a u ua facera e dcho puto. Aí, dado u cojuto de captale (, t,(,

Más detalles

Métodos Estadísticos aplicados a la Ingeniería. 1º Ingeniería Industrial

Métodos Estadísticos aplicados a la Ingeniería. 1º Ingeniería Industrial Métodos Estadístcos aplcados a la Igeería º Igeería Idustral º cuatrestre 8/9 Itroduccó - Qué es la Estadístca? La estadístca es la ceca que se ocupa del dseño de experetos o ecuestas edate uestras, para

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Muestreo por conglomerados en encuestas poblacionales

Muestreo por conglomerados en encuestas poblacionales Rev. salud públca. 3 : Eslava 4-5 - Iequdad e AVPP 4 Muestreo por cogloerados e ecuestas poblacoales Cluster saplg health surveys Heler de Jesús Zapata-Ossa, Agela M. Cubdes-Muévar, María C. López, Elsa

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ea ta zabal zazu Uversdad del País Vasco Departaeto de Arqutectura y Tecología de oputadores upv ehu Tea 4_ Ssteas LTI Procesado dgtal de age y sodo Defcó y prcpal vetaja Aálss teporal de la respuesta

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Regla de Bayes. Pedro J. Rodríguez Esquerdo

Regla de Bayes. Pedro J. Rodríguez Esquerdo Regla de Bayes Pedro J. Rodríguez Esquerdo Isttuto de Estadístca y Sstemas Computadorzados de Iformacó Facultad de Admstracó de Empresas y Departameto de Matemátcas Facultad de Cecas Naturales Recto de

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

10. Optimización no lineal

10. Optimización no lineal 0. Optzcó o lel Coceptos báscos Prcpos y teores pr l búsqued de óptos lobles Optzcó s restrccoes e desó Optzcó s restrccoes e desó > Modelos co restrccoes de uldd Codcoes de uh-tucker Alortos uércos báscos

Más detalles