Modelos de crecimiento de langosta (Panulirus argus) y un método para calcular la edad
|
|
- Claudia Rojo Godoy
- hace 7 años
- Vistas:
Transcripción
1 Modelos de crecimiento de langosta (Panulirus argus) y un método para calcular la edad Zetina-Moguel,, Carlos Enrique 1 y 2 y Gloria Verónica Ríos-Lara 1 1 Centro Regional de Investigación Pesquera de Yucalpetén, Yucatán. INP. A.P. 73. Progreso, Yucatán México. C.P zmoguel@tunku.uady.mx 2 Universidad Autónoma de Yucatán. Facultad de Ingeniería. Av. de Industrias no contaminantes s/n. A.P. 150 Admón. de Correos No 10. Cordemex, Mérida, Yucatán, México. CP ZETINA-MOGUEL, C. E. y G. V. Ríos-Lara Modelos de crecimiento de langosta espinosa (Panulirus argus) y un método para calcular la edad. INP. SAGARPA. México. Ciencia Pesquera No. 14. En el crecimiento de la langosta espinosa (Panulirus argus) los aspectos de mayor importancia son el tiempo y longitud de asentamiento, el tiempo entre mudas y el incremento en longitud durante las mudas. En este documento se presentan dos modelos de crecimiento en forma de escalera de la langosta espinosa y un método de cálculo de la edad. En el primer modelo de crecimiento las mudas son dependientes del tiempo y en el segundo el tiempo entre mudas es una función de la longitud. En los dos modelos los incrementos en longitud se representan por la misma función. El método de cálculo de la edad se basa en el cálculo hacia atrás de los incrementos de longitud y del número de mudas yendo desde la medición de la longitud actual hasta la longitud de asentamiento de las postlarvas. Los parámetros de los modelos se calcularon en un contexto bayesiano y utilizando datos publicados. Las predicciones de los modelos muestran un buen ajuste con observaciones de crecimiento de langostas del Caribe. En el método de cálculo de la edad se puede incluir incertidumbre en el tiempo y la longitud de asentamiento. Con el tiempo entre mudas y el incremento en longitud durante las mudas se calcularon las edades de las tallas comerciales en la pesquería de langosta de Yucatán, México. Palabras clave: Crecimiento de crustáceos, langosta espinosa, Panulirus argus, determinación de la edad, Bayes. The main events during spiny lobster (Panulirus argus) growth are the post-larval settlement length and time, time between molts and length increase during the molts. In this paper two stair-shape spiny lobster growth models and one age estimation method are presented. In the first growth model the molts are time dependent and in the second the time between molts is a length function; length increase during molts is modeled too in both. The age estimation method is based in back calculation of lengths and molts from current measured length to post-larval settlement length. Model parameters were estimated in Bayesian framework and with dates previously published. Prediction models showed good fitting with observation of caribbean lobster growth. In age estimation method can be included uncertainty in settlement length and time, time between molts and length increase; age estimation for commercial length class in Yucatan, Mexico fishery was calculated. Keywords: Crustacean growth, spiny lobster, Panulirus argus, age determination, Bayes. Introducción En algunas de las técnicas de evaluación de los recursos pesqueros, como son el análisis de población virtual o el análisis de cohortes, es necesario contar con una relación entre la talla y la edad. En los individuos de mares tropicales establecer esta relación o la determinación de la edad suele ser difícil debido a la amplitud de las épocas de reproducción, la ausencia de eventos del entorno que se registren en estructuras duras, la variabilidad del crecimiento en los individuos individuales como un reflejo de la complejidad del hábitat, etcétera. En el caso de los macrocrustáceos como el camarón, cangrejos y langostas el problema se complica debido a la ausencia de estructuras duras permanentes (Brown y Caputi, 1985). Otra peculiaridad del crecimiento de los macrocrustáceos es que tiene lugar solamente una etapa durante la cual los individuos cambian de exoesqueleto (proceso conocido como muda o ecdisis), y una vez que el exoesqueleto se consolida (período de intermuda) el crecimiento en longitud se detiene, de tal forma que este proceso se puede representar por una curva en forma de escalera. Debido a los problemas mencionados los métodos que se usan para estudiar el crecimiento de los macrocrustáceos son: a) marcación y recaptura y b) métodos basados en el análisis de la frecuencia de longitudes, como los de Bhattacharya, Shepherd y el de proyección de matrices, entre otros (Cruz et al., 1981; González-Cano, 1991 y De-León et al., 1995). En la mayoría de los casos los datos se usan para calcular los parámetros de la ecuación de von Bertalanffy (to, K y L ), aunque se reconoce que este modelo puede no ser el más adecuado para representar el crecimiento individual de los crustáceos. Se sabe que los eventos de mayor relevancia en el crecimiento individual de camarones y langostas son la longitud de los periodos de intermuda y el incremento en longitud durante las mudas y se han presentado acercamientos a la modelación del crecimiento de estos individuos con opciones diferentes a von Bertalanffy (Hunt y Lyons, 1986; Caddy, 1987; Restrepo y Hoening, 1988 y Arce et al.,0 1991). Por otra parte, a pesar de que se usan mucho, los métodos de análisis de frecuencias de longitudes no parecen ser la herramienta más apropiada para estudiar el crecimiento de la langosta espinosa, debido a que esta especie puede permanecer de 6 a 8 meses en el plancton CIENCIA PESQUERA No
2 oceánico (según Baisre, 1976; y Cruz et al., 1987) o hasta 11 meses (según Sims e Ingle, 1966; y Lyons, 1980) y a que el periodo de reproducción se prolonga más de cuatro meses (Cruz et al., 1987; Ramírez, 1996). Estas características imprimen una gran variabilidad en el crecimiento de langostas de edades similares y pueden conducir a resultados espurios cuando se usan estos métodos. En este trabajo se presentan dos modelos de crecimiento de langosta espinosa. Uno escalonado que toma en cuenta la longitud del cefalotórax y el tiempo de asentamiento de postlarvas, así como la longitud de los períodos de intermuda como una función de la edad, y el crecimiento en longitud durante las mudas como una función de la longitud. Los parámetros del modelo se calcularon en un contexto bayesiano. El otro modelo se basa en cálculos de la duración de los períodos de intermuda como una función de la longitud y comparte con el primer modelo la función de crecimiento durante las mudas. De igual manera se presenta un método de cálculo de la edad de las langostas a partir de tallas observadas, basado en los incrementos de longitud durante las mudas y el tiempo promedio de duración de los periodos intermuda. Métodos y materiales El modelo escalonado de crecimiento individual se resume en las siguientes tres ecuaciones: (1) (2) L t = L 0 +ΣM t L M M t = Entero Σ t αe [-βt(t-t0)] (3) L M = β 2 +β 3 L M - 1 Donde L t = longitud en cm al tiempo t = tiempo en semanas L 0 = longitud de cefalotórax en cm al momento del asentamiento M = número de muda L M = longitud durante el período de intermuda t 0 = tiempo de asentamiento en semanas Entero es el valor entero que resulta de la sumatoria contenida dentro del paréntesis, ya que el número de mudas no puede ser fraccionario. α, β 1, β 2, β 3 son parámetros del modelo. Los datos utilizados para obtener los parámetros de los dos modelos fueron tomados del trabajo de Arce et al. (1991). Por otra parte, se utilizaron observaciones de talla máxima abdominal y de cefalotórax de langostas P. argus de las costas de Yucatán y Quintana Roó para definir los límites máximos y establecer puntos de referencia. Se obtuvo un primer cálculo de los parámetros de las ecuaciones (2) y (3). Los parámetros α, β 1 se aproximaron minimizando el cuadrado de las diferencias entre el número de muda observado en el tiempo t y el número de muda predicho por el modelo. Se aplicó un método iterativo que usa el algoritmo de Newton contenido en las hojas de trabajo Excel (Solver). Se hicieron calculos de β 2 y β 3 por mínimos cuadrados mediante un análisis de regresión lineal en el cual la variable independiente es la longitud en la muda n y la variable dependiente es la longitud en la muda n+1. El cálculo en un contexto bayesiano incluye tres pasos:1) elección de una distribución de probabilidad previa de los parámetros 2) formulación de una función de verosimilitud para los datos usados en la evaluación y 3) elección de una trama de valores de los parámetros sobre los cuales poder calcular el producto de los datos de verosimilitud y los de distribuciones previa. Los cálculos se obtuvieron maximando la función de verosimilitud: L(α,β ^ ^ 1, ^ β 2,β^ 3,L/datos) = [(1/σ)(2P i ) 1/2 (Exp(-L tobs -L tcalc ) 2 ]/2σ 2 Donde Lobs y Lcalc son la longitud del cefalotórax observada y calculada con el modelo escalonado, respectivamente (Walters y Ludwing,1994). Para el cálculo se utilizaron 50,000 repeticiones y se incluyó incertidumbre en el tiempo y longitud de asentamiento. Se utilizaron distribuciones uniformes previas para el tiempo de asentamiento entre 25 y 40 semanas y para la longitud de asentamiento entre 0.4 y 0.8 cm Briones (1995) reporta una talla media de 0.59 cm. En esta parte de la cálculo se utilizó una desviación estándar previa de las diferencias entre los datos de longitud observada y predicha (α) entre y 0.5 con una distribución uniforme; de manera similar, se le incluyó error al modelo de incremento de longitud durante las mudas y se utilizó error aditivo con distribución normal N (0,0.05). Adicionalmente, se ajustó una curva de von Bertalanffy a las tallas medias calculadas a partir de la simulación. El ajuste y cálculo de los parámetros de la ecuación de von Bertalanffy (L, K, t 0 ) se hizo por mínimos cuadrados. Se usaron programas construidos en Visual Basic para Excel. El segundo modelo considera la duración de los períodos de intermuda como una función de la talla. La función que se utilizó fue: (5) PI = δl η M Donde: PI = duración del período de intermuda, L M = longitud durante el período de intermuda M, δ y η son parámetros del modelo Los incrementos en longitud durante las mudas se modelan con la ecuación (3). El cálculo de los parámetros de este modelo se hizo obteniendo los mínimos cuadrados de las diferencias entre la longitud de los períodos de intermuda observados y predichos con el modelo. Las unidades de tiempo son semanas. La combinación de las ecuaciones (3) y (5) permite calcular el incremento de longitud en la próxima muda y el tiempo promedio en que los individuos la alcanzan. Método para calcular la edad La determinación de la edad a una longitud observada se puede obtener mediante el cálculo hacia atrás de los incrementos en longitud, desde la longitud observada hasta la de asentamiento; lo cual es posible con la ecuación (3), calculando L M-1 (longitud del cefalotórax en la muda anterior). A partir de los datos de longitud estimada se obtiene la duración del periodo de intermuda y de este modo el cálculo de la edad es la suma de los períodos de intermuda más el tiempo de asentamiento. En este trabajo se asumió en condiciones determinísticas una longitud de asentamiento de 0.61 cm y un tiempo de asentamiento de 38 semanas. La longitud y el tiempo de asentamiento mencionados se eligieron tomando como referencia los reportes de Briones (1995), Baisre (1976), Cruz et al. (1987), Sims e Ingle (1966) y Lyons (1980). 58 CIENCIA PESQUERA No. 14
3 Con el procedimiento previamente descrito se calcularon las edades correspondientes a individuos con longitud abdominal de 12 a 31 cm en intervalos de 1 cm. El cálculo se hizo mediante simulación (10,000 repeticiones por intervalo de longitud). La relación entre longitud del cefalotórax (Lc) y longitud abdominal (La) fue: Lc = La ( ). La relación inversa fue La = Lc ( ). Para obtener la edad se asumió un error del 10% normalmente distribuido alrededor de β 2, δ y η previamente calculados, y valores de β 3 entre 1.05 y 1.1 con distribución uniforme. La longitud de asentamiento fue uniformemente distribuida entre 0.4 y 0.8 cm. El tiempo de asentamiento se asumió entre 20 y 40 semanas. Con las mismas condiciones para los parámetros δ y η, se calculó el tiempo promedio de los periodos de intermuda en intervalos de longitud de 1 cm de las tallas abdominales de 12 a 30 cm (12-13, 13-14, etc), en este caso se utilizaron 1,000 repeticiones. En los cálculos bayesianos se utilizaron datos de distribución uniforme previa para que la probabilidad posterior correspondiente al valor del parámetro estuviera determinada por la función de verosimilitud; es decir, se dejó que hablaran los datos. También se usaron datos de distribución previa cuando no se sabía mas que el tiempo mínimo y máximo en los que se da el asentamiento y entonces se supone que el asentamiento puede darse en cualquiera de estos momentos. Resultados En la tabla 1 se dan datos de crecimiento (Arce et al., 1991) y los cálculos de los parámetros del modelo escalonado aplicado en este estudio se presentan en la tabla 2. Con estos parámetros se pueden obtener predicciones de longitud que se presentan en la figura 1, acompañados de los datos de longitud observada. En la figura 2 se presentan los datos de longitud calculada con el modelo escalonado, incluyendo incertidumbre y el ajuste al modelo de von Bertalanffy con parámetros: L = cm, K = y t 0 = Los parámetros de la ecuación (5) son δ = y η = En la Tabla 3 se presenta la edad por longitud abdominal y del cefalotórax, con las especificaciones de error que se detallan en el método, y se presentan los tiempos promedio de intermuda para longitud abdominal entre 12 y 30 cm. Discusión Los datos básicos para calcular los parámetros del modelo propuesto requieren de observaciones o cálculos de la edad y talla de asentamiento. Estos datos se obtuvieron de la literatura y pueden variar en diferentes zonas y condiciones ambientales. Los incrementos de longitud durante las mudas han sido tratados por diferentes autores y parece adecuado formular una dependencia de la longitud actual como función de la longitud durante la muda anterior. De alguna manera esta relación implica un incremento porcentual de la longitud durante cada muda. El mayor problema en la modelación del crecimiento de los crustáceos se tiene en la determinación del período de intermuda. En el primer modelo de crecimiento escalonado que se presenta en este trabajo (ecuaciones 1 a 3) el periodo de intermuda se modela mediante la acumulación de una función decreciente que depende de la edad. Los parámetros de este modelo de mudas fueron los más difíciles de calcular y se puede observar que para las últimas mudas se incrementa la diferencia en el número de semanas entre el tiempo observado y el predicho de un periodo de intermuda. Aunque este Tabla 1. Número de muda, incremento en longitud del cefalotórax (LC) y tiempo de intermudas. Datos de Arce et al. (1991). Número de muda Incremento en Intermudas LC (mm) (semanas) Asentamiento Tabla 2. Cálculos puntuales de los parámetros del primer modelo escalonado (ecuaciones 1 a 3). Parámetro Cálculo ^α 0.29 ^β ^β ^β Tiempo de asentamiento observado 38 semanas Longitud de asentamiento observada 0.6 cm modelo permite simular el proceso de crecimiento, el cálculo de la edad a partir de longitudes observadas se dificulta. Por otra parte, el modelo basado en la duración de los períodos de intermuda (ecuaciones 3 y 5) depende enteramente de las tallas observadas y de la longitud de asentamiento. De esta manera resulta más fácil la determinación de la edad a partir de longitudes observadas. Este modelo tiene otra ventaja: que permite calcular el tiempo que tardarán las langostas de cierta talla en alcanzar la siguiente talla, aunque no se sepa la edad. Por otra parte, si bien el crecimiento en longitud de los crustáceos se presenta en forma de escalera, el crecimiento en peso puede ser más regular, debido a que se trata de un proceso de acumulación de materia y energía. El modelo basado en la duración de los períodos de intermuda permite estimar la acumulación de biomasa. La curva de crecimiento calculada con el modelo escalonado puede ajustarse fácilmente a una ecuación de von Bertalanffy. En este trabajo CIENCIA PESQUERA No
4 Tabla 3. Cálculo de edad por longitud abdominal (L Ab) y del período promedio de intermuda. L Ab Cefalotórax Edad Edad Intermuda Desviación se hizo el ajuste como un medio para comparar los resultados con cálculos de crecimiento presentados por otros autores y con las observaciones de longitud que se tienen en la península de Yucatán. Los parámetros de la ecuación de von Bertalanffy que se pueden obtener con el ajuste son coherentes con las observaciones de longitud de cefalotórax de langostas medidas en la región, ya que las tallas máximas observadas son del orden de 19 cm (30 cm de longitud abdominal) y la L del cefalotórax ajustada es de 16 cm. El cálculo de la edad por el método propuesto en este trabajo se ve fuertemente influido por el cálculo de los parámetros β 3, δ y η. En el caso de β 3, este parámetro determina el incremento en cada muda y el cálculo obtenido fue del orden del 8% entre mudas. Algunos autores reportan incrementos de peso del 5 al 15% en langostas de tallas menores a 8 cm de cefalotórax (Dalmendray y González, 1995) y estos datos son coherentes con los resultados de este estudio, según cuyos cálculos las langostas alcanzan la madurez sexual (6 a 7 cm de longitud del cefalotórax según Cruz et al., 1981) entre los 3 y 4 años de edad y tardan cerca de 14 años en alcanzar una talla de 19 cm de longitud del cefalotórax, que es la talla máxima observada en la región. Por otra parte, se ha reportado que en la costa de Florida la duración del período de intermuda es de 10 a 15 semanas en langostas de 3 a 8 cm de longitud del cefalotórax (Davis, 1981), en un ejercicio de cálculo en un contexto Bayesiano. L(δη/datos) = [(1/δ)(2P 1 ) 1/2 (Exp(-PI observada -PI calculada ) 2 /(2δ 2 )] Figura 1. Curvas de crecimiento observado (reportado por Arce et al. 1991) y predicho con el modelo escalonado determinístico. Longitud en cm Meses Talla simulada Talla ajustada Figura 2. Curvas de crecimiento mensual calculadas con el modelo escalonado, incluyendo incertidumbre y la curva ajustada al modelo de von Bertalanffy. Con estas observaciones se muestra que los datos probables de estos parámetros son de δ = 1.9 y η = 1.25 y estos datos son cercanos a los publicados por Arce et al. (1991). En conjunto, el sistema de ecuaciones que se presenta en este trabajo permite simular el crecimiento de las langostas, predecir el crecimiento en una talla observada en unidades de tiempo semanales y calcular la edad a partir de longitudes observadas; pero los cálculos de los parámetros no permiten diferenciar el crecimiento de hembras y machos, ya que los datos con los que se realizaron los análisis no contienen esa información; sin embargo, es posible calcular parámetros por sexo. No se debe perder de vista que ambos modelos son aproximaciones a una modelación del crecimiento de las langostas que pretenden ser mejores opciones que el modelo de von Bertalanffy, pero que fueron parametrados con un conjunto reducido de datos, por lo que es importante incorporarles una mayor cantidad de información. Referencias bibliográficas ARCE, M.; J. C. Seijo y S. Salas Cálculo del crecimiento de la langosta espinosa Panulirus argus Latreille, mediante funciones de singularidad. Revista de Investigaciones Marinas 12: BAISRE, J Distribución de las larvas de Panulirus argus y Scyllarus americanus (Crustacea:Decapoda) en aguas alrededor de Cuba. Rev. Inv. Inst. Nac. Pesca. 2 (3): BRIONES-FOURZÁN, P Diferencias y similitudes entre Panulirus argus y Panulirus guttatus, dos especies de langosta comunes en el Caribe Mexicano. Rev. Cub. Inv. Pesq. 19(2): BROWN, R. S. and N. Caputi Factor affecting the growth of undersize western rock lobster, George, returned by fishermen to the sea. Fishery Bulletin 83(4): CIENCIA PESQUERA No. 14
5 CADDY, J Size-frequency analysis for crustacea: molt increment and frequency models for stock assessment. Kuwait Bulletin of Marine Science 1987(9): CRUZ, R.; R. Coyula y A. T. Ramírez Crecimiento y mortalidad de la langosta espinosa (Panulirus argus) en la plataforma suroccidental de Cuba. Rev. Cub. Inv. Pesq. 6(4): CRUZ, R.; J. Baisre; E. Díaz; R. Brito; C. García; W. Blanco y C. Carrodegas Atlas pesquero de la langosta en el archipiélago cubano. Departamento de Pesquería. Habana, Cuba. 125pp. DAVIS, G. E Effects of injuries on spiny lobster, Panulirus argus, and implications for fishery management. Fishery Bulletin U.S. 78(4): DALMENDRAY, J. y A. González Selectividad de las mallas en las trampas o jaulones para la pesca de langosta (Panulirus argus) en Cuba. Rev. Cub. Inv. Pesq. 19(2): DE LEÓN, M. E.; R. Cruz y R. Puga Actualización de la edad y el crecimiento de la langosta espinosa (Panulirus argus). Rev. Cub. Inv. Pesq. 19(2):3-8. GONZÁLEZ-CANO, J. M Migration and refuge in assessment and management of the spiny lobster Panulirus argus in the mexican Caribbean. Ph. D. Thesis Imperial College, University of London. U.K. 448 p. HUNT, J. H. and G. W. Lyons Factors affecting growth and maturation of spiny lobster, Panulirus argus, in the Florida Keys. Can. J. Fish. Aquat. Sci. 43: LYONS, W The postlarval stages of scyllaridean lobsters. Fisheries 5(4): RESTREPO, V. R. and J. M. Hoening Munro s method for estimating intermolt periods of tropical decapods is robust. Bulletin of marine Science 42: SIMS, H. W. and R. M. Ingle Caribbean recruitment of Florida s spiny lobster populations. Quart. J. Fl. Acad. Sci. 29(3): WALTERS, C. and D. Ludwing Calculation of Bayes posterior probability distribution for key population parameters. Can. J. Fish. Aquat. Sci. 51: CIENCIA PESQUERA No
6 62 CIENCIA PESQUERA No. 14
Modelo Stock Synthesis estructurado por edad basado en tallas
Metodologías Potenciales para la Evaluación del Dorado Modelo Stock Synthesis estructurado por edad basado en tallas Comisión Interamericana del Atún Tropical (CIAT) Programa de Evaluación de Poblaciones
ANEXO 1. CALIBRADO DE LOS SENSORES.
ANEXO 1. CALIBRADO DE LOS SENSORES. Las resistencias dependientes de la luz (LDR) varían su resistencia en función de la luz que reciben. Un incremento de la luz que reciben produce una disminución de
Análisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Teoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
CONCEPTOS BÁSICOS DE LA BIOLOGIA REPRODUCTIVA DE LOS PECES MARINOS NOEMI PEÑA ALVARADO LABORATORIO DE INVESTIGACIONES PESQUERAS
CONCEPTOS BÁSICOS DE LA BIOLOGIA REPRODUCTIVA DE LOS PECES MARINOS NOEMI PEÑA ALVARADO LABORATORIO DE INVESTIGACIONES PESQUERAS OBJETIVO Conocer los datos básicos sobre la biología, principalmente el aspectos
Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E
M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E 908 07 1. OBJETO 1.1 Esta práctica cubre dos procedimientos para el muestreo de geosintéticos para ser ensayados. Se requiere que las instrucciones
Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
c). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla
Tema 5. Tablas estadísticas Como ya se había establecido en el tema anterior sobre el uso de las tablas estadísticas, éstas son medios que utiliza la estadística descriptiva o deductiva para la presentación
Teorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
METODOLOGÍA DE CONSTRUCCIÓN DE GRUPOS SOCIOECONÓMICOS Pruebas SIMCE 2012
METODOLOGÍA DE CONSTRUCCIÓN DE GRUPOS SOCIOECONÓMICOS Pruebas SIMCE 2012 Departamento de Pruebas Nacionales División de Evaluación de Logros de Aprendizaje AGENCIA DE CALIDAD DE LA EDUCACIÓN Índice 1.
Estimación con PROBE II
Personal Software Process SM Estimación con PROBE II This material is approved for public release. Distribution is limited by the Software Engineering Institute to attendees. Sponsored by the U.S. Department
ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
APÉNDICE I. Calibración de la señal cromatográfica como función de la concentración: Sistema Ternario
APÉNDICE I Calibración de la señal cromatográfica como función de la concentración: Sistema Ternario En este apéndice se muestra la información correspondiente a la elaboración de las diferentes curvas
Conceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Estándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017.
Estándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017. Bloque 1. Procesos, métodos y actitudes en matemáticas. Los criterios correspondientes a este bloque son los marcador
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Tercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Presenta: Ricardo Gómez Lozano, CONANP
Presenta: Ricardo Gómez Lozano, CONANP 1980 decreto como Zona de Refugio para la Protección de la Flora y Fauna Marinas de la Costa Occidental de la Isla de Cozumel (Parque de papel). Julio 19, 1996 Decreto
Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos)
Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos) Alberto Contreras Cristán, Miguel Ángel Chong Rodríguez. Departamento de Probabilidad y Estadística Instituto de Investigaciones en
1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Modelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Tema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Análisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema
Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características
INFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
OPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Cálculo de bisección inversa mediante mínimos cuadrados
www.topoedu.es Los mejores recursos especializados en topografía y geodesia, nunca vistos hasta ahora. Hojas técnicas de cálculo: Cálculo de bisección inversa mediante mínimos cuadrados Versión 1. Febrero
Tema 2. Introducción a la Estadística Bayesiana
2-1 Tema 2 Introducción a la Estadística Bayesiana El teorema de Bayes Ejemplo Interpretación Ejemplo: influencia de la distribución a priori Ejemplo: densidad de flujo Probabilidad bayesiana Ejemplo:
FACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete
Trabajo de fin del curso SimSEE 2, Grupo 1, pág 1/9 Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete Magdalena
INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
DETERMINACIÓN DE LA RESISTENCIA A COMPRESIÓN AXIAL Y EL MODULO DE ELASTICIDAD DE LA MAMPOSTERÍA DE BLOQUES HUECOS DE CONCRETO RESUMEN ABSTRACT
Sociedad Mexicana de Ingeniería Estructural DETERMINACIÓN DE LA RESISTENCIA A COMPRESIÓN AXIAL Y EL MODULO DE ELASTICIDAD DE LA MAMPOSTERÍA DE BLOQUES HUECOS DE CONCRETO Jorge Luis Varela Rivera 1, Vidal
Contenidos mínimos 1º ES0. 1. Contenidos. Bloque I: Aritmética y álgebra.
Contenidos mínimos 1º ES0. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Resolver expresiones con números naturales con paréntesis y operaciones combinadas. 2. Reducir expresiones aritméticas y algebraicas
A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad
15. Confiabilidad La confiabilidad se refiere a la consistencia de los resultados. En el análisis de la confiabilidad se busca que los resultados de un cuestionario concuerden con los resultados del mismo
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Influencia de la evaluación de los efectos de residuos en flora intestinal sobre el IDA de una droga
Influencia de la evaluación de los efectos de residuos en flora intestinal sobre el IDA de una droga A. Haydée Fernández, DVM, MS, DABT 25 de Septiembre de 2010 Cartagena de Indias, Colombia Como se calcula
MARCA COLECTIVA CON IDENTIDAD DE ORIGEN DE LAS COOPERATIVAS DE QUINTANA ROO
MARCA COLECTIVA CON IDENTIDAD DE ORIGEN DE LAS COOPERATIVAS DE QUINTANA ROO K IM LEY COOPER* Y EDUARDO QUINTANAR GUADARRAMA** Panulirus argus, langosta espinosa del Caribe. E n el año 2009, después de
Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Marco de referencia. a) Es útil saber si la estrategia de tratamiento sin un. biológico (menos costosa), tiene mejor o igual eficacia
Marco de referencia a) Es útil saber si la estrategia de tratamiento sin un biológico (menos costosa), tiene mejor o igual eficacia que la estrategia con un biológico en AR temprana. b) No hay estudios
DESARROLLO DE UN PROGRAMA DE CÁLCULO PARA PROPIEDADES FÍSICAS DEL AIRE RELACIONADAS CON LA HUMEDAD
DESARROLLO DE UN PROGRAMA DE CÁLCULO PARA PROPIEDADES FÍSICAS DEL AIRE RELACIONADAS CON LA HUMEDAD 1 Enrique Martines López, 2 Israel E. Alvarado Ramírez 1 Centro Nacional de Metrología, División de Termometría
Ciencia e Ingeniería Neogranadina ISSN: Universidad Militar Nueva Granada Colombia
Ciencia e Ingeniería Neogranadina ISSN: 14-817 revistaing@unimilitar.edu.co Universidad Militar Nueva Granada Colombia Rodríguez Chaparro, Tatiana; Pinzón, Luz Helena; Arámbula, Carlos Alberto Estudio
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Tema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
4. RESULTADOS. 4.1 Variación de la temperatura superficial del mar
4. RESULTADOS 4.1 Variación de la temperatura superficial del mar Durante 1997 la temperatura superficial del mar en la Isla Cabinzas presentó dos máximos, en febrero (18,3 C) y junio (18,6 C), y dos mínimos,
Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Modelos Estadísticos de Crimen
Universidad de los Andes Modelos Estadísticos de Crimen 27 de Mayo de 2015 Motivacion Conocer la densidad de probabilidad del crimen sobre una ciudad, a distintas horas del día, permite Modelos Estadísticos
Tiempo VST 7.1 INTRODUCCIÓN
Ministerio De Obras Publicas Dirección De Planeamiento 7-1 CAPÌTTULLO 77.. CALLI IBRACIÓN 7.1 INTRODUCCIÓN Para disponer de un modelo que sea capaz de predecir, con un adecuado nivel de confianza, la demanda
SECRETARÍA DE AGRICULTURA, GANADERÍA, DESARROLLO RURAL, PESCA Y ALIMENTACIÓN INSTITUTO NACIONAL DE LA PESCA
SECRETARÍA DE AGRICULTURA, GANADERÍA, DESARROLLO RURAL, PESCA Y ALIMENTACIÓN INSTITUTO NACIONAL DE LA PESCA Centro Regional de Investigación Pesquera Yucalpetén Centro Regional de Investigación Pesquera
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones
3. RESULTADOS. Los resultados de la descapsulación de quistes fueron los siguientes : Eficiencia de eclosión (EE) : 382.
3. RESULTADOS 3.1 ECLOSIÓN DE QUISTES Los resultados de la descapsulación de quistes fueron los siguientes : Eficiencia de eclosión (EE) : 382.000 nauplius/gramo Porcentaje de eclosión (PE) : 99 % Tasa
Tema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
ESDUDIO DE CASO. Eficiencia Energética Buaiz Alimentos 1 CARACTERÍSTICAS DE LA EMPRESA
Eficiencia Energética Buaiz Alimentos 1 CARACTERÍSTICAS DE LA EMPRESA Nombre fantasía: Buaiz Alimentos Ramo de actividad: Alimenticio Ubicación:: Vitória / ES Estructura tarifaria: Horo-sazonal Azul A4
UNIDAD 7 Trazo de curvas
UNIDAD 7 Trazo de curvas El trazo de curvas se emplea en la construcción de vías para conectar dos líneas de diferente dirección o pendiente. Estas curvas son circulares y verticales. CURVAS CIRCULARES:
TRATAMIENTO DE PUNTAJES
TRATAMIENTO DE PUNTAJES Andrés Antivilo B. Paola Contreras O. Jorge Hernández M. UNIDAD DE ESTUDIOS E INVESTIGACIÓN Santiago, 2015 [Escriba texto] TABLA DE CONTENIDO TRATAMIENTO DE LOS PUNTAJES... 4 1.1.
1.1 CASO DE ESTUDIO: JUEGO DE CRAPS
. CASO DE ESTUDIO: JUEGO DE CRAPS El juego de Craps se practica dejando que un jugador lance dos dados hasta que gana o pierde, el jugador gana en el primer lanzamiento si tiene como total 7 u, pierde
CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO
9 CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 2.1 Criterios de diseño para el predimensionamiento de los sistemas de abastecimiento de agua 2.1.1 Período de diseño
Sistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
CAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA
1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Tema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Poblaciones multietáneas
: Estado biológico Dinámica de poblaciones: crecimiento de poblaciones multietáneas José Antonio Palazón Ferrando palazon@um.es http://fobos.bio.um.es/palazon Departamento de Ecología e Hidrología Universidad
de Operaciones Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación Profesor: I.S.C. Guadalupe Hernández Coca
Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación de Operaciones Profesor: I.S.C. Guadalupe Hernández Coca Periodo: Julio Diciembre 2011 Keywords: investigation of operations,
NOMBRE DE LA ASIGNATURA Tópicos selectos de estadística CLAVE DE LA ASIGNATURA: 9201
NOMBRE DE LA ASIGNATURA Tópicos selectos de estadística CLAVE DE LA ASIGNATURA: 9201 OBJETIVO(S) GENERAL(ES) DE LA ASIGNATURA El alumno conocerá las bases metodológicas y prácticas de la estadística multivariada
= -6 0 A-1 A -1 = 1 A A = A d t Ad A-1 = X = A d = -5 2 A-1 =
www.clasesalacarta.com.- Universidad de Castilla la Mancha PAU/LOGSE Reserva-2 2.0 Opción A RESERVA _ 2 _ 20 a) Despeja la matriz X en la siguiente ecuación matricial: I - 2X + XA = B, suponiendo que todas
Exactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Recolección y Análisis de Resultados
Recolección y Análisis de Resultados Clase nro. 7 CURSO 2010 Recolección de resultados Evitar un alud de resultados que nos pueda ahogar. Los objetivos determinan la selección de resultados. Estos deben
LANGOSTA ESPINOSA GENERALES CONSIDERACIONES. Panulirus Argus 01LANGOSTA. Hoja ESPINOSA
Panulirus Argus Management and La langosta espinosa Panulirus argus es un invertebrado marino que se le encuentra en todo el Atlántico Central, desde Carolina del Norte hasta Brasil, y se extiende a través
ASPECTOS BIOMETRICOS Y REPRODUCTIVOS DE LA CIGALA, METANEPHROPS BINGHAMI, EN AGUAS DE VENEZUELA
ASPECTOS BIOMETRICOS Y REPRODUCTIVOS DE LA CIGALA, METANEPHROPS BINGHAMI, EN AGUAS DE VENEZUELA Reproductive And Biometric Aspects of The Caribbean Lobster, Metanephrops binghami, From Venezuelan Waters
Diseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Redes bayesianas temporales para reconocimiento de escenarios
Redes bayesianas temporales para reconocimiento de escenarios Ahmed Ziani and Cina Motamed Visión de Alto Nivel Dr. Enrique Sucar Irvin Hussein López Nava Junio 2009 Introducción (1) Objetivo: aplicaciones
CONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS
CONTENIDOS Y CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 1º DE ESO. Bloque 1: Contenidos Comunes Este bloque de contenidos será desarrollado junto con los otros bloques a lo largo de todas y cada una de las
Desigualdad de ingresos en Costa Rica a la luz de las ENIGH 2004 y 2013
SIMPOSIO Encuesta Nacional de Ingresos y Gastos de los Hogares Desigualdad de ingresos en Costa Rica a la luz de las ENIGH 2004 y 2013 Andrés Fernández Arauz Marzo 2015 Introducción INEC (2014): la desigualdad
Prácticas de Ecología Curso 3 Práctica 1: Muestreo
PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la
MÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Transformaciones de variables
Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale
Regresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Estadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Resumen. Palabras clave: Cinemática directa, grado de libertad, coordenadas articulares.
Cinemática directa utilizando Denavit-Hartenberg y generación de trayectorias para el robot FNUC LR-Mate200iB/5P Efraín Ramírez Cardona Miguel Eduardo González Elías Víctor Martín Hernández Dávila Unidad
Electricidad y calor. Webpage: Departamento de Física Universidad de Sonora
Electricidad y calor Webpage: http://paginas.fisica.uson.mx/qb 2007 Departamento de Física Universidad de Sonora Temario A. Termodinámica 1. Temperatura y Ley Cero. (3horas) 1. Equilibrio Térmico y ley
Electricidad y calor
Electricidad y calor Webpage: http://paginas.fisica.uson.mx/qb 2007 Departamento de Física Universidad de Sonora Temario A. Termodinámica 1. Temperatura y Ley Cero. (3horas) 1. Equilibrio Térmico y ley
Propiedades físicas y químicas del cuero para calzado de seguridad
Silva Trejos, Paulina Propiedades físicas y químicas del cuero para calzado de seguridad Tecnología en Marcha. Vol. 18 N. 1. Propiedades físicas y químicas del cuero para calzado de seguridad Paulina Silva
M i. Los datos vendrán en intervalos en el siguiente histograma de frecuencias acumuladas se ilustra la mediana.
Medidas de tendencia central y variabilidada para datos agrupados Media (media aritmética) ( X ) Con anterioridad hablamos sobre la manera de determinar la media de la muestra. Si hay muchos valores u
PRIMER CÁLCULO DE LA UNIDAD ASTRONÓMICA MEDIANTE EL TRÁNSITO DE VENUS
PRIMER CÁLCULO DE LA UNIDAD ASTRONÓMICA MEDIANTE EL TRÁNSITO DE VENUS (adaptado y traducido de textos de Internet por Luis E.) Hacia 1700 gracias a Kepler- las distancias relativas entre los seis planetas
PROBLEMAS ESTADÍSTICA I
PROBLEMAS ESTADÍSTICA I INGENIERÍA TÉCNICA EN INFORMÁTICA CURSO 2002/2003 Estadstica Descriptiva Unidimensional 1. Un edificio tiene 45 apartamentos con el siguiente número de inquilinos: 2 1 3 5 2 2 2
Instituto Nacional de Pesca Biblioteca Dra. Lucía Solórzano Constantine
LA PESQUERÍA ARTESANAL DE REPRODUCTORES DE CAMARÓN: ESTADO ACTUAL Y SUS PERSPECTIVAS Guido Mosquera Resumen.- El presente documento presenta los resultados del proyecto "Manejo de la Pesquería de Reproductores
Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple
Percentil q (p q ) Una medida de posición muy útil para describir una población, es la denominada 'percentil'. En forma intuitiva podemos decir que es un valor tal que supera un determinado porcentaje
(L i 1, L i ] x i n i N i f i F i a i h i (20, 50] 35 2 2 (, 60] 10 0.125 (60, ] 0.425 10 (, ] 75 0.225 (, 100] 28 80 1.4
Problemas Tema 1-I 1. Un gabinete de trabajo ha realizado un estudio sobre la distribución de la renta per cápita por municipio, construyéndose una tabla que posteriormente se extravió, quedando sólo la
ARTÍCULO ORIGINAL. ARS Pharmaceutica. Collazo MV 1, Muñiz MM 2, Alonso1 C 1, Frutos G 2
ARS Pharmaceutica ISSN: 0004-2927 http://farmacia.ugr.es/ars/ ARTÍCULO ORIGINAL El análisis estadístico en la Farmacopea Europea: diseño completamente aleatorizado en un bioensayo de factor VIII. Statistical
Estadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
1 - TEORIA DE ERRORES : distribución de frecuencias
- TEORIA DE ERRORES : distribución de frecuencias CONTENIDOS Distribución de Frecuencias. Histograma. Errores de Apreciación. Propagación de errores. OBJETIVOS Representar una serie de datos mediante un
Pontificia Universidad Católica de Chile Facultad de Física. Estática
Pontificia Universidad Católica de Chile Facultad de Física Estática La estática es una rama de la Mecánica Clásica que estudia los sistemas mecánicos que están en equilibrio debido a la acción de distintas
JUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Estrategia de Carrera en Remo durante los Juegos Olímpicos de Sydney Dr. Valery Kleshnev Instituto Australiano de Deportes (AIS)
Estrategia de Carrera en Remo durante los Juegos Olímpicos de Sydney Dr. Valery Kleshnev Instituto Australiano de Deportes (AIS) INTRODUCCIÓN Los juegos olímpicos de Sydney fueron de agrado para los remeros
UNIDAD ACADÉMICA DE ECOLOGÍA MARINA MAESTRÍA EN RECURSOS NATURALES Y ECOLOGÍA PROGRAMAS DE ESTUDIO DATOS GENERALES DE LA UNIDAD DE APRENDIZAJE
MRNyE UNIDAD ACADÉMICA DE ECOLOGÍA MARINA MAESTRÍA EN RECURSOS NATURALES Y ECOLOGÍA PROGRAMAS DE ESTUDIO DATOS GENERALES DE LA UNIDAD DE APRENDIZAJE IDENTIFICACIÓN Nombre: Pesca Sustentable Clave: Modalidad