LABORATORIO Nº 5. MODELO: GASTOS DE VIVIENDA = f(ingresos) I. DOCIMAS DE HIPOTESIS CON RESTRICCIONES Ho: R r. Contrastar la hipótesis nula Ho: 2
|
|
- María Antonia del Río Farías
- hace 7 años
- Vistas:
Transcripción
1 LABORATORO Nº 5 MODELO: GASTOS DE VVENDA = f(ngresos) Depedet Varable: GASTOSV Date: 07/07/0 Tme: 06:3 Sample: 0 cluded observatos: 0 Varable Coeffcet Std. Error t-statstc Prob. C NGRESOS R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc 5.73 Durb-Watso stat Prob(F-statstc) DOCMAS DE HPOTESS CON RESTRCCONES Ho: R r Cotrastar la hpótess ula Ho:. ESTADSTCO DE WALD: W (R r)' R (X'X) R' (R r) ~ X(q) PROCEDMENTO: Regresoar el modelo gresar a VEW/ COEFFCENT /TESTS / WALD COEFFCENT RESTRCTONS Aparecerá ua caja de dálogo, se debe dgtar la restrccó: C () = S la probabldad asocada al estadístco de Wald es mayor a 0.05, aceptar la Ho. Wald Test: Equato: Uttled Null Hypothess: C()= F-statstc Probablty Ch-square Probablty E este caso la probabldad asocada al test de Wald es meor a 0.05, por lo tato se rechaza la Ho.. PREDCCON Estmar los gastos e gresos, s se sabe que los gresos se modfcara de la sguete maera: OBS NGRESOS Mag. Reá Quspe Llaos
2 PROCEDMENTO: Epadr el rago y el tamaño de la muestra gresar a las varables depedetes e troducr los uevos valores gresar al Output de la regresó cal y hacer clc e FORECAST Se geerará automátcamete ua ueva varable (NGRESOSOVF) e el workfle, el cual será los valores estmados y proyectados de la varable depedete. PREDCCON DE LOS GASTOS EN VVENDA Forecast: GASTOSVF Actual: GASTOSV Sample: 5 clude observatos: 0 Root Mea Squared Error Mea Absolute Error Mea Abs. Percet Error Thel equalty Coeffcet Bas Proporto Varace Proporto Covarace Proporto GASTOSVF ± S.E. Raz Cuadratca Meda (rms): Es u estmador que mde la caldad del modelo para la predccó, este debe ser lo más pequeño posble. Se defe medate la sguete ecuacó: Y t : Valor estmado de Yt Yt : Valor observado de Yt rms t Yt Y t Coefcete de Thel (U): Este estadístco també mde la caldad del modelo para predecr, el cual debe ser u valor pequeño para que el modelo sea bueo para la predccó; se defe: U t t Y t Yt Yt Yt t E uestro modelo el U de Thel es , etoces se podría afrmar que el modelo es bueo para la predccó. HETEROSCEDASTCDAD GRAFCA DE LOS RESDUOS PROCEDMENTO: Regresoar el modelo gresar a VEW/ ACTUAL,FTTED,RESDUAL/ RESDUAL GRAPH Mag. Reá Quspe Llaos
3 GASTOSV Resduals Observamos e la gráfca que el modelo preseta problemas de Heteroscedastcdad. TEST DE WHTE El test de Whte es u cotraste geeral que o requere la eleccó de ua varable que eplque la volatldad de los resduos. E partcular, esta prueba supoe que dcha varaza es ua fucó leal de los regresores orgales del modelo, sus cuadrados y productos cruzados. e = f(, p, p, p-p) PROCEDMENTO: Regresoar el modelo gresar a VEW/ RESDUAL TESTS / WHTE HETEROSKEDASTCTY (o cross terms) Como solo tee ua varable eplcatva o hay ecesdad de hacer térmos cruzados La Ho os dce que el modelo o preseta heteroscedastcdad. S la probabldad asocada al test es mayor a 0.05, aceptar la Ho. Whte Heteroskedastcty Test: F-statstc Probablty Obs*R-squared Probablty Test Equato: Depedet Varable: RESD^ Date: 06/8/0 Tme: 0:58 Sample: 0 cluded observatos: 0 Varable Coeffcet Std. Error t-statstc Prob. C NGRESOS NGRESOS^ R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Mag. Reá Quspe Llaos 3
4 Log lkelhood F-statstc Durb-Watso stat Prob(F-statstc) R ~ X(p-) La prueba de hpótess se realza sobre la base del estadístco (dode es el úmero de observacoes de la muestra, R el coefcete de bodad de ajuste de la regresó aular y p el úmero de parámetros a estmar e dcha regresó). Observamos que la probabldad asocada al test de Whte (0.0), es feror a 0.05, etoces se cocluye que el modelo preseta problemas de heteroscedastcdad a u vel de cofaza del 95%. TEST ARCH LM El proceso ARCH(p) puede escrbrse como: Var(t) = t = 0 + t- + t pt-p...(3) PROCEDMENTO: Regresoar el modelo gresar a VEW/ RESDUAL TESTS / ARCH LM TEST / Número de rezagos de la varable La Ho del test ARCH LM es que la VARANZA NO PRESENTA UN PROCESO DE COMPORTAMENTO ARCH(), es decr que o depede de ella msma rezagada () veces. Esto o sgfca ecesaramete que la varaza sea costate, es decr que o esta heteroscedastcdad; smplemete se descarta la posbldad de que el proceso heterocedástco que pueda presetar la varaza sea del tpo ARCH() S la probabldad asocada al test LM es mayor a 0.05, aceptar la Ho. ARCH Test: F-statstc Probablty Obs*R-squared Probablty Test Equato: Depedet Varable: RESD^ Date: 07/07/0 Tme: 09:4 Sample(adjusted): 3 0 cluded observatos: 8 after adjustg edpots Varable Coeffcet Std. Error t-statstc Prob. C RESD^(-) RESD^(-) R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc Durb-Watso stat Prob(F-statstc) Mag. Reá Quspe Llaos 4
5 Calculado el R, dode R es el coefcete de determacó obtedo e la regresó aular (4) puede demostrarse que: R ~ X p...(5) dode p es el úmero de grados de lbertad y equvale al grado de autocorrelacó. S el estadístco cotedo R es mayor que el X p se aceptaría que este correlacó etre las varazas del térmo de perturbacó. El Evews lo calcula drectamete, observádose que la probabldad asocada al estadístco es feror a 0.05 por lo tato se rechaza la Ho. Se cocluye que la varaza preseta u proceso de comportameto ARCH de orde. PRUEBA DE BREUSCH-PAGAN Aquí se supoe que el térmo de error para cada observacó depede de u vector de varables de dmesó p, es decr, = h (X ) = h ( + Z + 3 Z p Z p ) Dode los Z podría ser las msmas varables X = h ( ) = h ( p p ) PASOS: Obteer los resduos de la regresó por MCO del modelo orgal de: GASTOS DE VVENDA = f(ngresos) Grabarlos resduos obtedos co u uevo ombre (resd), para ello se debe geerar esta ueva varable. E el workfle hacer clc e Ger y dgtar: resd = resd. Se costruye las varables p (resduos ormalzados), que se asume como equvaletes a y está defdas como: dode: P =,,, hacédolo e el Evews: resd Geerar la varable de los resduos ormalzados: resd. MV Mag. Reá Quspe Llaos 5
6 Dode MV es la varaza de máma verosmltud, la cual se obtee dvdedo la SCR etre el total de la muestra ( /0 = 0.53). E el workfle hacer clc e Ger y dgtar: resd = (resd^)/0.53 Se regresoa los p así costrudos sobre las (fórmula geeral): P = + X + + p X p + v Aplcado al ejemplo, regresoar resd e fucó de la varable depedete. E este caso es respecto a la varable gresos Ls resd c gresos Depedet Varable: RESD Date: 07/07/0 Tme: :35 Sample: 0 cluded observatos: 0 Varable Coeffcet Std. Error t-statstc Prob. C NGRESOS R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso.6454 Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc Durb-Watso stat.3445 Prob(F-statstc) Co los datos del output de la regresó se obtee los sguetes resultados: Sum squared resd (SRC): S.D. depedet var (Desvacó estádar de la varable depedete): Operado la SD, obteemos la suma total de cuadrados (SCT): Se cumple: SCT = SCE+ SRC SEC = SCT SRC = = Etoces: = ½ (SEC) = ½ (3.7394) = Bajo la hpótess ula de homoscedastcdad y térmos de error ormalmete dstrbudos, el cocete SCE/ calculado para la ateror regresó se dstrbuye de acuerdo a ua dstrbucó Ch Cuadrado co p = grados de lbertad. Comparar co el estadístco de tablas. S SCE/ es meor al estadístco de tablas, etoces aceptar la Ho de homoscedastcdad. Se tee que el X (,0.05) es , comparádola co el estadístco calculado, podemos coclur que a u vel de 0.05 de sgfcaca se debe rechazar la Ho de homoscedastcdad, es decr que los resduos preseta problemas de Heteroscedastcdad. PRUEBA DE GOLDFELD QUANDT El test cosste e verfcar que la varaza de o es fucó moótoa crecete o decrecete de las s, e cuyo caso o habría heteroscedastcdad. Mag. Reá Quspe Llaos 6
7 Pasos: Ordear las observacoes de la sere e orde crecete, tomado como refereca los datos de la varable eógea () que supuestamete produce el problema de heteroscedastcdad. Se toma dos grupos e los etremos estmádose para cada uo su respectva varaza. Grupo e e ˆ k Grupo e e ˆ k F c ~ F (-k, -k ; k) S el Fc es mayor que el de tabla se rechaza la Ho de homoscedastcdad PASOS e el Evews: E el Ecel ordear las observacoes de la sere e orde crecete, tomado como refereca los datos de la varable eógea (gresos). Omtr c = 6 observacoes cetrales, y dvdr las observacoes restates (-c) e dos grupos, cada uo de (-)/ = 7 observacoes. E el evews hacer clc e Quck Empty Group (Edt seres) y copar las observacoes ordeadas e forma ascedete y poerles uevos ombres a las seres (GASTOSORD e NGRESOSORD). Regresoar el modelo ls gastosord c gresosord. E el workfle seleccoar la varable gastord e gresosord. Hacer clc derecho e dcha seleccó y escoger OPEN/AS EQUATON, aparecerá la ecuacó dgtada e ua caja de dalogo. E esta caja aparece la opcó sample cambar la muestra: 7 y OK. Se obtee los sguetes resultados: Depedet Varable: GASTOSORD Date: 08/30/0 Tme: 3:33 Sample: 7 cluded observatos: 7 Varable Coeffcet Std. Error t-statstc Prob. C GRESOSORD R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc Durb-Watso stat Prob(F-statstc) Regresoar el modelo ls gastosord c gresosord. E el workfle seleccoar la varable gastord e gresosord. Hacer clc derecho e dcha seleccó y escoger OPEN/AS EQUATON cambar la muestra: 4 0 y OK. Se obtee lo sguete: Mag. Reá Quspe Llaos 7
8 Depedet Varable: GASTOSORD Date: 08/30/0 Tme: 3:43 Sample: 4 0 cluded observatos: 7 Varable Coeffcet Std. Error t-statstc Prob. C GRESOSORD R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc Durb-Watso stat Prob(F-statstc) Se obtee las sumas resduales (SCR) para ambas regresoes y se obtee el estadístco F. e e / g. l. e e.530 Fcal.59 ee / g. l. ee A cotuacó se realza la hpótess Ho: No Este heteroscedastcdad H : Este heteroscedastcdad El F (5,5) de tablas a u vel del 5% de sgfcaca es 5.05, como el F de la tabla es meor al F calculado, etoces se rechaza la Ho. Se cocluye que el modelo preseta problemas de Heteroscedastcdad. PRUEBA DE PARK Park sugere que s es ua fucó de la varable eplcatva, la fórmula propuesta es: e v e : log. Neperao v : Térmo de perturbacó estocástco. Modelo lealzado: L = l + l + Se utlza como varable alteratva los resduales al cuadrado que ha dado forma de la sguete maera: L e = l + l S es estadístcamete sgfcatva os sugere que este heteroscedastcdad. PASOS ( E el Evews): Obteer los resduos de la regresó por MCO del modelo orgal de: Mag. Reá Quspe Llaos 8
9 GASTOS DE VVENDA = f(ngresos) Grabarlos resduos obtedos co u uevo ombre (resd), para ello se debe geerar esta ueva varable. E el workfle hacer clc e Ger y dgtar: resd = resd Geerar uevas varables. E el workfle hacer clc e Ger y dgtar: Lresd Log(resd ) OK Lgresos = log (gresos) OK Regresoar el sguete modelo: ls lresd c gresos Depedet Varable: LRESD Date: 08/30/0 Tme: 4:4 Sample: 0 cluded observatos: 0 Varable Coeffcet Std. Error t-statstc Prob. C LNGRESOS R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc Durb-Watso stat.0905 Prob(F-statstc) Ho: No este Heterocedastcdad (homoscedastcdad). H : Este heteroscedastcdad Se debe docmar la sgfcaca respecto al coefcete de la varable depedete (gresos). L e = l + *lgresos S es sgfcatva (p feror a 0.05), etoces hay Heteroscedastcdad mportate causada por la varacó de los gresos. Etoces como p = feror al vel de sgfcaca del 0.05 se rechaza la hpótess de homoscedastcdad PRUEBA DE GLEJSER Forma fucoal: e v Estmado la regresó co respecto a los resduales, se docma la sgfcaca de los del msmo modo que e el caso de PARK, s los so sgfcatvos estaría dcado la esteca de heteroscedastcdad. PASOS: Obteer los resduos de la regresó por MCO del modelo orgal de: GASTOS DE VVENDA = f(ngresos) Grabarlos resduos obtedos co u uevo ombre (resd), para ello se debe geerar esta ueva varable. E el workfle hacer clc e Ger y dgtar: resd = resd Obteer el valor absoluto de la varable resd (e Ecel) y ombrarla como varesd. Geerar la raíz de la varable gresos. E Ger dgtar: rgresos = gresos^(/) Mag. Reá Quspe Llaos 9
10 Regresoar el sguete modelo: e v dode X = rgresos Depedet Varable: VARESD Date: 08/30/0 Tme: 5:40 Sample: 0 cluded observatos: 0 Varable Coeffcet Std. Error t-statstc Prob. C RNGRESOS R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc.054 Durb-Watso stat Prob(F-statstc) Ho: No este Heterocedastcdad (homoscedastcdad). H : Este heteroscedastcdad Se debe docmar la sgfcaca respecto al coefcete de la varable depedete (gresos). e v S es sgfcatva (p feror a 0.05), etoces hay Heteroscedastcdad causada por la varacó de los gresos. Etoces como p = feror al vel de sgfcaca del 0.05 se rechaza la hpótess de homoscedastcdad. CORRECCON DE HETEROSCEDASTCDAD PASOS: Geerar uevas varables: NVGASTOSV:= GASTOSV/NGRESOS NVNGRESOS=/NGRESOS Regresoar el uevo modelo: NVGASTOSV = NVNGRESOS Mag. Reá Quspe Llaos 0
11 Y 3... k k u Etoces: E(u )= ua y a a a b... a k a Depedet Varable: NVGASTOSV Date: 06/8/0 Tme: 0:03 Sample: 0 cluded observatos: 0 Varable Coeffcet Std. Error t-statstc Prob. NVNGRESOS C R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero Sum squared resd Schwarz crtero Log lkelhood F-statstc Durb-Watso stat Prob(F-statstc) Realzar el test de Whte para probar la preseca de heteroscedastcdad e este uevo modelo. Whte Heteroskedastcty Test: F-statstc Probablty Obs*R-squared Probablty Test Equato: Depedet Varable: RESD^ Date: 06/8/0 Tme: :4 Sample: 0 cluded observatos: 0 Varable Coeffcet Std. Error t-statstc Prob. C NVNGRESOS NVNGRESOS^ R-squared Mea depedet var Adjusted R-squared S.D. depedet var S.E. of regresso Akake fo crtero -.75 Sum squared resd 7.E-06 Schwarz crtero Log lkelhood 0.5 F-statstc Durb-Watso stat.3094 Prob(F-statstc) La Ho os dce que el modelo o preseta heteroscedastcdad. S la probabldad asocada al test es mayor a 0.05, aceptar la Ho. Observamos que la probabldad asocada al test de Whte ( ), es superor a 0.05, etoces se cocluye que el modelo o preseta problemas de heteroscedastcdad a u vel de cofaza del 95%. Mag. Reá Quspe Llaos
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-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 detallesANÁLISIS 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 detallesV 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 detallesMEDIDAS 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 detallesMODELOS 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 detalles5.3 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 detallesAproximación 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 detalles6. 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 detallesMEDIA 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 detallesRENTABILIDAD 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 detallesTema 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 detallesVARIABLE 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 detallesV 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 detallesMATEMÁTICA 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 detallesPROBANDO 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 detallesFigura 1
Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable
Más detallesVARIABLES 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 detallesANÁLISIS 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 detallesLOS 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 detallesPráctica 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 detallesEstadística 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( ) = 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 detallesLÍNEA 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 detallesCÁLCULO 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 detallesANÁLISIS 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 detalles3 = =. 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 detallesUna 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 detallesTEMA 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 detallesESTADÍSTICA 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 detallesMÉTODOS 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 detallesTEMA 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 detallesIV. 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 detallesCAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA
Estmacó de la ocurreca de cdecas e declaracoes de pólzas de mportacó Salcedo Poma, Cela Mercedes CAPÍULO MODELO DE REGRESIÓN LOGÍSICA INRODUCCIÓN La Regresó Logístca es ua técca estadístca multvarate que
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
Más detallesCONTENIDO 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 detallesNOTAS 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(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 detallesIII. 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 detallesEVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO
EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl
Más detallesINTRODUCCIÓN 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 detallesSoluciones 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 detallesPARTE 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 detallesCONTRASTES 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 detallesRENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.
Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras
Más detallesSi 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 detallesDivisión de Evaluación Social de Inversiones
MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013
Más detalles3 Regresión lineal múltiple: estimación y propiedades
3 Regresó leal múltple: estmacó y propedades Ezequel Urel Uversdad de Valeca Versó 09-013 3.1 El modelo de regresó leal múltple 1 3.1.1 Modelo de regresó poblacoal y fucó de regresó poblacoal 3.1. Fucó
Más detallesREGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión
REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...
Más detallesLos 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 detallesDiseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3
Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales
Más detallesSerie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
Más detallesControl 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 detallesINTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO
INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS
Más detallesEjercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión
Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua
Más detallesCAPÍTULO 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 detallesSimulación 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 detalles7.1. 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 detallesCURSO 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 detallesUNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*)
UNIVERSIDAD NACIONAL DE SALTA Facultad de Cecas Ecoómcas, Jurídcas y Socales Isttuto de Ivestgacoes Ecoómcas Reuó de Dscusó Nº 7 Fecha: /06/003 Hs.: 6 UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*) Eusebo Cleto
Más detalles2 - 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 detalles4. 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 detallesESTADÍSTICA 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 detallesAlgunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos
Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva
Más detallesSIMULACION. 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 detallesREPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS
Más detallesEstadística 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 detallesTEMA 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 detallesESTADÍSTICA 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 detallesC URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI
TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesGuía 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 detallesGuía 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 detallesCURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Más detallesTEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA
UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesEstudio y optimización del algoritmo de ordenamiento Shellsort
Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del
Más detallesEstadística Teórica I
Estadístca Descrptva EXCEL SPSS Facultad Cecas Ecoómcas Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez Estadístca Teórca I ESTADÍSTICA BIDIMENSIONAL Estadístca Descrptva
Más detallesLínea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V
Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó
Más detallesUNIDAD 7.- Matrices (tema 1 del libro) = MATRICES
UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee
Más detallesValoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano
Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,
Más detallesEXPRESIÓN 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 detallesI n t r o d u c i ó n A l a E s t a d í s t i c a 1
Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar
Más detallesTEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA
ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas
Más detallesSistema binario. Disoluciones de dos componentes.
. Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua
Más detallesPRÁCTICA 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 detallesEL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003
8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura
Más detallesESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS
5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com
Más detallesDIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA
DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro
Más detalles3 AJUSTE DE FUNCIONES
AJUSTE DE UNCIONES.. udametos de estadístca: cojuto de medcoes epermetales meda y desvacó estádar INTRODUCCION TEÓRICA E la mayoría de los procedmetos epermetales se gasta mucho esfuerzo para reur los
Más detallesRegresión con variable dependiente binaria (SW Capítulo 9)
Regresó co varable deedete bara (SW Caítulo 9) Hasta ahora hemos cosderado que la varable deedete (Y) es cotua: utuacoes e los tests e las escuelas tasa de mortaldad e accdetes de tráfco Pero odemos estar
Más detallesAnálisis de correlación y regresión
Capítulo Aálss de correlacó regresó 3 Seccoes Itroduccó 3. Correlacó leal. 3. Regresó leal. 3.3 Regresó o leal fucoes trísecamete leales. 3.4 Regresó multleal. Atecedetes Itervalos de cofaza Prueas de
Más detallesAnálisis 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 detallesGUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO
RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesActividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.
Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,
Más detallesESTADÍSTICA 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 detallesResumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.
Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,
Más detallesRevista Peruana de Epidemiología E-ISSN: Sociedad Peruana de Epidemiología Perú
Revsta Peruaa de Epdemología E-ISSN: 609-7 revsta@rpe.epredperu.et Socedad Peruaa de Epdemología Perú De La Cruz-Oré, Jorge Lus Qué sgfca los grados de lbertad? Revsta Peruaa de Epdemología, vol. 7, úm.,
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detalles