Estadística Descriptiva. Estadística. Dades qualitatives. Dades quantitatives. Recollida d informació. Primeres nocions. Resum idees bàsiques
|
|
- Ana Acuña Domínguez
- hace 7 años
- Vistas:
Transcripción
1 Estadístca Descrptva Estadístca Resum dees bàsques 008 Cojut de tècques per orgatzar, smplcar resumr la ormacó cotguda e u cojut de dades. Les dades pode prover de varables quattatves o de varables categòrques. Dades quattatves - Dades cotues, les que vare de orma cotua, com la temperatura, la resstèca elèctrca, el vell de radacó, etc. -Dades dscretes, les que omés pode predre valors eters com per eemple el ombre d'accessos a ua determada pàga web, etc. Dades qualtatves Pode ser: - Nomals: só ua smple etqueta com per eemple la marca, l estat d u usble (os/o os), etc. - Ordals: e les que este ua relacó de ordre etre els possbles valors, per e. el resultat d ua eploracó qualtatva de la temperatura d u aparell (red, teb, calet). Recollda d ormacó Cod Edat (as) Gèere Pes Alçada Fumador m m m m m Prmeres ocos Matru de dades Casos (les) Varables (columes). Mda de la mostra ombre de les. Classes de varables: Dscretes Cotíues. Qualtatves Quattatves. Varables dscretes: Gèere, tabac, color del cabell, ombre de parts,... Varables cotíues: Colesterol e sag, pes, alçada,...
2 Descrpcó de varables: Varables cotíues quattatves: Eemples: Colesterol e sag, pes, alçada,... Descrpcó: mtjaes, varàca desvacos. Varables dscretes: Eemples: Gèere, tabac, color del cabell, ombre de parts,... Descrpcó: reqüèces relatves. Descrpcó. Varables dscretes Notacó Tama de mostra. A ua propetat,, Varables. Freqüeces absolutes: F ( A) Nombre de casos amb ua propetat. Freqüeces relatves: ( A) Nombre de casos amb ua propetat dvdt pel ombre total de casos. Eumeracó dels elemets H D F NF Ω {,,3,4,5} {,,3, 4,5,6,7,8,9,0} {, 4,5,8, 9,0,,,3 } {,3,6,7,4,5} {,,3,...,4,5} Uó Iteseccó de cojuts Iterseccó: Homes umadors H F {,,3} Does umadores D F {, 4,5,8,9,0} Uó: Homes o umadors H F {,4,5,8,9,0,,,3,4,5} Homes o o umadors H NF {,3,6,7,,,3,4,5} Freqüeces relatves ( H) ( Ω) { } F H F,,3,4, F 5 5 Represetacó gràca Varables dscretes (margals). 0 ( NF) ( Ω) { } F NF F,3, 6, 7,4,5 6 40% F 5 5 Homes Does Homes Does
3 Represetacó gràca Dues varables dscretes Homes Does Fumadors No umadors Descrpcó de dades quattatves Mesures de localtzacó. Mtjaa medaa. Quatls. Mesures de dspersó. Desvacó estàdard. Varàca. Rag. Rag terquartl. Mesures de orma. Ba (sesgo). Curtos. Descrpcó:Varables Quattatves Mtjaa Varàca Desvacó estàdard Medaa Com es calcula: Medaa (m): { m} { m} Ordear les dades de més pett a més gra. - el ombre de dades és sear, la medaa és la dada que està e el mg. - el ombre és parell, és la mtjaa dels dos valors cetrals. La medaa és robusta davat la presèca de outlers. Quartls Rag 75% 5% 5% 75% 5% 5% 5% 5% Mím Quartl 3 Quartl Medaa Màm q Quartl q 3 q És la derèca etre els valors observats més gra més pett: R má mí - coserva les utats de mesura de les dades orgals. - valors petts dque ua meor dspersó. - es veu etraordàramet aectada pels valors etrems (outlers). - és molt útl per detectar valors etrems.
4 Descrptva varables cotíues Poscó Dspersó Forma Etrems Alçada (cm) Meda Medaa 70 Moda 70 Desvacó estádar 9.80 Varaza de la muestra 96. Curtoss 5.0 Coecete de asmetría Rago 0 Mímo 97 Mámo 99 uma Cueta 93 Hstograma Classquem les observacos Classes Frecueca maor... Represetacó de les reqüèces Frecueca Alçada Hstograma Alçades maor... La lle dels errors Dstrbucó ormal de probabltats ep π 0,450 0,400 0,350 0,300 0,50 0,00 0,50 95% 0,00 0,050 0, Dstrbucos Normals (, ) N µ Tedèca errors de dspersó ó les que tee ucó de destat µ ep π o µ, N ( 0,) µ 0, aleshores Tedèca cetral µ 0. Dspersó 0.75,,
5 Classcacó hstogrames ota codcos ormals El 95% de les observacos d ua varable cotíua es trobe separades com a màm dues desvacos de la mtjaa..96 Que és u et estra? Estra, estadístcamet: Allò que passa u cop de cada 0. p / Molt estra: Allò que passa u cop de cada 00. p / o és estra e drem ormal. Estud de dues varables Dues varables cotíues: Recta de regressó. Dues varables dscretes: Taules de cotgèca. Test X-quadrat de Pearso. Ua dscreta ua cotíua: Proves t de comparacó de grups. Aàls de la varàca. Estadístca bvarat Mtjaes, Varàces Covaràca Covaràca correlacó Covaràca Coecet de correlacó determacó r No tee utats r Recta de regressó Equacó de la recta a+ b Coecets: b, a b Coecet de correlacó de determacó r 0 r Xm 68,47 Ym 6,00 7,7 9,7 36,43
6 Relacó pes alçada Recta de regressó -76,9 + 0,8 Probabltat Lles de la probabltat: A P A Pes (Kg) Alçada (cm) , ( Ω ), ( ) 0. ( ) + ( ) P A P P P A B P A P B P A B P A P A C P AC P C P( A) ( ) P( A B) P( A) P( B) s A B so depedets Freqüèces relatves Cod FumadAcum F. Relat.000 Tabac Evolucó de la reqüeca relatva del umadors (Tabac) Fre. Relatva Límt de les reqüèces Freqüèca de umadors e ua mostra de 93 persoes Freq_relatva H ha relacó gèere-tabac? Homes Does Total Fumador No_Fuma Total ( F H) ( F D) ( ) ( H) H F ( ) ( D) F D Comparem les dues taules Observats Homes Does Total Fumador No_Fuma Total Esperats Homes Does Total Fumador No_Fuma Total
7 Test X de Pearso U dels 0 descobrmets més mportats del egle XX ( E ) j Oj, j E j E el 95% dels casos, s h ha depedèca No h ha evdèca de dereces Observat Esperat X p-valor ( E O ), j j j s E j Podem cotrolar l Atzar abem mesurar la varabltat produïda per atzar. Podem ar u vell de coaça per a les ostres armacos. E bologa el vell habtual és: 95% - 99%. És possble saber la vertat és àcl detectar errors alsedats. Proves dagòstques Malalta alud Dag. Postu Ver. Postu Fals Postu Dag. Negatu Fals Negatu Ver. Negatu esbltat Especctat P DP M P DN per descartar (o detectar greu) cormar (dagostc als greu) Varables aleatòres Estadístca Varables aleatòres dscretes 008 Ua varable aleatòra, X, represeta el resultat umèrc d u epermet aleator. El resultat d u dau. L alçada d ua persoa, escollda al atzar. Els valors o 0 segos s la persoa uma. Aaltzarem models smples, per tal d trodur els coceptes d esperaça varàca d ua poblacó.
8 Esperaça d u model arbtrar Valors probabltats: Valor esperat: Iterpretacó: X v p v p v p E[ X] v p+ v p v p [ ] E Propetats de les mtjaes La mtjaa de la suma és suma de mtjaes. ( + ) + multplquem les dades per ua costat, la mtjaa també es multplca. a a a Propetats de l Esperaça [ ] E Dstrbucó de Beroull L esperaça de la suma és la suma d esperaces.. E[ X + Y] E[ X] + E[ Y] multplquem per ua costat, la esperaça també es multplca.. E[ ax] ae[ X] X pot predre els valors, 0 amb probabltats p (-p). X p 0 p Qua p ½, és el model del llaçamet d ua moeda. Valor esperat d ua Beroull uposem X amb dstrbucó: p X 0 p El valor esperat és: [ ] 0 ( ) E X p+ p p Dstrbucó Bomal Aomeem B el ombre d èts, e proves. La probabltat d obter k èts és: o P B k p p k k { } ( )! k k! ( k)! k
9 Valor esperat d ua Bomal p uposem X amb dstrbucó: X 0 p gu B X El valor esperat de B és: [ ] [ ] E B E X p Evolucó de la mtjaa Calculem la mtjaa e 5 sères de 50 llaçamets d u dau [ ] 3.5 E V[ X] Varàca d u model arbtrar v p Valors probabltats: X v p Iterpretacó de la varàca: v p ( ) V[ X] Decó: [ ] [ ] V X E X E X Càlcul de la varàca X v p v p v p X v v p v p E[ X] v p+ v p v p [ ] [ ] V X E X E X E X v p + v p + + v p... p Varàca d ua Beroull p X 0 p Valor esperat: X [ ] 0 ( ) 0 E X p+ p E X Varàca: p p [ ] [ ] p p p( p) V X E X E X p Propetats de les varàces La varaca es pot calcular com la mtjaa dels quadrats mes el quadrat de la mtjaa multplquem les dades per ua costat, la varaca es multplca pel quadrat. ( a a) a ( )
10 Propetats de les varàces La varàca de la suma de varables és la suma de varàces més dues vegades la covaràca. ( ) Per a varables depedets: ( )( ) 0 ( )( ) + Propetats de la Varàca La varàca de la suma o derèca de varables depedets és suma de varàces.. V[ X ± Y] V[ X] + V[ Y] multplquem per ua costat, la varàca es multplca pel quadrat. [ ] [ ]. V a X a V X Momets d ua Beroull p X 0 p Valor esperat: X 0 [ ] 0 ( ) p p E X p+ p E X p Varàca: [ ] [ ] p p p( p) V X E X E X Momets d ua Bomal p uposem X amb dstrbucó: X 0 p gu B X B B(, p) El valor esperat la varàca de B só: [ ] [ ] E B E X p [ ] [ ] ( ) V B V X p p Mostra Poblacó A P A Fucos de dstrbucó Mtjaa Varàca mostral Esperaça E v p [ ] k k Varàca teòrca V[ X] E X E[ X] Lledelsgrasombres: [ ] E [ ] V gu X ua varable qualsevol. Aomeem ucó de dstrbucó (ucó de probabltat acumulada) a P{ } F X Aleshores calculem probabltats P{ a< X b} F( b) F( a)
11 Dstrbucó Bomal Nombre d èts e 0 proves (p 0.5) Valors P(k) F(k) Probabltats Bomal ( 0) Probabltats Bomal Ets Probabltats acumulades Propetats ucó de dstrbucó P{ } F X { }. F P X, es creet.. lm F 3. lm F 0 4. P{ a< X b} F( b) F( a) Varables aleatòres cotíues X és ua varable cotíua, la ucó de dstrbucó és dervable P{ } F X Aomee ucó de destat a la dervada: ' F La destat represeta el límt dels hstogrames. Estadístca Dstrbucó Normal 008
12 Varables aleatòres cotíues X és ua varable cotíua, la ucó de dstrbucó és dervable P{ } F X Aomee ucó de destat a la dervada: ' F La destat represeta el límt dels hstogrames. Varables cotues ó equvalets Les dues es due que { a< X b} d F( b) F( a) b P a F' P{ X } F ( t) dt Propetats ucó de destat d.. lm lm 0. b 3. P{ } a< X b d a Normal estàdard Dstrbucó ormal de probabltats ep π Estadardtzacó Proposcó: Utltzat varables ormals, sempre es podem redur a la ormal N(0,) X µ X N Z N ( µ, ) (0,) Aomearem φ a la ucó de dstrbucó de la N(0,). Eemple Calculem: o { < X } P µ 70.35, µ X µ 70 µ P < P.06 < Z 0.04 Z N(0,) { } 0.04 z d φ( 0.04) φ(.06)
13 Fucó de dstrbucó de N(0,) La dstrbucó ormal () F() φ X Apare e molts eòmes reals. Hstogrames. Ecara que algua varable o segue la dstrbucó ormal, les sumes es comporte segos la dstrbucó ormal. Moltes característques só el resultat de la suma de petts actors depedets Valors esperats d ua ormal N ( µ, ) E[ X] µ V[ X] Teorema cetral del límt. Combacos leals de ormals só ormals. ax+ b. La suma de ormals depedets és ormal. X + X X 3. TCL: La suma de varables depedets de qualsevol tpus és apromadamet ormal. Les rèplques dsmuee l error X és ua varable o µ és el valor mtjà E[ ] µ desvacó de la mostra d [ ] Fem la mtjaa de observacos El valor esperat és E[ ] µ Desvacó de la mtjaa V[ ] d [ ] Teorema cetral del límt gu X ua varable qualsevol amb µ el valor esperat E[ ] µ la varàca V[ ] Fem la mtjaa de observacos Teorema La dstrbucó de és N( µ, ) Aplquem el TCL a la Bomal gu B ua varable Bomal. abem que és suma de Beroulls B X L esperaça és E[ B] p µ La varàca és V[ B] p( p) Teorema. o Bp (, ) Nµ (, ), sempre que p p 0 p p 5, amb correccos. µ p p p
14 Eemple Hem et ua equesta a 80 persoes. la mostra ha estat escollda a l atzar, qua és la probabltat d etrevstar més de 5 does? El model correspo a ua Bomal B B(, p) amb 80, p 0.5 p ( p) Podem apromar per ua X N ( µ, ) µ p p p 40, 0 Eemple X N µ { > } P{ X > } P B Podem apromar per ua (, ) 5 5, { > 5} P{ X 5} P X X µ 5 µ P{ X 5} P ( 3.35) φ( 3.35) µ 40, 0 ( 0.999) { 3.35} P Z φ Valors crítcs amb error 0.05 Calculeu z, z per a Z N(0,) de maera que: Aleshores ( z ) P{ Z z } ( z ) P{ Z z } φ 0.05 φ { } φ φ P z Z z z z < 0.95 La lle dels errors Dstrbucó ormal de probabltats z z ,450 0,400 0,350 0,300 0,50 0,00 0,50 0,00 0,050 95% ep π φ ( z ) , z z Valors crítcs de la N(0,) φ ( α) z α Normal segos la varàca () F() φ ( 0.975).96 φ Tedèca cetral µ 0. Dspersó 0.75,,
15 Valors crítcs uposem ua És prou gra per apromar per la Normal. No cal er correccó de Yates. Volem determar { } B B(300, 0.5) b, b P b B b 0.95 tals que Apromem per la Normal La Bomal B B(300, 0.5) apromar per la ormal amb µ p p p es pot 50, 75 B B(300, 0.5) X N(50, 75) Estadardtzem Determar: o { b X b } b µ X µ b µ P < P 0.95 µ 50, 75 Z N(0,) { } P z < Z z 0.95 Coseqüèces de la smetra La smetra de la N(0,) es doa: φ ( ) φ Pels valors crítcs, la smetra es doa: b 50 z z.96 b 33, b 67 b zα z φ α φ α α Valors crítcs N(0,) z p z p Apro. Normal de les reqüèces Els valors crítcs més usuals só: p z p φ p-valor Zp Per a la reqüèca relatva tem l apromacó: (, ( )/ ) N p p p ( p) empre que: p 0 B/ L'Estadartzacó es doa: p p N(0,) p( p) / p( p)
16 Precsó e les equestes uposem que em 50 equestes amb probabltat 0.4 d observar u esdevemet (α 0.05). E[ ] 0.4 V[ ] ( ) / error ter.req. ( , ) ( 0.6,0.54) Precsó e les equestes uposem que em 000 equestes amb probabltat 0.4 d observar u esdevemet (α 0.05). E[ ] 0.4 V[ B ] ( ) / error ter.req. ( , ) ( 0.38, 0.4) Itervals per a reqüèces Itervals per a proporcos p N(0,) p( p) p N(0,) ( ) / ( α ) Amb coaça -, o error α p z z p( p) α/ α/ p p z α zα p( p) p( p) ( α ) Amb coaça - z p z ( ) /, o error α p z ( ) / α/ α/ α z α p ( ) / Dstrbucos dervades de N(0,) Dstrbucó X-quadrat Dstrbucó X-quadrat. Dstrbucó d tudet. Dstrbucó de Fsher. χ t F( m, ) uposem que tem ormals N(0,) depedets: Z, Z,..., Z N(0,) Cosderem: Ch Z + Z + + Z Drem que Ch té dstrbucó: Ch χ... χ
17 Destat d ua dstrbucó χ Dstrbucó d tudet c Valors crítcs 0.05 uposem que tem + ormals N(0,) depedets: Z, Z, Z,..., Z N(0,) 0 Cosderem: Z0, Ch Z + Z Z Dstrbucó d tudet t Dstrbucó F de Fsher Drem que té dstrbucó llbertat: T t d tudet amb graus de T t Z0 Ch / uposem que tem: Ch( m) Z + Z Z χ Ch Z + Z Z χ Aleshores: Ch( m) / m F Ch / té dstrbucó (, ) F F m m m Taules de la F ( m, ) m de Fsher Observacos. Ua χ és sempre postva.. Ua t és smètrca. 3. El quadrat d ua t és ua F (, ) Z 0 Ch / Ch / 0 Z0 () Z Ch / Ch / Ch /
18 Itervals de coaça Estadístca Ierèca 008 N µ (, ) Itervals per als paràmetres (descoeguts). Iterval per a la mtjaa amb varàca coeguda. Teorema de Fsher. Iterval de coaça per a la varàca. Iterval de coaça per a la mtjaa, sese coèer la varàca. Teorema de Fsher Eemple:.. 3. µ N(0,) N( µ, ) / ( ) χ ( ) µ t / uposem que e ua mostra de pesos de 5 persoes la desvacó resulta.5, etre qus valors està la vertable, amb ua coaça del 99%? α α α 0.0, 0.005, χ χ a 9.89 b Destat d ua dstrbucó χ Itervals de coaça per a Fsher () es du: ( ) χ ( ) Fem u marge d'error: α Tdrem u vell de coaça de ( α ) a b Valors crítcs Busquem els valors crítcs: a ( ) b a χ b
19 Itervals de coaça per a Eemple χ4 χ a b Utltzat: a χ b Tem que: { χ4 } P Tem: Equvaletmet: ( ) ( ) b a ( ) ( ) b a Aleshores: Falmet ( ) ( ) Iterval per a µ amb descoeguda Fsher (3) es du: µ t Fem u marge d error: α Tdrem u vell de coaça de α Busquem els valors crítcs: µ a b Itervals de coaça per a Volem trobar Per smetra: Falmet: ( ab, ) a b o a t t µ que comple: { } ( ) P a t b α α/ α/ b t t t µ + t α/ α/ α/ α/ Cotrastos d hpòtess Itervals de coaça o cotrastos? Cotrastos d hpòtess. Cotrastos per a mtjaes. Cotrastos per a varàces. Regó d acceptacó regó crítca. Cotrastos ulaterals blaterals.. Eemple Es tee dades sobre dvdus (serve mltar) o es coclou que l'alçada mtjaa era µ 70 la desvacó 0. Es vol decdr s ha augmetat l'alçada mtjaa de la poblacó, amb ua coaça del 95%. Dsposem d'ua mostra de 5 dvdus, amb ua mtjaa de 7.3
20 Cotrastos d hpòtess El platejamet del problema porta a cosderar dues hpòtess: H0 : µ 70 H : µ > 70 La prmera o ul la és la que preteem rebutjar. La segoa, o alteratva, és la que creem certa. No cotemplem la possbltat que: µ < 70 Es basarem e la dstrbucó de la mtjaa: N( µ, ) Cotrastos d hpòtess Acceptarem H : µ 70 sempre que 0 sgu meor que u cert valor: b Acceptarem H qua. : µ > 70 > b E el sego cas drem que rebutgem la hpòtes ul la. La regó d acceptacó A, b serà: P{ A} P{ b} ( α) 0.95 Destat de: N( µ, ) Cotrastos d hpòtess 0,5 0,0 0,5 0,0 0,05 ( α ) 0, b A R La regó d acceptacó (de orma: A, b La regó de rebug (de serà de la orma: H 0 H 0 R A ( b, ) ) serà de la P{ A} P{ b} ( α) 0.95 ) o regó crítca Determacó del put crítc: Volem trobar b de maera que: P{ A} P{ b} ( α) 0.95 µ Estadardtzat: Z N(0,) µ b µ P ( α) 0.95 b? Determacó del put crítc: b µ Cal resoldre: z α.645 b + z µ α (, b) (,73.3) A 7.3 A Acceptem H 0 : µ 70 No h ha prou evdèca per rebutjar Ho b
21 Cotrastos per a mtjaes µ Regos d acceptacó Es pode presetar les stuacos: H : µ µ 0 0 H : µ > µ 0 H : µ µ 0 0 H : µ µ 0 H : µ µ 0 0 H : µ < µ 0 H : µ µ 0 0 H : µ µ Les regos d acceptacó pode ser: (, b) ( ab, ) ( a, ) ( 0, b) A A A A Ua cua. Dues cues (blateral). Ua cua. Ua cua, dstrbucó postva. Cotrast sobre varàces E ua mostra de 30 dvdus hem calculat ua desvacó estàdard de,5. Volem decdr s els dvdus pertae a ua poblacó amb 0 o a u altra amb 5. H 0 : 0 Cosderem: ( α 0.05) H : 5 Regó d acceptacó? ( 0, ) { } A b b Cotrast sobre varàces Estadístc: Regó d acceptacó: ( ) Equacó per determar b: ( ) ( ) b Estadardtzem... P χ ( 0, ) { } A b b { b } P 0.95 Cotrast sobre varàces Estadardtzacó (suposat H : 0 0 ): ( ) ( ) b P ( α) 0.95 Busquem a les taules: P { χ ch α } , ch ( ) ( ) b ch α α χ Cotrast sobre varàces De les taules: ch 4.56, α b Regó d acceptacó: A ( 0, b) { b } { } P , ch 46.8 α ( ) b ch α P{.} A Rebutgem H0 : 0 Tem u 95% de coaça que 5
22 Comparacó de dos grups Cotrastos poblacó-mostra. Comparacó de dues mtjaes: Mostres depedets, varàces coegudes. Mostres depedets, varàces guals. Dades aparellades. Comparacó de dues varàces. Comparacó mtjaes de pesos Observacos: Model: Grup Grup-m Gr N Gr. :,,..., N(, ).:,,..., ( µ, ) µ Cotrastos d hpòtess Dstrbucó de l estadístc El plategem el problema com a: H0 : µ µ H : µ > µ Prmer suposarem coegudes. ego, suposarem descoegudes. Tercer, es platejarem cotrastar: H0 : Calculem: [ ] [ ] [ ] E E E µ µ δ V[ ] V[ ] + V[ ] + Estadardtzat: ( ) δ Z N(0,) + Eemple- Observacos: Grup Grup-m Cotrasteu: ( α 0.05) Calculeu: H0 : µ µ suposat H : µ µ δ Comparacó mtjaes de pesos Prueba z para medas de dos muestras Varable Varable Meda Varaza (coocda) Observacoes 8 Dereca hpotétca de las medas 0 z.69 P(Z<z) ua cola Valor crítco de z (ua cola).645 Valor crítco de z (dos colas) Valor crítco de z (dos colas).960
23 Valor esperat de Del Teorema de Fsher: ( ) ( ) χ Aleshores: ( ) E E χ E Estmador o-esbaat Comparacó de varàces abem del Teorema de Fsher: ( ) Ch χ Aleshores:, ( ) Ch χ Ch /( ) F Ch /( ), Eemple: Comparacó de Varàces Comparacó de Varàces Observacos: Grup Grup-m Cotrasteu: ( α 0.05) Calculeu: H 0 : H : > Prueba F para varazas de dos muestras Varable Varable Meda Varaza Observacoes 8 Grados de lbertad 7 F 4.86 P(F<) ua cola 0.0 Valor crítco para F (ua cola) 3.60 Dades aparellades Colesterol e sag abas després d u tractamet basat e deta esport. Pac. Abas (Y) Després (X) D Augmeta : Dsmue : 0 d Y X W.Dael, 987 Dades aparellades Cosderem la dereca: d, d, d µ d d t µ d µ µ, ( d d) d
24 Cotrastem mtjaa zero Volem cotrastar e base a H0 : µ d 0 H : µ > 0 d µ t d Y X Ua poblacó. Cotrast sobre la mtjaa. Varaca descoeguda. d µ d t d Varàces coegudes uposat coegudes,. ( ) δ Z N(0,) + Varàces guals, descoegudes Epressó al del Test ( ) δ T t + + Comparacó de varàces Dstrbucó del quocet: F, o ( ) + ( ) ( + ) ( ) Estadístca Aàls de la varàca 008 Aàls de la varàca Model:... U procedmet per comparar mtjaes. Hpòtess del model: Varables ormals. Varàces guals. Idepedèca. Gr N.:,,..., ( µ, ) Gr N µ. :,,..., (, ) Gr I N µ. : I, I,..., I ( I, ) j j j H : µ µ... µ µ 0 H : Algua µ µ deret. ( 0, ) µ + e e N I
25 Cocetracos arterals d'epera Calculeu: j j.. ( N ) t T Es va mesurar e 5 amals de laborator, dvdts e tres grups sotmesos a tres tpus derets d'aestèsa, la cocetracó arteral d'epera e plasma sagu (utats e 0 aograms). Aestèsa Aestèsa Aestèsa Es preguta s h ha derèces etre els tres grups al 99%. N I uma Promedo Varaza Aestèsa Aestèsa Aestèsa Promedo Volem cotrastar:.. µ H0: µ µ... µ I µ H : Algua µ µ deret. Càlculs Aova: e I t N ( ) ( j ) j Descomposcó de la varàca Gr.:,,...,, Gr. :,,...,,... Gr.I :,,...,,.. I I I I. I I j j j. 3.8 I E 6.9 j I, j I( ) j ( j ) ( ) + ( j ) j j j T A + E j j j ( ) ( ) t e A Tractamet (Etre) I E Error (Dtre) I T Total N j Costruïu la taula de aova ANÁLII DE VARIANZA t M / gl, F MA/ ME varacoes g.l. M F Fc Tractamet (A) A I - MA F F(I-,I(-)) Error E I (-) ME Total T.I - ( ) e A I ( j ) ( ) E I j ( j ) T N j e I I t N ( ) ( j ) j Calculeu drectamet I e ( ) ( j ) e A Etre I E Dtre I j ( j ) T Total N j t
26 Taules de la F ( m, ) de Fsher Aova e Ecel m Aestèsa- Aestèsa- Aestèsa Aàls de la varàca u actor Aálss de varaza de u actor M / gl F MA/ ME Iterpretacó aova 0.5 Aestèsa- Aestèsa- Aestèsa REUMEN Grupos Cueta uma Promedo Varaza Aestèssa Aestèssa Aestèssa ANÁLII DE VARIANZA varacoes.cuadrados gl Promedo F p-valor V. crítco Etre grupos Detro de los Total T A + E M 6.08 > 3.89 F > V. C Rebutjem la gualtat de mtjaes , t j, e I N j I t e
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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesESTADÍSTICA 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 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 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 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 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 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 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 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 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 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 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 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 detallesNOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN
UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008
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 detallesMétodos 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 detallesEste 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 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 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 detallesSemblança. Teorema de Tales
Semblança. Teorema de Tales Dos polígons són semblants si el angles corresponents són iguals i els costats corresponents són proporcionals. ABCDE A'B'C'D'E' si: Â = Â',Bˆ = Bˆ', Ĉ = Ĉ', Dˆ = Dˆ', Ê = Ê'
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesUNIVERSIDAD NACIONAL DEL ALTIPLANO FACULTAD DE INGENIERÍA AGRÍCOLAA ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA
UNIVERSIDAD NACIONAL DEL ALTIPLANO FACULTAD DE INGENIERÍA AGRÍCOLAA ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN PROBLEMAS RESUELTOS POR: EDUARDO FLORES CONDORI
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 detallesManual de Estadística
Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo
Más detallesANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS
UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,
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 detallesAnálisis Estadístico de Mediciones de la Velocidad del Viento Utilizando la Técnica de Valores Desviados
Smposo de Metrología 008 Satago de Querétaro, Méxco, al 4 de Octubre Aálss Estadístco de Medcoes de la Velocdad del Veto Utlzado la Técca de Valores Desvados E. Cadeas, a W. Rvera b a Uversdad Mchoacaa
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 detallesEjercicios Resueltos de Estadística: Tema 1: Descripciones univariantes
Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo
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 detallesTécnicas básicas de calidad
Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos
Más detallesINTRODUCCIÓN 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 detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesCURSO 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 detallesINTRODUCCIÓN 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 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 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 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 detallesEstadística Descriptiva
Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se
Más detalles6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
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 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 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 detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesTema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA
Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,
Más detallesLo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.
Capítulo : Comparacó de varo tratameto o grupo Mucha preguta de vetgacó e educacó, pcología, egoco, dutra ceca aturale tee que ver co la comparacó de varo grupo o tratameto. Ya etudamo como comparar dfereca
Más detallesUNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO
UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es
Más detallesDistribución 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 detallesMS Word Editor de Ecuaciones
MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua
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 detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
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 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 detallesAnálisis Estadístico de Datos Climáticos
Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,
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 detallesBolsa Nacional de Valores, S.A. San José, Costa Rica
SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst
Más detallesESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos
Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado
Más detallesFrecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti
116 Capítulo 7: Estadístca. Azar y probabldad TEORÍA. Matemátcas 4º de ESO 1. ESTADÍSTICA 1.1. Muestras. Estudos estadístcos S queremos hacer u estudo estadístco teemos que: a) Recoger los datos b) Descrbr
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 detallesLECCIONES DE ESTADÍSTICA
LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)
IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las
Más detallesTopología General Capítulo 0-2 -
Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada
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 detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesEXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO
EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca
Más detallesEstudio de eventos extremos enfocado a seguros y finanzas
Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco
Más detallesMétodo 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( ) Tabla 2. Formulas para gráficas de control. Fórmula. Rsk = xk + 1 -Xk -------- X Rs -------------- Z USL. Gráfica (Símbolo) R, S ó Rs.
Boletí Técco Septebre No. Tabla esultados cálculos Núero edcoes Valor áxo Valor ío ago Proedo Desvacó Ídce capacdad l proceso Ídce capacdad l proceso Ídce capacdad aqua Ídce capacdad aqua Fraccó fectva
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 detalles