PROYECTO DE ESTIMACIÓN DE ÁREAS PEQUEÑAS: DIFUSIÓN DE RESULTADOS Y ESTADO ACTUAL DEL PROYECTO. Iosune Azula, Patxi Garrido y Haritz Olaeta

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

Download "PROYECTO DE ESTIMACIÓN DE ÁREAS PEQUEÑAS: DIFUSIÓN DE RESULTADOS Y ESTADO ACTUAL DEL PROYECTO. Iosune Azula, Patxi Garrido y Haritz Olaeta"

Transcripción

1 PROYECTO DE ESTIMACIÓN DE ÁREAS PEQUEÑAS: DIFUSIÓN DE RESULTADOS Y ESTADO ACTUAL DEL PROYECTO Iosue Azula Patxi Garrio y Haritz Olaeta EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Doostia-Sa Sebastiá 000 VITORIA-GASTEIZ Tel.: Fax.: eustat@eustat.es

2 PROYECTO DE ESTIMACIÓN DE ÁREAS PEQUEÑAS: DIFUSIÓN DE RESULTADOS Y ESTADO ACTUAL DEL PROYECTO Iosue Azula Patxi Garrio y Haritz Olaeta

3 PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Iice INDICE...3 INTRODUCCIÓN...4 ENCUESTA INDUSTRIAL DE LA COMUNIDAD AUTÓNOMA DE EUSKADI...5 ANTECEDENTES...5 CARACTERÍSTICAS TÉCNICAS...5 MARCO DE LA ENCUESTA...6 UNIDAD ESTADÍSTICA...6 DISEÑO MUESTRAL Y EXTRAPOLACIÓN...6 ESTIMADORES UTILIZADOS EN LA ENCUESTA INDUSTRIAL...7 ESTIMADORES UTILIZADOS ACTUALMENTE EN EUSTAT...7 ESTIMADORES APROBADOS A PARTIR DE LA ESTADÍSTICA INDUSTRIAL SISTEMA DE ESTIMACIÓN DE ÁREAS PEQUEÑAS EN LA ENCUESTA INDUSTRIAL... INTRODUCCIÓN... MODELO LINEAL MIXTO...3 MODELO LINEAL DE EFECTOS FIJOS...4 PLAN DE ESTIMACIÓN EN LA ENCUESTA INDUSTRIAL...5 DIFUSIÓN DE LAS ESTIMACIONES COMARCALES DE LA ENCUESTA INDUSTRIAL DEL AÑO CONCLUSIONES...8 BIBLIOGRAFÍA...9 INDICE 3

4 Capítulo PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Itroucció Eustat cosciete e la creciete ecesia e estaísticas e calia costituyó ace os año u equipo e ivestigació compuesto por miembros e iferetes epartametos e Eustat para trabajar e la mejora e las técicas e estimació e iferetes operacioes estaísticas e itroucir técicas e estimació e áreas pequeñas basaas e moelos. Este equipo está supervisao por las profesoras Aa Feráez Militio y Lola Ugarte e la Uiversia Pública e Navarra. Este proyecto se puee iviir e os subproyectos complemetarios e cierta meia:. Ecuesta Iustrial. Las fases el proyecto a sio: a. Aálisis el sistema e estimació utilizao e la Ecuesta Iustrial ese su puesta e marca y erivació matemática e los estimaores e los coeficietes e variació asociaos. b. Estuio e estimaores alterativos. c. Selecció propuesta y ecisió e cambio e el sistema e estimació (a partir e la Ecuesta Iustrial el 005 siguiete cambio e año base.. Estuio e iferetes estimaores e áreas pequeñas para la Ecuesta Iustrial. e. Selecció propuesta y aopció e u sistema e estimació e áreas pequeñas. Este subproyecto se ará por fializao e iciembre e 005. La publicació e las primeras estimacioes correspoietes a la Ecuesta Iustrial el año 003 está prevista para el último trimestre el año Població e Relació a la Activia. Las fases el proyecto so: a. Aálisis el sistema e estimació utilizao e la ecuesta e Població e Relació a la Activia. b. Estuio e estimaores alterativos. c. Selecció el estimaor a utilizar.. Estuio e iferetes estimaores e áreas pequeñas para la ecuesta e Població e Relació a la Activia. e. Selecció propuesta y aopció si procee e u sistema e estimació e áreas pequeñas. Las fases a b y c está actualmete básicamete ejecutaas y se está trabajao e la fase. Este trabajo se cetra e el subproyecto e la Ecuesta Iustrial y se ivie e cuatro partes. Comieza co ua breve itroucció a la Ecuesta Iustrial e la Comuia Autóoma e Euskai. A cotiuació se escribe los estimaores tato e los totales como e los coeficietes e variació asociaos utilizaos aemás e la propuesta e cambio e los mismos aprobaa e Eustat. Se pasa a cotiuació a escribir el pla e estimació e áreas pequeñas aoptao por Eustat. Fialmete se escribe el pla e ifusió que seguirá Eustat co las estimacioes comarcales e la Ecuesta Iustrial el año 003 que será ifuias a lo largo el último trimestre el año 005. INTRODUCCIÓN 4

5 Capítulo PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Ecuesta iustrial e la Comuia Autóoma e Euskai Ateceetes Esta operació se puso e marca e 98 teieo ese su creació como objetivo fuametal el coocimieto pormeorizao el etramao iustrial vasco aa su importacia tato e térmios e valor añaio como e empleo. La iformació básica para ello se obtiee a partir e las pricipales partias e la cueta e périas y gaacias y la cosiguiete estimació a partir e ellas e las pricipales macromagitues. Esta operació estaística se realiza e colaboració co el Servicio e Estaística y Aálisis Sectorial el Departameto e Agricultura y Pesca Orgao Estaístico específico e ico Departameto. Características Técicas Ambitos Uiverso: El ámbito poblacioal se circuscribe a aquellos establecimietos cuya activia pricipal meia e térmios e valor añaio geerao sea iustrial. Icluye segú la Clasificació Nacioal e Activiaes Ecoómicas e 993 (e aelate CNAE-93 las siguietes seccioes: Secció C: Iustrias extractivas Secció D: Iustria maufacturera Secció E: Proucció y istribució e eergía eléctrica gas y agua Geográfico. Las uiaes estaísticas que esté ubicaas e el ámbito geográfico e la C.A. e Euskai au cuao su see social o gerecia se ecuetre fuera e ella. Temporal. El períoo e referecia es el ejercicio ecoómico el año atural. Excepcioalmete e presetarse establecimietos cuya cotabilia vaya referia a períoos e tiempo que o correspoa al año atural se referirá la iformació a los ejercicios que fializa etro e los años correspoietes. ENCUESTA INDUSTRIAL DE LA COMUNIDAD AUTÓNOMA DE EUSKADI 5

6 Marco e la ecuesta El marco e la ecuesta es el Directorio e Activiaes Ecoómicas e Eustat. Su utilizació permite la elaboració e u muestreo probabilístico que acote los errores muestrales. Uia Estaística La uia estaística es el establecimieto efiio como ua uia que ejerce exclusiva o pricipalmete ua o varias activiaes situaa e u mismo emplazamieto geográfico. Diseño muestral y extrapolació Se realiza u muestreo probabilístico e os fases: ua primera e la que se seleccioa co probabilia "uo" toas las uiaes que tega más e 9 empleaos; e la segua fase se realiza u muestreo aleatorio estratificao oe las variables e estratificació so:. Territorio Histórico: Araba Bizkaia y Gipuzkoa. b Activia: Clasificació Nacioal e Activiaes Ecoómicas (CNAE-93 a ivel e subclase es ecir a 5 ígitos. Posteriormete para su ifusió se utiliza la clasificació ormalizaa e EUSTAT A84. La clasificació A84 es ua esagregació e la A60 (CNAE-93 a ígitos e fució e la estructura ecoómica e la C.A. e Euskai. El tamaño e la muestra seleccioaa es e uiaes estaísticas aproximaamete. Previamete a la extrapolació se post-estratifica los establecimietos muestrales segú los tres Territorios Históricos (Araba Bizkaia Gipuzkoa subclase e la CNAE- 93 y 5 tamaños e establecimietos que so:. Etre y 9 empleaos. Etre 0 y 49 empleaos 3. Etre 50 y 99 empleaos 4. Etre 00 y 499 empleaos 5. Mayores o iguales a 500 empleaos. El paso e atos muestrales a los poblacioales se realiza a través e ua matriz e elevaores por caa estrato. La variable utilizaa para la obteció e los elevaores a sio el úmero e ocupaos e los establecimietos iustriales. El uso e esta variable está justificao e que es la más correlacioaa co las pricipales variables ecoómicas que iteta meir la ecuesta. ENCUESTA INDUSTRIAL DE LA COMUNIDAD AUTÓNOMA DE EUSKADI 6

7 Capítulo 3 PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Estimaores utilizaos e la Ecuesta Iustrial Estimaores utilizaos actualmete e Eustat Toas las uiaes estaísticas co más e 9 empleaos so autopoeraas por lo que el iterés raica pricipalmete e las estimacioes etro el estrato e empleo e -9 empleaos. E lo que sigue se escribe la estimació etro e u sector e activia el total e ua variable cualquiera y así como e su correspoiete coeficiete e variació. Actualmete para la estimació el total e la variable y se utiliza el estimaor iirecto e razó o estimaor sitético utilizao como iformació auxiliar el úmero e empleaos e los establecimietos. El estimaor iirecto e razó e ua variable e iterés cualquiera y cuao se ispoe e ua variable auxiliar x está e el caso e la Ecuesta Iustrial asistio por el moelo e regresió lieal simple eteroceástico el tipo: y j = x j β + ε j co var( j σ xj ε = ( oe ace referecia al estrato j a la uia estaística y el resto e la otació es la abitual. E el caso e la Ecuesta Iustrial la variable auxiliar utilizaa tras comprobar el poer explicativo que ésta preseta para la mayoría e las variables más relevates e la Ecuesta Iustrial es la variable empleo y los estratos so los Territorios Históricos (Araba Bizkaia y Gipuzkoa ao que e too lo que sigue se supoe el iterés raica e u úico sector e activia (CNAE a 5 ígitos. El estimaor el total e la variable y e u sector ao e el Territorio Histórico viee ao por: t = X β = X N j X = j oe = x wj H = j= H = j= w w j j y x j j es el peso e muestreo e la uia j e el Territorio Histórico x j recoge el empleo el establecimieto j el Territorio Histórico y es el tamaño e la muestra e el Territorio Histórico. ESTIMADORES UTILIZADOS EN LA ENCUESTA INDUSTRIAL 7

8 El estimaor e la variaza el estimaor iirecto e razó se puee aproximar co: ( oe var ε var( t N N H X = j= w j var x j es la variaza muestral e los resiuos el moelo eteroceástico ( co toos los atos muestrales (es ecir se calcula los resiuos e toa la CA e Euskai o sólo e el Territorio Histórico y el resto e la otació es la abitual. Säral a Hiiroglou (989 proporcioa ua aproximació el sesgo el estimaor sitético N E tˆ y tˆ. j = ε j segú la cual ε j = y j x j β oe. Luego el N ε = j= k 0 estimaor será aproximaamete isesgao si se verifica que. Esta coició o se satisface ormalmete. Si el moelo o ajusta bie e el omiio e iterés la suma e resiuales puee estar lejos e cero iicao u sesgo cosierable. E caso cotrario poemos esperar u sesgo limitao. Por ello es eseable estimar el error cuarático meio como meia e precisió el estimaor. Viee ao por ( ε ( tˆ var( tˆ ( sesgo MSE = + y se estima meiate la expresió: ε j. MSE( tˆ. = var( ˆ. + ˆ y t y j = ε j j =... oe so los resiuos obteios a partir el moelo estimao ( co toos los atos muestrales auque e caa Territorio Histórico solamete se suma los específicos e ese Territorio Histórico. El coeficiete e variació se efie como cv ( tˆ ( tˆ rmse = tˆ rmse ( tˆ MSE ( tˆ oe y. = y.. ESTIMADORES UTILIZADOS EN LA ENCUESTA INDUSTRIAL 8

9 Estimaores aprobaos a partir e la Estaística Iustrial 005 Tras aalizar los errores cuaráticos meios proporcioaos por el estimaor sitético e la Ecuesta Iustrial e iferetes años se optó por propoer ua batería e estimaores alterativos y comparar sus errores cuaráticos meios co el el sitético. Etre los estimaores aalizaos estacar aemás e iferetes estimaores irectos e iirectos ua batería e estimaores compuestos. Tras comparar los errores cuaráticos meios e los istitos estimaores se escogió (siguieo u criterio e miimizació e errores cuaráticos meios pero aemás pealizao la itroucció e sesgos importates u estimaor compuesto que se escribe a cotiuació. La itroucció e ico estimaor se a programao para la Ecuesta Iustrial el año 005 siguiete cambio e año base previsto. El estimaor compuesto propuesto para la Ecuesta Iustrial es ua combiació el estimaor irecto e razó co el estimaor iirecto e razó que se utiliza e la actualia propuesto por Pfefferma (00. Este estimaor se costruye para compesar el posible sesgo el estimaor iirecto e razó co la isesgaez e u estimaor irecto y la imprecisió el estimaor irecto co la precisió el estimaor iirecto e razó. Viee ao por: t C = t D + φ. ( t y φ co = φ. N φ Esta elecció e es especialmete aecuaa para poblacioes e tamaño pequeño N ya que e otro caso el cociete o favorecería ecesariamete al estimaor irecto cuao crece. Co estos pesos el peso el estimaor irecto o iirecto es mayor segú sea su represetació muestral. Esto es a mayor fracció muestral mayor cotribució el estimaor irecto. Cuao la població está poco represetaa e la muestra es el estimaor iirecto el que tiee más peso e el estimaor = compuesto. Puee ocurrir tambié que N = y e cuyo caso el estimaor compuesto sería igual al irecto. El error cuarático meio e este estimaor compuesto se puee aproximar meiate ( ˆ MSE t φ MSE( tˆ + ( φ MSE( tˆ + φ ( φ E[ ( tˆ Y ( tˆ Y ]. C D D Su estimació o es fácil ya que puee ocurrir que el tercer térmio e este sumatorio es ecir el e la covariaza o sea pequeño. E Eustat se a aproximao el siguiete moo: Tato el estimaor el total como el correspoiete coeficiete e variació se puee ecotrar e cualquier libro e muestreo básico. ESTIMADORES UTILIZADOS EN LA ENCUESTA INDUSTRIAL 9

10 [( tˆ Y ( tˆ Y ] MSE( tˆ Y ( sesgo E D D.. Por lo tato el estimaor el error cuarático meio utilizao e Eustat viee ao por ( ˆ ( ˆ ( ( ˆ t φ MSE t + φ MSE t + φ ( φ MSE( tˆ tˆ ( sesgo. MSE El estimaor el coeficiete e variació viee por cosiguiete ao por C D D. cv ( tˆ ( tˆ rmse = C C tˆ C rmse ( tˆ C MSE ( tˆ C oe y. = y.. ESTIMADORES UTILIZADOS EN LA ENCUESTA INDUSTRIAL 0

11 Capítulo 4 PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Sistema e estimació e áreas pequeñas e la Ecuesta Iustrial Itroucció La C.A.e Euskai se ivie e las siguietes 0 comarcas amiistrativas: - Araba: Valles Alaveses Llaaa Alavesa Motaña Alavesa Rioja Alavesa Estribacioes el Gorbea y Catábrica Alavesa. - Bizkaia: Arratia-Nervió Gra Bilbao Duraguesao Ecartacioes Gerika- Bermeo Markia-Oarroa y Pletzia-Mugia. - Gipuzkoa: Bajo Biasoa Bajo Deba Alto Deba Doosita-Sa Sebastiá Goierri Tolosa y Urola Costa. La activia iustrial e la CA e Euskai o está uiformemete repartia e las 0 comarcas amiistrativas y tato la importacia el sector iustrial como su tamaño varía eormemete etre comarcas. De esta forma el úmero e establecimietos iustriales (o e costrucció que aparece e el Directorio e Activiaes Iustriales el año 003 es: SISTEMA DE ESTIMACIÓN DE ÁREAS PEQUEÑAS EN LA ENCUESTA INDUSTRIAL

12 Valles Alaveses: 63 Llaaa Alavesa: 344 Motaña Alavesa: 8 Rioja Alavesa: 605 Estribacioes el Gorbea: 7 Catábrica Alavesa: 9 Arratia-Nervió: 0 Gra Bilbao: 445 Duraguesao: 065 Ecartacioes: 05 Gerika-Bermeo: 4 Markia-Oarroa: 96 Pletzia-Mugia: 308 Bajo Biasoa: 504 Bajo Deba: 757 Alto Deba: 603 Doosita-Sa Sebastiá: Goierri: 575 Tolosa: 567 Urola Costa: 769 Como se ve o sólo se trata e u etramao iustrial eterogéeo si o que realmete ay comarcas e las que la activia iustrial es realmete pequeña por lo que la tarea e estimació comarcal requiere ciertamete e técicas e estimació e áreas pequeñas. Los moelos e áreas pequeñas supoe la existecia e u moelo subyacete que sigue toos los atos e la població pero que se estima co los atos e la muestra (Rao 003. Eustat utiliza para la obteció e estimacioes comarcales e la Ecuesta Iustrial os tipos e moelos: el moelo lieal e efectos fijos y el moelo e regresió lieal co efectos fijos y aleatorios llamao tambié moelo mixto. E el moelo mixto el preictor costa e u térmio comú e efectos fijos y otro ifereciao para los elemetos e caa comarca ( =...t. Este térmio v ifereciao está formao por los efectos aleatorios ( e moo que toos los atos e la misma comarca comparte el mismo efecto aleatorio. E el caso el moelo e efectos fijos o existe térmios ifereciaos para caa comarca ya que la parte sistemática ( X β es comú para toas las comarcas. Si embargo la especificia se cosigue al proyectar el coeficiete comú ( β a la iformació auxiliar específica X e caa comarca. ( SISTEMA DE ESTIMACIÓN DE ÁREAS PEQUEÑAS EN LA ENCUESTA INDUSTRIAL

13 Moelo lieal mixto Se parte e ua població formaa por los N establecimietos e ua CNAE cocreta. E caa comarca ( =...t N ay establecimietos e moo que N = N. E ica CNAE se a muestreao establecimietos e los que. Se propoe el siguiete moelo lieal mixto perteece a la comarca eteroceástico y β 0 + β x + v + e j = j j...t j =... = oe para el establecimieto j e la comarca es la variable e iterés y es el úmero e empleaos el establecimietos. El úmero total e establecimietos muestreaos e la comarca es. Los efectos fijos el moelo so β 0 y β. El efecto aleatorio comú para toos los establecimietos e la comarca v e es y j so los errores aleatorios específicos e caa establecimieto. Aemás se supoe que v N( 0 σ v ej N( 0 σ e cj y so iepeietes. Para corregir la c j = / x eteroceasticia presete e los atos se utiliza los pesos j. Cuao c j = j este moelo es similar al propuesto por Battese et al (988. y j x j f Cuao la fracció e muestreo por comarca = / N o es espreciable la literatura recomiea utilizar la versió preictiva para obteer la preicció el total e la comarca e lugar e la versió proyectiva. Esta versió cosiste e ifereciar la parte muestreaa e la o muestreaa. Así la preicció e la parte muestreaa es la misma muestra mietras que la o muestreaa se preice co el preictor e tipo proyectivo. Para obteer la versió preictiva se escompoe el total y = + j N j y j j y j j r s oe s iica la muestra e la comarca y r el resto e los establecimietos o perteecietes a la muestra e la comarca. Se eriva si excesivas ificultaes el estimaor el total como: tˆ = X ' ˆ β + ( N ˆ γ c y c x c ˆ β + j= y j =...t SISTEMA DE ESTIMACIÓN DE ÁREAS PEQUEÑAS EN LA ENCUESTA INDUSTRIAL 3

14 ˆ σ v ˆ γ ' c = X ( oe = N X ˆ σ ˆ v + σ e / c c =.. j = c j ' yc = cj yj xc = cj xj c. j= c j=. j ( x x ' = j ˆ β = ˆ β ( ˆ ˆ y oe c σ e σ v a sio evaluaa co las estimacioes e los compoetes e variaza. Partieo e Prasa y Rao (990 la estimació el error cuarático meio el total estimao para comarca utilizao e Eustat viee ao por: [ ˆ ] = N [ g ( ˆ σ + g ( ˆ σ g ( ˆ σ ] ˆ 3 M SE t + oe los térmios e la variaza viee aos por: g g g ( ˆ σ = ( ( ˆ γ σ ˆ f c v ' ( ˆ σ = ( f ( X ˆ γ x Φˆ ( X ˆ γ x [ c c s c c ] ( ˆ σ = ( f c ( ˆ σ + ˆ σ / c [ ˆ σ vâr( ˆ σ + ˆ σ vâr( ˆ σ ˆ σ ˆ σ côv( ˆ σ σ ] ˆ 3 v e. e v v e e v e v ˆ = var( βˆ co Φ s. El estimaor el coeficiete e variació viee por cosiguiete ao por cv t = rmse t t oe rmse t = MSE t. Moelo lieal e efectos fijos El moelo lieal e efectos fijos propuesto para caa establecimieto viee ao por y = β x + e... t j j j = j... = SISTEMA DE ESTIMACIÓN DE ÁREAS PEQUEÑAS EN LA ENCUESTA INDUSTRIAL 4

15 oe para el establecimieto j e la comarca es el valor que toma la variable x e iterés y j es el úmero e empleaos el establecimieto. El úmero total e establecimietos muestreaos e la comarca es β es el úico efecto fijo el ej N( 0 σ e cj moelo y so los errores aleatorios. Para corregir la c j = / x eteroceasticia presete e los atos se utiliza los pesos j. El estimaor el total para la comarca se obtiee como y j tˆ F = j= y j + X ˆ β oe la otació a sio previamete itroucia. El error cuarático meio se estima meiate MSE ˆ (ˆ t F = N N ( f [ X vâr( ˆ X ] + σ j = β x por lo que el estimaor el coeficiete e variació viee por cosiguiete ao por cv F ( tˆ F ( tˆ rmse = F tˆ F F rmse( tˆ = MSE ( tˆ oe. j Pla e estimació e la Ecuesta Iustrial Detro el grupo e ivestigació se a programao ua aplicació iformática a oc e SAS para la itroucció el cálculo e estimacioes e áreas pequeñas e la proucció estaística e Eustat. Se trata e u programa específico para la Ecuesta Iustrial pero que fácilmete puee aaptarse a otro tipo e ecuestas ecoómicas. So iversas las ecisioes que se a tomao: Se a cosierao ecesario establecer u úmero míimo e establecimietos para proceer al cálculo e los moelos mixtos o fijos. Si o se ispoe e este úmero míimo e establecimietos se procee a acer agregacioes e CNAEs co u ígito σ = 0 meos. Primero se estima el moelo mixto a ese ivel e agregació y si v ó SISTEMA DE ESTIMACIÓN DE ÁREAS PEQUEÑAS EN LA ENCUESTA INDUSTRIAL 5

16 σ e = 0 etoces se estima el moelo e efectos fijos. Este úmero míimo se a fijao (puee ser variao e la actualia e 5 establecimietos. Se a tomao la ecisió e utilizar el moelo e efectos fijos cuao el moelo mixto o es válio ebio a que se cosiera prioritaria la ecisió e o agrupar CNAES. Es por ello que se prefiere u moelo e efectos fijos co 5 ígitos por ejemplo a u moelo mixto e 3 ígitos. Cuao se realiza ua agregació ésta permite estimar los coeficietes el moelo pero las preiccioes se ace e forma particularizaa a la CNAE cosieraa. Si la preicció eca e ua CNAE para algua comarca es egativa se sustituye por la suma e los valores muestrales (sólo se cosiera esta parte e la preicció. Si o ay muestra se sustituye por 0. El uso e la variable auxiliar úmero e empleaos itrouce eteroceasticia e los moelos ya que abitualmete la variable respuesta y tiee mayor variabilia a meia que aumeta el úmero e empleaos. Por ello toos los moelos e efectos fijos y mixtos cosiera que la variaza el error es proporcioal al úmero e empleaos. E caa CNAE los totales por Territorio Histórico y por CA e Euskai se obtiee e maera agregaa a partir e las estimacioes por comarcas. Los totales por sector A84 se obtiee agregao las preiccioes obteias a ivel e CNAE. Lo mismo sucee para los totales por TH y CAE. Se procee e igual moo para otros tipos e agregacioes. E caa CNAE para calcular las ráices cuaraas e los errores cuaráticos meios e las preiccioes a ivel e Territorio Histórico se aplica fórmulas específicas ya que o se obtiee como raíz cuaraa e la suma e los errores cuaráticos meios e las preiccioes por comarcas. Ello es ebio a que e caa CNAE las estimacioes por comarcas o so iepeietes e iguo e los moelos. Si embargo ua vez ecas las estimacioes e los RMSE por CNAEs para caa Territorio Histórico el cálculo e las estimacioes por CAE es irecto a que aora se cumple la ipótesis e iepeecia. A partir e los cálculos por CNAEs los RMSE e la variable A84 o e cualquier otra agrupació se obtiee e forma irecta es ecir calculao la raíz cuaraa e la suma e los MSE e las CNAEs que forma caa sector. SISTEMA DE ESTIMACIÓN DE ÁREAS PEQUEÑAS EN LA ENCUESTA INDUSTRIAL 6

17 Capítulo 5 PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Difusió e las estimacioes comarcales e la Ecuesta Iustrial el año 003 La ifusió e los primeros resultaos comarcales correspoietes a la Ecuesta Iustrial el año 003 está prevista para el último trimestre el año 005. El objetivo para este año es ofrecer a los usuarios estimacioes el total el Valor Añaio Bruto a coste e factores por comarcas y A3 (clasificació propia e Eustat. Estas estimacioes irá acompañaas e las correspoietes estimacioes e los coeficietes e variació. E cuato a ivel e precisió míimo exigio a estas estimacioes se a optao por o ofrecer aquellos totales cuyo coeficiete e variació supere el 0.0. Tampoco se ofrecerá aquellas estimacioes susceptibles e violar el secreto estaístico. Debio a la relativa ificulta metoológica e los estimaores e áreas pequeñas se cosiera ecesario acompañar las estimacioes e u ocumeto metoológico exaustivo e el que se formule e forma explícita tato los moelos utilizaos como los supuestos realizaos. DIFUSIÓN DE LAS ESTIMACIONES COMARCALES DE LA ENCUESTA INDUSTRIAL DEL AÑO 003 7

18 Capítulo 6 PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Coclusioes El subproyecto e estimació e áreas pequeñas e la Ecuesta Iustrial se a ejecutao etro e los plazos programaos. La publicació e estimacioes comarcales referetes al año 003 icremetará cosierablemete la calia e los prouctos que Eustat ofrece a sus usuarios. El proyecto e estimació e áreas pequeñas e Eustat sigue su curso programao y actualmete se está realizao u estuio comparativo e ua batería e estimaores específicos para atos iscretos. El iterés se cetra e la obteció e atos comarcales para le ecuesta e Població e Relació a la Activia. CONCLUSIONES 8

19 Capítulo 6 PROYECTO DE ESTIMACIÓN DE AREAS PEQUEÑAS Bibliografía [] BATTESE G.E. HARTER R.M. a FULLER W.A. (988 A Error-Compoets Moel for Preictio of Coutry Crop Areas Usig Survey a Satellite Data. Joural of te America Statistical Associatio [] PFEFFERMAN D. (00. Small Area Estimatio New Developmets a Directios. Iteratioal Statistical Review [3] PRASAD N.G.N. a RAO J.N.K. (990 Te Estimatio of Mea Square Error of Small Area Estimators. Joural of te America Statistical Associatio [4] RAO J.N.K. (003 Small Area Estimatio. Wiley Series i Survey Metoology [5] SÄRNDAL C.E. HIDIROGLOY M.A. (989. Small Domai Estimatio: A Coitioal Aalysis. Joural of te America Statistical Associatio BIBLIOGRAFÍA 9

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV Iforme sobre el Cálculo de Errores de Muestreo Ecuesta sobre Codicioes de Vida - ECV EUSKAL ESTATISTIKA ERAKUNDA INDICE. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo de errores....4 3.

Más detalles

Muestreo Estratificado.

Muestreo Estratificado. Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato

Más detalles

DESCUENTO DESCUENTO SIMPLE DESCUENTO COMERCIAL SIMPLE

DESCUENTO DESCUENTO SIMPLE DESCUENTO COMERCIAL SIMPLE 1 OBJETIVOS Defiir escueto y valor actual. Distiguir las actualizacioes simples y compuestas. Ietificar los istitos tipos e escuetos. Demostrar fórmulas pricipales y erivaas. Resolver situacioes problemáticas.

Más detalles

Junio 2002 (Opc. A) Junio 2002 (Opc. B)

Junio 2002 (Opc. A) Junio 2002 (Opc. B) SELECTIVIDAD Estaística. Juio 00 (Opc. A) Se quiere comprobar si ua máquia estiaa al lleao e evases e agua mieral ha sufrio u esajuste. Ua muestra aleatoria e iez evases e esta máquia ha proporcioao los

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

2.- ESPACIOS VECTORIALES. MATRICES. 2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces

Más detalles

ESTIMACIÓN DE LA TASA DE ACTIVIDAD Y PARO A NIVEL DE SECCIÓN CENSAL

ESTIMACIÓN DE LA TASA DE ACTIVIDAD Y PARO A NIVEL DE SECCIÓN CENSAL ESTIMACIÓN DE LA TASA DE ACTIVIDAD Y PARO A NIVEL DE SECCIÓN CENSAL METODOLOGÍA Íice 1.- Itroucció...3 2.- Estimaores e áreas pequeñas aplicaos al mercao e trabao e España...3 3.- Estimació e la tasa e

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

Encuesta de Transición Educativo- Formativa e Inserción Laboral (ETEFIL)

Encuesta de Transición Educativo- Formativa e Inserción Laboral (ETEFIL) Ecuesta de Trasició Educativo- ormativa e Iserció Laboral (ETEIL) Diseño de la muestra I. Itroducció Esta ecuesta pretede proporcioar iformació sobre las características de la isercció e el mercado laboral

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

Muestreo e Intervalos de Confianza

Muestreo e Intervalos de Confianza Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su

Más detalles

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

Cálculo de límites Criterio de Stolz. Tema 8

Cálculo de límites Criterio de Stolz. Tema 8 Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5 Aexo Calculadora La proliferació de las calculadoras e la vida cotidiaa obliga a profesores y padres a replatearse su uso. Los profesores debemos eseñar a los alumos su utilizació. Pero será los profesores

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e

Más detalles

Técnicas para problemas de desigualdades

Técnicas para problemas de desigualdades Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,

Más detalles

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA 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 detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar

Más detalles

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra. 1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que

Más detalles

Escuela Pública Experimental Desconcentrada Nº3 Dr. Carlos Juan Rodríguez Matemática 3º Año Ciclo Básico de Secundaria Teoría Nº 1 Primer Trimestre

Escuela Pública Experimental Desconcentrada Nº3 Dr. Carlos Juan Rodríguez Matemática 3º Año Ciclo Básico de Secundaria Teoría Nº 1 Primer Trimestre Escuela Pública Eperimetal Descocetrada Nº Dr. Carlos Jua Rodríguez Matemática º Año Ciclo Básico de Secudaria Teoría Nº Primer Trimestre Cojuto de los úmeros racioales Los úmeros racioales so aquellos

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata 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 detalles

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

Más detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES ALGEBRAICAS FUNDAMENTALES MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

PRUEBAS DE HIPOTESIS

PRUEBAS DE HIPOTESIS PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto

Más detalles

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES 6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:

Más detalles

Sistemas de Segundo Orden

Sistemas de Segundo Orden Apute I Departameto de Igeiería Eléctrica Uiversidad de Magallaes Aputes del curso de Cotrol Automático Roberto Cárdeas Dobso Igeiero Electricista Msc. Ph.D. Profesor de la asigatura Este apute se ecuetra

Más detalles

ENCUESTA DE SUPERFICIE Y PRODUCCIÓN DE HORTALIZAS

ENCUESTA DE SUPERFICIE Y PRODUCCIÓN DE HORTALIZAS ENCUESTA DE SUPERFICIE Y PRODUCCIÓN DE HORTALIZAS METODOLOGÍA INSTITUTO NACIONAL DE ESTADÍSTICAS Marzo/0 Metodología Ecuesta de Superficie y Producció de Hortalizas Istituto Nacioal de Estadísticas. Marzo

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

Sucesiones de números reales

Sucesiones de números reales Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54

Más detalles

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga

Más detalles

21 EJERCICIOS de POTENCIAS 4º ESO opc. B. impar (-2)

21 EJERCICIOS de POTENCIAS 4º ESO opc. B. impar (-2) EJERCICIOS de POTENCIAS º ESO opc. B RECORDAR a m a a m m ( a ) a b a a (a b) a m a a b m a m+ b a a - a b a - b a Tambié es importate saber que algo ( base egativa) par (- ) ( base egativa) impar (- )

Más detalles

TEMA VI: DISEÑO PROGRAMABLE

TEMA VI: DISEÑO PROGRAMABLE TEMA VI: DISEÑO PROGRAMABLE Cotiuado co los diferetes tipos de diseño, e el presete tema vamos a itroduciros e el deomiado diseño programable. Este uevo diseño apareció gracias a los cotiuos avaces e la

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

Tema 5 Series numéricas

Tema 5 Series numéricas Tema 5 Series uméricas Objetivos 1. Defiir series co wxmaxima. 2. Calcular sumas parciales de ua serie. 3. Iterpretar la defiició de suma de ua serie. 4. Calcular la suma de ua serie geométrica. 5. Calcular

Más detalles

Potencias, radicales y logaritmos

Potencias, radicales y logaritmos . Los úmeros egativos Potecias, radicales y logaritmos BLOQUE I: ARTIMÉTICA El tema comieza co el estudio de las potecias; éste se iicia co las potecias de expoete atural, se prosigue co las de expoete

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Una ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx

Una ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx .7 Ecuacioes difereciales lieales de orde superior 6.7 Ecuacioes difereciales lieales de orde superior Ua ecuació diferecial lieal de orde superior geeral tedría la forma d y d y dy a( ) a ( )... a ( )

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

Si la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE:

Si la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE: Ua progresió es geométrica, si cada termio después del primero se obtiee multiplicado el aterior por u valor costates Este valor costate se llama razó geométrica (q) E geeral: a a : a......... a ; 3 Si

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

Números naturales, enteros y racionales

Números naturales, enteros y racionales Tema 2 Números aturales, eteros y racioales Estudiamos e este tema los úmeros reales que podemos ver como los más secillos e ituitivos. Empezamos detectado detro de R a los úmeros aturales, a partir de

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

Series de potencias. Desarrollos en serie de Taylor

Series de potencias. Desarrollos en serie de Taylor Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de

Más detalles

SUCESIONES DE NÚMEROS REALES. PROGRESIONES

SUCESIONES DE NÚMEROS REALES. PROGRESIONES www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,

Más detalles

Análisis de balances, Auditoría y Estado de flujos de efectivo

Análisis de balances, Auditoría y Estado de flujos de efectivo Parte II Aálisis e balaces, Auitoría y Estao e flujos e efectivo El Aálisis e balaces pretee ua oble fialia: 1. Completar el oble objeto e la cotabilia: istrumeto e valoració el patrimoio y los resultaos

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

Test de Wilcoxon de rangos signados

Test de Wilcoxon de rangos signados 5 Elea J. Martíez do cuat. 0 Test de Wilcoxo de ragos sigados Hemos visto que, co míimas hipótesis sobre la distribució subyacete (úica mediaa y distribució cotiua), el test del sigo es UMP para las hipótesis

Más detalles

Números naturales, enteros y racionales

Números naturales, enteros y racionales Tema 2 Números aturales, eteros y racioales Estudiamos e este tema los úmeros reales que podemos ver como los más secillos e ituitivos. Empezamos detectado detro de R a los úmeros aturales, a partir de

Más detalles

OPCIÓN A EJERCICIO 1_A 1 0 2

OPCIÓN A EJERCICIO 1_A 1 0 2 IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz

Más detalles

Consideraciones generales sobre la calidad de imagen.

Consideraciones generales sobre la calidad de imagen. 1 Cosieracioes geerales sobre la calia e image. amaño. a efiició aecuaa e las imesioes e ua image se basó iicialmete e las experiecias e la ciematografía, e que la image tiee 3 uiaes verticales por 4 uiaes

Más detalles

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule

Más detalles

Teorema del Muestreo

Teorema del Muestreo Teorema del Muestreo Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice 1.1. Itroducció 1.2. Coversió aalógico-digital y digital-aalógico 1.3. Proceso

Más detalles

+ + + = 6 no parece ayudarnos a comprender cómo llegar a conjeturar esta relación. Intentamos acá una aproximación geométrica.

+ + + = 6 no parece ayudarnos a comprender cómo llegar a conjeturar esta relación. Intentamos acá una aproximación geométrica. http://www.ricomatematico.com La fórmula para la suma de los cuadrados de los primeros úmeros aturales obteida visualmete Mario Augusto Buge Uiversidad de Bueos AIres Ciclo Básico Comú Departameto de Matemática

Más detalles

2 OBJETIVOS TERMINALES. Al finalizar el curso el estudiante estará en capacidad de:

2 OBJETIVOS TERMINALES. Al finalizar el curso el estudiante estará en capacidad de: MATERIA: ÁLGEBRA LINEAL CÓDIGO: 08091 REQUISITOS: Algebra y Fucioes (08272), Lógica y Argumetació (0827) PROGRAMAS: Admiistració de Empresas, Biología, Ecoomía (ENI), Ecoomía (EPP), Igeierías, Química,

Más detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

Muestreo estratificado

Muestreo estratificado Capítulo 1 Muestreo estratificado El objetivo del diseño de ecuestas por muestreo es maximizar la catidad de iformació para u coste dado. El muestreo aleatorio simple suele sumiistrar bueas estimacioes

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

TEMA 7 Trenes de Engranajes

TEMA 7 Trenes de Engranajes Igeiería Idustrial. Teoría Máquias TEMA 7 Trees de Egraajes Haga clic para modificar el estilo de subtítulo del patró Objetivos: Itroducir el mudo de los trees de egraajes, aalizado los diversos tipos

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos 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 detalles

Estadística Descriptiva

Estadística 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 detalles

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill. GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,

Más detalles

IDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE

IDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE IDENTIFICACIÓN DE LA FUNCION DE TRANSFERENCIA USANDO EL DIAGRAMA DE BODE Determiació de la fució de trasferecia de lazo abierto de u sistema a partir de la curva asitótica de magitud del Diagrama de Bode.

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

Más detalles

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

Cátedra I Estadística II Autor I Hebe Goldenhersch MUESTREO Y MODELOS DE MUESTREO

Cátedra I Estadística II Autor I Hebe Goldenhersch MUESTREO Y MODELOS DE MUESTREO MUESTREO Y MODELOS DE MUESTREO I Objetivos Se espera que al fializar el estudio de este capítulo, el estudiate sea capaz de: Compreder los requisitos ecesarios para que ua muestra sea probabilística. Coocer

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el

Más detalles

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.

SERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos. CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio

Más detalles

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra: T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total

Más detalles