Distribuciones estadísticas unidimensionales
|
|
- Yolanda Salinas de la Cruz
- hace 7 años
- Vistas:
Transcripción
1 Dstrbucones estadístcas undmensonales ESTADÍSTICA Estuda los métodos ara recoger, organzar y analzar nformacón, con la fnaldad de descrbr un fenómeno que se está estudando y obtener conclusones. TÉRMIOS ESTADÍSTICOS Poblacón: Es el conjunto homogéneo de elementos (ersonas, anmales o cosas) sobre el que se va a realzar un estudo. Ejemlos:. Alumnos del BAC matrculados en Antequera.. Al estudar la ntencón de voto en nuestro aís en el marco de unas eleccones generales, la oblacón la consttuyen todos los cudadanos esañoles con derecho a voto. Muestra: Cualquer arte de la oblacón sobre la que se hace el estudo. Ejemlos:. Alumnos de º BAC matrculados en ºC del I.E.S. Pedro Esnosa de Antequera.. Al hacer un sondeo sobre la ntencón de voto, no se uede realzar sobre toda la oblacón, ues sería como celebrar las eleccones or antcado; así que el sondeo debe restrngrse a un número lmtado de ndvduos (la muestra). S la muestra no está ben elegda, es bastante robable que los resultados del sondeo sean erróneos. S solo consultamos ndvduos que vvan en catales de rovnca y no en el camo, o solo ersonas mayores de 40 años y no jóvenes con derecho a voto, o asalarados y no emresaros, el resultado del sondeo uede no ser un reflejo de la realdad. Indvduo: Es cada elemento de la oblacón o de la muestra. Ejemlos:. Cada alumno de º C.. Cada cudadano esañol con derecho a voto. Tamaño: Es el número de elementos de la oblacón o de la muestra (). Ejemlos:. Hay 30 alumnos de º C en I.E.S. Pedro Esnosa.. Muestra de de esañoles con derecho a voto. Carácter estadístco: El carácter es la roedad que se estuda en los ndvduos de una oblacón o muestra. Modaldades de un carácter: Son las dstntas osbldades que se ueden resentar en el estudo de dcha roedad. Las modaldades de un carácter deben ser ncomatbles y ehaustvas:
2 Incomatbles: Cada dato debe ertenecer a una sola modaldad. Ehaustvas: La totaldad de las modaldades debe recoger todas las osbldades que ueden resentarse en los datos. Tos de caracteres: - Carácter cualtatvo: S la roedad a estudar ndca una cualdad y or tanto sus modaldades no son medbles. Ejemlo: Preferenca de los alumnos de º C, a la hora de ractcar un deorte. Sus modaldades: Fútbol; Baloncesto; Balonmano; Gmnasa rítmca. - Carácter cuanttatvo: S la roedad a estudar da lugar a modaldades que se ueden medr con una cantdad. Los valores numércos que éste toma y que forman las dstntas modaldades del carácter cuanttatvo consttuyen una varable estadístca (V.E.) que uede ser: V.E. dscreta: Cuando sólo uede tomar un número fnto de valores. Ejemlo: úmero de hermanos de los alumnos de º C. Sus modaldades: 0; ; ; 3; 4. V.E. contnua: Cuando teórcamente uede tomar todos los valores de un ntervalo. Ejemlo: Altura (en centímetros) de cada alumno de º C. Sus modaldades: [ 60,65) [ 65,70) [ 70,75) [ 75,80) [ 80,85) [ 85,90) Convene tener en cuenta que en la ráctca todas las varables estadístcas se tratan como dscretas. Lo que en realdad dferenca una de otra es que la V.E. contnua admte la osbldad de tomar los valores de un ntervalo mentras que la dscreta no. TABLAS DE FRECUECIAS La estadístca trata la nformacón agruándola en tablas de frecuencas, en las que los datos estadístcos aarecen organzados en modaldades del carácter y sus resectvas frecuencas: - Frecuenca absoluta de una modaldad: Es el número de ndvduos que hay de dcha modaldad (f ). La suma de todas las frecuencas absolutas es el tamaño de la muestra (): K f f + f f K - Frecuenca relatva de una modaldad: Es el cocente entre la frecuenca absoluta f de la modaldad y el tamaño de la muestra (h ): h f - Frecuenca acumulada de una modaldad: Es la suma de las frecuencas de las modaldades anterores a ella (con ella ncluda). Pueden ser:
3 Frecuencas acumuladas absolutas (F ): F f + f f f F Frecuencas acumuladas relatvas (H ): H h + h h h H Ejemlo : Tabla de frecuencas de carácter cualtatvo (C. C.) Los resultados obtendos al reguntar a los alumnos de º C de bachllerato del I.E.S. Pedro Esnosa de Antequera or la referenca a la hora de ractcar un deorte, se obtenen los sguentes datos: Modaldades f F h h (%) H Fútbol. Baloncesto 8 Balonmano 7 Gmnasa rítmca 3 30 Totales Comleta la tabla Ejemlo : Tabla de frecuencas de una varable estadístca dscreta (V.E.D.) Los resultados obtendos al reguntar a los 30 alumnos de º C de bachllerato sobre el número de hermanos que tenen se obtenen los resultados sguentes, Comleta la tabla. º de hermanos (X ) f Totales 30 3
4 Ejemlo 3: Tabla de frecuencas de una varable estadístca contnua (V.E.C.): Los resultados obtendos al medr (en cm) la altura de los 30 alumnos de º C de bachllerato del I.E.S. Pedro Esnosa (durno), se reflejan en la sguente tabla: Alturas (cm) f [60, 65 [ 7 [65, 70 [ 0 [70, 75 [ 6 [75, 80 [ 3 [80, 85 [ [85, 90 [ Totales 30 Cuando la varable es contnua y el número de datos es elevado, los datos se agruan en ntervalos ó clases. Este hecho acarrea una érdda de nformacón (ues suone que los datos están unformemente reartdos en cada ntervalo), ero gana en comoddad y radez. Los ntervalos se suelen formar todos de la msma amltud (a ). Cuando no es así hay que ndcarlo. El unto medo de cada ntervalo o centro se llama marca de clase (c ). Comleta la tabla del ejemlo 3 con las marcas de clase y las frecuencas. Ejemlo 4: Varable estadístca dscreta smle. Las notas de los eámenes de Matemátcas que un alumno ha tendo durante este curso son: : 4,, 6, 7, 5, 8, 7, 9 (Cas todas las frecuencas absolutas son ) * Las tablas de frecuencas nos las ueden dar tambén en horzontal: Totales f... 4
5 GRÁFICOS ESTADÍSTICOS La estadístca, tras recoger la nformacón y recogerla en la tabla de frecuencas, reresenta los datos en gráfcos que dan una vsón clara de la dstrbucón, con objeto de consegur con un smle análss vsual la mayor nformacón osble. Según el to de carácter, se utlza un to de dagrama dferente: Para el carácter cualtatvo y la varable estadístca dscreta, se usan: Dagrama de barras: Basado en la roorconaldad entre frecuencas y las alturas de las barras. f ó h Dagrama de sectores: Basado en la roorconaldad entre frecuencas y ángulos. 0 La amltud ( α ) de cada ángulo es α h Es un dagrama suerfcal que resenta el asecto sguente: α Polígono de frecuencas: Línea olgonal que se forma unendo las bases suerores de las barras del dagrama de barras. (Aarece dbujado en el ejemlo anteror del dagrama de barras). Polígono acumulatvo : Línea olgonal que se forma al reresentar en el eje de ordenadas las frecuencas acumulatvas, de la sguente manera: F ó H F Para varable estadístca contnua se utlzan: Hstograma de frecuencas: Basado en la roorconaldad de frecuencas y áreas. Está formado or una sere de rectángulos yutauestos cuya base es la amltud de cada ntervalo de clase, y cuya altura es f ó h (s son de gual amltud) o ben El área o suerfce de cada uno de ellos es: f a ó h a (s son de dstnta amltud). 5
6 S son de la msma amltud: S a f (Proorconal a la frecuenca). S tenen dstnta amltud: S a f (Concde con la frecuenca). f a f ó h f 5 f 4 f f 3 f 6 f l 0 c l c l c 3 l 3 c 4 l 4 c 5 l 5 c 6 l 6 [l -, l [ Polígono de frecuencas: Línea olgonal que se obtene unendo los untos medos de las bases suerores de los rectángulos del hstograma, con el rmer etremo del rmer ntervalo y con el segundo etremo del últmo ntervalo. Polígono acumulatvo: Formado or la sguente línea olgonal ascendente, F óh F F 4 F 3 F F l 0 l l l 3 l 4 En el que la frecuenca acumulatva se encuentra dstrbuda de forma unforme en cada ntervalo. ÚMERO DE ITERVALOS E LAS TABLAS DE V.E.C. Cuando el número de datos de una V.E.D. es muy grande, y no nos dan la tabla de frecuencas de dcha varable con los datos agruados en ntervalos, los odemos agruar en ntervalos de varas formas, una de ellas sería la sguente:. úmero de ntervalos: El número de ntervalos que tomaremos será el redondeo hasta las undades de. Sendo el número total de datos. 6
7 . Amltud de los ntervalos: Sea M el mayor valor que toma la varable y m el menor. La amltud de los ntervalos a, será gual al cocente entre el rmer múltlo del número de ntervalos que sea mayor o gual que M-m y dcho número de ntervalos. Ejemlo: S las alturas de 40 ersonas están comrenddas entre 56 cm. y 85 cm. (ambos ncludos):. El número de ntervalos: Tomaremos 6 ntervalos, ues 40 6, La amltud de los ntervalos: La amltud será a 5, ues 30 es el rmer múltlo de 6 que es mayor o gual que M m Formaremos or tanto 6 ntervalos de amltud 5, que odrán ser: [56, 6[, [6, 66[, [66, 7[, [7, 76[, [76, 8[, [8, 86[ ó ben: [55, 60[, [60, 65[, [65, 70[, [70, 75[, [75, 80[, [80, 85] PARÁMETROS ESTADÍSTICOS La estadístca trata la nformacón resuméndola con números que se llaman arámetros estadístcos. Pueden ser de varos tos: MEDIDAS DE CETRALIZACIÓ: Son valores de la varable estadístca que reresentan al conjunto de datos. Tenden a stuarse en el centro de dcho conjunto una vez ordenados. Son meddas de centralzacón: La Moda (Mo): Es el valor de la varable estadístca de mayor frecuenca. S el carácter es cualtatvo, es la modaldad de mayor frecuenca. Las dstrbucones con dos modaldades de mayor frecuenca (dos modas) se llaman bmodales, con tres, trmodales; con varas se llaman multmodales. Las dstrbucones con todas sus modaldades de gual frecuenca, se dce que no tenen moda. Para calcular la moda: S el carácter es cualtatvo: En el ejemlo, la moda es Mo Fútbol S la V.E. es dscreta: En el ejemlo, la moda es Mo hermano. S la V.E. es contnua: En el ejemlo 3, se busca el ntervalo en el que se encuentra la moda, que el de mayor frecuenca, llamado ntervalo modal (I Mo ). I Mo [65, 70) Dentro del I Mo, se busca la moda (Mo) de la sguente forma: En el sguente hstograma 7
8 0 A B A(65, 0) B(70, 0) r s C(65, 7) D(70, 6) 76 C D 65 M 0 70 Calculamos la recta r que asa or A y D: r y m + n, donde m 0' Como r asa or A(65, 0) se verfcará que n, luego n 4 ; r y 0 ' Calculamos tambén la recta s que asa or B y C: s y m + n, donde m 0'6. Como s asa or B(70, 0) se verfcará que 0' n n 9 ; s y 0'6 9 0, luego Ahora resolvemos el sstema formado or ambas ecuacones y el valor obtendo ara la es la moda (M o ). y 0'8 + 4 y 0' ' '6 9 67, 43 luego Mo 67,43. Que '4 evdentemente ertenece al I Mo La Meda artmétca ( ) S cada valor de la V.E. nfluye lo msmo (todos tenen el msmo eso), se defne la meda artmétca smle de la sguente forma: Para una V.E.D: Para una V.E.C.: f sendo los valores de la V.E.D. c f sendo c las marcas de clase de la V.E.C. S cada valor de la V.E. tene una nfluenca dferente (no tenen todos los valores el msmo eso, ), se defne la meda artmétca onderada ( ) de la sguente forma: 8
9 Para una V.E.D.: f f, donde reresenta el eso de la varable. Para una V.E.C.: c f f, donde reresenta el eso de cada ntervalo. S la dstrbucón es de datos smles (n ) K Para un carácter cualtatvo no se uede defnr este arámetro. La Medana (M e ): Es el valor de la V.E. que dvde al conjunto de datos, revamente ordenados, de menor a mayor, en dos artes guales. Para calcular la M e : S la V.E. es dscreta: Se ueden resentar dos casos, que sea mar o que sea ar. M c+ S es mar, e, (sendo c el cocente entero que resulta al dvdr entre, y c+ es el valor de la varable que ocua el lugar c+, que se busca mrando en la columna de las frecuencas absolutas acumulatvas F.) S es ar, M e c + c+ + 6 En el ejemlo : 30 (ar), or tanto c 5, luego 5 S fuese 3 (mar), entonces c 5, y M e 6 S la V.E. es contnua: En este caso da gual que sea ar o mar. Se calcula el cocente M e + c (con decmales s rocede). El ntervalo de medana (I Me ) es el que corresonde a c, mrando en la columna de las F. En este ntervalo se encuentra la medana, que calcularemos ayudándonos del sguente ejemlo: 30 En el ejemlo 3, c 5. El dato número 5 está en el ntervalo [65, 70[, que es el I Me en este caso. La M e ertenece a este ntervalo. 9
10 Como 65 < M e < 70, observando el olígono de frecuencas corresondente a este ntervalo: En el que - y son las frecuencas absolutas acumulatvas (7 y 7) de los ntervalos [60, 65) y [65, 70), resectvamente y [l -, l ) es el I Me ([65, 70)) Encontramos M e, calculando la recta r que asa or los untos (65, 7) y (70, 7). La medana será la abscsa del unto de r cuya ordenada es 5: r y m + n ; m ; n ; n r y 33 ; luego 5 Me 33 M e 69 ertenece a I Me [65,70) 69 M e, que, como es lógco, Ventajas de unas meddas sobre otras: La moda es el únco arámetro que se uede calcular ara el carácter cualtatvo. Presenta la desventaja de que en dstrbucones con frecuencas muy arecdas no es sgnfcatvo. La meda artmétca es el únco arámetro en el que ntervenen todos los valores de la V.E. Es en general el más sgnfcatvo, aunque a veces no se uede calcular en dstrbucones con clases abertas (de 80 en adelante). En dstrbucones con un valor de la varable muy dferente del resto, la meda artmétca no es muy sgnfcatva de la dstrbucón. La medana es el mejor arámetro reresentatvo en los casos en que la meda no lo es. MEDIDAS DE DISPERSIÓ Srven ara medr el acercamento o alejamento de los datos resecto de algunas de las meddas de centralzacón, cas semre de la meda artmétca. Son meddas de dsersón: El Rango (r): Es la dferenca entre los valores mámo y mínmo de la V.E. Su cálculo es muy smle: r S estamos en una V.E.D., el rango es: mn má 0
11 S fuese una V.E.C., sería: r l l0, sendo l el últmo etremo del últmo ntervalo, y l 0 el rmer etremo del rmer ntervalo. Esta medda no es demasado sgnfcatva. La Varanza (σ ): Llamamos desvacones resecto de la meda a las dferencas d. Una medda razonable ara calcular un arámetro de dsersón sería la meda artmétca de todas las desvacones d d n otras negatvas) y se demuestra que en todos los casos, ero las desvacones d se anulan unas con otras (ya que unas salen ostvas y d 0. Con lo que la meda artmétca de las desvacones d no nos srve como arámetro de dsersón, ues en todas las dstrbucones valdría 0. Para que las desvacones d no se anulen unas con otras, se toman o sus cuadrados o sus valores f absolutos (en ambos casos sus valores se hacen ostvos) Al tomar la meda de los cuadrados de las desvacones, d, obtenemos la varanza, que se reresenta or σ σ ( ) S desarrollamos esta fórmula obtendremos una más fácl de usar: f σ f S la varable fuese contnua, habría que cambar or c (marcas de clase). La Desvacón Tíca (σ): La varanza es un medda de dsersón cuadrátca, or eso es convenente obtener una medda lneal de dcha dsersón. Dcha medda es la desvacón tíca, que se defne como la raíz cuadrada de la varanza. σ σ La Desvacón Meda (d M ): Es la meda artmétca de las desvacones en valor absoluto d. d M f S la varable estadístca fuese contnua, se cambaría or las marcas de clase c. La desvacón meda no se suele usar mucho en la ráctca.
12 El Coefcente de Varacón (c.d.v): Srve ara comarar la dsersón de dos dstrbucones dstntas. Es ndeendente de la undad en que vengan eresados los valores de las varables. Se defne como: σ c.d v. Indca la dsersón or undad y se suele dar en %, (sn más que multlcar or 00) Es evdente que a mayor coefcente de varacón, mas dsersa será la dstrbucón. MEDIDAS DE POSICIÓ CETRAL Srven ara conocer la oscón de un valor de la V.E. resecto del resto de la dstrbucón. Son meddas de oscón central las sguentes: Cuantles: Se defne el cuantl de orden de una dstrbucón, como el valor de la V.E. que deja or debajo de él al % de la oblacón. Entre los cuantles de orden más frecuente se encuentran: La Medana (Me): Es el cuantl de orden 50 (50 % or encma de la medana y 50 % or debajo). Ya está estudado. Cuartles (Q ): Dvden a la dstrbucón en 4 artes guales. Hay tres cuartles: Q (de orden 5), Q (de orden 50) y Q 3 (de orden 75) Decles (D ): Son los valores que dvden a la dstrbucón en 0 arte guales. Hay 9 decles: D (de orden 0), D (de orden 0), D 3 (de orden 30),..., D 9 (de orden 90) Percentles (P ): Dvden a la oblacón en 00 artes guales. Hay 99 ercentles: P (de orden ), P (de orden ), P 3 (de orden 3),..., P 99 (de orden 99). Para calcular los cuantles: Todos los cuantles son ercentles, ya que: Q P 5, Q M P 50, Q 3 P 75 D P 0, D P 0, D 3 P 30,, D 9 P 90 A la hora de calcular el ercentl P. se ueden resentar dos casos, según se trate de una V.E.D. ó de una V.E.C. Cálculo del ercentl P, ara una V.E.D.: Sea c el cocente decmal que resulta al dvdr el número total de datos entre 00. Llamamos α al roducto de c or el orden del ercentl, es decr: α c S α está entre dos valores de F, or ejemlo entre F m y F m+ ( < F ) será P m+ (corresondente a F m+ ). F α, el ercentl que buscamos P m < m+ S α concde con un valor F, or ejemlo con F m (α F m ), entonces el ercentl P será P + m m+
13 Ejemlo: El estudo de los cuantles tene sentdo ara un número grande de datos; or eso los encontraremos con el sguente ejemlo: Los resultados obtendos al reguntar a los 50 alumnos de º de bachllerato sobre el número de hermanos que tenen (en el I.E.S. Pedro Esnosa), se obtenen los resultados sguentes: º de hermanos (X ) f F (ó más) 4 50 Totales 50 Calcular Q, D 9 y P 7. Para calcular Q tendremos que buscar el ercentl P 5, ues Q P 5. Buscamos c:, 5 50 c, or tanto α será: α,5 5 37, 5 00 Como 8 < 37,5 < 08, tendremos que F m F 8, y F m+ F 08, luego Q P 5 m+. Esto nos dce que el 5% de los alumnos tenen como mucho hermano Para calcular D 9, tendremos que calcular P 90, ues D 9 P Buscamos c:, 5 c, or tanto α, Como 34 < 35 < 46, tendremos que F m F 3 34, y F m+ F 4 46, luego D 9 P 90 m+ 4 3 Esto nos ndca que el 90% de los alumnos tenen como mucho 3 hermanos. Vamos ahora a calcular el P 7 : El valor c es el msmo de antes, c,5, ahora a será:, Como α 08, concde en 3 esta ocasón con un valor F, ues F 08, luego P, 5 α Esto nos ndca que el 7% de los alumnos tenen como mucho,5 hermanos (Este resultado tan etraño es debdo a que la varable es un número natural) Cálculo del ercentl P, ara una V.E.C.: Se comenza como anterormente, calculando c y α. S α está entre dos valores de F, or ejemlo entre F m y F m+ ( < F ) m < m+ F α, el ntervalo del ercentl que buscamos será I P [h, t [ (ntervalo corresondente a F m+ ), y P estará dentro de dcho ntervalo. Para calcular P, obtenemos la ecuacón de la recta r y m + n que asa or los untos (h, F m ) y (t, F m+ ). 3
14 El ercentl P es el valor de corresondente a y α en la ecuacón de dcha recta. Ejemlo: En el ejemlo sguente, vamos a calcular P 65 : Los resultados obtendos al medr en cm. la altura de los 50 alumnos de º de bachllerato del I.E.S. Pedro Esnosa (durno), se reflejan en la sguente tabla: Alturas (cm) f F [50, 58 [ 4 4 [58, 66 [ 8 4 [66, 74 [ 70 [74, 8 [ 5 37 [8, 90 [ 0 47 [90, 98 [ 3 50 Totales Calculamos en rmer lugar c y α: c, 5 y, , 5 00 α. Como 4<97,5<, el ntervalo del ercentl P 65 será I P65 [ 66,74), (ntervalo corresondente a F m+ ). Ahora calculamos la ecuacón de la recta que asa or (66, 4) y or (74, ), r y m + n donde m 8, 75, 8, n 4, n 4 45,5 40, 5 de ecuacón: y 8,75 40, 5. El ercentl P 65 será la abscsa del unto de dcha recta de ordenada 97,5, es decr: 97,5 8,75 P 65 40,5, 97,5 + 40,5 8,75 7, , luego la recta r tendrá P, que ertenece al ntervalo [66, 74) 4
Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detalles7ª SESIÓN: Medidas de concentración
Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesTema 7: MEDIDAS DE CONCENTRACIÓN
Introduccón a la Econometría. Conceto. Las meddas o índces de concentracón tenen como objetvo fundamental cuantfcar el grado de desgualdad en el rearto o dstrbucón de una magntud económca (rentas, negoco,
Más detallesDualidad entre procesos termodinámicos y electromecánicos
ENERGÍA Y COENERGÍA EN IEMA ELECROMECÁNICO REALE, DEDE PROCEDIMIENO ERMODINÁMICO CLÁICO Alfredo Álvarez García Profesor de Inenería Eléctrca de la Escuela de Inenerías Industrales de adajoz. Resumen La
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesESTADISTICA APLICADA A LA EDUCACIÓN
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA
Más detallesCAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan
CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesCuaderno de actividades 4º ESO
Estadístca Undmensonal 1 Conceptos báscos. Cuaderno de actvdades º ESO Cualquer elemento o ente que sea portador de nformacón sobre alguna propedad en la cual se está nteresado se denomna ndvduo. El conjunto
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detalles4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es
4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesDepartamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN EMPRESARIALES ESTADÍSTICA
Deartamento de Economía Alcada ESCUELA UNVERSTARA DE ESTUDOS EMRESARALES DLOMATURA EN EMRESARALES ESTADÍSTCA Ejerccos Resueltos NÚMEROS ÍNDCES Curso 2006-2007 Deartamento de Economía Alcada Ejerccos Resueltos:
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesEJERCICIOS DE ESTADÍSTICA DESCRIPTIVA UNIDIMENSIONAL
EJERCICIOS DE ESTADÍSTICA DESCRIPTIVA UIDIMESIOAL. Se realza un estudo en una cudad sobre la caacdad hotelera y se obtenen los sguentes resultados: Plazas L L ) [ + úmero de Hoteles n 0 0 0 0 0 0 60 60
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detalles4 E.M. Curso: NOMBRE: 4º. Colegio SSCC Concepción - Depto. de Matemáticas. Guía N. Unidad de Aprendizaje: Estadísticas
Curso: Colego SSCC Concepcón - Depto. de Matemátcas Undad de Aprendzaje: Estadístcas Capacdades/Destreza/Habldad: Raconamento Matemátco/ Comprensón, Aplcacón/ Valores/ Acttudes: Respeto, Soldardad, Responsabldad
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesAnálisis avanzado Bondad de ajuste Simulaciones
Ejemlos Ejerccos Msceláneas Evaluacón Análss avanzado Bondad de ajuste Smulacones Bondad de ajuste. Intervalos de confanza. Muestras equeñas. Smulacones: método de Montecarlo. 3.1 Bondad del ajuste Volvendo
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesMatemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato
Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detalles1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n
4. Análss de regresón lneal múltle En caítulos anterores tratamos el análss de regresón smle que trata de relaconar una varable exlcatva cuanttatva con una varable resuesta cuanttatva. Todos los elementos
Más detallesANÁLISIS EXPLORATORIO DE DATOS
ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesPRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesCapítulo III Medidas de posición y de dispersión
Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento
Más detallesUNIVERSIDAD DE SONORA
UNIVERSIDAD DE SONORA Dvsón de Cencas Exactas y Naturales Departamento de Matemátcas Estadístca Aplcada a las Lcencaturas: Admnstracón, Contaduría e Inormátca Admnstratva. Fascículo II: Estadístca Descrptva
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesFÓRMULA PARA EL CÁLCULO DE LOS ÍNDICES DE PRECIOS ELEMENTALES EN LA ELABORACIÓN DE UN IPC
FÓRMULA PARA EL CÁLCULO DE LOS ÍNDCES DE PRECOS ELEMENTALES EN LA ELABORACÓN DE UN PC RODRÍGUEZ FEJOÓ, Santago Deartamento de Métodos Cuanttatvos en E. y G. Unversdad de Las Palmas de Gran Canara correo-e:
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS GUÍA PARA PREPARAR EL EXAMEN EXTRAORDINARIO DE ESTADISTICA Y PROBABILIDAD
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesPID. Descripción y reglas heurísticas de Sintonización
Práctca 5 PID. Descrcón y reglas heurístcas de Sntonzacón 1. Introduccón El objetvo de esta ráctca es que el alumno se famlarce y rofundce en el conocmento de la estructura de control PID, rofusamente
Más detallesCapítulo 3. SISTEMAS DE PARTÍCULAS
Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesCAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS
CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesCAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL
CAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL La estadístca descrptva en su uncón básca de reducr datos, propone una sere de ndcadores que permten tener una percepcón rápda de lo que ocurre en un enómeno. La
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesRegresión y Correlación
Regresón Correlacón 1.- El número de turstas (en mllones) entrados en España mensualmente durante los años 001 00 se epone en la sguente estadístca. Nº Turstas 001,76,6,9 3,8 4,4 4,81 8,93 9,98 5,91 4,34,6
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detalles3.3 Caracterización de grupos: Estadísticos de forma de la distribución
3.3 Caracterzacón de grupos: Estadístcos de forma de la dstrbucón 1. Smetría 2. Apuntamento o curtoss 3. Descrpcón estadístca de una varable: tabla resumen Ya ha sdo abordado en temas precedentes el análss
Más detallesGlosario básico. de términos estadísticos
Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detalles-.GEOMETRÍA.- a) 37 cm y 45 cm. b) 16 cm y 30 cm. En estos dos, se dan la hipotenusa y un cateto, y se pide el otro cateto:
-.GEOMETRÍA.- Ejercco nº 1.- Calcula el lado que falta en este trángulo rectángulo: Ejercco nº 2.- En los sguentes rectángulos, se dan dos catetos y se pde la hpotenusa (s su medda no es exacta, con una
Más detallesT. 5 Estadísticos de forma de la distribución
T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesMétodos cuantitativos de análisis Significación de Parámetros de un ajuste
Undad 5 (Etensón) Métodos cuanttatvos de análss gnfcacón de Parámetros de un ajuste Método de cuadrados mínmos en el caso de datos con errores Incertdumbre en la etraccón de arámetros de un ajuste Ensayo
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesTEMA 5: SISTEMAS ARITMÉTICOS Y LÓGICOS.
TENOLOÍ DE OMUTDORES URSO 7/8 Inocente Sánchez udad TEM 5: SISTEMS RITMÉTIOS Y LÓIOS 5 Sumadores bnaros as todo se hace con sumas: sumas, restas, productos, oncepto de acarreo 5 Semsumador Half dder (H)
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
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 detallesPORTAFOLIO DE TRES ACTIVOS FINANCIEROS
PORTAFOLIO DE TRES ACTIVOS FINANCIEROS Contendo:. Introduccón.. Fondos Mutuos. Rendmento y Resgo.. Parámetros estadístcos de un Portafolo de Tres Actvos. a) El Retorno de un Portafolo. b) El Resgo de un
Más detallesUSO Y MANEJO DEL SOFTWARE STATGRAPHICS
USO Y MANEJO DEL SOFTWARE STATGRAPHICS I.- ESTADISTICA DESCRIPTIVA. 1.1.- Defncón de Estadístca. 1.2.- Estructura y Tpos de Datos Estadístcos. 1.3.- Construccón de la Matrz de Datos 1.4.- Recuperacón de
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesU.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesCapacidad de Procesos según ISO 9000 Ing o. Angel Francisco Arvelo
EVALUACION DE LA CAPACIDAD DE CALIDAD DE UN PROCESO INDUSTRIAL METODOS ESTADISTICOS SUGERIDOS POR LA NORMA ISO 9000 ANGEL FRANCISCO ARVELO L. Ingenero Industral Master en Estadístca Matemátca CARACAS,
Más detallesOSCILACIONES 1.- INTRODUCCIÓN
OSCILACIONES 1.- INTRODUCCIÓN Una parte relevante de la asgnatura trata del estudo de las perturbacones, entenddas como varacones de alguna magntud mportante de un sstema respecto de su valor de equlbro.
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detalles