Diseño de experimentos : Definiciones,Glosario y Supuestos

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

Download "Diseño de experimentos : Definiciones,Glosario y Supuestos"

Transcripción

1 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. Dseño de expermentos : Defncones,Gosaro y Supuestos Un expermento estadístco es una secuenca de observacones de una o más varabes cuanttatvas, cuando otras varabes cuatatvas o cuanttatvas que supuestamente as afectan, amadas varabes de contro o factores, son manpuadas o cambadas por e expermentador. Varabe de respuesta: Varabe cuanttatva contnua, objetvo de expermento es: Varabes controabes, cuatatvas o cuanttatvas. que pueden ser manpuadas o coocadas en dferentes estados. Nvees de factor: Vaores nomnaes que corresponden a os dstntos estados en os que puede encontrarse un factor. Los factores pueden ser prncpaes o de boqueo. Los factores prncpaes son aqueos cuya nfuenca sobre as varabes de respuesta se quere medr con e expermento Los factores de boqueo son aqueos factores secundaros, o de estorbo, que pueden perturbar a as varabes de respuesta, y que pueden ser fjados tambén en dstntos nvees para medr su nfuenca. Tratamento: Cada una de as combnacones de nvees de os dstntos factores prncpaes Undad expermenta: Objeto (persona o cosa) sobre a cua se va a reazar a medcón de as varabes de respuesta, después de apcar un tratamento dado. Ensayo: Procedmento reazado para obtener una observacón Observacón: Resutado de medr cada una de as varabes de respuesta, bajo as accón de uno de os tratamentos. Fuente de varacón: Cuaquer factor panfcado o no que pueda contrbur a expcar a varabdad en a respuesta. Varabdad resdua: Varabdad debda a factores aeatoros o no panfcados en e expermento. Répca: Repetcón de ensayo sobre una nueva undad expermenta que recbe e msmo tratamento que a anteror. Dseñar e expermento consste en seecconar as varabes y factores a consderar, para uego panfcar a forma como van a ser tomadas as observacones, según e arrego prevsto en e modeo seecconado. Etapas en e dseño de un expermento Defnr os objetvos Especfcar as meddas con as que se trabajará, e procedmento de os ensayos y as medcones. Defnr os factores a consderar y sus nvees Ejecutar un expermento poto y evauaro. Seecconar e tpo de dseño que será apcado en e expermento. Determnar tamaño muestra y e número de répcas Obtener as observacones según e dseño seecconado. Procesar a nformacón, y obtener as concusones.

2 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. Tpos de dseño y supuestos Exsten muchas modeos para e dseño expermenta. En e curso sóo se anazaran as sguentes: Dseño competamente aeatoro: Consdera un sóo factor con nvees, y as observacones se toman en un orden competamente aeatoro. S e número de observacones es gua para cada nve, se dce que es un expermento baanceado. Para apcar este dseño, e expermentador debe consderar que as undades expermentaes son ncamente homogéneas, y que a varabdad en as respuestas se debe excusvamente a que as undades expermentaes recben dferentes tratamentos. Exsten dos tpos de modeos competamente aeatoros: Modeo I: De efectos fjos, donde e nvestgador seeccona de antemano os nvees de factor. E supuesto para este modeo es : j = µ + τ + e j Los errores se suponen ndependente y normamente dstrbudos con una varanza común. La hpótess a probar es: H : τ = τ = = τ o H : Agún τ 0 Modeo II: De efectos aeatoros, donde e nvestgador seeccona a azar os nvees de factor dentro de una pobacón de posbes nvees, y por o tanto os τ son varabes aeatoras. Este modeo además de os supuestos anterores, supone que cada efecto de factor, es decr τ,es ndependente de error, y que estos efectos sguen una dstrbucón norma con meda 0 y una varanza σ τ. = 0 La hpótess a probar es: H : σ = 0 o τ H : σ > 0 τ Dseño en boques competos a azar: Consdera un sóo factor con nvees, pero dado que as undades expermentaes no son ncamente homogéneas, e nvestgador ntroduce antes de apcar os tratamentos un factor de boqueo, que casfca a as undades expermentaes en grupos homogéneos, amados boques. La paabra competo se debe a que en cada boque se expermenta con todos os nvees de factor. La asgnacón de nve de factor que e corresponde a cada una de as undades de boque se hace aeatoramente. E supuesto de modeo estabece: j = µ + τ + γ j + e j, donde as dferentes γ j representan e efecto de boque. La hpótess a probar es: H : τ = τ = = τ o H : Agún τ 0 Dseño en cuadrado atno: Consdera un sóo factor con nvees, pero con dos factores de boqueo. E nombre de cuadrado atno se derva de hecho que e factor prncpa, y os dos de boqueo deben tener gua número de nvees, y de que as etras atnas representan os nvees de factor prncpa, mentas que as fas y coumnas os nvees de os factores de boqueo. E supuesto de modeo es : j = µ + τ + γ j + δ + e j, donde as dferentes γ j y os δ representan e efecto de cada factor de boqueo. = 0

3 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. 3 Dseño en cuadrado grecoatno: Consdera un sóo factor con nvees, y tres factores de boqueo. Las etras atnas representan os nvees de factor prncpa, mentas que as fas,as coumnas y as etras gregas os nvees de os factores de boqueo. E factor prncpa y os tres de boqueo deben tener gua número de nvees. E supuesto de modeo es: jm = µ + τ + γ j + δ + φ m + e j, donde os γ j, δ φ m representan e efecto de cada uno de os factores de boqueo. TABLAS ANOVA Dseño competamente aeatoro: En este caso as observacones venen de a forma { j } donde e prmer subíndce representa e nve de factor y e segundo e número de a observacón. =,,., ; j =,,.,n N = n. La taba ANOVA para e caso de efectos fjos es como sgue: Fuente g.de Suma de Cuadrados Cuadrado Medo F Sgnfc. - Error N- Tota N- n n( ) n j ( ) ( ) j S.C.F S.C.E N C.M.F Vaor p Cuando Vaor p < α, se rechaza H o, y a concusón de expermento es que por o menos dos nvees de factor tenen dferente meda, y que por o tanto e factor es nfuyente. Para dentfcar os nvees de factor que presentan dferencas sgnfcatvas exsten varos métodos: L.S.D, Duncan, Tucey e Intervaos de confanza. E método LS.D ( Least Sgnfcant Dfference) es equvaente a de construr ntervaos de confanza, y consste en cacuar todas as dferencas absoutas entre medas de nvees, es decr todas as. j ( j > L.S.D Exste dferenca sgnfcatva entre e nve y e nve j de factor. L.S.D = t + α /;N n n j j ) ± L.S.D es e ntervao de (-α) de confanza para µ -µ j. Cuando este ntervao contene a cero, a concusón es que no exste dferenca sgnfcatva entre estos dos nvees de factor. Agunas fórmuas útes para smpfcar os cácuos son:. S.C.F = n( ) = n N S.T.C = n (j ) = S.C.E = S.T.C S.C.F n j N

4 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. 4 La notacón con punto como subíndce sgnfca que se ha totazado sobre este subíndce, y así por ejempo, sgnfca a suma tota de todas observacones; mentras que. representa a suma de as observacones en e nve. Dseño en boques competos a azar: En este caso as observacones venen dspuestos en una forma matrca de dmensón b x, donde as fas representan os nvees de factor de boqueo, y as coumnas os nvees de factor prncpa; de manera que j representa e resutado de a observacón con e factor de boqueo a nve, y e prncpa a nve j. La taba ANOVA para e caso de efectos fjos y una soa répca es como sgue: Fuente g.de Suma de Cuadrados Cuadrado F Sgnfc. Prncpa - de Boqueo b- Error Tota (-) (b-) b b ( ) b.j ( ). ( b j..j ( ) j + ) Medo S.C.F S.C.B b S.C.E ( )(b ) C.M.F C.M.B Vaor p F Vaor p B Vaor p F < α por o menos dos nvees de factor prncpa tenen dferente meda. Vaor p B < α por o menos dos nvees de factor de boqueo tenen dferente meda. Para dentfcar os nvees de factor Prncpa que presentan dferenca sgnfcatva, se apca e método L.S.D, para as dferencas entre medas muestraes de todas as parejas de nvees. En este caso: L.S.D = t α /;(a )(b ) b Agunas fórmuas útes para smpfcar os cácuos son:.j = S.C.F = b ( ) b S.T.B= (. ) = n S.T.C = ( ) = j S.C.E = S.T.C S.C.F - S.C.B.j b b b n j b Dseño en cuadrado atno: En este caso as observacones venen dspuestos tambén en una forma matrca cuadrada de dmensón x, donde as fas representan os nvees de prmer factor de boqueo, as coumnas os nvees de segundo factor de boqueo y as etras atnas os nvees de factor prncpa. Cuadrado atno 3 x 3 A B C C A B B C A Cuadrado Latno 4 x 4 A B C D D A B C C D A B B C D A Cuadrado Latno 5 x 5 A B C D E E A B C D D E A B C C D E A B B C D E A

5 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. 5 Para una msma dmensón exsten muchos arregos en forma de cuadrado atno, de hecho a permutar far o coumnas dentro de un cuadrado atno resuta otro cuadrado atno. Exsten por ejempo, 576 cuadrados atnos 4 x 4. A dseñar e expermento debe sortearse a azar e cuadrado atno a eegr, así como tambén a fa, a coumna y a etra atna que e corresponde a cada uno de os nvees. Cada observacón se desgna por j; donde os subíndces representan fa, coumna y etra atna respectvamente. La taba ANOVA para e caso de una soa répca es como sgue: Fuente g.de Suma de Cuadrados Cuadrado F Sgnfc. Prncpa - Fa Boqueo Coumna Boqueo ( ) - ( ) - ( ) j Medo S.C.F S.C.Fa S.C.Coumna C.M.F C.M.Fa C.M.Coumna Vaor p F Vaor p Fa Vaor p coumna Error (-) (-) S.T.C S.C.F- S.C.Fa - S.C.Coumna Tota - j S.C.E ( )( ) Agunas fórmuas útes para smpfcar os cácuos son: S.C.F = ( ) = S.C. Fa = S.C. Coumna = = ( ) j = ( ) j Dseño en cuadrado grecoatno: En este caso as observacones venen dspuestos tambén en una forma matrca cuadrada de dmensón x, donde as fas representan os nvees de prmer factor de boqueo, as coumnas os nvees de segundo factor de boqueo, as etras gregas os nvees de tercer factor de boqueo, y as etras atnas os nvees de factor prncpa. Cuadrado greco atno 3 x 3 Cuadrado greco atno 4 x 4 Cuadrado grecoatno 5 x 5 Aα Bβ Cγ Aα Bβ Cγ Dδ Aα Bβ Cγ Dδ Eε Cβ Aγ Bα Bγ Aδ Dα Cβ Bγ Cδ Dε Eα Aβ Bγ Cα Aβ Cδ Dγ Aβ Bα Cε Dα Eβ Aγ Bδ Dβ Cα Bδ Aγ Dβ Eγ Aδ Bε Cα Eδ Aε Bα Cβ Dγ Cada observacón se desgna por jm; donde os subíndces representan fa, coumna y etra atna y etra grega respectvamente.

6 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. 6 La taba ANOVA para e caso de una soa répca es como sgue: Fuente g.de Suma de Cuadrados Cuadrado Medo Prncpa - Fa Boqueo - Coumna Boqueo L. grega Boqueo - - ( ) ( ) ( ) ( ) j m S.C.F S.C.Fa S.C.Coumna S.C.Lgrega F C.M.F C.M.Fa C.M.Coumna C.M.Lgrega Sgnfc. Vaor p Vaor p Fa Vaor p coumna Vaor p etra grega Error (-) (-3) S.T.C S.C.F- S.C. Fa - S.C. Coumna S,C L grega Tota - j S.C.E ( )( 3) Agunas fórmuas útes para smpfcar os cácuos son: S.C.F = ( ) = S.C. Fa = S.C. Coumna = = ( ) j = ( ) S.C. Letra Grega = ( m ) = j m EJEMPLO: Interesa saber s exste dferenca sgnfcatva entre as mas recorrdas por gaón, entre as gasonas A, B, C y D. Se consderaron os sguentes factores de boqueo: Fa: Tpo de Vehícuo Coumna: Conductor Letra Grega: Tpo de carretera Con un arrego en forma de cuadrado greco atno, e número de mas por gaón resutó ser: Conductor Conductor Conductor 3 Conductor 4 Vehícuo Bγ 9 Aβ 6 Dδ 6 Cα 4 Vehícuo Aδ 5 Bα 8 Cγ Dβ 5 Vehícuo 3 Dα 4 Cδ Bβ Aγ 6 Vehícuo 4 Cβ 6 Dγ 6 Aα 5 Bδ 3 Anazar a un nve de sgnfcacón de 5% s exste dferenca sgnfcatva entre os cuatro tpos de gasona. SOLUCION: Se determnan os totaes de fa, de coumna, de etra atna y de etra grega:

7 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. 7 Totaes de fa: = = 65 = = 59 3 = = 6 4 = = 70 Totaes de etra atna:... = = 6... = = = = = = 6 Totaes de coumna:... = = = = = = = = 68 Totaes de etra grega: = = 6 = = 68 3 = = 6 4 = = 65 Tota genera:.= 56 Se cacuan ahora as sumas de cuadrados correspondentes a cada factor: S.C. Fa = = S.C. Coumna = S.C.F = j = = = = =.50 m S.C. Letra Grega = = 4 6 La suma tota de cuadrados es: S.T.C = j = = 48 6 Y a suma de cuadrados debda a error: S.C.E = = 6 = 7.50 Fnamente, e resutado de estos cácuos es presentado en a taba ANOVA Fuente g.de b. Suma de cuadrados Cuadrado medo F Gasonas Vehícuos Conductores Camnos Error Tota Como e vaor crítco dado en a taba de a Dstrbucón F es: F 0.05; 3,3 = 9.8, se concuye que e únco factor sgnfcatvo es e tpo de gasona, por ser e únco cuyo vaor F supera este vaor crítco. Los tres factores de boqueo resutan no nfuyentes. Para dentfca cuaes tpo de gasonas presentan dferencas sgnfcatvas, se hace necesaro ahora encontrar e L.S.D, y hacer as comparacones mútpes entre todas as dferencas posbes entre medas. Las meda de cada tpo de gasona resuta ser: A = 5.50 ; B = 0.5 ; C = 3 ; D = 5.5

8 Estadístca para a Cadad y a Productvdad Profesor: Ange Francsco Arveo L. 8 (6.00) L.S.D = t α /;( )( = 3.8 3) 4 = 5.5 La únca dferenca de medas que supera este L.S.D es = 7.5 > 5.5 Por o tanto, a concusón de expermento es que a gasona B proporcona un número promedo de mas por gaón sgnfcatvamente mayor que a C ; y as restantes comparacones no evdencan una dferenca sgnfcatva. B c

la variable aleatoria relativa a esa indemnización 1 T( x) ( 0, n] será 2 : [ ] n t = (2) t x T x

la variable aleatoria relativa a esa indemnización 1 T( x) ( 0, n] será 2 : [ ] n t = (2) t x T x Modeo Actuara de 99.5% de sufcenca de a prma neta únca de seguro sobre una soa vda bajo e concepto de varabe aeatora (prmera parte) Oscar Aranda M UNAM, Fac. Cencas Novembre, If you are out to descrbe

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN 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 detalles

+ x+ (19) expresión que puede ser vista como. : Prima neta nivelad del seguro continuo temporal a n-años

+ x+ (19) expresión que puede ser vista como. : Prima neta nivelad del seguro continuo temporal a n-años eserva Matemátca bajo e concepto de varabe aeatora y su nve de Sufcenca de seguro sobre una soa vda, (Propuesta de Modeo Actuara) (segunda parte) Oscar Aranda M UNAM, Fac. Cencas Dc 0 Por a gnoranca se

Más detalles

Diseño de Bloques al azar. Diseño de experimentos p. 1/25

Diseño de Bloques al azar. Diseño de experimentos p. 1/25 Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 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 detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras. Capítulo : Comparacón de varos tratamentos o grupos Muchas preguntas de nvestgacón en educacón, pscología, negocos, ndustra y cencas naturales tenen que ver con la comparacón de varos grupos o tratamentos.

Más detalles

Diseños en cuadrados greco-latinos

Diseños en cuadrados greco-latinos Capítulo 8 Diseños en cuadrados greco-latinos 8.1. Introducción El modelo en cuadrado greco-latino se puede considerar como una extensión del cuadrado latino en el que se incluye una tercera variable de

Más detalles

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón

Más detalles

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS 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 detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas 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 detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO 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 detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De 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 detalles

LECTURA 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 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 detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

IN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco

IN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

Tema 4: Variables aleatorias

Tema 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 detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Diseño por bloques aleatorizados completos

Diseño por bloques aleatorizados completos Diseño por bloques aleatorizados completos Introducción Al estudiar la influencia de un factor sobre una variable cuantitativa es frecuente que aparezcan otras variables o factores que también influyen

Más detalles

PRINCIPIO DE MINIMA ENERGIA POTENCIAL COMPLEMENTARIA. Principio de Mínima Energía Potencial Complementaria

PRINCIPIO DE MINIMA ENERGIA POTENCIAL COMPLEMENTARIA. Principio de Mínima Energía Potencial Complementaria Apéndce A Prncpo de Mínma Energía Potenca Compementara A- ntroduccón epresón: Se defne como energía potenca compementara * para sstemas eástcos a a * W * R U (Ec A) *: Es una funcón cuyas varabes son fuerzas

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

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 Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

2 Dos tipos de parámetros estadísticos

2 Dos tipos de parámetros estadísticos Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos 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 detalles

HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I)

HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I) HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: Módulo 13 APUNTES DE CLASE Profesor: Arturo Ruz-Falcó Rojas Madrd, Mayo 009 Pág. 1 Módulo 13. HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Relaciones entre variables

Relaciones 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 detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales

Tema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

Estadística Unidimensional: SOLUCIONES

Estadística Unidimensional: SOLUCIONES 4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas

Más detalles

UNIDAD 1: Tablas de frecuencias

UNIDAD 1: Tablas de frecuencias UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 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 detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

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 detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

UNED. DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 5] Diseños con más de dos grupos independientes

UNED. DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 5] Diseños con más de dos grupos independientes 0 UNED DSEÑOS DE NVESTGACÓN Y ANÁLSS DE DATOS [TEMA 5] Dseños con más de dos grupos ndependentes Índce 5..- ntroduccón 5..- Objetvos 5.3.- Conceptos báscos del ANOVA 5.4.- Fundamentos del ANOVA 5.5.- Análss

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Tema 1. Conceptos generales

Tema 1. Conceptos generales Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS

Más detalles

Estadistica No Parametrica

Estadistica No Parametrica Estadstca No Parametrca CLASE 3 Pruebas Basadas en la Dstrbucon Bnomal JAIME MOSQUERA RESTREPO Bnomal Test La prueba bnomal es quzás la prueba mas antgua encontrada en al lteratura. Se encuentra asocada

Más detalles

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 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 detalles

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD Químca Analítca (913) 1 rrores y tratamento estadístco de datos TRATAMINTO D LOS RSULTADOS ANALITICOS A- SIGNIFICADO D LA MDICION D UNA MAGNITUD Medr una magntud físca es asocarle a la msma un valor dmensonado

Más detalles

PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS 1. La Significación de Medias en Muestras Grandes

PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS 1. La Significación de Medias en Muestras Grandes Departamento de Maneo Forestal FR00 SEMINARIO EN ESTADISTICA FORESTAL PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS La Sgnfcacón de Medas en Muestras Grandes De las sesones anterores podemos entender

Más detalles

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice 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 detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES

UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS ORESTALES USO DE CALC DE OPENOICE EN EL ANÁLISIS DE DISEÑOS EXPERIMENTALES TESIS PROESIONAL QUE COMO REQUISITO PARCIAL PARA OBTENER EL TÍTULO DE: LICENCIADO

Más detalles

PROCESOS DE SEPARACION UTILIZANDO EQUIPOS DE ETAPAS DE EQUILIBRIO

PROCESOS DE SEPARACION UTILIZANDO EQUIPOS DE ETAPAS DE EQUILIBRIO PROCESOS DE SEPARACION UTILIZANDO EQUIPOS DE ETAPAS DE EQUILIBRIO Concepto de equlbro físco Sstema Fase Componente Solubldad Transferenca Equlbro Composcón 2 Varables de mportanca en el equlbro de fases:

Más detalles

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)

Más detalles

Análisis de Varianza no paramétricos

Análisis de Varianza no paramétricos Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

Modelos para más de una variable

Modelos para más de una variable 1 Modelos para más de una varable Hasta ahora se han vsto dferentes modelos estadístcos para el caso de una sola magntud bológca medda. Pero en los expermentos es frecuente tratar el caso donde hay más

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

1. ESTADÍSTICA DESCRIPTIVA.

1. ESTADÍSTICA DESCRIPTIVA. Departamento de Matemátcas http://www.colegovrgendegraca.org/eso/dmate.htm Estadístca descrptva 1. ESTADÍSTICA DESCRIPTIVA. 1.1. Introduccón. En general, cuando se va a estudar un determnado colectvo,

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media 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 detalles

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS 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 detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

ESTRUCTURAS DE PÓRTICOS ESPACIALES

ESTRUCTURAS DE PÓRTICOS ESPACIALES ÁLULO ATRAL DE ESTRUTURAS ESTRUTURAS DE PÓRTOS ESPAALES Barra en e espaco en coordenadas ocaes P z m z P y m y m x P x P z mz P y m y m x P x Los esfuerzos y despazamento en coordenadas ocaes serán Px

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: 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 detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles