CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO...

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

Download "CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO..."

Transcripción

1 CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO LA INTERPRETACIÓN DE LOS PARÁMETROS ESTIMADOS INTERVALOS DE CONIANZA PARA LOS PARÁMETROS PREDICCIÓN COEICIENTE r CASOS DE ESTUDIO, PREGUNTAS PROBLEMAS CASO 13.1: UNCIÓN CONSUMO PROBLEMAS BIBLIOGRAÍA... 50

2

3 Capı tulo 13. INTRODUCCION AL E l amplo pctro dl tudo d la rlaco tr varabl, tato cuattatva como cualtatva, qu volucra l proco d vtgacó coométrca, xt la pobldad d tablcr rlaco fucoal. E algua d lla, la varacó d ua varabl dpdt xplcada por la varaco d ua o má varabl dpdt, mdat fuco lal qu volucra adcoalmt u térmo alatoro. E partcular, t capítulo ca l tudo d la rlaco lal tr do varabl cuattatva. Para llo, tuda la forma d pcfcacó y tmacó d a rlaco lal y la bodad d la mma Epcfcacó dl modlo E l aál d la formacó xt, frcutmt, u úmro d varabl clav qu covrt l ctro d atcó dl tudo. El aál d rgró proporcoa ua hrramta qu pud cuatfcar tal rlaco y proporcoar u cotrol tadítco. E u aál d dpdca puto qu volucra ua varabl dpdt, como l puto d atcó dl aál, la cual xplcada por la varabl dpdt o varabl xplcatva. El aál d rgró tá ortado haca - la dcrpcó, obtcó d la rlaco tr varabl dpdt y ua varabl dpdt para u cojuto d obrvaco. - la prdccó, vl a alcazar por la varabl dpdt bajo l uputo d comportamto d la varabl xplcatva. La cotruccó d u modlo d rgró, gralmt, mpza co la pcfcacó d la varabl dpdt y d la varabl, o varabl, dpdt. : varabl dpdt o dóga f : varabl dpdt o xóga.

4 488 Como o pud xplcar forma prfcta l comportamto d ólo por adcoa u térmo d rror, ε : f ε, A éta la doma cuacó d rgró d obr. ε l rduo, o rror, y ua varabl alatora. Et térmo hac rfrca a rror d mdcó d la varabl, rror d pcfcacó dl modlo y omó d otra varabl xplcatva qu fluy obr l comportamto d. Al r ε varabl alatora, també lo. S xplcta ua rlacó lal para f ( ) f S dpo d obrvaco d y d, pud pcfcar l gut modlo d rgró. α β ε 1,, dod, = varabl dpdt = varabl xplcatva ε = prturbacó alatora o térmo d rror, = parámtro dl modlo. El modlo tá baado la gut codraco: La rlacó pcfcada lal. Eto coduc a tr qu lalzar aqulla rlaco fucoal o lal a fcto d podr aplcar l aál. El térmo d rror ua varabl alatora dod: - El promdo cro. ε E 0

5 489 - La varaza cotat. Eto gfca qu l rror o má grad para valor grad d qu para valor pquño d. Eto lo cooc como homocdatcdad. V ε Eε ε σ j j - Lo rror o dpdt tr í. Eto gfca qu lo rror d ua obrvacó o dpd d la obrvacó atror. Eto lo cooc como o autocorrlacó. Cov ε ε Eε ε 0 j j - El rror t dtrbucó ormal d mda cro y varaza cotat. ε N( 0, σ ) La varabl xplcatva fja, o tocátca dpdt d lo rror Covε Eε 0 Bajo l cumplmto d t cojuto d uputo, lo tmador mmocuadrátco o lal, gado y óptmo (ELIO) y pobl cotrur trvalo d cofaza y ralzar tt para y. j 13.. Etmacó d lo parámtro dl modlo Lo parámtro y tma por l método d mímo cuadrado. Eto lgr y como tmador d y, rpctvamt, d tal mara qu la uma d la dfrca al cuadrado tr l valor obrvado y l valor tmado d la varabl dpdt a míma. E dcr, qu tga la gut propdad Q Ŷ 1 mímo La gráfca mutra la dpró d la formacó provt d la obrvacó d do varabl. La lía rcta mula l modlo tmado. La dfrca tr l valor obrvado y la lía tmada l rror. Lo qu mmza la uma d cuadrado tr lo puto y la lía, forma vrtcal. Lo parámtro y o la caractrítca d la rlacó tr. Rmplazado Q, por u gual: Q 1

6 490 gura 13.1 Gráfco d dpró Para qu l valor d Q a mímo db drvar co rpcto a y gualar a cro. Q Q D ta mara tmo u tma d do cuaco y do cógta domada cuaco ormal. D la prmra obt l valor d

7 491 Rmplazado éta la guda obt y, doma cofct d rgró y baa la mutra alatora. Cada mutra alatora tdrá aocada u α y u β, dfrt. Ua mdda d ta varacó d la tmaco d lo parámtro tá dada por u rror tádar. D t modo, aí como la mda mutral,, t u rror tádar qu tmado por ; també y t u rror tádar aocado co cada uo d llo, α y β. 1 La varaza d lo rror d la rgró,, tma a partr d La trprtacó d lo parámtro tmado Lo parámtro t u gfcado muy prco. - El parámtro dca qu, la varabl camba ua udad, la varabl cambará udad. - El parámtro rflja l vl qu alcaza la varabl dpdt cuado la varabl xplcatva aum l valor ulo.

8 49 Tal como dcó atrormt, la tmacó d, t ua varacó aocada co lla (mdda por ), porqu baa ua mutra d dvduo. Ua forma d valuar la magtud d, tomado cuta u varacó, cot uar ua pruba tadítca d hpót. Para to calcula l tadítco t, t Bajo la hpót ula, qu rá platada como = 0, l tadítco t rduc a, t t Nuvamt, como hzo otra pruba d hpót, t valor mpírco d t compara co l valor tórco. S l valor mpírco upror, valor aboluto, al valor tórco rchaza la hpót ula y dcd qu 0 y por lo tato, la rlacó tr gfcatva, a u valor d probabldad dtrmado Itrvalo d cofaza para lo parámtro Para cotrur trvalo d cofaza para lo parámtro d la rgró, utlza la dtrbucó t, tdo cuta qu t t Explíctamt, para l parámtro ; / ; / = 1 Rolvdo d gual mara a como hcra para tmar por trvalo l valor d t, ; + ; / = 1 Para l parámtro procd d gual mara.

9 493 També pobl tmar l trvalo d cofaza para la varaza d la tmacó. Aquí hay qu rcordar qu la varaza dtrbuy ch cuadrado y qu l trvalo cotruy hacdo ; / ; / = 1 D modo qu, l trvalo d cofaza d la varaza ; / ; / = 1 Dod o lo grado d lbrtad qu, rgró mpl, gual a Prdccó El modlo d rgró, dd lugo, pud r uado como ua hrramta prdctva. Dada la cuacó d rgró pud prdcr valor futuro d dado u valor futuro d uado El valor d v dado por D aquí l rror d prdccó Como E 0 E 0 E 0 E 0

10 494 D dod: E Eto gfca qu l prdctor gado. La varaza dl rror d prdccó : V V V V, cov Por lo tato, V crmta a mdda qu alja d. Como dcoocda tma por: SCR D aquí, l rror tádar d la prdccó 1 1 Eta últma xpró pud utlzar para cotrur trvalo d cofaza para. Para tr cuta: - La prdccó uado valor xtrmo d la varabl dpdt pud r arrgada. Rcurd qu l uputo lal pud r apropado olo para u rago lmtado d la varabl dpdt. Admá, la mutra alatora o proporcoó formacó acrca d lo valor xtrmo d po.

11 495 - S l cotxto camba, como l hcho d comudad dfrt, toc, lo parámtro dl modlo vrá afctado. Lo dato provt d la mutra alatora furo obtdo bajo u cojuto d codco d la poblacó. S camba, toc l modlo pud vr afctado Cofct r Para valuar la capacdad prdctva dl modlo ua l cofct d dtrmacó o r. Et cofct la razó d la varacó xplcada obr la varacó total: var acó r total var acó o xp lcada var acó total var acó xp lcada var acó total r ( ) ( ) ( ) ( ) ( ) La varacó total dvd la varacó qu xplca l modlo d rgró, varacó xplcada, y la varacó qu o xplca l modlo d rgró, varacó o xplcada. El térmo r l cuadrado d la corrlacó tr. Por cogut, cutra tr cro y uo. Ejmplo. E u ctro médco qur tudar, d la poblacó d hombr adulto apartmt ao, la rlacó xtt tr la coctracó d glucoa la agr co l po. Epcífcamt, tá trado coocr l po d la proa dtrma l vl d glucoa xtt la agr Glucoa Po gura 13. Gráfco d dpró

12 496 Obrvacó Po ( kgr.) Glucoa (mg/100ml) 1 64, ,0 4096,00 94,50 13, ,710 75, ,7 5670,09 100,83 8,717 75, , ,0 539,00 99,110 4,890 3,91 4 8, , 6740,41 103,751-1,751 3, , ,0 5806,44 100,74 4,58 18, , ,7 9158,49 110,687 10, , , ,6 358,36 9,174-13, , , ,8 873,56 109,514 -,514 6,30 9 8, ,1 6740,41 103,751 -,751 7, , ,5 65,1 10,119-17,119 93, , ,3 588,89 100,997-1,997 3, , ,0 6740,41 103,751-3,751 14, , , 7039,1 104,669 3,331 11, , ,0 539,00 99,110 4,890 3, , ,8 4147,36 94,74 7,76 5, , , 601,76 101,456-14,456 08,976 Suma 137, , ,60 104,648 gura 13.3 Tabla d dato La obrvaco furo grafcada l dagrama d dpró d la gura 13., dod, cada puto d la gráfca, rprta u dvduo para l cual obrvó l po y l vl d glucoa. La dpró d la ub d puto prta ua aocacó potva. El gut pao, cot obtr ua lía qu tga l mjor ajut para to puto. La lía doma lía d mímo cuadrado y obt a partr d la pcfcacó dl modlo d rgró: dod: α β ε, la varabl dpdt vl d glucoa, la varabl xplcatva po y, parámtro a tmar, térmo d rror S db calcular lo valor d lo tmador d lo parámtro y a partr d lo dato cogado la tabla. D allí obt lo valor promdo d la varabl Po Coctracó d glucoa. y

13 S calcula lo cofct d la rgró * * * * Co to rultado la lía d rgró tmada El valor ua tmacó dl parámtro, dca l vl d glucoa dpdt dl po alcazado por la proa. El valor 0.51, ua tmacó dl parámtro qu dca cuáto camba l vl d glucoa cuado camba l po ua udad. El térmo ua tmacó dl vl d glucoa baada l modlo d rgró, por jmplo, cuado 64: * D t modo, para u pact d 64 Kg., la tmacó dl vl d glucoa d Glucoa Po gura Gráfco d dpró

14 498 S obtuvra otra mutra alatora d 16 varo adulto, cotdría dvduo dfrt. Como rultado, l gráfco d dpró dfrría d la fgura atror y lo cofct d rgró, y, ría dfrt. La varaza d lo rror y d lo cofct obt d la gut mara: * * Co to valor lo dvío d la rgró y lo cofct alcaza lo gut valor: Hata aquí ha ralzado ua tmacó putual dl valor d lo cofct d la rgró. Pro pobl, como ocurr co otro parámtro, ralzar ua tmacó por trvalo agádol ua probabldad d ocurrca. P t t P * P * * P t t P * P Cuado plata l modlo d rgró, l prmr uputo qu l comportamto d la varabl afcta l comportamto d la varabl. Para probar to cotrata la hpót d

15 499 qu l parámtro ulo. S to fura aí; toc, o habría fcto dl po obr lo vl d glucoa y l modlo o dbría r uado para gú propóto. H0 : 0 El tadítco d pruba t H Al vl d gfcacó d 0.05, 0. 05, l valor d la dtrbucó t co 14 grado d lbrtad (valor tórco d t) d Eto gfca qu l valor d pruba ca la zoa d acptacó d la H 0, por lo qu l po alcazado por lo hombr adulto apartmt ao o afcta l vl d glucoa obrvado llo. Para prdcr l valor dl vl d glucoa a partr dl modlo d rgró, upo u vl d po y rmplaza l mmo. S propo u po d 80 Kg, u vl d glucoa tmado ba al modlo, ría: El r * gual a 0.3; por cogut, l 3% d la varacó total d, tá xplcada por CASOS DE ESTUDIO, PREGUNTAS PROBLEMAS Cao 13.1: ucó coumo Co formacó umtrada por l Mtro d Ecoomía d la Nacó, pcfca u modlo d rgró lal para tmar la fucó coumo Argta. Problma Rplca l jmplo darrollado al fal dl capítulo utlzado algbra matrcal.

16 El grt d marktg d ua cada d autorvco qur dtrmar l fcto dl paco, la tatría, obr la vta d almto para amal dométco. S lccoó ua mutra alatora d 1 autorvco, d gual tamaño, cuyo rultado mutra la tabla. a) Grafqu l dagrama d dpró b) Epcfqu l modlo y utlc l método d mímo cuadrado para tmar lo cofct d la rgró c) Itrprt l gfcado d la pdt t problma d) Prdga la vta maal promdo, d almto para amal dométco, para u autorvco co 8 mtro d tatría para o almto. ) Calcul l rror tádar d la tmacó f) Calcul l cofct d dtrmacó trprt u gfcado g) Calcul l cofct d corrlacó h) Ecutr ua tmacó d trvalo co l 90% d cofaza la vta maal promdo d u autorvco qu t 8 mtro d tatría para almto d amal dométco ) Co u vl d gfcacó dl 0.10, hay rlacó lal tr l paco la tatría y la vta? Rlacó tr vta y paco tatría Autorvco Epaco Vta maal (mtro) (ml d po) E ua fábrca d automóvl, u tadítco qur darrollar u modlo para prdcr l tmpo d trga (úmro d día tr la fcha dl pddo y la fcha d trga) d automóvl uvo cuyo pddo cotmpla umroo qupo opcoal. El tadítco cr qu hay ua rlacó lal tr l úmro d opco pdda y l tmpo d trga. S lccoa ua mutra alatora d 16 automóvl qu arroja lo rultado d la tabla a) Grafqu l dagrama d dpró

17 501 b) Epcfqu l modlo y utlc l método d mímo cuadrado para tmar lo cofct d rgró c) Itrprt l gfcado d la pdt t problma d) S orda u automóvl qu tga 16 opco, cuáto día cr utd qu tardaría para la trga?. ) Calcul l rror tádar d la tmacó f) Calcul l cofct d dtrmacó trprt u gfcado g) Calcul l cofct d corrlacó h) Ecutr ua tmacó d trvalo co l 95% d cofaza para l tmpo mdo d trga d u automóvl qupado co 16 opco ) Co u vl d gfcacó dl 0.05, hay rlacó lal tr l úmro d opco y l tmpo d trga? Rlacó tr tmpo d trga y opco ordada Automóvl Númro d opco Tmpo d trga U gro agróomo qur dtrmar l fcto d aplcar u frtlzat orgáco atural obr l rdmto d tomat. S va a utlzar cco catdad dfrt d frtlzat 10 lot quvalt. Lo vl d frtlzat aga forma alatora a lo lot arrojado lo rultado d la tabla. a) Grafqu l dagrama d dpró b) Epcfqu l modlo y utlc l método d mímo cuadrado para tmar lo cofct d rgró c) Itrprt l gfcado d la pdt t problma d) Prdga l rdmto d tomat para u lot al cual l ha aplcado 15 klo por

18 50 hctára d frtlzat orgáco atural. ) Calcul l rror tádar d la tmacó f) Calcul l cofct d dtrmacó trprt u gfcado g) Calcul l cofct d corrlacó h) Ecutr ua tmacó d trvalo co l 90% d cofaza para l rdmto promdo d tomat frtlzado co 15 klo por hctára d frtlzat orgáco atural ) Co u vl d gfcacó dl 0.05, hay rlacó lal tr la catdad d frtlzat utlzado y l rdmto d tomat? Rlacó tr rdmto y vl d frtlzat aplcado Lot Catdad d frtlzat (klo/hctára) Rdmto (klo) Bblografía Bro, Mark y Lv, Dal. Etadítca Báca E Admtracó. Méxco: Prtc Hall, Etadítca Para Admtracó Ecoomía. Cocpto Aplcaco. Méxco: Mc. Graw Hll, Dagum, C y B d Dagum E. Itroduccó a La Ecoomtría. Méxco: Edtoral Sglo I, Dal, W. Botadítca, Ba Para El Aál D La Cca D La Salud. Méxco: Edtoral Lmua, Gujarat, Damodar. Ecoomtría. Méxco: Mc.Graw Hll, 004. Hldbrad, D. y Lyma Ott R. Etadítca Aplcada a La Admtracó a La Ecoomía. Wlmgto, USA: Addo Wly Ibroamrcaa, Johto, J. y Dardo, J.. Método D Ecoomtría. Barcloa: Edtoral Vc Vv, 001. Kazmr, L y Daz Mata, A. Etaítca Aplcada a La Admtracó a La Ecoomía. Méxco: McGraw Hll, Maddala, G.S. Itroduccó a La Ecoomtría. Naulcapa d Juarz, Méxco: Prtc Hall, 1996.

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

FÓRMULAS DE MATEMÁTICAS FINANCIERAS

FÓRMULAS DE MATEMÁTICAS FINANCIERAS FÓRMULAS DE MATEMÁTIAS FINANIERAS TEMAS Y 2: ONEPTOS BÁSIOS... 2 Ly facra. Suma facra. Potulado d quvalca facra. Saldo facro. TEMA 3: MAGNITUDES DERIVADAS... 3 Factor, rédto, rédto acumulado, tato (d captalzacó

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

Capítulo 12. Introducción a la Termodinámica Estadística.

Capítulo 12. Introducción a la Termodinámica Estadística. Capítulo. Itroduccó a la Trmodámca Estadístca. ) Itroduccó Mcáca Estadístca: dscpla ctífca qu prtd prdcr las propdads macroscópcas d u sstma a partr d las propdads molculars. Trmodámca stadístca: part

Más detalles

Ejemplo regresión múltiple. Modelo regresión múltiple. Notación matricial. Estimación mínimo-cuadrática = ˆ. Linealidad. Homocedasticidad.

Ejemplo regresión múltiple. Modelo regresión múltiple. Notación matricial. Estimación mínimo-cuadrática = ˆ. Linealidad. Homocedasticidad. 5 Ejplo rgró últpl Couo CC Pot 3 Po 4 Acl Error Y 3 4 Couo Cldrada Potca Po Aclracó l/k cc CV g gudo 5 498 5 44 6 639 9 83 9 4 53 458 5 9 49 7 65 94 7 8 9 7 575 53 384 4............... Var. Idpdt o rgror

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

SOLICITACIONES COMPUESTAS

SOLICITACIONES COMPUESTAS CPITULO IX: SOLICITCIOES COMPUESTS 9 SOLICITCIOES COMPUESTS 9. FLEXIO RECT COMPUEST Eta tuacó prta cuado ua ccó tmo 0, M 0,(o M 0), d modo qu pud aplcar la cuacó gral d la fló: M (9.) (9.) I Pud vr qu

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

Más detalles

GENERADORES DE BARRIDO DE TENSIÓN

GENERADORES DE BARRIDO DE TENSIÓN GENERADORES DE BARRDO DE TENSÓN RUTO DE BARRDO TRANSSTORZADO ON ORRENTE ONSTANTE El funconamnto d t crcuto dfn como, la carga un condnador lnalmnt a partr d una funt d corrnt contant. Excpto para valor

Más detalles

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN UIDAD.- Dstrbucos udmsoals. Parámtros (tma dl lbro). PARÁETROS DE CETRALIZACIÓ Auqu las tablas stadístcas y las rprstacos grácas cot toda la ormacó rlatva a u problma, muchas vcs trsa smplcar s cojuto

Más detalles

Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple

Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple Método de egreó Grado e Etadítca y Emprea Tema 4 /3 Tema 4. Problema de fereca etadítca e el modelo de regreó leal múltple. Itervalo de cofaza y cotrate para lo coefcete de regreó... Itervalo de cofaza

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta /4 APUNTE DE CLAE ECONOMETRÍA I. UDI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJUNTA EN EL MBRL Prof. Rafal d Arc Prof. Ramó Mahía rafal.darc@uam.s ramo.maha@uam.s

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor

Más detalles

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km) 3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34

Más detalles

Capítulo III. Colectivos estadísticos.

Capítulo III. Colectivos estadísticos. Capítulo III. Colctvos stadístcos. Lccó Itroduccó al formalsmo d los colctvos d Gbbs. Lccó Colctvo caóco. Lccó Colctvos macrocaóco y mcrocaóco Lccó 4 Aplcacó dl colctvo caóco: gas dal mooatómco. arabls

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

MUESTREO EN CONGLOMERADOS PARA EL INVENTARIO DE PLANTACIONES DE PINUS CARIBAEA Y EUCALYPTUS SP. EN LA UNIDAD DE MANEJO 20 DE MAYO, E.F.I MACURIJE.

MUESTREO EN CONGLOMERADOS PARA EL INVENTARIO DE PLANTACIONES DE PINUS CARIBAEA Y EUCALYPTUS SP. EN LA UNIDAD DE MANEJO 20 DE MAYO, E.F.I MACURIJE. UESTREO EN CONGLOERADOS PARA EL INVENTARIO DE PLANTACIONES DE PINUS CARIBAEA Y EUCALYPTUS SP. EN LA UNIDAD DE ANEJO 0 DE AYO, E.F.I ACURIJE. Elo Alaa Prra, Ilya García Coroa y Ig. Fortal y Robrto aro 3

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

σ ε Dem: Lo haremos para el caso continuo. La demostración para el caso discreto es similar.

σ ε Dem: Lo haremos para el caso continuo. La demostración para el caso discreto es similar. robabldad y Eadíca Compuacó Faculad d Cca Exaca y Naural Uvrdad d Buo r a. Baco y Ela J. aríz 4 Dgualdad d Chbyhv: ara calcular la probabldad d u vo dcrpo érmo d ua v.a. caro coocr la drbucó d la v.a.

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 5: Medidas de Dispersión para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 5: Medidas de Dispersión para Datos Agrupados por Valor Simple Curo de Etadítca Udad de Medda Decrptva Leccó 5: Medda de Dperó para Dato Agrupado por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 00 Derecho de Autor Objetvo. Calcular ampltud, varaza, devacó

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

Exportación e Importación en formato XML

Exportación e Importación en formato XML Exportcó Importcó formto XML Tléfoo (506) 2276-3380 Fx (506) 2276-3778 d@c.co.cr www.d.com 1 Exportcó d Iformcó formto XML Pr xportr dto dd lpho formto XML, l mú Admtrcó, cutr l opcó Exportr S motrrá l

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

Elementos de Probabilidad y Estadística

Elementos de Probabilidad y Estadística Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco

Más detalles

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad. 5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Análisis de Regresión Lineal Simple.

Análisis de Regresión Lineal Simple. Aál de Regreó Leal mple. Itroduccó Regreó mple Método de lo mímo cuadrado Propedade de lo etm. m. cuadrado Predccó Evaluacó de la tedad de la relacó leal Ejercco Itroduccó E mu frecuete ecotrar proceo

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

FRACCIONARIOS Y DECIMALES

FRACCIONARIOS Y DECIMALES FRACCIONARIOS Y DECIMALES Hg clck obr l t qu coultr: 1. Núro Frccoro - Frccoro grl - Frccoro hoogéo y htrogéo - Clfccó lo frccoro - Frcco quvlt - Ruccó frcco (plfccó) - Covró frccoro cl 2. Núro Dcl Núro

Más detalles

CAPÍTULO 3. ANÁLISIS DE REGRESIÓN

CAPÍTULO 3. ANÁLISIS DE REGRESIÓN CAPÍTULO 3. ANÁLISIS DE REGRESIÓN Leccó 0: Regreó leal Smple La palabra Regreó fue utlzada por prmera vez por Frac Galto, (.8.9) e u etudo de Bología obre la hereca, doe él oto que la caracterítca promedo

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

Tema 6.Sistemas de Telecomunicación. El ruido en los sistemas de comunicación.

Tema 6.Sistemas de Telecomunicación. El ruido en los sistemas de comunicación. ma 6.ma d lcomucacó. l rudo lo ma d comucacó. Aál d lo ma d Comucaco Dgal dd la prpcva R y BR B rror Ra Iroduccó capíulo, la ñal y l rudo dcrb érmo d ñal alaora. Aplcarmo cálculo d probabldad. La da báca

Más detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

TEMA 4: REGRESIÓN Y CORRELACIÓN.

TEMA 4: REGRESIÓN Y CORRELACIÓN. TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas

Más detalles

N E R. A j(12) i(12) i'(1/2) 0,05 0, , B i(4) i''(1/2) 0,0125 0, i'''(1/2) 0,1025

N E R. A j(12) i(12) i'(1/2) 0,05 0, , B i(4) i''(1/2) 0,0125 0, i'''(1/2) 0,1025 . Queremo realzar ua mpocó a plazo fjo, para lo cual acudmo a tre etdade facera. La codcoe que o ofrece o: el baco ofrece u % omal pagadero meualmete, el baco B ofrece u,% efectvo trmetral y el baco u

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

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 : Comparacó de varo tratameto o grupo Mucha preguta de vetgacó e educacó, pcología, egoco, dutra ceca aturale tee que ver co la comparacó de varo grupo o tratameto. Ya etudamo como comparar dfereca

Más detalles

PRESENTACION DE UN NUEVO MODELO MATEMATICO PARA CALCULO DEL PERIODO FUNDAMENTAL DE VIBRACION DE ESTRUCTURAS DE EDIFICIOS

PRESENTACION DE UN NUEVO MODELO MATEMATICO PARA CALCULO DEL PERIODO FUNDAMENTAL DE VIBRACION DE ESTRUCTURAS DE EDIFICIOS Socdad Mxcaa d Iría Etructural, A.C. PRESENACION DE UN NUEVO MODELO MAEMAICO PARA CALCULO DEL PERIODO FUNDAMENAL DE VIBRACION DE ESRUCURAS DE EDIFICIOS I. Joé Aljadro Gómz Hrádz RESUMEN El objtvo dl prt

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES 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 detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

al siguiente límite si existe: . Se suele representar por ( x )

al siguiente límite si existe: . Se suele representar por ( x ) UNIDAD : DERIVADAS. DERIVADA DE UNA FUNCIÓN EN UN PUNTO. DERIVADAS LATERALES Dfiici.- S llama drivada d ua fuci f u puto d abscisa al siguit it si ist: f f ' sigifica lo mismo. f. S sul rprstar por f D

Más detalles

Estadística Teórica II

Estadística Teórica II Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

JUEGOS DE BÚSQUEDA Y EMBOSCADA MODIFICADOS

JUEGOS DE BÚSQUEDA Y EMBOSCADA MODIFICADOS 7 Cogreo Nacoal de Etadítca e Ivetgacó Operatva Lleda, 8- de abrl de 3 JUEGOS DE ÚSQUEDA Y EMOSCADA MODIFICADOS P Zoroa, N Zoroa, MJ Ferádez-Sáez Departaeto de Etadítca e Ivetgacó Operatva Uverdad de Murca,

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

MECÁNICA ESTADÍSTICA

MECÁNICA ESTADÍSTICA FAyA Lccatura Químca Físca III año 26 MÁIA SADÍSIA IRODUIÓ ROBABILIDAD robabldad s la cuatfcacó d la spraza dl rsultado d u xprmto o vto. S l posbl rsultado d u xprmto s A la probabldad d qu ocurra A s

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA ma 4 - FUDAMOS D LA MCÁICA SADÍSICA CLÁSICA Cocptos stadístcos lmtals. Mcáca stadístca d sstmas mcroscópcos. Los colctvos mcrocaóco caóco y gracaóco. La fucó d partcó y las fucos trmodámcas. l gas dal

Más detalles

Tema 5. Model de Regressió Lineal Simple

Tema 5. Model de Regressió Lineal Simple Tma 5. Modl d grssó Lal Smpl 5.. Obct atura dl modl MLS TOIA CONÒMICA SPCIFICACIÓ FUNDAMNTS STADÍSTICS DADS STIMACIÓ MÈTODS D STIMACIÓ COÈNCIA AMB LA Tª CONÒMICA IFICACIÓ CONTAST D IPÒTSIS UTILITZACIÓ

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

Más detalles

PROBABILIDAD y ESTADÍSTICA II

PROBABILIDAD y ESTADÍSTICA II UNIVERSIDAD TECNOLÓGICA NACIONAL Facultad Regoal Sa Ncolá PROBABILIDAD ESTADÍSTICA II UNIDAD Nº Lcecatura e Eeñaza de la Matemátca Año 011 Mg. Lucía C. Sacco Lcecatura e Eeñaza de la Matemátca FRSN - UTN

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

Z = número atómico o número de protones del núcleo Z = 1 (H); 2 (He + ); 3 (Li 2+ ).

Z = número atómico o número de protones del núcleo Z = 1 (H); 2 (He + ); 3 (Li 2+ ). CAPITULO. l átoo d idógo ) Atoo d idógo idogoid Z úo atóico o úo d poto dl úclo Z (H); (H + ); (Li + ). F q q / ε F q q / θ.6-9 cul.8 - u N u cul /( ε ) / φ V() -Z / ( u ) Hˆ Hˆ Hˆ + Ψ (, ) ψ ( )ψit( )

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

Más detalles

FAyA Licenciatura en Química Física III año 2006 MECANICA CUANTICA

FAyA Licenciatura en Química Física III año 2006 MECANICA CUANTICA FAyA Licciatura Química Fíica III año 006 MECANICA CUANTICA E la mcáica cláica l tado d u itma dcrib u itat dtrmiado dado toda u coordada q y u vlocidad q. E mcáica cuática l tado d u itma dfi dado ua

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

COLEGIO DE POSTGRADUADOS

COLEGIO DE POSTGRADUADOS OLEGIO E POSTGAUAOS INSTITUIÓN E ENSEÑANZA E INVESTIGAIÓN EN IENIAS AGÍOLAS AMPUS MONTEILLO SOIOEONOMÍA, ESTAÍSTIA E INFOMÁTIA ESTAÍSTIA VALIAIÓN E MOELOS MEANÍSTIOS BASAA EN LA PUEBA JI-UAAA E FEESE,

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA FUNCIÓN PRIMITIVA. F() s ua primitiva d f() si F ()= f(). Esto s prsa así: f() = F'() = F() La itgració s la opració ivrsa a la drivació, d modo qu: FUNCIONES

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS Tma Sucsios Matmáticas I º Bach. TEMA SUCESIONES SUCESIONES Y TÉRMINOS EJERCICIO : Si l térmio gral d ua sucsió s a 0 Halla l térmio sgudo y l décimo. b) Hay algú térmio qu valga? Si hay dcir qu lugar

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

MEDIDAS, INCERTIDUMBRE, ERRORES

MEDIDAS, INCERTIDUMBRE, ERRORES Icertdumbre de la medda. MEDIDAS, ICERTIDUMBRE, ERRORES Al realzar el proceo de medcó, el valor obtedo y agado a la medda dferrá probablemete del valor verdadero debdo a caua dvera, algua de la cuale ombraremo

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles