I.A. Ph.D LILLIANA HOYOS
|
|
- Alba Belén Maldonado Ríos
- hace 7 años
- Vistas:
Transcripción
1 Fotos: Farfán, 2009 I.A. SANDRA YULIETH CASTILLO Universidad Nacional de Colombia I.A. JUAN FELIPE RIVERA Profesor Asistente Universidad de La Salle I.A. Ph.D LILLIANA HOYOS Profesora Asistente Universidad Nacional de Colombia Asohofrucol Universidad Nacional de Colombia Ministerio de Agricultura y Desarrollo Rural
2 Fotos: Farfán, 2009 Cultivo de amplia aceptación en los mercados extranjeros. Características nutricionales y organolépticas (Pinzón et al., 2007). Intensificación del cultivo Aparición de enfermedades Aumento en la incidencia Medidas de manejo eficaces y de bajo costo
3 Fotos: Farfán, 2009 Causada por un complejo de bacterias Xanthomonas spp. Mayor problema sanitario en gulupa Limitado conocimiento de su manejo Impacto negativo en la producción Fotos: Benítez et al., 2009 Erradicación de cultivos
4 Cuantificación importante para evaluar diferentes medidas de control, resistencia varietal y evaluación de eficacia de productos fitosanitarios. Escalas diagramáticas pueden reducir la subjetividad de las estimaciones de severidad, mejorando la exactitud y precisión de las evaluaciones. Los métodos utilizados en la cuantificación de enfermedades que permitan un mejor entendimiento de estas deben ser preferiblemente simples, rápidos, de bajo costo y suministrar resultados exactos, precisos y reproducibles (Gaunt, 1995; Castaño, 2001).
5 Otras técnicas imágenes de vídeo, la fotografía en color infrarrojo, la termografía infrarroja, la reflectancia espectral del dosel y la resonancia nuclear magnética (Nilsson, 1995). COSTOSOS Otros cultivos Melón (Michereff et al, 2009), cítricos (Renaud, 2008), remolacha (May De Mio, 2008), uva (Angelotti, 2008), cereales (James, 1971), fríjol (Castaño, 1989; Stonehouse, 1994; Godoy, 1997), lechuga (O Brien y van Bruggen, 1992), algodón (Aquino, 2008), soya (Martins et al., 2004; Cracogna, 2007), etc.
6 Las estimaciones de los parámetros de la ecuación de regresión, como la intersección (a) y la pendiente (b), pueden ser usados para evaluar la exactitud de los evaluadores el coeficiente de determinación (R 2 )yel error estándar para determinar la precisión. La reproducibilidad puede ser evaluada a través de las regresiones lineales de pares de evaluadores (Nutter et al., 1993; Nutter y Schultz, 1995).
7 Fotos: Farfán, 2009 Desarrollar una escala diagramática para evaluar la severidad de la enfermedad y analizar los niveles de exactitud, precisión y reproducibilidad de las estimaciones generadas consuuso.
8 Fotos: Farfán, 2009
9 Recolección del material 116 hojas de gulupa al azar que presentan los síntomas característicos de bacteriosis en el municipio de Granada (Cundinamarca). Escaneo del material se colocó el material sobre una hoja de papel blanca con un cuadrado de 1 cm 2 de color naranja Edición de imágenes se utilizó el programa Adobe Photoshop CS3 para modificar el balance de color, contraste y brillo
10 Cálculo de severidad se imprimen las imágenes en papel fotografía y se rellena la parte lesionada. Procesamiento con el software QUANT (Vale et al., 2001).
11 Niveles de la escala partir de la severidad mínima y máxima y obedeciendo a la ley de la agudeza visual de Weber Frechner, se representaron los porcentajes a incrementos exponenciales de severidad (5, 10, 20, 35, 55 y 80% ) Validación 5 evaluadores con experiencia y 5 sin experiencia analizaron 80 hojas con diferentes niveles de severidad sin ayuda de la escala. Los mismos evaluadores con la escala propuesta. Análisis estadístico Precisión: (R 2 ), varianza deloserroresabsolutos(diferenciasentreel valor real y estimado); exactitud: parámetros (a) y (b) de la ecuación de regresión; reproducibilidad: comparación pares evaluadores
12 Fotos: Farfán, 2009
13 Figura 1. Escala diagramática para la evaluación de bacteriosis en gulupa (Passiflora edulis Sims).
14 Tabla 1. Intercepto (a), coeficiente angular (b) y coeficiente de determinación (R 2 ) de las regresiones lineares entre severidades real y estimada por cada evaluador sin y con el uso de la escala diagramática. Evaluadores sin escala Evaluación de severidad con escala Inexpertos a b R 2 a b R 2 A 31.77* 0.06* B 22.74* 0.17* * 0.97* 0.99 C 24.84* 0.10* D 26.53* 0.00* E 46.13* -0.09* Media 30.4* 0.05* Expertos F * * G -4.31* 0.78* H 7.03* 0.61* I * J 5.68* 0.57* Media 1.99* 0.84* * *Situaciones en las cuales las hipótesis nulas (a=0 o b=1) fueron rechazadas por la prueba t con un nivel significancia de 5%
15 Severidad estimada (%) Severidad estimada (%) Severidad real (%) Severidad real (%) Figura 1. Regresiones lineales de la severidad estimada de bacteriosis de gulupa (Passiflora edulis Sims) sin ayuda (der) y con ayuda (izq) de la escala diagramática. Los evaluadores A-E son inexpertos y F-J expertos en la evaluación de enfermedades.
16 Precisión Sin escala evaluadores superaron el 40% de error absoluto Con escala franja de 10% Estos valores son considerados buenos según los criterios adoptados en varios estudios de validación de escalas diagramáticas (Michereff, 2006). Error absoluto Severidad real (%) Figura 4. Errores absolutos (severidad estimada - severidad real) para los diez evaluadores con el uso de la escala.
17 Reproducibilidad Diferentes evaluadores, utilizando la misma escala para la evaluación del mismo material, deben estimar los mismos valores de severidad (Nutter Jr. y Schultz, 1995). Tabla 2. Coeficientes de determinación (R2) de las ecuaciones de regresión lineal simples, combinando las estimaciones de los evaluadores por pares utilizando la escala. Evaluador B C D E F G H I J A B C D E F G H I 0.85
18 CONCLUSIONES Los individuos varían considerablemente en su habilidad para discriminar diferentes niveles de severidad (Nutter Jr. y Schultz,1995). La calidad de los valores estimados de severidad está influenciado por la complejidad de la muestra, color, número de lesiones de la muestra y la fatiga del evaluador (Kranz, 1988; Shokes et al citados por Michereff, 2009). Fotos: Farfán, 2009
19 La utilización de la escala permite cuantificar la severidad de la enfermedad de forma más precisa y exacta, confirmando la importancia de la utilización de las escalas diagramáticas para calibrar el sistema visual del evaluador. La escala diagramática para evaluar bacteriosis de gulupa presentada en este trabajo, es una herramienta valiosa para los evaluaciones de tolerancia en germoplasma, estudios epidemiológicos y comparación de métodos de control de la enfermedad. Fotos: Farfán, 2009
20
LINA FARFÁN Mic. Agrícola y veterinaria PUJ. I.A. Ph.D LILLIANA HOYOS Profesora Asistente. Ministerio de Agricultura y Desarrollo Rural
Fotos: Farfán, 2009 LINA FARFÁN Mic. Agrícola y veterinaria PUJ Universidad Nacional de Colombia I.A. Ph.D LILLIANA HOYOS Profesora Asistente Universidad Nacional de Colombia Asohofrucol Universidad Nacional
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesMotivación. Motivación PRONOSTICOS DE DEMANDA
4 PRONOSTICOS DE DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para pronosticar las ventas a partir de datos observados.
Más detallesCRITERIOS TÉCNICOS DE EVALUACIÓN DE UN DOSSIER DE ESPECIALIDADES FARMACEUTICAS DIRECTIVA SANITARIA N 001-MINSA/DIGEMID V.01
CRITERIOS TÉCNICOS DE EVALUACIÓN DE UN DOSSIER DE ESPECIALIDADES FARMACEUTICAS EQUIPO DE REGISTRO DE PRODUCTOS FARMACÉUTICOS DIRECCIÓN DE AUTORIZACIONES SANITARIAS VALIDACIÓN DE UN PROCEDIMIENTO ANALÍTICO
Más detallesDiplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
Más detallesVALIDACIÓN DE MÉTODOS DE ANÁLISIS VALIDACIÓN DE MÉTODOS 1
VALIDACIÓN DE MÉTODOS DE ANÁLISIS VALIDACIÓN DE MÉTODOS 1 Índice 1. Por qué validar un método de análisis? 2. Cuándo validar un método de análisis? 3. Validación de métodos de análisis. 3.1. Selectividad
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesValidación de métodos analíticos fisicoquímicos según los requerimientos definidos en la guía ICH/FDA
Nodo Interactivo Ciencia y conocimiento al alcance de todos! juanherrera@nodointeractivo.com www.nodointeractivo.com Validación de métodos analíticos fisicoquímicos según los requerimientos definidos en
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesEVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT
EVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT Nereida Delgado Puchi Instituto de Zoología Agrícola Facultad de Agronomía Universidad Central de Venezuela Introducción Estudios
Más detallesDefinición de Correlación
Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesEstadística Inferencial. Sesión 11. Regresión y correlación múltiple
Estadística Inferencial Sesión 11. Regresión y correlación múltiple Contextualización En la sesión anterior se presentó la regresión lineal simple y se mostró su uso en la obtención de una ecuación de
Más detallesPrograma de Maestría en Microbiología, Facultad de Ciencias, Instituto de Biotecnología (IBUN), Universidad Nacional de Colombia, Bogotá.
Nota científica Sintomatología asociada a bacteriosis en zonas productoras de gulupa (Passiflora edulis Sims.) en Colombia Symptomatology associated with bacteriosis of gulupa (Passiflora edulis Sims.)
Más detallesGrado en Finanzas y Contabilidad
Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesI.A. EMIRO ORTÍZ Estudiante Msc. Ciencias Fitopatología Universidad Nacional de Colombia
Fotos: Farfán, 2009 I.A. EMIRO ORTÍZ Estudiante Msc. Ciencias Fitopatología Universidad Nacional de Colombia I.A. Ph.D. LILLIANA HOYOS Profesora Asistente Universidad Nacional de Colombia Asohofrucol Universidad
Más detallesX Y
EJEMPLOS COMPLEMENTARIOS SOBRE REGRESIÓN EJEMPLO 1. Use la regresión por mínimos cuadrados para ajustar una línea recta a: X 6 11 15 1 21 23 29 29 3 39 Y 29 21 29 14 21 15 13 0 3 Además de la pendiente
Más detallesIntroducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03
Introducción al Procesamiento de Imágenes Satelitales con Software Libre Módulo 03 Dirección de Formación de Capital Humano Especializado en el Campo Espacial Agencia Espacial Mexicana www.gob.mx/aem Plan
Más detallesIng. Sergio Elías Gavilán Martínez
Determinación de la Resistencia del Hormigón por medio de Ensayos No Destructivos Ing. Sergio Elías Gavilán Martínez SUMARIO I ANTECEDENTES II ENSAYOS REALIZADOS III RESULTADOS IV CONLUSIONES Y RECOMENDACIONES
Más detallesUniversidad Nacional Autónoma de México Facultad de Psicología
Universidad Nacional Autónoma de México Facultad de Psicología PROGRAMA DE ASIGNATURA Nombre de la asignatura Clave Semestre Estadística Inferencial 0186 4 Número de créditos 8 Horas teoría 4 Horas práctica
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesINGENIERÍA EN MANTENIMIENTO INDUSTRIAL
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Industrial 2. Competencias Diseñar estrategias de mantenimiento mediante el análisis de factores humanos, tecnológicos,
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesErrores e Incertidumbre. Presentación PowerPoint de Ana Lynch, Profesora de Física Unidad Educativa Monte Tabor Nazaret
Errores e Incertidumbre Presentación PowerPoint de Ana Lynch, Profesora de Física Unidad Educativa Monte Tabor Nazaret Notación Científica 0 1 2 (1,45 ± 0,05) cm Objetivos: Después de completar este tema,
Más detalles6. MEDICIÓN DE LA EVAPOTRANSPIRACIÓN MÉTODO DE BLANEY- CRIDDLE.
6. MEDICIÓN DE LA EVAPOTRANSPIRACIÓN MÉTODO DE BLANEY- CRIDDLE. Se define evapotranspiración como el agua que pierde el suelo por la acción conjunta de la evaporación y la transpiración. Como se trata
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesLABORATORIO DE CALIDAD NUTRICIONAL VALIDACIÓN DE MÉTODOS ANALÍTICOS: CASO LOWRY MÓNICA PIZARRO S.
LABORATORIO DE CALIDAD NUTRICIONAL VALIDACIÓN DE MÉTODOS ANALÍTICOS: CASO LOWRY MÓNICA PIZARRO S. Es un consorcio de instituciones que aspira reducir la desnutrición y mejorar la seguridad alimentaria
Más detallesINVESTIGACION TECNOLOGIA AGROINDUSTRIAL AZUCARERA
Ingenio Azucarero Guatemalteco Investigación Tecnológica Impacto de la aplicación de agua de imbibición, Extracción diluida y Pol % caña en el Pol de Bagazo Objetivo: 1. Evaluar estadísticamente si existe
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesAnálisis de diferentes representaciones en la regresión lineal simple
Análisis de diferentes representaciones en la regresión lineal simple 5ª. Jornada sobre el Uso de los Sistemas de Cómputo Simbólico en la Enseñanza de las Matemáticas M.C. Gudelia Figueroa Preciado M.
Más detallesFacultad de Ciencias e Ingeniería. Escuela Académico Profesional de Comunicación SÍLABO
Facultad de Ciencias e Ingeniería Escuela Académico Profesional de Comunicación SÍLABO ASIGNATURA: ESTADÍSTICA APLICADA A LAS COMUNICIONES I. DATOS GENERALES: 1.1. Código de Asignatura : 21252 1.2. Escuela
Más detallesINTRODUCCION ANALISIS INSTRUMENTAL. Clasificación de los Métodos Analíticos. Tipos de Metodos Instrumentales CLASIFICACION DE LOS METODOS ANALITICOS
ANALISIS INSTRUMENTAL INTRODUCCION CLASIFICACION DE LOS METODOS ANALITICOS Departamento de Química Q420 TIPOS DE METODOS INSTRUMENTALES E INSTRUMENTOS SELECCION DE UN METODO ANALITICO: CRITERIOS Clasificación
Más detalles(a) y = 1,0x + 0,0; r = 0,9944; n = 60 (b) y = 1,0x + 0,0; r = 0,9956; n = 70. (c) y = 1,0x + 0,0; r = 0,9946; n = 41
Sistema cobas b : Evaluación del rendimiento Informe sobre la evaluación multicéntrica del nuevo sistema cobas b para la determinación de la HbAc y el perfil lipídico Introducción El nuevo sistema cobas
Más detallesEVALUACIÓN Y MEDICIÓN DE LAS ENFERMEDADES DE PLANTAS
EVALUACIÓN Y MEDICIÓN DE LAS ENFERMEDADES DE PLANTAS Robson Marcelo Di Piero Departamento Fitotecnia/CCA/UFSC EVALUACIÓN Y MEDICIÓN DE LAS Propósitos: ENFERMEDADES - decisión sobre las prioridades de investigación
Más detallesDiario Oficial de la Unión Europea L 317/17
30.11.2011 Diario Oficial de la Unión Europea L 317/17 REGLAMENTO (UE) N o 1235/2011 DE LA COMISIÓN de 29 de noviembre de 2011 por el que se modifica el Reglamento (CE) n o 1222/2009 del Parlamento Europeo
Más detallesRESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1
IV. RESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1 Ver gráficos en ANEXO 1 4.2 SELECTIVIDAD Placebo de excipientes: No
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesCapítulo 8. Selección de variables Introducción
Capítulo 8 Selección de variables 8.1. Introducción En muchos problemas de regresión es posible considerar un número importante de variables predictoras. Un empresario podría estudiar los factores que
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesAnexo 8.3. Programa Condensado
Materia o unidad de aprendizaje: las Ciencias Sociales Última actualización: Agosto 2017 Licenciatura: Área Básica Común Plan: 401 Semestre: 3 Créditos: 3 SEMANA TEMA ACTIVIDADES, TAREAS, EXÁMENES BIBLIOGRAFÍA
Más detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesCómo pronosticar con certeza: métodos y variables infalibles. DAVID CHIBRAS
DAVID CHIBRAS Cómo pronosticar con certeza: métodos y variables infalibles. DAVID CHIBRAS Contenido -Introducción -Aspectos claves en el proceso de los pronósticos de demanda -Datos -Conocimiento de producto
Más detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detalles6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES
6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas Esta obra está bajo una licencia Creative
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesEstudio estadístico de la rentabilidad económica de una instalación solar térmica
Estudio estadístico de la rentabilidad económica de una instalación solar térmica Aplicación en un hospital de Castilla y León Luis Javier Mata García Ingeniero Industrial El objetivo de este artículo
Más detallesINDICE. Introducción Capitulo uno. La idea nace un proyecto de investigación Como se originan las investigaciones? 2 Resumen Conceptos básicos
INDICE Introducción Capitulo uno. La idea nace un proyecto de investigación 1 1.1. Como se originan las investigaciones? 2 Resumen 6 Ejemplo 7 Capitulo dos. El planteamiento del problema objetivos, preguntas
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesMedición: Conjunto de operaciones que tiene por objeto determinar el valor de una magnitud. Metrología: Ciencia de la medición.
Medición: Conjunto de operaciones que tiene por objeto determinar el valor de una magnitud. Metrología: Ciencia de la medición. La metrología incluye todos los aspectos teóricos y prácticos relacionados
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesCLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL
Universidad Nacional Agraria La Molina IA-406 Hidrología Aplicada CLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL 1. Longitud necesaria de registro Diversos
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesLa asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesConceptos básicos de metrología
Conceptos básicos de metrología Definiciones, características y estimación de incertidumbres. Lic. Francisco Sequeira Castro 05 de Noviembre, 2014 Qué es la metrología? La metrología es la ciencia de las
Más detallesPALABRAS CLAVES: Espectrofotometría Ultravioleta-Visible, Validación, Microescala, Fármacos, FNHZ.
VALIDACIÓN DE MÉTODOS ANALÍTICOS A MICROESCALA PARA LA CUANTIFICACIÓN DE ACIDO ACETILSALICILICO (AAS) Y 2, 4-DINITRO-FENILHIDRAZINA (FNHZ) POR ESPECTROFOTOMETRÍA UV-VISIBLE Magali Yadira Machuca Avila
Más detallesQué es el Coeficiente de Cultivo?
Qué es el Coeficiente de Cultivo? El consumo de agua o evapotranspiración que ocurre en una superficie cultivada puede ser estimada a partir de datos meteorológicos (temperatura, humedad relativa, radiación
Más detallesINSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5
INSTITUTO UNIVERSITARIO PUEBLA HOJA: 1 DE 5 PROGRAMA ACADÉMICO: LICENCIATURA EN INGENIERIA INDUSTRIAL TIPO EDUCATIVO: INGENIERIA MODALIDAD: MIXTA SERIACIÓN: NINGUNA CLAVE DE LA ASIGNATURA: 126 CICLO: QUINTO
Más detallesPresentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro
Presentación de la Asignatura Estadística II Prof. Sergio Jurado Chamorro Estadística II: La asignatura Contexto Enfoque Nivel matemático Conocimientos básicos Otro requerimientos Herramienta de apoyo
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesEstadística Descriptiva. Poblaciones y muestras.
Estadística Descriptiva. Poblaciones y muestras. fgarcia@cipf.es CIPF s Research Development Programme Indice 1 Introducción 2 3 Análisis Estadístico Población y muestra Software estadístico CIPF s Research
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesInterpretación de análisis foliar
Interpretación de análisis foliar AGRO 4037 Fertilidad de Suelos y Abonos Muestreo del tejido Considerar Organos de la planta (hojas con o sin pecíolos) Edad del tejido (hojas jóvenes, hojas viejas) Edad
Más detallesAnálisis Instantáneo de Proteína en Grano de Trigo mediante un Instrumento NIR Portátil
Análisis Instantáneo de Proteína en Grano de Trigo mediante un Instrumento NIR Portátil 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados y discusión 5. Conclusiones y aplicaciones 1 Análisis
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesEstadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión
Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS
ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en
Más detallesINDICE Prefacio Como usar este libro Capitulo 1. Introducción Capitulo 2. Análisis exploratorio de los datos
INDICE Prefacio Como usar este libro Capitulo 1. Introducción 1 El comienzo de todo: determinación lo que se debe saber 2 Evaluación numérica de las unidades de observación con la ayuda de las escalas
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesDiplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesMarco Otárola Guerrero 1
Modelo de producción de Boletus edulis en masas de Pinus sylvestris en el Bosque Modelo Urbión: una alternativa para lidiar con el exceso de ceros en el ajuste con variables meteorológicas Marco Otárola
Más detallesRegresión lineal simple y correlación
Regresión lineal simple y correlación Regresión y Correlación Los análisis de regresión y correlación nos mostrarán cómo determinar tanto la naturaleza como la fuerza de una relación entre dos variables.
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesIsrael Navarrete, Arturo Taipe, Fabián Montesdeoca, Venancio Arahana, Jorge L. Andrade-Piedra. Junio, 2013
Junio, 2013 Determinación de Pérdidas en Rendimiento Causadas por Plagas que se Transmiten por Tubérculo-Semilla de Papa (Solanum tuberosum). Quito. Pichincha. 2012 Israel Navarrete, Arturo Taipe, Fabián
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesAnálisis de estudios de cohortes en Ciencias de la P005/10. Salud (modelos regresión de Poisson y de Cox)
Análisis de estudios de cohortes en Ciencias de la P005/10 Salud (modelos regresión de Poisson y de Cox) Fecha de aprobación de programa: Marzo 2012 Fechas curso: 4 y 5 de Junio de 2012 Horario: Mañana
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesCURSO TERMOGRAFÍA INFRAROJA NIVEL I
Línea de Capacitaciones CURSO TERMOGRAFÍA INFRAROJA NIVEL I I. DESCRIPCIÓN DEL CURSO 1.1 Línea: Capacitaciones 1.2 Código: 1203TI-C 1.3 Entidad: Gamma Soluciones II. GENERALIDADES El Curso de Termografía
Más detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detallesCORPOICA: Avances en Investigación y Desarrollo para la producción de Musaceas
CORPOICA: Avances en Investigación y Desarrollo para la producción de Musaceas Martha M. Bolaños B. Investigadora Ph.D. Centro de Investigación Tibaitatá Misión de La Corporación Colombiana de Investigación
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesLa Pobreza 2009 en las provincias y distritos del Perú: Marcos Robles, BID 20 de Octubre de 2010
La Pobreza 2009 en las provincias y distritos del Perú: Metodología y Resultados Marcos Robles, BID 20 de Octubre de 2010 Objetivos Presentar los resultados de la estimación 2009 de la pobreza en el Perú
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA CIVIL
PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA CIVIL 1. DATOS INFORMATIVOS MATERIA O MODULO: ESTADÍSTICA CARRERA: INGENIERÍA CIVIL NIVEL: 2 No. CREDITOS 4 CREDITOS
Más detallesESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO FACULTAD DE SALUD PÚBLICA ESCUELA DE MEDICINA Periodo académico Marzo Julio 2011 PROGRAMA ANALITICO
PROGRAMA ANALITICO 1. DATOS GENERALES: NOMBRE DE LA ASIGNATURA: BIOESTADISTICA CODIGO: SEMESTRE: Tercero HORAS/SEMANA: Teóricas: 1 Prácticas: 3 Total: PROFESOR TITULAR: Dr. Fausto Guevara P. 2. PROBLEMA.
Más detalles