Tema 8: Estadística en una variable (unidimensional)
|
|
- Rosa Belmonte Méndez
- hace 7 años
- Vistas:
Transcripción
1 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Tema 8: Estadístca en una varable (undmensonal) 1. Introduccón Se desconocen con exacttud los orígenes de la Estadístca. Parece que fueron los chnos, en el 00 a. C., los prmeros en efectuar recuentos de su poblacón. Tanto los egpcos como los gregos y los romanos preveían sus cosechas por medos que podríamos llamar estadístcos y efectuaban censos de poblacón. En los sglos XVI y XVII la Estadístca pasa a tener como prncpal objetvo el estudo de los asuntos de Estado, de donde derva el sentdo etmológco de la palabra. Desde entonces expermenta una evolucón que pasa por varas fases. Incalmente, la preocupacón fundamental era la recogda, clasfcacón y representacón de los datos; más tarde se pasó a la fase de análss e nterpretacón de los msmos. En una prmera aproxmacón, usamos la palabra estadístca para desgnar coleccones de datos numércos de la msma naturaleza, relatvos a un determnado fenómeno: estadístca de los automóvles venddos, estadístca de las mportacones, estadístca de los dvorcos, etc. En un sentdo más rguroso, la Estadístca es un método centífco que, a partr del conocmento de dversos hechos recogdos, hace nferencas que permten la prevsón de nuevos acontecmentos. Para hablar del objeto de la Estadístca, hemos de comenzar por dstngur fenómenos determnstas y aleatoros. Fenómenos determnstas (o causales) son los que al repetrlos en déntcas condcones producen el msmo resultado. Por ejemplo, el tempo que tarda un móvl, a velocdad constante, en recorrer una dstanca dada. Fenómenos aleatoros (de azar o estadístcos) son los que al repetrlos un gran número de veces, en déntcas condcones, presentan resultados dferentes, sendo mposble predecr el resultado de cada prueba partcular. Por ejemplo, los resultados del lanzamento de un dado. El método de trabajo de la Estadístca tene tres vertentes: Descrpcón de los datos observados (Estadístca Descrptva). Modelzacón del comportamento (Cálculo de Probabldades). Estmacón de lo desconocdo y generalzacón (Teoría de Muestras e Inferenca Estadístca). Tenendo en cuenta los métodos de trabajo de la Estadístca encontramos sus aplcacones: Descrpcón. Análss. Predccón. Una clasfcacón más general presenta las técncas estadístcas en dos grupos con funcones dstntas: Estadístca Descrptva. o Reduccón y descrpcón de nformacones volumnosas. 13
2 Ejemplos Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable o Recuento, ordenacón y clasfcacón de datos observados. o Presentacón de datos en forma resumda y manejable: Tablas. Gráfcas. Cálculo de parámetros estadístcos que caracterzan la dstrbucón de los datos: medas, medanas, cuartles, percentles, varanza, desvacón típca,... o o utlza el Cálculo de Probabldades. Estadístca Inferencal. o Se apoya en el Cálculo de Probabldades. o Maneja resultados de la Estadístca Descrptva. o Plantea y resuelve el problema de establecer prevsones y conclusones generales sobre una poblacón o colectvo. Tanto en esta tema como en el sguente se trabajará la Estadístca Descrptva en una varable (undmensonal) y en dos varables (bdmensonal).. Prmeras defncones.1. Poblacón y muestra La poblacón o unverso estadístco es el conjunto de elementos que poseen al menos una característca común y sobre los cuales va a ncdr el análss estadístco. El número de elementos de una poblacón es su tamaño (que puede ser fnto o no). S la poblacón es fnta lo representaremos por. o sempre es posble efectuar el estudo de todos los elementos de una poblacón. En este caso, el estudo se puede lmtar a una parte de ese todo: a una muestra. Así, una muestra es un subconjunto de la poblacón. Los elementos de la poblacón se llaman ndvduos o undades estadístcas. Estudando muestras fntas representatvas se obtenen conclusones que se pueden aplcar a toda la poblacón. Para que una muestra sea representatva de la poblacón es precso que el muestreo sea aleatoro, es decr, que cualquer ndvduo de la poblacón tenga la msma probabldad de pertenecer a la muestra, en cuyo caso se habla de muestra aleatora. a) En un sondeo de opnón realzado por una empresa para conocer la ntencón de voto de los habtantes de una cudad, la poblacón está formada por el conjunto de todos los ndvduos con derecho a voto. De ella se extraerá un conjunto de personas a las que se entrevstará: éstas forman la muestra. b) Para estudar la proporcón de tornllos defectuosos que produce una fábrca en una semana, se elgen al azar 1000 tornllos. La poblacón la consttuyen todos los tornllos fabrcados en la semana. La muestra la forman los 1000 tornllos selecconados. 14
3 Ejemplo Ejemplo Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable.. Caracteres y modaldades En relacón con cada undad estadístca pueden ser observadas dstntas propedades que permten clasfcar a los ndvduos de la poblacón: estas propedades se llaman caracteres o característcas estadístcas. Consderemos una poblacón formada por estudantes. Cada estudante es un ndvduo de la poblacón que puede ser estudado atendendo a dstntos caracteres: sexo, edad, estatura, lugar de nacmento, nota obtenda en el últmo examen, color del pelo,... Para cada característca, deben estar defndas todas las stuacones posbles en que se puede encontrar una undad estadístca: éstas son las modaldades. En cuanto a las modaldades, hemos de cudarnos no sólo de enumerarlas sno que han de estar ben defndas, de modo que cada ndvduo pueda pertenecer a una y sólo una de ellas: las modaldades han de ser ncompatbles (mutuamente excluyentes) y exhaustvas (cubrr toda la poblacón). Es posble clasfcar los caracteres en cuanttatvos (o varables estadístcas), s son susceptbles de representacón numérca, y cualtatvos (o atrbutos), en caso contraro. Consderemos la poblacón formada por todos los alumnos de un Insttuto y los sguentes caracteres: sexo, edad, curso y estatura: El carácter sexo tene dos modaldades: hombre y mujer. Este carácter es por tanto cualtatvo. El carácter edad tene las sguentes modaldades: {1, 13, 14, 15, 16, 17, 18} s entendemos que la edad se descrbe por años cumpldos. Este carácter es por tanto cuanttatvo y podremos hablar de la varable estadístca edad. El curso tene las modaldades 1º ESO, º ESO, 3º ESO, 4º ESO, 1º Bachllerato y º Bachllerato y por tanto es cualtatvo. Por últmo el carácter estatura se puede dvdr, por ejemplo, en las sguentes modaldades: {(, 160], (160, 170], (170, 180], (180, + )}, donde se está adoptando como undad de medda los centímetros. Se puede hablar por tanto de la varable estadístca estatura..3. Varables estadístcas dscretas y contnuas Con respecto a cada undad estadístca o ndvduo de una poblacón podemos determnar varos caracteres que pueden se cuanttatvos o cualtatvos, como se ha vsto anterormente. Cada carácter cuanttatvo es una varable estadístca; dcho de otro modo, una varable estadístca es un aspecto medble de la undad estadístca. La medcón de la varable de cada ndvduo de la poblacón permtrá clasfcar sus elementos en modaldades. Las varables suelen representarse por letras mayúsculas: X, Y,..., y los valores que toma cada una de ellas con las msmas letras que la varable, pero en mnúscula y con subíndces: x 1, x, x 3,..., x k,..., s nos refermos a la varable X; y 1, y, y 3,..., y k,..., s nos refermos a la varable Y. 15
4 Ejemplo Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Dremos que una varable estadístca es dscreta s su campo de varacón, esto es, el conjunto de valores que toma la varable, está formado por puntos aslados (en número fnto o nfnto numerable). Dremos que una varable estadístca es contnua s su campo de varacón es, al menos teórcamente, un ntervalo de la recta real. Dados dos valores cualesquera de los que toma la varable, sempre exste entre ellos una nfndad de valores que puede tomar. Son varables estadístcas dscretas: El número de coches fabrcados en un año. El número de pacentes atenddos certo día en un Centro de Salud. El número de ordenadores en cada Insttuto de la provnca. Son varables estadístcas contnuas: El peso de los alumnos de un Insttuto. La estatura de los msmos alumnos. Las temperaturas regstradas en un observatoro cada hora. En la práctca, aunque una varable sea contnua, cuando la medmos la estamos hacendo dscreta, dada la lmtacón de los nstrumentos de medda. o obstante, al clasfcar las varables lo que hacemos es atender a su naturaleza, y no a los resultados obtendos de la medcón. Atendendo al número de caracteres cuanttatvos que observamos en cada ndvduo, las varables pueden ser undmensonales, bdmensonales, trdmensonales,..., según se estude en cada ndvduo de la poblacón uno, dos, tres,..., caracteres, respectvamente. En este tema nos dedcaremos al estudo de las varables estadístcas undmensonales y, en el sguente, a las bdmensonales. En el sguente esquema se resumen los conceptos anterores: Caracteres Estadístcos Cuanttatvos (Varables Estadístcas) Cualtatvos (Atrbutos) Dscretas: valores aslados Contnuas: valores en un ntervalo de la recta real. 3. Frecuencas y tablas de frecuencas Consderemos una poblacón o muestra que consta de ndvduos. Sea k el número de modaldades defndas para un determnado carácter. Tendremos entonces las modaldades M 1, M,..., M k. Se llama frecuenca absoluta, n, de la modaldad M, al número de ndvduos de la poblacón que pertenecen a dcha modaldad (el número de veces que se repte). Como las modaldades son ncompatbles y exhaustvas, se tene que n 1 n = 16
5 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Se llama frecuenca relatva, f, de la modaldad M, a la proporcón de ndvduos de la poblacón que presentan dcha modaldad. Es decr, s el número total de ndvduos es n, entonces: f y por tanto 0 f 1 Llamaremos frecuenca absoluta acumulada,, de la modaldad M, a la suma de las frecuencas absolutas hasta la -ésma modaldad. Es decr: = n 1 + n n = Llamaremos frecuenca relatva acumulada, F, de la modaldad M, a la suma de las frecuencas relatvas hasta la de la -ésma modaldad. Es decr: F = f 1 + f f = Los datos observados de una poblacón se muestran clasfcados y ordenados para dar mayor clardad y ofrecer una vsón global del conjunto, que sea nterpretable. Las dos formas de representacón, que suponen los dos prmeros pasos que hay que dar en el tratamento estadístco de la nformacón, son las tablas estadístcas y las representacones gráfcas. Las tablas más smples son las que constan de una prmera columna en la que se reflejan las dstntas modaldades que presenta el carácter en estudo. Se añaden una o más columnas a su derecha en las que se anotan las respectvas frecuencas y otras más para cálculos posterores. El aspecto general de una tabla smple, para un carácter con k modaldades, es la sguente: Modaldades M Frecuencas absolutas ordnaras n Frecuencas absolutas acumuladas r1 r1 f n r r Frecuencas relatvas ordnaras f Frecuencas relatvas acumuladas F M 1 n 1 1 f 1 F 1 M n f F M n f F M k n k k = f k F k = 1 1 Observemos que: La suma de todas las frecuencas absolutas ordnaras ha de concdr con el número total de ndvduos de la poblacón, es decr, con el tamaño : La suma de todas las frecuencas relatvas ordnaras ha de ser 1, ya que representa la suma de todas las proporcones: f = 1 n 1 n 1 n = 17
6 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable La últma frecuenca absoluta acumulada ha de ser el tamaño, : k = La últma frecuenca relatva acumulada ha de ser 1: F k = 1 4. Dstrbucones de frecuencas Consderemos una poblacón de tamaño estudada según un carácter C que puede ser clasfcado en k modaldades M 1, M,..., M,..., M k Llamamos dstrbucón de frecuencas al conjunto de pares ordenados: {(M 1, n 1 ), (M, n ),..., (M, n ),..., (M k, n k )} (dstrbucón de frecuencas absolutas) o ben al conjunto : {(M 1, f 1 ), (M, f ),..., (M, f ),..., (M k, f k )} (dstrbucón de frecuencas relatvas) En el caso dscreto, las modaldades son los valores numércos aslados que toma la varable estadístca. Entonces, la dstrbucón de frecuencas es: o ben: {(x 1, n 1 ), (x, n ),..., (x, n ),..., (x k, n k )} (en el caso de frecuencas absolutas) 4.1. Ejemplo {(x 1, f 1 ), (x, f ),..., (x, f ),..., (x k, f k )} (en el caso de frecuencas relatvas) Un profesor tene anotadas las calfcacones de los 30 alumnos de un grupo: Construr la tabla de frecuencas absolutas, absolutas acumuladas, relatvas y relatvas acumuladas. Se trata de una varable estadístca dscreta. x n f F 0 /30 / /30 5/ /30 6/ /30 7/ /30 8/ /30 11/ /30 13/ /30 18/ /30 5/ /30 30/ /30 =
7 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable 4.. Caso contnuo En el caso contnuo, o en el dscreto con un gran número de datos, la poblacón se partcona en clases o ntervalos. Es decr, los datos se clasfcan en ntervalos de la recta real ( El número de clases debe ser aproxmadamente gual a la raíz cuadrada del número de datos ), dando lugar a datos agrupados en ntervalos: (e 0, e 1 ] (e 1, e ]... (e 1, e ]... (e k 1, e k ] Clase 1ª Clase ª... Clase -ésma... Clase últma (k-ésma) En las clases o ntervalos tendremos en cuenta los sguentes conceptos: Extremos de clase: dada la clase -ésma (e 1, e ], a e 1 lo llamaremos límte nferor y a e límte superor. Ampltud de clase: llamaremos ampltud de la clase -ésma (e 1, e ] a la longtud del ntervalo, es decr, al número a = e e 1 Marcas de clase: son los puntos medos de las clases o ntervalos. En el caso de la e 1 e clase -ésma (e 1, e ], la marca de clase es x = Hemos de tener en cuenta las sguentes observacones: Las ampltudes de las clases no tenen por qué ser guales. o obstante, s podemos elegr, es cómodo tomar todas las clases con la msma ampltud. Esto habrá que tenerlo muy en cuenta a la hora delas representacones gráfcas: hstogramas de frecuencas. Más aún, las clases prmera y últma pueden ser ntervalos no acotados, de ampltud nfnta. Lo que se pretende con esto es recoger los casos muy extremos, raros, que se puderan dar. En resumen, en el caso de las varables estadístcas contnuas, o dscretas con datos agrupados (tratamento contnuo por ser muy grande el número de datos), la dstrbucón de frecuencas es un conjunto de la forma: o ben: donde: {(I 1, n 1 ), (I, n ),..., (I, n ),..., (I k, n k )} (en el caso de frecuencas absolutas) {(I 1, f 1 ), (I, f ),..., (I, f ),..., (I k, f k )} (en el caso de frecuencas relatvas) I = (e 1, e ] = {x / e 1 < x e } es la clase -ésma. Las clases prmera y últma pueden ser de la forma: o I 1 = (, e 1 ] = {x / x e 1 } o I k = (e k 1, +) = {x / e k 1 < x} 19
8 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable 4.3. Ejemplo Las edades de las personas que acuden a un médco a lo largo de un mes son: Construr la correspondente tabla de frecuencas agrupando los datos en clases o ntervalos de ampltud 5. Clases I Marcas de clase n f F x (0, 5], /36 17/36 (5, 10] 7, /36 4/36 (10, 15] 1, /36 31/36 (15, 0] 17, /36 3/36 (0, 5], /36 33/36 (5, 30] 7, /36 36/36=1 = 36 Observemos que se trata de una varable estadístca dscreta a la que, por haber un número grande de datos, se trata como contnua agrupando los datos en ntervalos. 5. Representacones gráfcas Aunque las tablas de frecuencas contenen nformacón sufcente para permtr el análss de los datos, comúnmente se recurre a su representacón gráfca con el objetvo de obtener una mejor dea del comportamento de los datos. Según sea el carácter estudado, se emplean dstntos tpos de representacones gráfcas o dagramas: Carácter cualtatvo (atrbuto) Carácter cuanttatvo (varable estadístca) Dagrama rectangular. Dagrama de sectores. Pctogramas. Cartogramas. Prámdes de poblacón. Varable dscreta Varable contnua Dagrama de barras. Funcón de dstrbucón. Hstograma. Funcón de dstrbucón. En este tema veremos los dagramas rectangulares y de sectores para caracteres cualtatvos y los dagramas de barras e hstogramas para los cuanttatvos. 130
9 Frecuencas absolutas Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable 5.1. Dagrama rectangular (carácter cualtatvo) Están consttudos por varos rectángulos de base constante, una por cada modaldad, y con altura proporconal a la frecuenca absoluta (sn más que cambar la escala del eje de ordenadas se tendría la msma gráfca para las frecuencas relatvas. Por ejemplo, consderemos que las calfcacones obtendas por los 3 alumnos de una clase en la asgnatura de matemátcas venen dadas en la sguente tabla: M n f F Muy Defcente 0 0 0/3 0/3 Insufcente 5 5 5/3 5/3 Sufcente /3 11/3 Ben /3 15/3 otable 1 7 1/3 7/3 Sobresalente 5 3 5/3 3/3 = 1 = 3 3/3 = 1 Un dagrama rectangular sería el sguente: DIAGRAMA RECTAGULAR (Carácter cualtatvo-ordnal) MDF IS SUF BIE OT SOB Calfcacón 5.. Dagrama de sectores (carácter cualtatvo) Consste en hacer corresponder un círculo a la frecuenca total (preferentemente relatva, expresada en térmnos porcentuales) y hacer corresponder a cada modaldad M un sector crcular de ampltud proporconal a la frecuenca correspondente. Para ello se recurre a cualquera de las reglas de tres smples que tenes a contnuacón: De donde: 360º 1 360º n f 360º 1 360º n f º p (100 f ) º p n p 360º f 360º 360º 100 Para el ejemplo anteror se tendría: 131
10 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable M n f p (%) (º) Muy Defcente 0 0/3 = 0,0000 0,00 0,00 Insufcente 5 5/3 = 0, ,65 56,5 Sufcente 6 6/3 = 0, ,75 67,50 Ben 4 4/3 = 0,150 1,50 45,00 otable 1 1/3 = 0, ,50 135,00 Sobresalente 5 5/3 = 0, ,65 56,5 = 3 3/3 = 1 100,00 360,00 DIAGRAMA DE SECTORES (Carácter cualtatvo-ordnal) SOB 16% MDF 0% IS 16% SUF 19% OT 37% BIE 1% 5.3. Dagrama de barras (varable estadístca dscreta) Se llama así la representacón gráfca de frecuencas de una varable estadístca dscreta (carácter cuanttatvo dscreto) obtenda de la forma sguente: Sobre el eje de abscsas se marca cada uno de los valores de la varable en una escala artmétca (dvsones guales). Sobre el eje de ordenadas se lleva a cabo una graduacón artmétca que permta representar las frecuencas absolutas o relatvas (s se van a hacer comparacones mejor relatvas). Sobre cada punto del eje de abscsas, correspondente a un valor de la varable, se levanta una barra de altura proporconal a la frecuenca de dcho valor. Es un dagrama smlar al dagrama rectangular para caracteres cualtatvos. Por ejemplo, consderemos una poblacón formada por 1000 lotes de certas pezas mecáncas. El carácter (cuanttatvo) que se observa en cada undad estadístca es el número de pezas defectuosas que contene: 0, 1,, 3, 4, 5 ó 6 (estas son las modaldades, los valores de la varable dscreta en cuestón). 13
11 : frecuencas absolutas acumuladas n: frecuencas absolutas Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Las frecuencas venen dadas en la sguente tabla: úmero de pezas defectuosas por lote úmero de lotes con x pezas defectuosas Frecuencas acumuladas x n DIAGRAMA DE BARRAS (Varable estadístca dscreta) x: número de pezas defectuosas Cambando frecuencas absolutas ordnaras, n, por frecuencas absolutas acumuladas, tendríamos el dagrama de barras acumulatvo. DIAGRAMA DE BARRAS ACUMULATIVO (Varable estadístca dscreta) x: número de pezas defectuosas 133
12 Frecuencas absolutas (n) Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable 5.4. Hstograma de frecuencas (varable contnua) Se llama hstograma a la representacón gráfca de las frecuencas de una dstrbucón estadístca de una varable contnua cuyas observacones están agrupadas en clases. Se construye de la forma sguentes: Sobre el eje de abscsas, graduado según una escala artmétca, se marcan los extremos de las clases sucesvas. Sobre el eje de ordenadas se marcarán las frecuencas. Sobre cada ntervalo o clase se dbuja un rectángulo de modo que las áreas de loas rectángulos sean proporconales a las frecuencas. Por ejemplo, consderemos un parque automovlístco de 478 coches clasfcados según el número de klómetros recorrdos en un año: Klometraje anual (en mles de úmero de vehículos klómetros) (e 1, e ] n (0, 4] 8 (4, 8] 634 (8, 1] 81 (1, 16] 475 (16, 0] 33 (0, 4] 87 = 478 HISTOGRAMA DE FRECUECIAS ABSOLUTAS Varable contnua (ampltudes guales) (0, 4] (4, 8] (8, 1] (1, 16] (16, 0] (0, 4] Recorrdo anual (en mles de Km) Observemos que todos los ntervalos tenen la msma ampltud. Entonces, para la construccón del hstograma, podemos asgnar como altura de cada rectángulo la frecuenca absoluta del ntervalo correspondente. 134
13 Frecuencas absolutas (n) Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Unendo el vértce superor zquerdo o los puntos medos de los techos de los rectángulos, se obtene una línea polgonal que encerra sobre el eje X un área gual a la que encerran los rectángulos. Tal línea es el polígono de frecuencas. POLÍGOO DE FRECUECIAS Varable contnua (ampltudes guales) (0, 4] (4, 8] (8, 1] (1, 16] (16, 0] (0, 4] Recorrdo anual (en mles de Km) 6. Reduccón numérca de los datos Hasta ahora hemos tratado y representado gráfcamente las dstrbucones de frecuencas según un carácter. Con ello tenemos una prmera aproxmacón al conocmento de las msmas. Ahora daremos un conjunto de meddas descrptvas que resuman cuanttatvamente, de modo sucnto y sgnfcatvo, las característcas más mportantes de una dstrbucón. Esto nos permtrá comparar dstntas dstrbucones. Por ejemplo, s se desea comparar las temperaturas de Granada y Cudad Real a lo largo de un año, sería mejor dsponer de unos pocos números que representaran de forma resumda a cada una de las provncas que comparar las temperaturas de todos y cada uno de los días del año. Lo únco que hay que hacer es tomar esos números de modo que sean representatvos de todo el grupo; es decr, unos valores que representen o resuman a toda la poblacón. Estos números se llaman parámetros estadístcos o, smplemente, estadístcos. En nuestro ejemplo se suele recurrr a la temperatura meda de las máxmas y a la temperatura meda de las mínmas Meddas de centralzacón Las meddas o estadístcos de centralzacón, o de tendenca central, nos ndcan los punto en torno a los cuales se encuentran los valores de la varable estadístca en estudo; es decr, nos ndcan los puntos centrales de una dstrbucón. Representan el conjunto de los datos medante un solo valor numérco, tratando de resumr y sntetzar la dstrbucón de frecuencas. Las meddas de poscón central más utlzadas son la medana, la moda y la meda artmétca. 135
14 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Medana Sea X una varable estadístca (carácter cuanttatvo) de una poblacón o muestra con ndvduos. Se llama medana a un valor, representado por Me, tal que, ordenados los valores de X en orden crecente, el 50% de ellos son menores o guales que Me y el 50% restante son mayores o guales que Me. Para determnar la medana los haremos en el caso dscreto y contnuo. Caso dscreto Consderaremos la sguente dstrbucón de frecuencas que nos servrá de ejemplo: x n f F /9 1/9 4 3 /9 3/ /9 4/ /9 5/ /9 8/ / / /9 9/9 = 1 = 9 1 Podemos proceder de dos formas: Drectamente sobre los datos: ordenamos los datos sn agrupar; es decr, reptendo cada uno tantas veces como ndque su frecuencas absoluta Me En este caso, = 9 es mpar y la medana es el valor central: Me = 6 deja a la mtad de ndvduos por encma y a la otra mtad por debajo. A partr de la tabla de frecuencas: observamos en la columna de las frecuencas absolutas acumuladas donde se encuentra el valor /. Este dejará por encma la frecuenca absoluta acumulada y por debajo la frecuenca absoluta acumulada +1. La medana es el valor de la varable que se encuentra nmedatamente por debajo de esta poscón, es decr, x +1. En nuestro ejemplo / = 4,5 y por tanto Me = 6. Observa la tabla: Me = x +1 / x n f F /9 1/9 4 3 /9 3/9 5 = x 1 4 = 1/9 4/9 4, = +1 1/9 5/ /9 8/ / / /9 9/9 = 1 =
15 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Puede ocurrr que / concda con algún valor de. Entonces la medana es el x x 1 valor medo entre x y x +1 : Me = Por ejemplo, consderemos ahora la sguente dstrbucón de frecuencas. En este x x 1 caso / = 5, que concde con uno de los valores de. Por tanto Me = = 6 7 = 6,5. / Me = 6 7 = 6,5 x n f F /10 1/ /10 3/ /10 4/ /10 5/ /10 8/ / / /10 10/10 = 1 = 10 1 Observa que s calculamos la medana drectamente sobre los datos, al ser ahora par, quedan dos valores centrales. La medana es el valor medo de estos: Me = 6 7 = 6,5 Caso contnuo Para este caso tomaremos el ejemplo de clases de gual ampltud de la págna 134: consderemos un parque automovlístco de 478 coches clasfcados según el número de klómetros recorrdos en un año: / Intervalo medano Klometraje anual (en mles de klómetros) úmero de vehículos Frecuencas absolutas acumuladas (e 1, e ] n (0, 4] 8 8 (4, 8] (8, 1] (1, 16] (16, 0] (0, 4] = 478 En este caso, la prmera clase cuya frecuenca absoluta acumulada es mayor o gual que / es el ntervalo medano o clase medana de la dstrbucón: que los llamaremos I = (e 1, e ] En nuestro ejemplo I = (8, 1]. Para obtener la medana se recurre a la sguente fórmula: 137
16 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Me = e donde e 1 es el límte nferor del ntervalo medano, a es la ampltud del ntervalo medano, 1 es la frecuenca absoluta acumulada que se encuentra nmedatamente por encma del ntervalo medano, es la frecuenca absoluta acumulada correspondente al ntervalo medano y es el número de ndvduos de la poblacón. En nuestro ejemplo: Me = Moda Caso dscreto e a = 8 + a = 9, Dada una varable estadístca dscreta X con dstrbucón de frecuencas {(x 1, n 1 ), (x, n ),..., (x, n ),..., (x k, n k )} se llama moda, y se representa por Mo, a la modaldad que presenta una frecuenca máxma. En el dagrama de barras es la modaldad a la que corresponde la barra más alta. Una dstrbucón puede tener, pues, más de una moda, en el caso de que la frecuenca más alta corresponda a más de una modaldad. S consderamos el ejemplo de las págnas 13 y 133: úmero de pezas defectuosas por lote úmero de lotes con x pezas defectuosas x n El valor que se presenta con más frecuenca es el 1 (365 veces). Por tanto Mo = 1. Caso contnuo Dada una varable estadístca contnua X con dstrbucón de frecuencas {(I 1, n 1 ), (I, n ),..., (I, n ),..., (I k, n k )} se llama clase o ntervalo modal al ntervalo que presenta una mayor densdad de frecuenca. En el hstograma es al que le corresponde el rectángulo de mayor altura. En el ejemplo de la págna 134: Klometraje anual (en mles de úmero de vehículos klómetros) (e 1, e ] n (0, 4] 8 (4, 8] 634 (8, 1] 81 (1, 16] 475 (16, 0] 33 (0, 4] 87 =
17 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable La clase o ntervalo modal es, en este caso, (8, 1] pues es la que se presenta en un mayor número de ocasones (81). S queremos especfcar más concretamente a que valor de la varable le atrbumos el papel de moda, aplcaremos la sguente fórmula: n n1 Mo = e1 a (n n ) (n n ) 1 1 donde e 1 es el límte nferor de la clase modal, n es la frecuenca absoluta correspondente al ntervalo modal, n 1 es la frecuenca absoluta nmedatamente anteror a n, n +1 es la frecuenca absoluta nmedatamente posteror a n y a es la ampltud de la clase modal En nuestro ejemplo Mo = = 9,04 (81 634) (81 475) S llamamos 1 = n n 1 (exceso de la clase modal sobre la clase contgua anteror) y = n n +1 (exceso de la clase modal sobre la clase contgua posteror), la fórmula anteror se converte en: 1 Mo = e 1 1 En el ejemplo 1 = = 187 y = = 346, y entonces se tene que 187 Mo = = 9,04 Observacones: Cuando una dstrbucón presenta varos máxmos locales, ben en el dagrama de barras (caso dscreto) o ben en el hstograma (caso contnuo), se habla de una dstrbucón multmodal. Cuando la clase modal sea una clase extrema, la prmera o la últma, se supone que la clase anteror o la posteror, respectvamente, es de frecuenca nula. Meda artmétca Caso dscreto Sea X una varable estadístca dscreta de una poblacón fnta de tamaño y sean x 1, x,..., x los valores observados de X. La meda artmétca, o smplemente meda, de esos valores es: x = x x... x a 1 1 S de esos valores sólo hay k dstntos x 1, x,..., x k, que se repten, respectvamente, n 1, n,..., n k veces (sus frecuencas absolutas), entonces podemos escrbr: x 139
18 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable x = n x n x... n x o ben, s empleamos frecuencas relatvas: x = 1 1 k k 1 k k f x f x... f x f x nx 1 1 k k 1 Usemos uno de los ejemplos anterores para ver cómo se ordenan los cálculos: x n n x f f x /10 3/ /10 8/ /10 5/ /10 6/ /10 1/ /10 0/10 n = = 10 n x = 63 f = 1 f x = 63/10 x = 8 1 nx = = 6,3 o ben, s prefermos trabajar con frecuencas relatvas: Caso contnuo x = 8 fx = = 6,3 En este caso, reemplazamos las clases por sus marcas x (lo que equvale a suponer que todos los puntos del ntervalo están concentrados en su punto medo). Se trata de una espece de dscretzacón de la varable. Las fórmulas para el calculo de la meda son las msmas de antes. Por ejemplo: Clase Marca de clase Frecuencas absolutas (e 1, e ] x n x n (0, 150] (150, 300] (300, 350] (350, 400] (400, 500] (500, ) =
19 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Para la clase extrema (500, ) se podrían adoptar dversos convenos. Hemos adoptado el de asgnarle la msma ampltud que a la anteror. La meda es, por tanto: x = 6 1 nx = = 85,9 6.. Meddas de poscón Son una generalzacón de la medana. En general, srven para determnar en qué poscón de la dstrbucón se encuentra un ndvduo, supuestos ordenas en orden crecente. Sea X una varable estadístca (dscreta o contnua) sobre una poblacón fnta de tamaño, y sea t un número real tal que 0 < t < 1. Se llama cuantl de orden t al valor C t tal que t ndvduos de la poblacón son tales que X C t y los (1 t) ndvduos restantes son tales que X C t. Dcho de otro modo, el 100t % de los ndvduos se encuentra por debajo del cuantl C t y el 100(1 t) % de ndvduos restante se encuentra por encma del cuantl C t. S t = 0,5, entonces C 0,5 = Me (la medana). S para un ndvduo ocurre que X Me, tal ndvduo está en la prmera mtad de la poblacón ordenada. La nterpretacón de los cuantles y las crcunstancas que se pueden dar en su determnacón, según los casos, son exactamente las msmas que para la medana. En el caso dscreto, ben a partr de los datos sn agrupar o ben a partr de la dstrbucón de frecuencas absolutas tomando como referenca el valor t para mrar en la columna de frecuencas absolutas acumuladas. En el ejemplo de varable dscreta al fnal de este apartado se verá con toda clardad. Para el caso contnuo, con los datos agrupados en ntervalos, exste una fórmula análoga a la de la medana para el cuantl de orden t: t 1 C t = e1 a 1 Los cuantles se estudan en grupos que dvden a la poblacón en un certo número de partes guales, ordenados los ndvduos por el valor de la varable en orden crecente. Según el número de partes en que dvden a la poblacón recben dstntos nombre: Cuartles Dvden a la poblacón en cuatro partes, cada una de las cuales contene al 5% de las observacones. Los cuartles son: Prmer cuartl: Q 1 = C 1/4 (t = 1/4 = 0,5) Segundo cuartl: Q = C 1/ = Me (t = 1/ = 0,5) Tercer cuartl: Q 3 = C 3/4 (t = 3/4 = 0,75) En el caso contnuo, una vez determnado el ntervalo (e 1, e ] que contene a Q k, de frecuenca absoluta acumulada k, las fórmulas para los tres cuartles son: 141
20 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Q 1 = e a Q = e a = Me Q 3 = e Es convenente observar que los cuartles no tenen por qué estar unos a la msma dstanca de otros: lo que han de verfcar es que entre cada dos consecutvos esté el 5% de la poblacón: 5 % 5 % 5 % 5 % e 0 Q 1 Q = Me Q 3 e k Decles Dvden a la poblacón en dez partes, cada una de las cuales contene al 10% de las observacones. Los decles son: a Prmer decl: D 1 = C 1/10 (t = 0,10) Segundo decl: D = C /10 (t = 0,0) Qunto decl: D 5 = C 5/10 = Q = Me (t = 0,50) oveno decl: D 9 = C 9/10 (t = 0,90) La forma de calcularlos es la msma de antes: Centles o percentles D = e Dvden a la poblacón en cen partes, cada una de las cuales contene al 1% de ella. Los percentles son: a P 1 = C 1/100 (t = 0,01).. P 5 = C 5/100 = Q 1 (t = 0,5).. P 50 = C 50/100 = Q = Me (t = 0,50).. P 75 = C 75/100 = Q 3 (t = 0,75).. P 99 = C 99/100 (t = 0,99) 14
21 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Veamos dos ejemplos (uno de varable dscreta y otro de varable contnua) en los que se aprece el cálculo de los dstntos parámetros: Ejemplo 1: consderemos el ejemplo de las págnas 13 y 133: una poblacón formada por 1000 lotes de certas pezas mecáncas. El carácter que se observa es el número de pezas defectuosas que contene: 0, 1,, 3, 4, 5 ó 6. Las frecuencas venen dadas en la sguente tabla: x n n x Calcular la meda, la moda, la medana, los tres cuartles, los decles sexto y séptmo, y los percentles P 40 y P 95 Es claro que x = 117 = 1,17 y que Mo = 1. Para determnar los demás parámetros 1000 mraremos en la fla de frecuencas absolutas acumuladas. Medana: la prmera frecuenca absoluta acumulada que es mayor que / = 500 es = 665. Por tanto Me = 1 Cuartles: la prmera frecuenca absoluta acumulada que es mayor o gual que /4 = 50 es 1 = 300. Entonces Q 1 = 0 (el prmer 5% de los lotes observados, ordenados por orden crecente de pezas defectuosas, tene 0 pezas defectuosas). Por otro lado Q = Me = 1 (el segundo 5% de los lotes observados tenen 0 ó 1 peza defectuosas). Por últmo, la prmera frecuenca absoluta acumulada que es mayor que 3/4 = 750 es 3 = 879. Entonces Q 3 = (el tercer 5% de la poblacón tene 0, 1 ó pezas defectuosas). Sexto y séptmo decles: la prmera frecuenca absoluta acumulada que es mayor que 6/10 = 600 es = 665. Por tanto D 6 = 1 (es decr, el prmer 60% de los lotes observados tenen 0 ó 1 pezas defectuosas). De forma smlar, como 7/10 = 700, la prmera frecuenca acumulada que es mayor que tal valor es 3 = 879 y entonces D 7 = (lo que quere decr que el 70% de los lotes tenen 0, 1 ó pezas defectuosas). Percentles P 40 y P 95 : la prmera frecuenca absoluta acumulada que es mayor que 40/100 = 400 es = 665. Entonces P 40 = 1 (el 40% de los lotes tene 0 ó 1 peza defectuosa). Fnalmente, como la prmera frecuenca absoluta acumulada que es mayor que 95/100 = 950 es 4 = 96, tenemos que P 95 = 3 (el 95% de los lotes tenen 0,,1, ó 3 pezas defectuosas). Ejemplo : los pesos en kg. de 100 alumnos de un colego venen dados por la tabla I n x n x (40, 48] (48, 56] (56, 64] (64, 7] (7, 80] Calcular la meda, la moda, la medana, los el tercer cuartl y el percentl P
22 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Meda: x = = 61,84 1 Moda: el ntervalo modal es (56, 64], y entonces Mo = e 1 1 a = = = 59,73 Medana: el prmer ntervalo cuya frecuenca absoluta acumulada es mayor que 1 / = 50 es (56, 64]. Por tanto Me = e 1 a = = 61, Q 3 : el prmer ntervalo cuya frecuenca absoluta acumulada es mayor que 3/4 = es (64, 7]. Por tanto Q 3 = e 4 1 a = = 70,095. Esto quere decr que el 75% de los alumnos tenen un peso nferor a 70,095 kg. P 35 : el prmer ntervalo cuya frecuenca absoluta acumulada es mayor que /100 = 35 es (56, 64]. Entonces P 35 = e a = = = 57,38. Es decr, el 35% de los alumnos tenen un peso nferor a 57,38 kg Meddas de dspersón Las meddas de centralzacón sntetzan la nformacón: representan la totaldad del conjunto de datos medante unos valores centrales. Sn embargo, un promedo no es sufcente. Es precso añadr tambén una medda de cómo de representatvo es dcho promedo. Consderemos las sguentes dstrbucones: A: B: que podrían representar los pesos de dos grupos de nños. Observamos que los dos grupos tenen el msmo peso medo: x = 4, sendo, no obstante, muy dferentes en cuanto a concentracón-dspersón de sus valores. En el grupo A los valores se encuentran próxmos a la meda, luego tenen poca dspersón. En el grupo B, los valores están alejados de la meda, estando formado por valores más dspersos. Al grado en que los datos numércos tenden a extenderse alrededor de un valor promedo (estadístco de centralzacón como la meda o medana, por ejemplo) se le llama varacón o dspersón de los datos. Se utlzan dstntas meddas de dspersón. Las más empleadas son: rango o recorrdo, recorrdo ntercuartílco, desvacón absoluta meda, varanza, desvacón típca y coefcente de varacón. osotros nos ceñremos a las más mportantes: varanza, desvacón típca y coefcente de varacón. 144
23 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Varanza y desvacón típca La más empleada de las meddas de dspersón es la varanza, que se defne como la meda de los cuadrados de las desvacones respecto a la meda; esto es, la meda de la varable : X X : k n (x x) Var(X) = k 1 = X X f (x x) Puesto que la varanza de X no vene dada en las msmas undades de X (s, por ejemplo, la varable vene dada en metros, la varanza resulta en metros cuadrados), en su lugar se emplea la desvacón típca,, defnda como 1 = + Var(X) = + En la medda en que la varanza o la desvacón típca tomen valores más o menos grandes, esto ndcará el grado de dspersón o alejamento de los datos respecto de la meda. En el caso trval de que todos los valores de la varable estén concentrados en un punto (que concdrá con la meda), estos estadístcos de dspersón se anularán. Hay una fórmula que se obtene del desarrollo de la expresón de la varanza que permte calcular ésta de manera smplfcada. Es la sguente: Var(X) = = k 1 nx x Coefcente de varacón Las meddas de dspersón estudadas hasta ahora se expresan en la msma undad de medda que la varable estadístca, desgnando meddas de dspersón absoluta. Esto presenta algunos problemas técncos: Cómo hacer comparacones entre dos dstrbucones de naturaleza dferente (alturas y pesos) o, aun sendo de la msma naturaleza, expresadas en undades dferentes (metros y pulgadas)? Por otro lado, una varacón de 100 en una sere de compras cuyo preco medo es de 1000 tene una repercusón muy dferente que la msma varacón de 100 en una sere de compras cuyo preco medo es de Para resolver estos problemas recurrmos a una medda de dspersón relatva, que recbe el nombre de coefcente de dspersón o de varacón de Pearson: CV = x Esta es una medda abstracta que no tene dmensones. Tene las sguentes propedades: Suele expresarse en %: CV = x
24 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Cuanto menor es el coefcente de varacón más homogénea respecto a la meda es la dstrbucón. Cuanto más cerca de 0 esté, más representatva de la dstrbucón es la meda. A medda que se aleja de 0, la meda es menos representatva. Al ser una medda relatva, permte comparar dstrbucones del msmo tpo aunque tengan dstnto tamaño. Tene el nconvenente de que deja de ser útl cuando x está próxma a 0. Es ndependente de las undades utlzadas. Ejemplo: volvamos sobre el ejemplo de la págna 143 en el que se daban los pesos en kg. de 100 alumnos de un colego. Calculemos la varanza, la desvacón típca y el coefcente de varacón. Para ello vamos a dseñar la tabla de manera que nos sea útl para realzar los cálculos I n x x n x n x (40, 48] (48, 56] (56, 64] (64, 7] (7, 80] Recordemos que x = smplfcada: = típca será: = + k 1 nx x = 61,84. Calcularemos la varanza con la fórmula = = + 95,8144 9, ,84 = 95,8144. Por tanto la desvacón 100 9,788 El coefcente de varacón es pues: CV = = 0,158, es decr la desvacón x 61,84 típca es el 16, % de la meda; por tanto, la meda es muy representatva de la poblacón. 146
25 n Pedro Castro Ortega Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable Ejerccos y problemas 1. Completar los datos que faltan en la sguente tabla estadístca, donde (como se debe saber) n,, f y F son las frecuencas absolutas, absolutas acumuladas, relatvas y relatvas acumuladas. x n f F n x x 1 4 0, , , ,14 8 = n x Calcular la moda, meda, varanza y desvacón típca. Calcular el coefcente de varacón e nterpretarlo. Calcular la medana y los cuartles.. Las puntuacones obtendas por 0 personas en una prueba quedan reflejadas en el sguente hstograma de frecuencas absolutas. Calcular la moda, meda, varanza y desvacón típca. Calcular el coefcente de varacón e nterpretarlo (0, ] (, 4] (4, 6] (6, 8] (8, 10] x 3. Las calfcacones de dos grupos de dez alumnos en la Prmera Evaluacón en una certa asgnatura se recogen en la sguente tabla: Grupo A Grupo B Contestar razonadamente a las sguentes cuestones: a) Cuál de los dos grupos obtuvo mejores resultados? b) Qué grupo es más homogéneo? 147
26 Matemátcas aplcadas a las Cencas Socales I lasmatematcas.eu Tema 8: Estadístca en una varable 4. La sguente tabla recoge los mnutos de retraso en la ncorporacón al trabajo de los empleados de una empresa: Retraso en mnutos (0, 4] (4, 8] (8, 1] (1, 16] (16, 0] úmero de empleados a) Representar los datos medante un hstograma. b) Calcular el retraso medo y la desvacón típca. c) Calcular la medana y los cuartles y explcar qué mden estos parámetros. 5. En un estudo sobre el sueldo en euros de 50 personas se han obtendo los sguentes datos: Sueldo (500, 700] (700, 900] (900, 1300] (1300, 1500] (1500, 100] º de personas a) Construr el hstograma (nótese que las clases tenen ampltudes desguales). b) Calcular la meda, la varanza, la desvacón típca y el coefcente de varacón y explcar el sgnfcado de estos parámetros. 6. Los pesos en klogramos de 50 personas venen dados por la tabla: Peso (50, 60] (60, 70] (70, 80] (80, 90] (90, 100] úmero de empleados Calcular el peso medo, los cuartles y la desvacón típca. Interpreta los resultados. Se puede decr que es un grupo homogéneo? 7. La tabla de frecuencas que se da a contnuacón corresponde a la varable estadístca X = Poscón en la lga de un certo equpo, medda durante qunce años consecutvos: X 1º º 3º 4º 5º o peor úmero de veces a) Indcar de qué tpo de varable se trata. b) Representar gráfcamente la dstrbucón en dagramas rectangular y en otro de sectores. c) Dar una medda de poscón central y otra de dspersón adecuadas al expermento. Explcar por qué lo son, así como su sgnfcado. 8. Hacer un estudo estadístco completo (dagramas, meddas de centralzacón, de poscón, de dspersón e nterpretacón de los resultados) del ejemplo 4.1 de la págna 18 y del ejemplo 4.3 de la págna
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 detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesTema 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 detallesPoblación: 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 detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesTema 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 detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesProblemas 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 detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesTRABAJO 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 detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detalles4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es
4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA
Más detallesMaestría 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 detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesEstadística Descriptiva Análisis de Datos
El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesTEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA
ANÁLISIS DESCRIPTIVO DE VARIABLES CUANTITATIVAS () Contendos TEMA 4.4. Introduccón 4.5. Dstrbucones de frecuencas de varables cuanttatvas (datos agrupados) 4.6. Propedades de las dstrbucones de varables
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detalles4 E.M. Curso: NOMBRE: 4º. Colegio SSCC Concepción - Depto. de Matemáticas. Guía N. Unidad de Aprendizaje: Estadísticas
Curso: Colego SSCC Concepcón - Depto. de Matemátcas Undad de Aprendzaje: Estadístcas Capacdades/Destreza/Habldad: Raconamento Matemátco/ Comprensón, Aplcacón/ Valores/ Acttudes: Respeto, Soldardad, Responsabldad
Más detallesModelos 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 detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO ESCUELA NACIONAL COLEGIO DE CIENCIAS Y HUMANIDADES PLANTEL SUR ACADEMIA DE MATEMÁTICAS GUÍA PARA PREPARAR EL EXAMEN EXTRAORDINARIO DE ESTADISTICA Y PROBABILIDAD
Más detallesCuaderno de actividades 4º ESO
Estadístca Undmensonal 1 Conceptos báscos. Cuaderno de actvdades º ESO Cualquer elemento o ente que sea portador de nformacón sobre alguna propedad en la cual se está nteresado se denomna ndvduo. El conjunto
Más detallesCapítulo III Medidas de posición y de dispersión
Capítulo III Meddas de poscón y de dspersón Introduccón Hasta ahora, para descrbr un conjunto de datos, se han empleado tablas y gráfcos. Estos son útles para dar rápdamente una vsón general del comportamento
Más detallesANÁLISIS EXPLORATORIO DE DATOS
ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de
Más detallesENCUESTA 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 detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesMatemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato
Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesEstadística Empresarial I
Estadístca Empresaral I Tema Concepto de Estadístca EE I - Carlos G. García González - ULL Qué es la Estadístca? Concepto de Estadístca: La Estadístca forma parte de los métodos cuanttatvos que utlza la
Más detallesEjercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.
Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo
Más detallesUNIVERSIDAD DE SONORA
UNIVERSIDAD DE SONORA Dvsón de Cencas Exactas y Naturales Departamento de Matemátcas Estadístca Aplcada a las Lcencaturas: Admnstracón, Contaduría e Inormátca Admnstratva. Fascículo II: Estadístca Descrptva
Más detalles-.GEOMETRÍA.- a) 37 cm y 45 cm. b) 16 cm y 30 cm. En estos dos, se dan la hipotenusa y un cateto, y se pide el otro cateto:
-.GEOMETRÍA.- Ejercco nº 1.- Calcula el lado que falta en este trángulo rectángulo: Ejercco nº 2.- En los sguentes rectángulos, se dan dos catetos y se pde la hpotenusa (s su medda no es exacta, con una
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesMétodos 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 detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesPREGUNTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS EN EXÁMENES DE LOS CAPÍTULOS 2, 3 Y 4 (DISTRIBUCIONES DE FRECUENCIAS UNIDIMENSIONALES )
TUTORÍA DE ITRODUCCIÓ A LA ESTADÍSTICA. (º A.D.E.) e-mal: mozas@el.uned.es PREGUTAS TIPO TEST Y EJERCICIOS PRÁCTICOS PROPUESTOS E EXÁMEES DE LOS CAPÍTULOS, Y 4 (DISTRIBUCIOES DE FRECUECIAS UIDIMESIOALES
Más detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesEs el movimiento periódico de un punto material a un lado y a otro de su posición en equilibrio.
1 Movmento Vbratoro Tema 8.- Ondas, Sondo y Luz Movmento Peródco Un móvl posee un movmento peródco cuando en ntervalos de tempo guales pasa por el msmo punto del espaco sempre con las msmas característcas
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detalles1.- Objetivo Alcance Metodología...3
PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesCAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL
CAPITULO 4 MEDIDAS DE TENDENCIA CENTRAL La estadístca descrptva en su uncón básca de reducr datos, propone una sere de ndcadores que permten tener una percepcón rápda de lo que ocurre en un enómeno. La
Más detallesESTADÍSTICA 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 detallesModelos 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 detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesRentas o Anualidades
Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesMatemáticas A 4º E.S.O. pág. 1
Matemátcas A º E.S.O. pág. HOJA : ESTADÍSTICA º.- Agrupa en ntervalos y construye una tabla de frecuencas (con la marca de clase ncluda) y la frecuenca absoluta de las sguentes alturas, meddas en centímetros,
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUCCIÓN A LA PROBABILIDAD José Lus Quntero Expermento aleatoro Expermento Bnomal Teoría de Conjuntos Probabldad Teorema de Bayes Técncas de Conteo Unversdad Central de Venezuela Facultad de Ingenería
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesE-Book ISBN Fecha de catalogación: 04/04/2014. INTRODUCCION
E-Book ISBN 978-987-1676-14-9. Fecha de catalogacón: 04/04/014. INTRODUCCION Esta sere ddáctca fue preparada en el año 1999, en oportundad de dctarse por prmera vez la asgnatura Elementos de Matemátca
Más detalles