ESTADÍSTICA DESCRIPTIVA
|
|
- José Francisco Soriano Cruz
- hace 7 años
- Vistas:
Transcripción
1 ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN Y FORMA) CONCEPTOS FUNDAMENTALES POBLACIÓN: cojuto de elemetos o dvduos de los que teresa estudar algua característca. MUESTRA: subcojuto de elemetos de ua poblacó. Coste Tempo RAZONES PARA ESTUDIAR UNA MUESTRA Persoal cualfcado Procesos destructvos
2 Llamamos CARÁCTER a la cualdad objeto de uestro estudo. Los caracteres puede ser: Cuattatvos: la característca toma valores umércos (úmero de petcoes a u servdor, tempo etre petcoes cosecutvas,etc) Cualtatvos:la característca o toma valores umércos (sexo, color de pelo, etc) Los caracteres cuattatvos se llama VARIABLES ESTADÍSTICAS. Los caracteres cualtatvos se llama VARIABLES CUALITATIVAS. SEGÚN EL TIPO DE VALORES QUE PUEDEN TOMAR las varables estadístcas puede ser de dos tpos : Dscretas: s SÓLO PUEDE TOMAR UN NÚMERO ftos o fto umerable DE VALORES DISTINTOS. Cotuas: s PUEDE TOMAR cualquer valor de uo o varos tervalos. EJEMPLOS POBLACIÓN: MUESTRA: VARIABLE ESTADÍSTICA: VARIABLE CUALITATIVA: ESTUDIANTES DE LA EUI ALUMNOS DE ESTADÍSTICA DEL SM EDAD, PESO, NÚMERO DE SEXO, CARA/CRUZ, SENSACIÓN VARIABLE DISCRETA: VARIABLE CONTINUA: EDAD, NÚMERO DE PESO, ESTATURA
3 . DISTRIBUCIÓN DE FRECUENCIAS Sea ua muestra de tamaño ; supogamos que X toma como valores dsttos x, x,..., x k. FRECUENCIA ABSOLUTA DE x : Es el úmero,, de veces que se k repte x. FRECUENCIA RELATIVA DE x : es el cocete etre la frecueca absoluta y. k f, f FRECUENCIA ABSOLUTA(RELATIVA) ACUMULADA DE x. S llamamos x *, x *,..., x * k a los valores ordeados de meor a mayor: N F j N j Frecueca absoluta acumulada de x* Frecueca relatva acumulada de x* 5 S el úmero de valores dsttos que toma la varable es grade (mayor que 0), se agrupa los datos e tervalos para costrur la tabla de frecuecas. VARIABLES NO AGRUPADAS: SI TOMA MENOS DE 0 VALORES DISTINTOS. VARIABLES AGRUPADAS: SI TOMA MÁS DE 0 VALORES DISTINTOS. Ejemplos: VARIABLES NO AGRUPADAS: EDAD, Nº ASIGANTURAS, VARIABLES AGRUPADAS: PESO, ESTATURA, SENSACIÓN, 6
4 VARIABLES AGRUPADAS EN INTERVALOS A estos tervalos se les llama tervalos de clase. Al puto medo de cada clase se le deoma marca de clase. El úmero de tervalos de clase lo determa la persoa que está realzado el estudo, auque ua posbldad razoable es tomar el etero más próxmo a.log 0 (). CRITERIO ESENCIAL: SENTIDO COMÚN Y QUE LA LECTURA SEA FÁCIL Y SIGNIFICATIVA EJEMPLO: PESO (Statg) 7 VARIABLES AGRUPADAS EN INTERVALOS EJEMPLO: PESO. Por defecto, Statgraphcs ofrece esta tabla: Cambamos el úmero de clases y los valores extremos, tetado que los tervalos y las marcas de clase sea fácles de detfcar. Esta ueva tabla os da u formacó más dgerble : 8
5 . MÉTODOS GRÁFICOS VARIABLES SIN AGRUPAR: Dagrama de barras Dagrama de sectores 0 5 Dagrama de barras de Nº de llamadas Frecuecas Dagrama de sectores de Nº de llamadas 8,6% 6,% Nº de llamadas 6,% 0 8,7%,9% 5 6,5% 9. MÉTODOS GRÁFICOS VARIABLES AGRUPADAS: Hstograma Cada clase se represeta medate u rectágulo cuyo área es proporcoal a su frecueca (absoluta o relatva) frequecy Hstogram Peso 0 5
6 . MÉTODOS GRÁFICOS OTRAS REPRESENTACIONES Dagrama de Tallo y Hojas (stetza formacó sobre los datos y sus frecuecas y da ua buea mage gráfca). Ejemplo: PESO. Represeta que hay persoas co 60kg, persoas co 6kg y persoas co 6kg. MÉTODOS GRÁFICOS OTRAS REPRESENTACIONES Idcadores del Ídce de Acceso Dgtal segú el vel de gresos: 6
7 MEDIDAS NUMÉRICAS REPRESENTATIVAS MEDIDAS DE TENDENCIA CENTRAL Moda Meda Medaa Cuatles: cuartles, decles y percetles MEDIDAS DE DISPERSIÓN Rago o recorrdo Recorrdo tercuartílco Varaza y desvacó típca Desvacó meda Coefcetes de varacó MEDIDAS DE FORMA Coefcetes de asmetría. MEDIDAS DE TENDENCIA CENTRAL MODA, Mo: Es el dato que más se repte. Puede haber más de ua moda. Por ejemplo, co los datos muestrales:,,,,,,,5,6,6,6,7,7,8,8 se tee dos modas: y 6. Dagrama de barras de Nº de llamadas 0 5 Hacer llamadas al día es lo más frecuete. Moda Frecuecas 7
8 8 5. MEDIDAS DE TENDENCIA CENTRAL MEDIA ARITMÉTICA: s todo se repartera de forma homogéea, cuáto tedrá cada uo? x x x x k j j j x x Co los datos,,,,,,,5,6,6,6,7,7,8,8, se tee: 6. MEDIDAS DE TENDENCIA CENTRAL MEDIA ARITMÉTICA: x Dagrama de barras de Nº de llamadas Frecuecas
9 MEDIANA Me: Es el valor que está e el medo s ordeamos e magtud los datos (el 50% es meor que él y el 50% mayor) Medaa del º de llamadas? 0 Dagrama de barras de Nº de llamadas Observado las frecuecas relatvas acumuladas, se ve que el llega hasta el 0%, y el va del 0% al 67% (cluye al 50%). Por tato, Medaa Frecuecas 7 CUANTIL DE ORDEN α, Cα: Es u valor tal que, ordeados e magtud los datos, el 00 α % es meor que él y el resto mayor. Los más utlzados so: los cuartles Q (α0.5), Q (α0.75), QMedaa (α0.5) los decles D,...,D 9 (α 0.,..., 0.9) los percetles P,...,P 99 (α 0.0,...,0.99) Cálculo de cuatles: (medaa, cuartles y percetles) A partr de las frecuecas relatvas acumuladas: Hallar el tercer cuartl y el percetl 0 de la varable º de llamadas. 8 9
10 Cα: Es u valor tal que, ordeados e magtud los datos, el 00 α % es meor que él y el resto mayor. Tercer cuartl (α0.75): buscamos e la últma columa el valor 0.75, que se ecuetra justo e el. Por tato Q y se puede terpretar: el 75% de los estudates hace llamadas o meos el 5% de los estudates hace llamadas o más el porcetaje de estudates que hace más de llamadas o llega al 5% 75% 5% 9 Cα: Es u valor tal que, ordeados e magtud los datos, el 00 α % es meor que él y el resto mayor. Percetl cuareta (α0.0): buscamos e la últma columa el valor 0.0, que se ecuetra justo e el. Por tato P0 y se puede terpretar: el 0% de los estudates hace llamada o meos el 60% de los estudates hace llamada o más 0% 60% 0 0
11 ROBUSTEZ DE LA MEDIANA Cosderemos los datos del ejemplo ateror: S añadmos u uevo dato x 6 y calculamos de uevo la meda y la medaa, obteemos: Nueva meda: x 6.8 Nueva medaa: Me 5.5 La meda camba más que la medaa. Qué ocurrría s e el ejemplo del º de llamadas troducmos los datos de dos estudates más que ha hecho 0 llamadas? COMPARACIÓN MEDIA-MEDIANA La meda cotee más formacó porque usa los valores de todos los datos. La medaa es más robusta frete a los cambos e los datos. La meda es más seclla de calcular y se presta mejor a los cálculos algebracos. Debe calcularse ambas pues proporcoa formacó complemetara.
12 .5 MEDIDAS DE DISPERSIÓN Las meddas de cetralzacó proporcoa ua formacó completa del cojuto de datos. Ejemplo: sea X e Y las otas de dos grupos de cuareta alumos, co dstrbucoes de frecuecas: x y Para ambas varables la meda es 5, pero e el segudo caso 5 es u valor más represetatvo de los datos que e el prmero. Las meddas de dspersó os permte valorar s el valor de la medda de tedeca cetral es, o o es, represetatvo. MEDIDAS DE DISPERSIÓN MEDIDAS DE AMPLITUD: RANGO O RECORRIDO: R Max - M RECORRIDO INTERCUARTÍLICO: RQ Q - Q Ejemplo: sea X e Y las otas de dos grupos de cuareta alumos, co dstrbucoes de frecuecas: x y RX 0-00; RY RQX 0-00; RQY 5 50 Co estas meddas sí se detecta las dferecas.
13 VARIANZA: MEDIDAS DE DISPERSIÓN MEDIDAS DE DISTANCIA A LOS VALORES CENTRALES: Dstaca a la meda: V DESVIACIÓN TÍPICA: k ( x x) ó V ( x j x) Dt La desvacó típca es la dstaca meda al valor medo de la varable. Está e las msmas udades que la propa varable (o así a varaza). E el ejemplo ateror: V V X Y 0 0 ( 0 5) 0 ( 0 5) 0) V 5 Dt 5 (.5 5) ( 5 5) ( 5.5 5) ) 0,075 Dt 0. 9 X j Y j 5 MEDIDAS DE DISPERSIÓN MEDIDAS DE DISTANCIA A LOS VALORES CENTRALES: Estos resultados se terpreta cosderado que la dstaca meda de la varable X a su valor medo (5) es de 5. La dstaca meda de la varable Y a su valor medo (5) es de 0.9. (Se terpreta el valor de la desvacó típca, pues está e las msmas udades que la propa varable, o así a varaza.) 6
14 MEDIDAS DE DISPERSIÓN MEDIDAS DE DISTANCIA A LOS VALORES CENTRALES: Dstaca a la meda: Por razoes que se verá más adelate, los programas estadístcos calcula los valores de: CUASIVARIANZA: s - CUASIDESVIACIÓN TÍPICA: ( x x) s s 7 MEDIDAS DE DISPERSIÓN MEDIDAS DE DISTANCIA A LOS VALORES CENTRALES: Dstaca a la medaa: DESVIACIÓN MEDIA: DM DM X Y 0 0 k Dm x Me ó Dm x j Me j E el ejemplo de las varables X e Y que represeta uas otas: ( ) 5 ( ) j 0,075 8
15 MEDIDAS DE DISPERSIÓN MEDIDAS DE DISTANCIA RELATIVA A LOS VALORES CENTRALES. Srve para comparar la dspersó etre dos varables que toma valores de magtudes dferetes (o dca la msma dspersó ua Dt s el peso está meddo e gramos que s está meddo e Kg) COEFICIENTE DE VARIACIÓN DE PEARSON (dspersó respecto de la meda): CV Dt x COEFICIENTE DE VARIACIÓN MEDIA (dspersó respecto de la medaa): CVm Dm Me 9 MEDIDAS DE DISPERSIÓN Se quere comparar qué varable tee mayor dspersó, s la Edad o la Estatura: Como datos, teemos: X X EDAD ESTATURA.8 ; Dt EDAD 7 ; Dt.5 ESTATURA 7.6 La desvacó es mayor e ESTATURA, s embargo e térmos relatvos se tee que:.5 CV EDAD 0.077; CV.8 ESTATURA La desvacó de EDAD represeta el 0.77% del valor de su meda y, e cambo, la desvacó de ESTATURA represeta sólo el.% del valor de su meda. Proporcoalmete, la varable EDAD tee ua mayor dspersó que la varable ESTATURA. 0 5
16 PROPIEDADES DE MEDIA Y VARIANZA Sea x,...,,..., k x k los valores dferetes de ua varable estadístca X y sus frecuecas correspodetes, etoces, V X k x x sedo k Ejemplo: sea X e Y las otas de dos grupos de cuareta alumos, co dstrbucoes de frecuecas: x y V V X Y 0 0 ( ) 5 5 ( ) 5 0,075 PROPIEDADES DE MEDIA Y VARIANZA S se defe ua ueva varable Y axb, etoces A) B) y ax V a b Y V X 6
17 DESIGUALDAD DE CHEBYCHEV E el tervalo ( X k Dt, X k Dt) se ecuetra, como mímo el 00 - % de los datos. k Por ejemplo, co la varable ESTATURA, meda de 7 y desvacó típca de 7.6, cosderamos k: ( X Dt, X Dt) (59.8,88.7) ; 00 - % 75 % Se tee que al meos el 75% de los estudates tee ua estatura etre 59.8 y 88.7 cm. Para k, se tee que al meos el 89% de los estudates tee ua estatura etre 5 y 96 cm..6 MEDIDAS DE ASIMETRÍA Smetría a la derecha Skewess > 0 Smétrca Skewess ~0 Smetría a la zquerda Skewess < 0 Cómo cuatfcarla? Como los valores extremos fluye más e la meda que e la medaa, ua forma es observar la dfereca etre meda y medaa, teedo e cueta su sgo. COEFICIENTE DE ASIMETRÍA DE PEARSON: CAP ( x M e ) Dt 7
18 .6 MEDIDAS DE ASIMETRÍA Otra forma, es cuatfcar las dferecas co la meda (valor cetral), pero teedo e cueta el sgo de esas dferecas. COEFICIENTE DE ASIMETRÍA DE FISHER: ( x x ) CAF Para ambos coefcetes, s: ( Dt) CAF>0 o CAP>0, la dstrbucó es asmétrca a la derecha. CAF0 o CAP0, la dstrbucó es smétrca. CAF<0 o CAP<0, la dstrbucó es asmétrca a la zquerda. 5 DIAGRAMA DE CAJA (BOX-PLOT) Es ua represetacó gráfca que stetza la formacó sobre los valores cetrales, la dspersó y la smetría de ua varable. Dato meor o atípco Meda Box-ad-Whsker Plot Medaa Dato mayor o atípco Dato atípco Altura Dato atípco Prmer cuartl:q Tercer cuartl: Q 6 8
19 DIAGRAMA DE CAJA (BOX-PLOT) Se costruye del sguete modo: Co los datos ordeados se obtee los tres cuartles Se dbuja u rectágulo cuyos extremos so Q y Q y se dca la poscó de la medaa medate ua líea. Se calcula los límtes de admsó ( los valores que quede fuera se cosdera atípcos) LI Q '5 ( Q Q ) LS Q '5 ( Q Se dbuja ua líea desde cada extremo del rectágulo hasta el valor más alejado o atípco. Se marca todos los datos cosderados como atípcos. Q ) 7 DIAGRAMA DE CAJA (BOX-PLOT) Ejemplos: Box-ad-Whsker Plot Box-ad-Whsker Plot Peso 0 5 Nº de llamadas 8 9
20 .5. REGRESIÓN Regresó (e la presetacó de la asgatura) OBJETIVO: Estudar la posble relacó fucoal etre dos o más varables. tee relacó el º de asgaturas aprobadas co el de matrculadas?, y co el tempo que se tarda e llegar a la EUI?, o co el º de películas que se ha vsto e el curso? se puede coocer el peso de algue a partr de su estatura? tee relacó el º de llamadas co la duracó de las llamadas? Fuete: Gock,L. La Estadístca e cómc 9 Dsttos dagramas de dspersó Para tur qué tpo de relacó puede haber etre dos varables, u bue strumeto es el dagrama de dspersó: Mortaldad Ifatl ,7 0,7 0,67 0,87,07 Idce de Desarrollo Humao A mayor Idce de Desarrollo Humao, meor tasa de mortaldad fatl. (Relacó versa) Forma de recta co pedete egatva (relacó leal egatva) peso Plot of Ftted Model estatura A mayor Estatura, mayor Peso. (Relacó drecta) Forma de recta co pedete postva (relacó leal postva) 0 0
21 Dsttos dagramas de dspersó Para tur qué tpo de relacó puede haber etre dos varables, u bue strumeto es el dagrama de dspersó: Aprobados/Matrculados Número de asg. matrculadas No parece que haya relacó etre el úmero de asgaturas matrculadas co el porcetaje de asgaturas aprobadas. (Varables depedetes) (X 0000) PIBpc Alfabetzacó A mayor vel de alfabetzacó, mayor PIB (relacó drecta). Pero el modelo fucoal o parece ser ua recta (relacó o leal). ESTUDIO DE REGRESIÓN: INFLUENCIA DE LA EDAD DE LA MUJER EN LA TASA DE ACIERTO EN LA REPRODUCCIÓN ASISTIDA 0 Plot of Ftted Model Tasa_de_acerto Edad A mayor edad, meor tasa de acerto (relacó versa). Pero el modelo fucoal que más se ajusta o es ua recta (relacó o leal).
22 Dsttos dagramas de dspersó Cómo sabemos cuál es el modelo que mejor explca la relacó etre dos varables? CASO GENERAL: Y f (X ) Cuado aproxmamos el valor de y por el de y * f(x ), estamos cometedo u error: e y f(x ) y y * (se suele deomar resduo). La dea es ecotrar la fucó f(x) que hace que la suma de los cuadrados de estos errores sea míma (mímos cuadrados). La meda de los cuadrados de dchos errores se deoma VARIANZA RESIDUAL: V R e ( ) y f ( x )
23 Cómo se obtee esa fucó f(x)? A la vsta del dagrama de dspersó se propoe u modelo para f: Leal: f(x) ax b Polómco: f(x) ax bx c Expoecal: f(x) a e bx Se halla los valores de a y b que hace míma la varaza resdual. Para el caso leal, f(x) ax b, se busca a y b que haga mímo: V R ( ) y ( ax b) y se obtee: a y ( x x) ; ( x x) b y ax NOTA: E este curso utlzaremos Statgraphcs para obteer las expresoes de los modelos de regresó. 5 Cómo sabemos s esa fucó f(x) es u bue modelo? Cuato meor sea su varaza resdual, mejor será el modelo. Pero para poder comparar, se ha de teer ua medda admesoal (que o depeda de las udades e las que estemos trabajado) y que tega e cueta la propa varabldad de Y (V Y ). Esta medda es el COEFICIENTE DE DETERMINACIÓN: Propedades: 0 R Se terpreta como el porcetaje de la varaza de Y que es explcado por el modelo propuesto. El modelo será más adecuado cuato más cercao esté de (o del 00%) y será peor cuato más cerca esté de 0. (Se cosdera u bue modelo a partr de 0.5 o 50%) R 6 V V R Y
24 Tasa_de_acerto Ejemplo: INFLUENCIA DE LA EDAD DE LA MUJER EN LA TASA DE ACIERTO EN LA REPRODUCCIÓN ASISTIDA Tasa_de_acerto Plot of Ftted Model Edad Plot of Ftted Model Edad Co el modelo leal, se obtee u valor de R Es decr, el 87.56% de la varabldad de la tasa de acerto e la reproduccó asstda se puede explcar por la relacó leal co la varable Edad. (Es u bue modelo) Co el modelo parabólco, se obtee u valor de R Es decr, el 97.89% de la varabldad de la tasa de acerto e la reproduccó asstda se puede explcar por la relacó cuadrátca co la varable Edad. Es u bue modelo y, además, explca mejor el comportameto de la tasa de acerto que el modelo leal. 7 Regresó leal smple Es el modelo más secllo, f(x) ax b, y tee alguas propedades partculares que vamos a estudar. Para medr la relacó leal etre dos varables, se utlza e estadístca descrptva la COVARIANZA: Cov( X, Y ) ( x x)( y y) x y xy Cov(X,Y) > 0, dca ua relacó leal drecta, Cov(X,Y) < 0, dca ua relacó leal versa. Cov(X,Y) 0, dca que o hay relacó leal etre las varables. (Puede haber otro tpo de relacó) 8
25 Regresó leal smple A partr de la covaraza se tee ua expresó más smple de la recta de regresó: Cov( X, Y ) Y y ( X x) V ( X ). Observar que la recta sempre pasa por el puto Se defe el coefcete de correlacó leal: Se verfca que: r y ( x, y). Cov( X, Y ) r dt( X ) dt( Y ) r R ; R r Iterpretacó de los parámetros del modelo Nos teresa sobre todo: El tpo de relacó leal: drecta o versa La bodad del ajuste: e qué grado el modelo explca el comportameto de la varable Y? 9 Regresó leal smple Iterpretacó Tpo. de relacó leal: Observamos el coefcete de correlacó r, Cov(X,Y) o la pedete de la recta de regresó - r 0 ó Cov(X,Y) 0 ó pedete 0: o hay relacó leal. - r > 0 ó Cov(X,Y) > 0 ó pedete > 0: relacó leal drecta. - r < 0 ó Cov(X,Y) < 0 ó pedete < 0: relacó leal versa. Bodad del ajuste: Será mejor cuato más cerca esté de el valor de Será peor cuato más cerca esté de 0 el valor de r r y R y R 50 5
26 Regresó leal smple Observacó: correlacó leal causaldad -S se aumeta de peso o se tee porqué aumetar de estatura. -Hay ua correlacó postva etre esperaza de vda y porcetaje de poblacó urbaa, es más sao vvr e la cudad que e el campo?. -Hay ua correlacó egatva etre vel de estudos uverstaros de la mujer y porcetaje de mujeres casadas, s estudas o te casas? - Correlacó egatva etre tasa de mortaldad y tasa de dvorcos, cuáto más os dvorcemos más vvmos? 5 6
ESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detallesSi los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
Más detallesMétodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesEstadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
Más detallesI n t r o d u c i ó n A l a E s t a d í s t i c a 1
Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones
UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo
Más detalles5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama
Más detallesNOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN
UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesAnálisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears
Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.
Más detallesEjercicios Resueltos de Estadística: Tema 1: Descripciones univariantes
Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
Más detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesPROBABILIDAD Y ESTADÍSTICA APLICADA
UNIVERSIDAD ORT Uruguay Facultad de Igeería Berard Wad - Polak PROBABILIDAD Y ESTADÍSTICA APLICADA NOTAS DE CLASE DEL CURSO DE LA Lcecatura e Sstemas FASCÍCULO Prof. Orual Ada Cátedra de Matemátcas Año
Más detallesGuía práctica para la realización de medidas y el cálculo de errores
Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detallesESTADÍSTICA DESCRIPTIVA
H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesTema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA
Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,
Más detallesCURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Más detallesFrecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti
116 Capítulo 7: Estadístca. Azar y probabldad TEORÍA. Matemátcas 4º de ESO 1. ESTADÍSTICA 1.1. Muestras. Estudos estadístcos S queremos hacer u estudo estadístco teemos que: a) Recoger los datos b) Descrbr
Más detallesLECCIONES DE ESTADÍSTICA
LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que
Más detallesESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos
Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado
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 detallesCURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.
Más detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Más detallesEjercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión
Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua
Más detallesINTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS
Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué
Más detallesFigura 1
Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesMuestra: es un subconjunto, extraído de la población, cuyo estudio sirve para inferir características de toda la población
ESTADÍSTICA U poco de hstora El orge de la estadístca se ecuetra e el térmo Estado, pues uero los goberates los que prmero se preocuparo de elaborar y clascar las termables lstas de los recursos humaos
Más detallesFormulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico
Esquema estadístco Problema de vestgacó Preguta de vestgacó Formulacó precsa de la(s) preguta(s) de vestgacó Plaeacó Dseño Muestra Feómeo Aleatoro Aálss y presetacó de la formacó Iferecas Toma de decsoes
Más detallesINTRODUCCIÓN. 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 detallesANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN
UNIDAD 6 ANÁLISIS DE REGRESIÓN SIMPLE Y CORRELACIÓN Itroduccó a la udad El uso de la regresó leal smple es muy utlzado para observar el tpo de relacó que exste etre dos varables y poder llevar a cabo la
Más detallesManual de Estadística
Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo
Más detallesESTADÍSTICA DESCRIPTIVA E INFERENCIAL I
COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesTEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA
ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesde los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u
FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:
Más detallesAlgunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos
Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva
Más detallesTEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.
TEMA : PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.. INTRODUCCIÓN Hasta ahora hemos vsto cómo se puede resumr los datos obtedos del estudo de ua muestra (o ua poblacó) e ua tabla estadístca
Más detallesMATEMÁTICA. Unidad 4. Resolvamos desigualdades. variabilidad de la información
MATEMÁTICA Udad 4 Resolvamos desgualdades Iterpretemos la varabldad de la formacó Objetvos de la Udad: Propodrás solucoes a problemas relacoados co desgualdades leales y cuadrátcas; y represetarás los
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
Más detallesIII. GRÁFICOS DE CONTROL POR VARIABLES (1)
III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co
Más detallesMS Word Editor de Ecuaciones
MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua
Más detallesTécnicas básicas de calidad
Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos
Más detallesGuía para la Presentación de Resultados en Laboratorios Docentes
Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las
Más detallesUNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda
UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar
Más detalles6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
Más detallesControl estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso
Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e
Más detallesLos principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos
Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria
Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó
Más detallesEL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003
8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura
Más detallesCURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO
CURO PROBABILIDAD Y ETADITICA FM75 PROFEOR RODOLFO TORO DEPARTAMETO DE FIICA Y MATEMATICA UIVERIDAD ACIOAL ADRE BELLO EL MÉTODO CIETÍFICO La Estadístca, costtuye así, ua dscpla cetífca extremadamete ampla
Más detalles7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
Más detallesR-C CARGA Y DESCARGA DE UN CONDENSADOR
RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS
Más detallesTecnológico de Estudios Superiores de Cuautitlán Izcalli DIVISIÓN DE INGENIERÍA ELECTRÓNICA
Tecológco de Estudos Superores de Cuauttlá Izcall DIVISIÓN DE INGENIERÍA ELECTRÓNICA CUADERNILLO DE PROBABILIDAD Y ESTADÍSTICA ELABORO REVISO M. e C. FELIX ANTONIO SAUCEDO ESQUIVEL Vo. Bo. ING. MARIA DEL
Más detallesActividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.
Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales
Más detalles2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Más detallesANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de
Más detallesBolsa Nacional de Valores, S.A. San José, Costa Rica
SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesFórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función
Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL
Más detalles