ESTADÍSTICA DESCRIPTIVA
|
|
- Hugo Silva Miguélez
- hace 7 años
- Vistas:
Transcripción
1 Estadístca 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de una enfermedad ante una determnada tratamento, lo prmero, es tratar de reducr la nformacón hasta hacerla manejable. Ante la mposbldad de trabajar con toda la poblacón, etraemos muestras de la msma, que sean representatvas. Cuando hablamos de poblacón nos refermos a todos los elementos que pueden ser objetos del estudo realzado, mentras que s hablamos de muestra nos estamos refrendo a una parte de esa poblacón, a un subconjunto de la msma. Otra característca de la Estadístca es la medcón por la observacón de las característcas de personas u objetos, así como la adjudcacón de números a esas característcas que nos faclten posterores comparacones. Las característcas que varían de ndvduo a ndvduo se conocen con el nombre de varables y se clasfcan en tres grandes grupos, según el nvel de medcón de las msmas: Cualtatvas.- Indcan cualdades. omnal.- Es el nvel más smple, que permte clasfcar los ndvduos u objetos en clases o categorías meramente descrptvas. Ordnal.- Es el nvel nmedatamente superor, además de clasfcar ordena la característca que se quere medr. Intervalo.- Además de clasfcar y ordenar, las varables, las agrupa en categorías. Tambén podemos realza una clasfcacón de las varables en: Cuanttatvas.- Indcan medcón y pueden ser: Contnuas. Toman cualquer valor de R. Dscretas. ólo toman valores enteros. Al tomar una muestra aleatora en una poblacón, lo prmero es el conteo, ndcar cuántos ndvduos presentan las msmas característcas. De modo que obtendremos: Frecuenca absoluta.- úmero de veces que aparece una determnada característca o varable en esa muestra. e representa por n. Frecuenca relatva.- Cada frecuenca absoluta dvdda entre el tamaño muestral. os faclta la comparacón entre dstntas poblacones, al estar trabajando en tantos por uno. Frecuenca absoluta acumulada.- uma de las dferentes frecuencas absolutas. e representa por e verfca Σ = Frecuenca relatva acumulada.- uma de las dferentes frecuencas relatvas. F = Σf =1. aulatecnologa@yahoo.es
2 Estadístca REPREETACIOE GRÁFICA on otro nstrumento para reducr la nformacón orgnal obtenda en el estudo de dstntas muestras, de modo que pueda obtenerse una dea rápda de los resultados obtendos en el estudo. Este método permte establecer dferencas entre las dstntas característcas a smple vsta aunque conlleva una pérdda de nformacón. egún el tpo de muestra, hay dstntos tpos de representacones gráfcas: Para una varable no agrupada: Pctograma.- e realza un dbujo que representa a la varable, cuyo área concde con la frecuenca absoluta Dagrama de barras.- Representamos en el eje X los valores de la varable y en el eje Y las frecuencas absolutas o relatvas con que aparecen er 3er Este Oeste orte Polígono de frecuencas.- e construye unendo los etremos de las dstntas barras del dagrama anteror Este Oeste orte 1er trm. 3er trm. Dagrama de sectores.- Ahora la varable la representamos en un círculo sendo la frecuenca de cada varable el ángulo que forma, y que vene dado por la fórmula α= 360.f 1er 1er trm trm.. do do trm trm.. 3er trm. Hasta ahora hemos trabajado con varables estadístcas undmensonales no agrupadas en ntervalos, cuando por la cantdad de valores que toma la varable decdmos agruparla en ntervalos a pesar de la pérdda de nformacón que este conlleva, las representacones gráfcas tambén sufren varacones. Así: Varables agrupadas.- Los valores que puede tomar la varable están agrupados en ntervalos. aulatecnologa@yahoo.es
3 Estadístca Hstograma de frecuencas.- En el eje X representamos los ntervalos de la varable, y en el eje Y 3 la frecuenca absoluta o relatva. n Polígono de frecuencas.- Es gual que en varables no agrupadas, sólo que al trabajar con ntervalos, para unr las dferentes barras, debemos calcular la marca de clase, punto medo de cada ntervalo. Al unr las dferentes marcas de clase se perde área de frecuenca, y para recuperarlo unmos la marca de clase del prmer ntervalo con la marca de clase de un ntervalo a la zquerda de gual ampltud que el prmero. Con el últmo ntervalo haremos lo msmo. Para dos varables sn agrupar: Dagrama de barras.- Trabajamos en el espaco y por tanto con los tres ejes X, Y, Z. En los ejes X e Y colocamos los valores de las varables en estudo y en el eje Z las frecuencas de cada par (,y) e d 3e 4t Este Oeste orte En estos casos tambén debemos consderar el que las varables estén o no agrupadas lo que supone un cambo en el tpo de representacón más compleja al trabajar en el espaco trdmensonal. MEDIDA DE ETUDIO grandes grupos: Para facltar el estudo de las dstntas muestras hay una sere de parámetros que se agrupan en dos Meddas de tendenca central.- on estadístcos, meddas que de forma más precsa nos dan nformacón sobre el valor central de la varable haca el que tende la dstrbucón. Entre las más mportantes tenemos: aulatecnologa@yahoo.es
4 Estadístca A) Meda artmétca.- os nforma sobre la concentracón del número de casos. n = 4 B) Medana.- Es el valor de la varable que dvde a la dstrbucón en dos partes guales. Para su cálculo hay que ordenar los valores de la varable de menor a mayor. todas las varables tenen la msma frecuenca y el número de datos es mpar será el valor central. el número de varables es par tomaremos los dos valores centrales y los dvdmos entre dos. Tambén debemos dstngur entre varables no agrupadas y agrupadas, de modo que: sn agrupar.- Calculamos / y el valor obtendo lo buscamos en la frecuenca acumulada absoluta, sendo la medana el valor de la varable con esa o mayor que esa frecuenca acumulada. agrupadas..- para Volvemos a calcular /, encontrar el ntervalo que contene a la medana, y aplcamos la fórmula: Me = l + a n C) Moda.- Es el valor de la varable que más se repte. aparecen varos datos con la msma frecuenca máma, hablaremos de dstrbucón multmodal. Tambén debemos dferencar entre muestras con datos agrupados y sn agrupar: sn agrupar.- buscamos la varable con mayor frecuenca. agrupadas.- buscamos el ntervalo con mayor frecuenca y aplcamos la fórmula 1 Mo = d1 l + a d + d 1 d 1 = n - n -1 d = n - n +1 ota: cuando los ntervalos tenen dstnta ampltud, debemos hacer un cambo de varable y trabajar gual pero con la nueva varable: h = n / a Meddas de poscón: Cuartles, decles y percentles.-lo cuartles dvden a la dstrbucón en cuatro partes guales, los decles en dez y los percentles en cen. Para su cálculo como sempre hay que dferencar entre varables agrupadas y sn agrupar. Cuartles para buscar el valor de la varable o el ntervalo que contene ese cuartl calculamos a./4 sendo a=1,,3,4, los dstntos cuartles. La fórmula para los ntervalos es práctcamente gual que la de la medana eceptuando el térmno que nos ndca el cuartl: c Q 4 c = l + a n 1 aulatecnologa@yahoo.es
5 Estadístca Para los decles y percentles lo msmo, sólo que ahora tendremos los térmnos d./10 y 5 p./100, respectvamente. D d d = l 10 + a n 1 P p d = l a n 1 La meda es la medda más representatva, a no ser que los datos estén más o menos agrupados y haya alguno/os muy alejados del resto, en cuyo caso será la medana la medda más representatva, junto con los cuartles decles y percentles. Lo msmo ocurre s tenemos ntervalos y alguno de ellos no está perfectamente acotado. En estos casos la meda y todo lo relaconado con la meda no es representatvo. Cuando en un problema nos mandan descrbr la varable en estudo debemos recordar que hay una sere de valores que calculan lo msmo y por tanto van a tomar el msmo valor, así s calculamos la medana, tambén habremos calculado el cuartl dos, el decl cnco y el percentl cncuenta. Me = Q = D 5 = P 50 Meddas de dspersón.- os muestran la dspersón delos datos obtendos en el estudo estadístco, es decr s están todos más o menos agrupados o prómos a un valor. Entre los más utlzados tenemos: Rango o recorrdo.- Es la dferenca de los valores etremos que toma la varable. Recorrdo ntercuartílco.- Es la dferenca entre el cuartl tres y el cuartl uno. Recorrdo semntercuartílco.- Es el recorrdo ntercuartílco dvddo entre dos. Desvacón típca.- es la más mportante de las meddas de dspersón, y nos ndca la mayor o menor promdad o unformdad de los datos respecto a la meda. Es la raíz cuadrada de la varanza. La varanza tene como fórmula: ( ) n = = Coefcente de varacón.- e utlza para comparar los resultados obtendos en dos muestras dstntas y conocer cuál es mejor tenendo en cuenta la muestra a partr de la cual se obtene. e calcula por la fórmula: C.V = Meddas de forma.- os ndcan como son las curvas que representan la muestra en estudo (smétrcas o asmétrcas). Entre estos parámetros destacan: A) Asmetría.- os ndcan el carácter más o menos smétrco de las dstrbucones en estudo. Entre las más utlzadas tenemos: Medda de Pearson.- e basa en las meddas de tendenca central y se calcula por la fórmula: Mo < 0 = 0 > 0 asmétrca a la zquerda smétrca asmétrca a la derecha aulatecnologa@yahoo.es
6 Estadístca Coefcente de asmetría de Fsher.- Calcula el promedo en los ndvduos de la 6 dferenca en cada valor de la varable. Vene dado por la fórmula: ( ) 3 n <<<< 0 asmétrca a la zquerda = 0 smétrca >>>> 0 asmétrca a la derecha B) metría.- Kurtoss Intenta medr la unformdad de la densdad de ndvduos, o ben el apuntamento de la dstrbucón, tomando como referenca la dstrbucón normal. e calcula: ( ) 4 4 n < 0 platcúrtca 3 = 0 mesocúrtca > 0 leptocúrtca Todos estos parámetros se utlzan para varables cuanttatvas. C) Momentos.- Los momentos se calculan para conocer la poscón de una determnada varable ya sea respecto al orgen o a la meda. o suelen utlzarse ya que su cálculo es muy laboroso. Los veremos más adelante al trabajar con varables estadístcas bdmensonales. ETADÍTICA BIDIMEIOAL Cuando estudamos dos varables conjuntamente, hablamos de estadístca descrptva de datos bdmensonales. El motvo del estudo de datos bdmensonales, que provenen del estudo smultáneo de dos característcas, de los ndvduos de una muestra, es que la consderacón de estos datos permte por un lado obtener al menos tanta nformacón como el estudo separado de ambas varables, y además eamnar relacones de dependenca estadístca o funconal entre ambas. Varable estadístca bdmensonal.- Es una magntud, cuyos valores no necesaramente numércos, son los pares (, y j ) donde, es un únco valor de la característca X, e y j, es un únco valor de la característca Y. Dato bdmensonal.- Cada par (a 1, b 1 ), correspondente a la observacón de una varable estadístca bdmensonal sobre un msmo ndvduo, es decr, a sería el valor de la varable estadístca undmensonal X en ese ndvduo, y b la varable estadístca undmensonal Y en ese msmo ndvduo. Frecuenca de un valor bdmensonal.- La forma más senclla de descrbr el conjunto de datos bdmensonales proporconados por una muestra de ndvduos es a través del estudo de las frecuencas de los valores de la medda undmensonal. consderamos una muestra de tamaño n etraída de la poblacón y suponemos que se observa una v.e.b (, y), sobre los ndvduos de esta muestra, dstnguremos entre: Frecuenca absoluta del valor (a, b).- número de ndvduos de la muestra, para los que X toma el valor a e Y, toma el valor b, smultáneamente. La notacón utlzada es n j. aulatecnologa@yahoo.es
7 Estadístca 7 Frecuenca relatva del valor (a, b).- es la frecuenca absoluta dvdda entre el número total de ndvduos. La notacón utlzada es f j =n j /. Característcas de la frecuenca absoluta y relatva: n j =, y, f j = 1 La frecuenca absoluta está entre 1 y, mentras que la relatva está entre o y uno. A la sucesón de todos los posbles valores de una varable bdmensonal, con sus frecuencas correspondentes se le llama dstrbucón bdmensonal, bvarante, o conjunta de frecuencas de la varable (X, Y). Las dos tablas de frecuencas, epresones tabulares de la dstrbucón de frecuencas, más utlzadas son: Tabla de doble entrada.- se usa cuando aparecen muchos datos bdmensonales repetdos. Y 1 Y Y 3 y n X 1 n 11 n 1 n 13 n 1n X n 1 n n 13 n 1n X 3 n 31 n 3 n 34 n 3n n n n1 n n n n3 n nn Tabla de datos apareados.- se utlza cuando aparecen datos bdmensonales no repetdos o muy poco repetdos. X 1 3 n y y 1 y y 3 y n Dstrbucones margnales.- Corresponden a las dstrbucones de cada una de las varables estadístcas undmensonales estudadas separadamente. Llamaremos frecuenca absoluta margnal de de X, al número de ndvduos de la muestra para los que X toma el valor. La notacón utlzada es n., de modo que: n. = n 1 + n + n n k = n j = Llamamos frecuenca margnal del valor y j de Y, al número de ndvduos de la muestra, para los que Y toma el valor y j. La notacón empleada es n.j, y como antes: n.j = n 1j + n j + n 3j n nj = n j = Las dstrbucones margnales relatvas, son las absolutas dvddas por el número total de ndvduos de la muestra. Dstrbucones condconadas.- Llamaremos frecuencas (relatvas), condconadas del valor a la proporcón de ndvduos de la muestra para los que X= de entre los ndvduos para los que Y=y j. La notacón utlzada es: f( / y j ) = n j / n.j = f j / f.j aulatecnologa@yahoo.es
8 Estadístca 8 Independenca estadístca entre dos v.e.b..- ea (,y) una v.e.b, suponendo conocda la dstrbucón bvarante de frecuencas de todos los pares (,y)., así como las dstrbucones condconadas. Dremos que la varable es ndependente de la varable y, s para todo valor de X se verfca que la frecuenca de ese valor no depende del valor que haya tomado Y, es decr s para todo valor de :, se verfca: n j n nj = Momentos.- on parámetros que descrben la dstrbucón de dos varables bdmensonales, aunque su cálculo es bastante pesado sendo su utlzacón escasa. Dentro de los momentos más utlzados, tenemos dos grandes grupos: respecto al orgen, trabajamos con ambas varables estudando su poscón conjunta respecto al orgen. e calculan por la fórmula: a wz w z yj = n j Los momentos más característcos son el momento de orden 10, que se corresponde con la meda de X, el de orden 01 que concde con la meda de Y. respecto a la meda, nos ndca las poscones de cada par de valores de la varable respecto a la meda. La fórmula que nos permte su cálculo es: m wz = w ( ) ( y y) Los momentos respecto a la meda más característcos son, el momento de orden 0 que concde con la varanza de X, el momento de orden 0 que concde con la varanza de Y, y el momento de orden 11 que concde con el valor de la covaranza:: j z n j y =. y. n j j y RECTA DE REGREIÓ La regresón entre dos varables estadístcas X e Y, trata de buscar la relacón de certo tpo prefjado, lneal, eponencal o potencal, que mejor se ajuste o ben que mejor eprese Y respecto a X. La correlacón srve de complemento de la regresón ndcándonos hasta que punto la mejor relacón encontrada en la regresón descrbe ben la verdadera relacón entre las dos varables. En la práctca, el tpo de relacón funconal que se estuda, vene dado como modelo de epermentos anterores smlares al consderado. Vamos a ver los dstntos tpos de regresón: Lneal: sea (X;Y), una varable estadístca bdmensonal, con dstrbucón de frecuencas conjunta f j, en una muestra dada. Vamos a buscar la relacón lneal y = a + b que más se ajusta a la nube de puntos que resulta de la representacón de los datos: Para deducr las ecuacones de regresón, se utlzó el crtero de los mínmos cuadrados, basado en aceptar en el error cometdo para cada par (, y j ), al consderar como válda la relacón lneal y = a + b. Este error puede medrse mdendo el valor absoluto de la dferenca: y = y j (a + b) esta dferenca es el resduo que se comete con cada valor de la varable y camba de unos datos a otros, dependendo su mayor o menor promdad a la recta. En prncpo sería mposble encontrar un valor a y b reales que hagan mínmos los errores para todos los datos bdmensonales a un tempo, sendo lo más lógco será aulatecnologa@yahoo.es
9 Estadístca usar una medda representatva de ese error en toda la muestra. El crtero de mínmos cuadrados consste en mnmzar la meda de esos errores al cuadrado, lo que gráfcamente equvale a buscar los valores a y b que hagan mínma la meda de las dstancas al cuadrado de los puntos del dagrama de dspersón respecto a la recta. Cuando estas meddas se mden vertcalmente, por este método deducmos la ecuacón de la recta de X sobre Y, (X/Y): y y y = ( ) Cuando estas dstancas se mden horzontalmente se deduce la recta de X sobre Y, (X/Y). y = ( y y ) y La pendente de las rectas de regresón y se conocen con el nombre de coefcentes de regresón Es te Oe s te o r te Para saber s las rectas calculadas son buenas o malas calculamos el coefcente de correlacón de Pearson : y r = u valor está comprenddo entre -1 y 1, de modo que cuanto más cerca estemos de los etremos mejor será la relacón estudada, mentras que cuanto más cerca estemos de cero peor será la relacón obtenda, y por tanto los resultados obtendos a partr de ella no tendrán valdez. Tambén se puede utlzar el coefcente de determnacón, R, comprenddo entre 0 y 1. Es gual al producto de las pendentes de ambas rectas de regresón. La varacón no eplcada por la varacón lneal será: = (y y ) + r. y Esta fórmula equvale a decr: la varanza total de Y, es gual a la varanza debda a que la varable Y no es lneal, más la varanza eplcada por la relacón lneal. Tpo no lneal.- En la regresón no lneal, no podremos calcular el coefcente de correlacón antes que la funcón como ocurría en la regresón lneal. Vamos a ver dos tpos fundamentales de regresón no lneal, que por dferentes cambos podemos transformar en lneales: A) Eponencales.- on funcones de la forma: y = a. e b modo que: y.para transformarla en una relacón lneal tomamos logartmos neperanos en ambos térmnos, de Lny = Lna + Lne b Lny = Lna + b y = a + b De todos los pares (X,Y) que teníamos, ahora pasamos a tener pares (X,Y ), transformando la varable Y en LnY, de modo que ya podemos calcular una recta de regresón, y tras deshacer los cambos, obtendremos la relacón eponencal que buscamos. B) Potencales o alométrcas.- on funcones de la forma: y = a. b. e corresponde con parábolas, snusodales,...para consegur una recta, volvemos a tomar logartmos neperanos en ambos térmnos, de modo que: aulatecnologa@yahoo.es
10 Estadístca Lny = Lna + Ln b Lny = Lna + b.ln y = a + b. Ahora de los valores (X,Y), pasamos a los valores (X,Y ), obtenendo la relacón lneal ndcada, que al deshacer los cambos utlzados nos da la relacón funconal buscada.. La medda del grado de bondad de una relacón óptma respecto a otra relacón óptma de otro tpo dferente, debe realzarse medante un coefcente que cuantfque lo msmo en ambos casos. para comparar dos relacones dstntas y de dferente tpo, es más adecuado utlzar el coefcente de bondad de ajuste, en lugar del coefcente de correlacón de Pearson. Este coefcente de bondad de ajuste Z, vene dado por: 1 Z = ( y j G( ) ). f j / y En partcular cuando G(), es una relacón lneal, z = r. En la práctca es frecuente que z, esté prómo al valor que tomaría el coefcente de relacón de los datos transformados en una relacón no lneal. [ 1 z y G( ) ] = y Aquí G(X), es la mejor relacón de tpo no lneal. El valor de Z, al gual que el coefcente de correlacón de Pearson, está comprenddo entre [-1, 1]. Otro coefcente de correlacón utlzado, es el correlacón por rangos de pearman, que se usa cuando una de las varables no es ordnal, al menos una de ellas es cualtatva. El rango de una puntuacón, es la poscón que ocupa en la muestra ordenada de menor a mayor. Cuando las puntuacones se repten se les asgna el rango medo. 10 aulatecnologa@yahoo.es
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más 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 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 detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
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 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 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 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 detallesGlosario básico. de términos estadísticos
Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna
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 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 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 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 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 detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
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 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 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 detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17
Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES
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 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 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 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 detalles7ª SESIÓN: Medidas de concentración
Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr
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 detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
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 detallesRegresión y Correlación
Regresón Correlacón 1.- El número de turstas (en mllones) entrados en España mensualmente durante los años 001 00 se epone en la sguente estadístca. Nº Turstas 001,76,6,9 3,8 4,4 4,81 8,93 9,98 5,91 4,34,6
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 detallesDisoluciones. Disolución ideal. Disolución ideal. Disolución ideal. Disolución ideal
Dsolucones TEM. Dsolucones reales. otencal químco en dsolucones reales. Concepto de actvdad. Una dsolucón es una mezcla homogénea de un componente llamado dsolvente () que se encuentra en mayor proporcón
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 detallesESTADISTICA APLICADA A LA EDUCACIÓN
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
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 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 detallesUNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.
UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es
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 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 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 detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
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 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 detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
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 detallesTEMA 6 AMPLIFICADORES OPERACIONALES
Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal
Más detallesTEMA 4. TRABAJO Y ENERGIA.
TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero
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 detalles3.3 Caracterización de grupos: Estadísticos de forma de la distribución
3.3 Caracterzacón de grupos: Estadístcos de forma de la dstrbucón 1. Smetría 2. Apuntamento o curtoss 3. Descrpcón estadístca de una varable: tabla resumen Ya ha sdo abordado en temas precedentes el análss
Más detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
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 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 detallesCapítulo 3. SISTEMAS DE PARTÍCULAS
Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño
Más detalles