Método cuantitativos de análisis gráfico
|
|
- Belén Pereyra Pérez
- hace 7 años
- Vistas:
Transcripción
1 Ejemplos Ejerccos Msceláneas Evaluacón Método cuanttatvos de análss gráfco Método de cuadrados mínmos. Regresón lneal. Funcón χ. Obtencón de los parámetros de un modelo. Correlacón lneal. Incertdumbre de los parámetros de un ajuste. 3. Método de cuadrados mínmos Regresón lneal En el capítulo anteror hemos enfatzado sobre la mportanca de las representacones gráfcas. Asmsmo hemos vsto la utldad de las versones lnealzadas de los gráfcos de pares (X, Y) las dstntas maneras de llevar a cabo la lnealzacón, puesto que nos encontraremos a menudo con tales stuacones en el laboratoro. En este capítulo formalzaremos algunos métodos analítcos para estmar los parámetros de un modelo que se confronta a los datos expermentales. De nuevo, el punto de partda será una representacón gráfca de los datos expermentales, a la que queremos superponer la predccón de un modelo. Por ejemplo, magnemos que deseamos determnar la constante k de un resorte que sgue la le de Hooke: F k x (3.) donde F es la fuerza elástca x la elongacón del resorte. Para determnar k se procede a cargar al resorte con dferentos pesos P medr la elongacón que producen. Es fácl reconocer a estas cargas como el estímulo externo, el cual provoca como respuesta del "sstema resorte" la elongacón observada x. Sn embargo, no es necesaro que en la representacón gráfca de los pares de datos (P, x), la carga P ocupe el lugar de la varable ndependente sobre el eje de las abscsas. Por comoddad en el manejo de los datos, es más adecuado representar P en funcón de x, de la pendente de la recta obtener drectamente la constante k buscada. En el presente caso, como regla cas general, s representamos gráfcamente los datos expermentales, éstos no caerán exactamente sobre una recta, sno que presentarán certa dspersón como se lustra en la Fgura 3.. Físca re-creatva, S. Gl E. Rodríguez
2 f(x ) 0 4 6X 8 0 X Fgura 3.. Gráfco de datos asocados a un modelo lneal. La cantdad I - f(x ) representa la desvacón de cada observacón de respecto del valor predcho por el modelo f(x ). Es útl defnr la funcón χ (Ch-cuadrado) como: ( P k x ) χ (3.) que es una medda de la desvacón total de los valores observados P respecto de los predchos por el modelo kx. El mejor valor de k es aquel que mnmza esta desvacón total, o sea, el valor que puesto en (3.) mnmza la funcón Ch-cuadrado. Por lo tanto, el mejor valor de k será el que se obtene de resolver la sguente ecuacón: dχ dk d dk ( P k x ) [( P x ) k ( x ) ] 0, o sea: P x k (.7) x Físca re-creatva, S. Gl E. Rodríguez
3 En los programas como Excel, Orgn, etc., este cálculo se realza usando la herramenta regresón lneal o ajuste lneal que se aplca cuando la relacón esperada entre las magntudes meddas es lneal todos los datos tenen la msma ncertdumbre absoluta. El método descrpto aquí se aplca de manera análoga para un modelo lneal que nclua una ordenada al orgen: a x + b (3.3) En este caso la funcón Ch-cuadrado es ( a x ) χ b (3.4) para obtener los parámetros a b se requere mnmzar la funcón repecto de ambos parámetros, es decr: dχ da dχ db Método de cuadrados mínmos ncluendo errores - Regresón no lneal Supongamos que tomamos una sere de medcones de dos magntudes cua relacón deseamos determnar. El resultado de nuestras medcones dará lugar a un conjunto de ternas de la forma (x,, σ ), donde σ es la ncertdumbre asocada a la determnacón de. Aquí suponemos que la ncertdumbre de x es desprecable. Supongamos que el modelo que ajusta los datos vene dado por la funcón f(x;a,b,c,...), donde a, b, c, etc., son los n par parámetros del modelo. Al estmador del valor de dado por el modelo lo desgnamos por (x )f(x ;a,b,c,...). Decmos que (x ) representa la varacón determnsta de con x. En este caso más general defnmos el valor de Ch-cuadrado como: ( - ( x )) χ w ( ( x )) - (3.7) σ donde los valores w son los factores de peso de cada trada de datos (x,, σ ); en este caso w /σ. Defnmos el número de grados de lbertad, v, del modelo como: Físca re-creatva, S. Gl E. Rodríguez 3
4 v. (3.8) n par (x ) Fgura 3.. Dagrama esquemátco de un ejemplo de modelo no lneal representado por la funcón f(x ). σ representa el error absoluto asocado a cada observacón. x x Introducmos la defncón del error medo: σ (3.9) w w σ En nuestro caso hemos defndo los factores de peso de cada trada de datos como la nversa del cuadrado de la ncerteza σ, aunque a veces es útl emplear otros factores de peso de los datos, como por ejemplo: Tambén defnmos la varanca total como: w, o w, etc. (3.0) S t w ( ) (3.) Físca re-creatva, S. Gl E. Rodríguez 4
5 S t es una medda de la dspersón de los datos alrededor del valor medo de. Este valor no depende del modelo (funcón f(x)), o sea que S t gnora toda varacón determnsta de con x. Tambén defnmos la varanza del ajuste: S f w - n par v ( - ( x )) χ χ v (3.) La varanza del ajuste, S f, al gual que χ o χ v (Ch-cuadrado por grado de lbertad), mden la dspersón resdual de los datos alrededor del valor determnsta, o sea son meddas de la bondad del ajuste de (x ) a los valores meddo. S el modelo determnsta fuese el adecuado, su valor estaría asocado a las fluctuacones estadístcas de respecto de su valor (x ). A veces es útl defnr el coefcente de regresón: S t St S f R (3.3) S el modelo (x ) es una buena representacón de los datos, es de esperar que tanto S f como χ sean pequeños que S t >> S f, de donde se deduce que R. En caso contraro, tanto S f como χ serán grandes S t S f por lo tanto R 0. Una receta para la determnacón de las ncertdumbres de los parámetros del modelo Al gual que en el caso del modelo lneal dscutdo anterormente, los mejores valores de los parámetros del modelo se obtenen de la mnmzacón de la funcón Chcuadrado: Esto es, χ mn a χ (a*, b*, ). * χ ( a, b, c,...) a a a * 0. (3.4) La determnacón de las ncertdumbres en los parámetros (a*, b*, c*,...) es un procedmento sofstcado sobre el que exsten dversas teorías opnones [,3]. Un método aproxmado para calcular estas ncertdumbres en forma gráfca se ndca en la fgura.5. Físca re-creatva, S. Gl E. Rodríguez 5
6 c χ mn + χ c mn a * Da Fgura 3.3. Esquema gráfco que lustra un procedmento aproxmado para obtener las ncertdumbres de los parámetros de un modelo no lneal. 3.3 Regresón lneal consderando las ncertdumbres de medcón Un caso especal mportante del esquema estadístco dscutdo precedentemente, es el de la regresón lneal, a que en este caso es posble resolver las expresones generales en forma analítca, lo que faclta su uso programacón en muchas aplcacones práctcas. Igual que antes supondremos que se tenen una sere de medcones de dos magntudes x e cua relacón se supone lneal, es decr: a x + b donde a b son los parámetros del modelo que deseamos determnar evaluar. El resultado de nuestras medcones dará lugar a un conjunto de ternas de la forma (x,, σ ), donde σ es la ncertdumbre asocada a la determnacón de. Tambén aquí suponemos que la ncertdumbre de x es desprecable. Al gual que antes defnmos: w σ. (3.5) Ya vmos que este modo de defnr el peso de los datos puede vararse según sea el caso. En partcular s no se dspone de las ncertdumbres σ I, los w pueden tomarse guales a. Usando las sguentes defncones: Físca re-creatva, S. Gl E. Rodríguez 6
7 SXn n w x SYn n, w. (3.6) SXY w x, Sum w. (3.7) SX SY < x > X, < > Y Sum Sum SX Var ( x ) - X Sum Sum SX - (SX) sum Var(x) (3.8) usando (-38) es posble demostrar que: sendo sus ncertdumbres: [ SXY Sum SX SY ] a. (3.9) b [ SX SY SX SXY ] < > a < > (3.0) σ ó a b Var(a) Var(b) ( Äa ) ( Äb ) Sum Ä SX Ä w SX Var(a) Sum ( a x b) ( ) Sum Var(x), (3.) respectvamente. De modo análogo se demuestra que el coefcente de correlacón vene dado por: ρ SXY Sum x SX Sum x SY Sum Cov ( x, ) Var( x) Var( ) (3.) Este parámetro da una dea de la bondad del modelo lneal propuesto. S ρ es próxmo a, el modelo es adecuado, mentras que s ρ 0 el modelo lneal no es el modelo adecuado. S ρ 0 esto no sgnfca que no haa una vnculacón o correlacón entre x e, sno que el modelo lneal no es el adecuado. Por ejemplo, s los pares de puntos (x,) tene una relacón tal que caen sobre un círculo, tendríamosρ 0. Desde luego, s los pares (x,) no tenen nnguna correlacón entre ellos, tambén tendríamos que ρ 0. Físca re-creatva, S. Gl E. Rodríguez 7
8 Las ncertdumbres en los valores de los parámetros a b tambén pueden escrbrse en térmnos de ρ del sguente modo: a Var(a) ( ) Var(b) Var ( a) < x >., ρ (3.3) Las ecuacones (3.3) son de verdadera mportanca cuando se realza un análss profundo de los datos expermentales Aplcacones Consderemos el estudo expermental de un péndulo smple, al que se mde el período T para dstntas longtudes L. Supongamos que cada período T (L ) (al que consderaremos la varable dependente del problema) está determnado con la msma ncertdumbre σ(t ), como se muestra en la Fgura 3.4 a. En caso de lnealzar la representacón medante el cambo de varables (L, T ), la nueva varable dependente T tene ncertdumbre σ(t ) dada por las fórmulas de propagacón: T σ ( T ) σ( T) Tσ( T) T de donde se ve nmedatamente que σ(t ) es funcón de T (ver tambén la Fgura 3.4 b). S procedemos a estmar los pará,etros del ajuste lneal a partr de los datos de la Fgura 3.4 b debemos usar las fórmulas de la Seccón 3.3. Las msmas consderacones son váldas en el caso de transformacones usando la funcón logartmo. Recordamos que, en caso de efectuar una lnealzacón usando escalas logarítmcas, la ncertdumbre propagada de una varable Y es (ver Capítulo ): log( Y) σ( Y) σ [ log( Y) ] σ( Y) Y Y que es una funcón de la varable Y. Físca re-creatva, S. Gl E. Rodríguez 8
9 .5.0 T (s) (a) L (m) T (s ) 4 0 (b) Fgura 3.4. Al cambar la representacón ha cambos en las ncertdumbres de las varables. a) la ncertdumbre de la varable dependente es unforme. b) el cambo T por T mplca no-unformdad de las ncertdumbres. Este hecho debe consderarse cuando se evalúen los parámetros del ajuste. 3.4 Comentaros fnales L (m) Vale la pena notar que no sempre es sufcente admtr que dos varables sguen una relacón lneal guándonos por lo que muestra un gráfco de los datos en escalas lneales. Menos aun s sólo evaluamos el coefcente de correlacón del ajuste lneal que propondríamos a partr de este gráfco. Un gráfco de Y X. (varables sn correlacón lneal) puede ajustarse por una recta obtenerse a la vez un coefcente de correlacón lneal (nexstente) de, por ejemplo, Un gráfco de datos expermentales de YX con algo de dspersón fortuta de los puntos, podría devenr en un coefcente de, por ejemplo, 0.995, menor que el anteror. Entre los coefcentes ha una dferenca, apenas, del 3 por ml. Pero en un gráfco log-log, la dferenca de pendentes será la que ha entre..0, lo que representa un 0% de dscrepanca entre los exponentes de la varable X. Estos métodos de análss nos enseñan que los efectos de correlacón pueden estar enmascarados por el efecto del rudo de los datos. Muchas veces lo dfícl es establecer s exste Físca re-creatva, S. Gl E. Rodríguez 9
10 correlacón entre las varables, aun cuando los datos provengan de fuentes lmpas, las que haan producdo datos con relatvamente poca dspersón. Imagnemos un expermento donde se mde la dstanca que recorre un móvl sobre una línea recta mentras una fuerza constante actúa sobre él. Esperamos, por tanto, que el movmento sea unformemente acelerado. Supongamos que el cuerpo parte del reposo, que medmos x(t) que los datos colectados son los de la Fgura 3.5. S los datos expermentales se analzan sobre este gráfco con escalas lneales, el ajuste por un modelo lneal es más que tentador. Hecho ésto, se obtene la ecuacón de la mejor recta un coefcente de correlacón ρ Sn embargo, un modelo basado en las ecuacones de la dnámca dce que x at donde a es la aceleracón. En la Fgura 3.5.b están los logartmos de los msmos datos, de donde se ve claramente la proporconaldad x t que predce el modelo, dfíclmente demostrable a partr del gráfco de la Fgura 3.5.a. 050 (a) x (cm) ρ t (s) (b) log(x) pendente log(t) Representacón de x(t) para un cuerpo que se mueve con movmento unformemente acelerado. (a) o se apreca la curvatura de los datos ben podría suponerse que la correlacón es lneal. El coefcente de correlacón lneal, en efecto, es mu alto. (b) log(x) en funcón de log(t), de donde se ve que la relacón es cuadrátca. Para el análss de errores, ver los comentaros de la Seccón 3.3. Físca re-creatva, S. Gl E. Rodríguez 0
11 Bblografía. Data reducton and error analss for the phscal scences, nd ed., P. Bevngton and D. K. Robnson, McGraw Hll, ew York (993).. umercal recpes n Fortran, nd. ed., W.,H. Press, S.A. Teukolsk, W.T. Veetterlng and B.P. Flanner, Cambrdge Unverst Press,.Y. (99). ISB x. 3. Data analss for scentsts and engneers, Stuardt L. Meer, John Wlle & Sons, Inc.,.Y. (975). ISB Estadístca, Spegel Murra, da ed., McGraw Hll, Schaum, Madrd (995). ISB X. 5. Uncertant n the lnear regresson slope, J. Hgbe, Am. J. Phs. 59, 84 (99); Least squares when both varables have uncertantes, J. Orear, Am. J. Phs. 50, 9 (98). 6. Probablt, statstcs and Montecarlo, Revew of Partcle Propertes, Phs. Rev. D 45, III.3, Part II, June (99). 7. Teoría de probabldades aplcacones, H. Cramér, Agular, Madrd (968); Mathematcal method of statstcs, H. Cramér, Prnceton Unv. Press, ew Jerse (958). Físca re-creatva, S. Gl E. Rodríguez
Problemas 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 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 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 detallesAnálisis avanzado Bondad de ajuste Simulaciones
Ejemlos Ejerccos Msceláneas Evaluacón Análss avanzado Bondad de ajuste Smulacones Bondad de ajuste. Intervalos de confanza. Muestras equeñas. Smulacones: método de Montecarlo. 3.1 Bondad del ajuste Volvendo
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 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 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 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 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 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 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 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 detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
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 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 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 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 detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más 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 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 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 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 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 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 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 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 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 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 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 detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más 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 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 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 detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detallesAnálisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto
Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema
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 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 detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más 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 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 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 detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesLaboratorio de Física con soporte interactivo en Moodle
Laboratoro de Físca con soporte nteractvo en Moodle Laboratoro de Físca con soporte nteractvo en Moodle Javer Ablanque Ramírez Rosa María Bento Zafrlla Juan Carlos Losada González Departamento de Físca
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 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 detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
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 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 detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detalles4 BALANZA DE MOHR: Contracción de mezcla alcohol/h2o
4 LNZ DE OHR: Contraccón de mezcla alcohol/h2o CONTENIDOS Defncones. Contraccón de una ezcla. olumen específco deal y real. Uso de la balanza de ohr. erfcacón de Jnetllos. Propagacón de Errores. OJETIOS
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 detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesFISICA EXPERIMENTAL I EXPERIMENTO 4 FUNCIONES LINEALES APLICACIÓN EXPERIMENTAL LEY DE HOOKE ANÁLISIS GRÁFICO
EXPERIMENTO 4 FUNCIONES LINEALES APLICACIÓN EXPERIMENTAL LEY DE HOOKE ANÁLISIS GRÁFICO NOTA: ESTÉ CAPITULO SE RECOMIENDA DESARROLLARLO EN DOS HORAS DE CLASE, CADA PROFESOR EXPLICA (NO OPCIONAL) ASPECTOS
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 detallesEs el movimiento periódico de un punto material a un lado y a otro de su posición en equilibrio.
1 Movmento Vbratoro Tema 8.- Ondas, Sondo y Luz Movmento Peródco Un móvl posee un movmento peródco cuando en ntervalos de tempo guales pasa por el msmo punto del espaco sempre con las msmas característcas
Más 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 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 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 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 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 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 detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más 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 detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
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 detallesRegresión lineal en química analítica
Regresón lneal en uímca analítca Alejandro C. Olver Departamento de Químca Analítca, Facultad de Cencas Bouímcas y Farmacéutcas, Unversdad Naconal de Rosaro, Supacha 5, Rosaro (S00LRK), Argentna. E-mal:
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 detallesRegresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
Más detallesTERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA
Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla
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 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 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 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 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 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 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 detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más 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 detallesIncertidumbre de la Medición: Teoría y Práctica
CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle
Más detallesFactores de Temperatura y Presión Gerencia de Distribución ENARGAS (Informe interno) martes, 27 de enero de 2009
Factores de emperatura y Presón Gerenca de Dstrbucón ENARGAS (Informe nterno) martes, 7 de enero de 009 Introduccón: Exsten muchas stuacones en la ndustra del gas natural donde es necesaro cuantfcar en
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 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 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 detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesFIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS
FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS Autores: Ángel A Juan Pérez (ajuanp@uocedu), Rafael García Martín (rgarcamart@uocedu) RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte
Más detallesMECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)
MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman
Más detallesEstimación del consumo diario de gas a partir de lecturas periódicas de medidores
Nota técnca Estmacón del consumo daro de gas a partr de lecturas peródcas de meddores Por Salvador Gl, Gerenca de Dstrbucón del Enargas, A. azzn, Gas Natural Ban y R. Preto, Gerenca de Dstrbucón del Enargas
Más detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesDISTRIBUCION DE RENDIMIENTOS: APLICACIONES
DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se
Más detalles