CAPÍTULO 4 ANÁLISIS ESTADÍSTICO Y UNIFORMIDAD ALTIMÉTRICA

Tamaño: px
Comenzar la demostración a partir de la página:

Download "CAPÍTULO 4 ANÁLISIS ESTADÍSTICO Y UNIFORMIDAD ALTIMÉTRICA"

Transcripción

1 CAPÍTULO 4 ANÁLISIS ESTADÍSTICO Y UNIFORMIDAD ALTIMÉTRICA. LA DISTRIBUCIÓN DE FRECUENCIAS La agrupacón tabular de la dstrbucón de frecuencas de una toma o levantamento de las cotas taqumétrcas (absolutas o relatvas) de un terreno cuya nvelacón se pretende consttuye la etapa preva para cualquer otro proceso de análss estadístco a que se hayan de someter unos valores numércos que toma cualquer varable topográfca. De esta forma, se puede fáclmente comprender dónde están los promedos o valores centrales de la dstrbucón antedcha y juzgar las característcas de cualquer nota en relacón con las restantes. Para hacer más comprensble el procedmento, desarrollaremos el ejemplo de la parcela de terreno estudado en el epígrafe del capítulo 6 de este msmo lbro, para cuya nvelacón óptma se tomaron 5 puntos con sus correspondentes cotas taqumétrcas relatvas. Para nterpretar correctamente dcha tabla, deben formularse prevamente las sguentes observacones: a) La columna de las frecuencas smples, encabezada por n, (,,..., 5), recoge la frecuenca absoluta de cada lectura. Normalmente, esa cfra será la undad en la mayoría de los trabajos topográfcos de este tpo, salvo que hallemos varos vértces con la msma cota taqumétrca y los agrupemos, en cuyo caso obtendremos una dstrbucón conjunta de frecuencas. Se tratará cas sempre, pues, de una dstrbucón de frecuencas untaras, y la frecuenca total tomará, en este caso, el valor n 5. b) Las frecuencas ordnaras acumuladas ascendentes las hemos desgnado por la notacón N (,,..., 5) y a cada una de ellas corresponde el número de vértces del terreno de cota taqumétrca gual La frecuenca absoluta de una varable estadístca es el número de veces que aparece en la muestra dcho valor de la varable; la representaremos por n. La frecuenca absoluta, es una medda que está nfluda por el tamaño de la muestra, y al aumentar el tamaño de la muestra aumentará tambén el tamaño de la frecuenca absoluta. Esto hace que no sea una medda útl para poder comparar dstrbucones. Para esto es necesaro ntroducr el concepto de frecuenca relatva, que es justamente el cocente entre la frecuenca absoluta y el tamaño de la muestra. La denotaremos por f.

2 o nferor; así, N 4 4, sgnfca que se han hallado 4 vértces con una cota taqumétrca relatva gual o nferor a m. El complementaro N n - N representa las frecuencas ordnaras acumuladas descendentes. c) Las frecuencas relatvas ordnaras y acumuladas ascendentes y descendentes encabezadas, respectvamente, por las notacones f, F y F venen determnadas por el cocente de dvdr la correspondente frecuenca absoluta o acumulada (ascendente o descendente) por la frecuenca total. La suma de las frecuencas relatvas ordnaras y la últma frecuenca relatva acumulada ascendente han de ser sempre guales a la undad, puesto que representan la probabldad total del espaco muestral. Del msmo modo, la últma frecuenca relatva acumulada descendente debe ser gual a 0. Con ello se puede elaborar la sguente tabla, en que la columna de las cotas taqumétrcas ncales del terreno se ha dspuesto en orden crecente de magntud, tomando como base o cota relatva nferor (00,00 m.) la del vértce 5 a los efectos de la mayor operatvdad que se pretende. Así: VÉRTICES Tabla. Tabla de frecuencas. COTA INICIAL n N N f F F (x ) 5 00,00 4 0,067 0,067 0, ,4 3 0,067 0,34 0, ,45 3 0,067 0,0 0, ,78 4 0,067 0,67 0, , ,067 0,335 0, , ,067 0,40 0,598 0, ,067 0,469 0,53 8 0, 8 7 0,067 0,535 0, , ,067 0,603 0,397 0, ,067 0,669 0,33 3 0,37 4 0,067 0,736 0,64 7 0,48 3 0,067 0,803 0,97 6 0,80 3 0,067 0,869 0,3 0,93 4 0,067 0,935 0,065 0, ,067,000 0,000 TOTAL 5,000 De la tabla anteror se deduce tambén el sguente gráfco, donde se representan smultáneamente los dagramas acumulatvos ascendente y descendente, cuyo punto de nterseccón debe ser teórcamente la medana o segundo cuartl de esta dstrbucón de frecuencas, como se verá más adelante.

3 . CARACTERÍSTICAS DE LA DISTRIBUCIÓN.. Meddas centrales o promedos Comenzaremos, como es habtual en estos casos, por el cálculo de los dferentes promedos o valores de la dstrbucón de la varable topográfca cota taqumétrca. Para ello, y a partr de la tabla ncal, elaboraremos la sguente: VÉRTICES Tabla. Tabla auxlar de cálculo (I). COTA INICIAL (x ) n x n x n n /x log x n log x 5 00,00 00, ,0000 0, , , ,4 00, ,764 0, ,0080, ,45 00, ,05 0,009955, , ,78 00, ,6084 0,00996, , ,87 00, ,7569 0, ,003760, ,98 00, ,9604 0, , , ,03 0, ,0609 0, , , , 0, 0.45,4884 0, , , ,9 0,9 0.59,664 0, , , ,30 0,30 0.6,6900 0, , , ,37 0,37 075,8769 0, , , ,48 0, ,904 0, , , ,80 0, ,400 0,009838, , ,93 0, ,749 0, ,008300, ,30 0, ,900 0, , , TOTAL 5.57, ,930 0, , , Veamos, a contnuacón, los dferentes promedos o valores centrales analzados: * Meda artmétca: a partr de los correspondentes resultados se tene que, tratándose de una dstrbucón de frecuencas untaras: X h x n / n α.57 ' 5 0'48 m. que consttuye la meda artmétca o esperanza matemátca ( cota relatva meda ) de la dstrbucón de frecuencas de la varable topográfca analzada. Por otra parte, y por lo que se refere a la determnacón de otros promedos o meddas centrales de esta dstrbucón de frecuencas,

4 veamos que, a partr de la prmera columna y de la encabezada por N (tabla anteror) se obtenen los sguentes resultados promedos: * Medana: al tratarse de una dstrbucón untara con un número mpar de vértces, se tendrán, realzando las nterpolacones correspondentes para los cuartles, los sguentes valores: Q m. Q m. Q Me 0 m. Q m. Q m. Otros promedos nteresantes para nuestro estudo serían los sguentes: * Meda cuadrátca: 5 C x n / n '93 / 5 * Meda geométrca: 5 π n G n x antlog. n log x / n antlog 30' / 5 0'46 m. * Meda armónca: 5 5 0'50 m. H n / n / x 5 / 0' '45 m. Desde luego, como no podría ser de otra manera desde el punto de vsta teórco, las cuatro medas aquí estudadas quedan ordenadas, con arreglo a su magntud, del modo sguente: armónca < geométrca < artmétca < cuadrátca (H 0'45 m.) < (G 0'46 m.) < ( X 0 48 m.) < (C 0'50 m.).. Meddas de dspersón o concentracón Las meddas de dspersón, tambén llamadas meddas de varabldad, muestran la varabldad de una dstrbucón ndcando, por medo de un número, s las dferentes puntuacones de una varable están muy alejadas de un promedo o no. Cuanto mayor sea ese valor, mayor será la varabldad; por el contraro, cuanto menor sea, más homogénea será

5 a la meda. Así, se sabe s todos los casos son parecdos o ben varían mucho entre ellos. Para calcular la varabldad que una dstrbucón tene respecto de su meda, se calcula la meda de las desvacones de las puntuacones respecto a la meda artmétca. Pero la suma de esas desvacones es sempre cero (por una conocda propedad de la meda artmétca), así que se adoptan dos clases de estrategas para salvar este problema. Una es tomando las desvacones en valor absoluto (obtenéndose la denomnada desvacón meda ) y otra es tomando las desvacones al cuadrado (obtenéndose la varanza y su raíz cuadrada la desvacón típca, desvacón standard o desvacón cuadrátca meda ). Por lo que se refere a la desvacón típca o "standard", como medda de la dspersón absoluta de la dstrbucón por el colectvo analzado de nuestra varable topográfca cota taqumétrca, veamos que su valor vendrá dado por la expresón: σ C X 0' 5 0' 48 0'636 m. y un coefcente de varacón de Pearson (medda de dspersón relatva) de : CV σ / X 0 636/0' %, muy bajo. Otras meddas nteresantes serían: Recorrdo o rango: R m. Recorrdo relatvo: R R / X 30/ Coefcente de apertura: C ap x 5 /x 0 30/ Recorrdo ntercuartílco: Q 3 - Q m. Recorrdo sem-ntercuartílco: (Q 3 - Q ) / (Q 3 + Q ) 0 60 / ( ) 0' %. es decr, que en ambos casos, la medda de dspersón empleada vene a representar aproxmadamente sólo alrededor del 0 5% del correspondente promedo. Desde luego, ello ndcaría que el grado de unformdad y homogenedad de las cotas del terreno en estudo resulta muy elevado. En efecto, los coefcentes de unformdad anterormente defndos, tomarán, en este caso, los sguentes valores:

6 CU CU CU ( CV) 00 ( 0'0063) 99'37% ( '7 CV) 00 ( '7 0'0063) ( 0'80 CV) 00 ( 0'80 0'0063) debendo consderarse tambén que: CU 99'0% 99'50% ( Q / X) 00 ( 00'80 /0'48) 00 99'66%, s ben otra determnacón del msmo coefcente de unformdad altmétrca conducría al valor: CU 00 (- 0'68 CV) 00 ( - 0'68 x 0'0063) 99'57%, cuya pequeña dscrepanca (-0'09%) con el resultado anteror débese al propo ajuste de normaldad, o ben al proceso efectuado de cálculo decmal. Veamos, por últmo, que el "coefcente de unformdad altmétrca medo" de la parcela en estudo, que juzgamos de mejor aplcacón, ofrecerá un valor de: CU 00 ( - 0'9 CV) 00 ( - 0'9 x 0'0063) 99'4%, mentras que tambén: Q 00'80 CU '70% Q 0'40 3 La representacón gráfca de los valores de los dferentes coefcentes de unformdad altmétrca hallados, en defntva, es la sguente: Para poder comparar la unformdad de dstntos terrenos a los efectos de su explanacón, y poder tomar decsones comparatvas o de prorzacón respecto de su ejecucón, cabe responder a la sguente pregunta: cuál de ambos, o de varos de ellos, poseen mayor unformdad taqumétrca y, en su consecuenca, debemos prorzar su explanacón, a salvo de otros condconantes? Para ello compararemos el coefcente de unformdad medo obtendo en el presente problema con el que se deduce del ejemplo extraído de una publcacón del antguo Insttuto Naconal de Colonzacón (INC), que podemos encontrar tanto en el posteror capítulo 6 como en el 8 de nuestro lbro. El Insttuto Naconal de Colonzacón y Desarrollo Rural, fue un organsmo autónomo creado en España en octubre de 939, dependente del Mnstero de Agrcultura. Su creacón estuvo motvada por

7 Calcularemos ahora el coefcente de unformdad medo del ejemplo ctado. En prmer lugar, habrá que establecer las nuevas cotas relatvas de este últmo terreno sobre la base de otorgar al punto de cota taqumétrca nferor (vértce ) el valor m. para homogenezar los datos y los resultados subsguentes. Así: Estacas Tabla 3. Tabla de cotas relatvas. Cotas absolutas del terreno ncal Cotas relatvas del terreno ncal (x ) n (x ) n 3,04 0, ,045 5,0 03, ,68 3 6, 04, ,5 4,80 0,9 0.39,46 5 5,7 03, , ,5 03, ,0 7,9 0,30 0.6, ,6 03, , ,90 05,9.085, ,55 04,94.0,404,6 00, ,000 3,94 0, ,49 3 3,0 0, ,58 4,04 00, , , 08,6.796,3 6 9, 07,5.558, ,80 05,9.064,936 8, 00,6 0.,37 9 4,8 03, ,40 0 4,0 0, ,808,80 0,9 0.39,46 3,63 0,0.04, ,60 06,99.446, ,93 03, ,0 5 3,50 0, ,57 la necesdad de efectuar una reforma tanto socal como económca de la terra, después de la devastacón ocasonada por la guerra cvl (936-39). El objetvo prncpal del msmo era efectuar la necesara transformacón del espaco productvo medante la reorganzacón y reactvacón del sector agrícola y el ncremento de la produccón agropecuara con vstas a los planes autárqucos de la época medante el aumento de terras de labor y la superfce de rego. Posterormente cambó su nombre por el de Insttuto de Reforma y Desarrollo Agraro (IRYDA) al fusonarse con el Servco Naconal de Concentracón Parcelara y Ordenacón Rural. Para cumplr su funcón, el Insttuto Naconal de Colonzacón era poseedor de terras, las cuales eran transferdas en arrendamento u otras formas de tenenca a los colonos, pequeños productores agropecuaros, quenes debían pagar un canon o arrendamento hasta que fnalmente adqurían la propedad. El Insttuto realzó ambcosos proyectos de parcelacón por toda España, construyendo poblados de colonzacón al efecto, algunos de los cuales aún subssten en la actualdad.

8 6 5,70 04, ,78 7 4,66 03, ,303 8,59 00, , ,0 07,49.554, , 03,50 0.7,50 3 3,50 0, ,57 3 5,3 03,5 0.76, ,66 03, , ,8 0, ,840 35, 00,6 0.,37 TOTAL 874, , ,44 Para obtenerlo debemos calcular prmero las medas artmétca y cuadrátca del msmo con el fn de determnar la desvacón típca y el coefcente de varacón de Pearson. A saber: * Meda artmétca: a partr de los correspondentes resultados se tene que, tratándose de una dstrbucón de frecuencas untaras, calcularemos este promedo medante la fórmula: X 35 x n / n α 3.68' '383 m. que consttuye la meda artmétca o esperanza matemátca de la dstrbucón de frecuencas de la varable topográfca denomnada cota taqumétrca. * Meda cuadrátca: 35 C x n /n 374.8'44 / 35 03'4 m. Por lo que se refere ahora a la desvacón típca o "standard", como medda de la dspersón absoluta de la dstrbucón por el colectvo analzado de nuestra varable topográfca cota taqumétrca, veamos que su valor vendrá dado por: σ C X 03'4 03'383 '406 m. y un coefcente de varacón de Pearson (medda de dspersón relatva) de : CV σ / X 406/03' %, muy bajo.

9 Veamos, por últmo, que el "coefcente de unformdad altmétrca medo", propuesto en nuestro trabajo, de la parcela en estudo ofrecerá un valor de: CU 00 ( - 0'9 CV) 00 ( - 0'9 x 0'033) 97'86 %, que resulta algo nferor al del prmer terreno analzado desde el punto de vsta de su unformdad taqumétrca (97 86% < 99 4%), lo que nos permte un análss comparatvo de la dfcultad de explanacón del expresado terreno ex anto, que puede resultar francamente útl para la toma de certo tpo de decsones de gran utldad en este tpo de trabajos topográfcos..3. Otras característcas de la dstrbucón de frecuencas.3.. Asmetría o sesgo Las meddas de asmetría o sesgo son ndcadores que permten establecer el grado de smetría (o asmetría) que presenta la dstrbucón de probabldad de una varable aleatora sn tener que hacer su representacón gráfca. Como eje de smetría consderamos una recta paralela al eje de ordenadas que pasa por la meda artmétca de la dstrbucón. S una dstrbucón es perfectamente smétrca, exste el msmo número de valores a la derecha que a la zquerda de la meda o esperanza matemátca, por tanto, el msmo número de desvacones con sgno postvo que con sgno negatvo. Decmos que hay asmetría postva (o a la derecha) s la "cola" a la derecha de la meda es más larga que la de la zquerda, es decr, s hay valores más separados de la meda a la derecha. Por el contraro, dremos que hay asmetría negatva (o a la zquerda) s la "cola" a la zquerda de la meda es más larga que la de la derecha, es decr, s hay valores más separados de la meda a la zquerda. Se podría pensar que defnr la smetría usando la medana para varables contnuas y usando la meda artmétca para varables dscretas es una eleccón arbtrara. En realdad esto no es así, pues s una varable es contnua, concden ambos crteros de smetría (con respecto a la meda y a la medana). Es más, se tene que meda y medana concden para las dstrbucones contnuas perfectamente smétrcas. Por otro lado, en el caso de varables dscretas, la dstrbucón es smétrca s el lado derecho del dagrama se obtene por magen especular desde la meda. En este caso concde la meda con la medana s el número de

10 observacones es mpar. S la varable es contnua smétrca y unmodal, concden la meda, la medana y la moda. Dentro de los dversos tpos de asmetría posble, vamos a destacar los dos fundamentales: -Asmetría postva: S las frecuencas más altas se encuentran en el lado zquerdo de la meda, mentras que en el derecho hay frecuencas más pequeñas (cola). -Asmetría negatva: Cuando la cola está stuada en el lado zquerdo, al contraro de lo que sucede en el caso anteror. Cuando realzamos un estudo descrptvo es altamente mprobable que la dstrbucón de frecuencas sea totalmente smétrca. En la práctca dremos que la dstrbucón de frecuencas es smétrca s lo es sólo de un modo aproxmado. Por otro lado, aún observando cudadosamente la gráfca de la dstrbucón, podemos no ver claro de qué lado están las frecuencas más altas. Convene defnr, entonces, unos estadístcos que ayuden a nterpretar la asmetría, a los que llamaremos índces de asmetría. A contnuacón, emplearemos en el ejemplo que estamos desarrollando en el presente capítulo algunos de los índces de asmetría o sesgo más usuales, como son el índce basado en los tres cuartles, el momento de tercer orden 3 y la dstanca exstente entre la moda y la meda o la meda y la medana. No se ha poddo calcular el denomnado prmer coefcente de asmetría de Pearson dado que está en funcón de la moda Mo de la dstrbucón, que en este caso no exste, habda cuenta de que todas las varables tenen la msma frecuenca. Por lo que se refere a las restantes característcas de la dstrbucón de la varable topográfca cota taqumétrca, veamos que una de la asmetría o sesgo la consttuye el denomnado "º coefcente de asmetría de Pearson", que vene expresado por: P 3(X Me) 3(0'48 0') 0'34 0, σ 0'636 3 El conocmento de la smetría permte precsar, de alguna manera, la forma de una dstrbucón de frecuencas, pero tal conocmento puede mejorarse notoramente al dsponer de otras característcas de dcha dstrbucón y, de modo general, medante los denomnados momentos de la dstrbucón, que pueden ser con respecto al orgen (de los que son conocdos la meda artmétca y el cuadrado de la meda cuadrátca C ) o ben con respecto a la meda (como la varanza σ ).

11 luego se trata, lógcamente, de una dstrbucón práctcamente smétrca. Tambén podríamos calcular el "coefcente de sesgo cuartílco" o coefcente de asmetría de Yule-Bowley, cuyo valor vene dado por la expresón: Q Q + Q Q Q 3 3 0'40 0' + 00 '80 0'40 00 '80 0'40, que conducen, en todos los casos, a conclusones smlares. Cabe observar, no obstante, una lgera asmetría o sesgo haca la zquerda, puesto que: P <0 y tambén: X 0 48 m.< Me 0 m. Así msmo, a partr de los resultados obtendos, se elaborará la sguente tabla, que deberá reunr un número de decmales sufcente para alcanzar la precsón adecuada: Tabla 4. Tabla auxlar de cálculo (II). TOTAL n (x - 0'48) x (x - 0'48) 3 n (x - - 0'48) 4 n 0'48 n -,48 -,595379, ,48-0,78-0, , ,78-0,698-0, , ,698-0,368-0, , ,368-0,78-0, , ,78-0,68-0, , ,68-0,8-0, , ,8 0,07 0, ,6874E-05 0,07 0,4 0, , ,4 0,5 0, , ,5 0, 0, , , 0,33 0, , ,33 0,65 0, , ,65 0,78 0, , ,78,5,58838,760503, , ,6850 7,0 De los resultados que se deducen de la tabla anteror, se nfere que el momento central (respecto a la meda artmétca) de tercer orden es el sguente:

12 m n 5 3 (x X) n (x 3 n 3 0'48) 0' '0046, por lo que se tendrá un "coefcente drecto de asmetría" o "coefcente de sesgo" de Fsher de: g m 3 /σ 3 0'0046 / 0' '00568, que confrma la exstenca de una dstrbucón consderablemente smétrca (en curvas smétrcas como la normal, se cumple que: g g 0)..3.. Apuntamento o curtoss En teoría de la probabldad y estadístca, la curtoss (o kurtoss ) es una medda de la forma o apuntamento de las dstrbucones. Así, las meddas de curtoss (tambén llamadas de apuntamento o de concentracón central) tratan de estudar la mayor o menor concentracón de frecuencas alrededor de la meda artmétca y en la zona central de la dstrbucón. De este modo, los índces de curtoss mden la mayor o menor concentracón de los datos justamente alrededor de la meda artmétca. Por otra parte, el momento central o respecto a la meda artmétca de 4º orden, será: m n 5 4 (x x) n (x 4 n 4 0'48) 5 4' Con ello, se tendrá un coefcente de curtoss de Fsher de: m 0' '805 < 0, 4 σ 0'636 g 4 0' por lo que la dstrbucón que nos ocupa es PLATICÚRTICA O ACHATADA, como se deduce de su propa confguracón, en que todas las frecuencas n Otras

13 Veamos, así msmo, que la anteror tabla auxlar de cálculo, en su últma columna, nos permtrá la determnacón de otra medda de dspersón absoluta a la que ya nos hemos referdo con anterordad: la desvacón meda respecto a la meda artmétca (que sería mínma con respecto a la medana), a saber: DM 5 x X n.4. Índce de Gn y curva de Lorenz n 7'0 /5 0'468 m. Para la determnacón de dchos ítems, frecuentemente empleados en otro tpo de estudos como los socológcos y/o económcos, y cuya fundamentacón teórca y aplcacón a los problemas altmétrcos ya ha sdo explcada en otro apartado de nuestro lbro, resulta necesara la elaboracón de la sguente tabla de cálculos auxlares: VÉRTICES COTA INICIAL (x ) n Tabla 5. Tabla auxlar de cálculo (III). x n f 00 (%) x n x n 00 p (%) q (%) p -q (%) 5 00,00 00,00 6,667 6,59 6,667 6,59 0, ,4 00,4 6,667 6,69 3,334 3,0 0,4 0 00,45 00,45 6,667 6,6 0,000 9,83 0, ,78 00,78 6,667 6,64 6,667 6,473 0, ,87 00,87 6,667 6,648 33,335 33, 0,4 5 00,98 00,98 6,667 6,656 40,00 39,777 0,5 0,03 0,03 6,667 6,659 46,669 46,436 0,33 8 0, 0, 6,667 6,67 53,336 53,07 0,9 4 0,9 0,9 6,667 6,676 60,00 59,783 0,9 0,30 0,30 6,667 6,677 66,670 66,460 0,0 3 0,37 0,37 6,667 6,68 73,337 73,4 0,96 7 0,48 0,48 6,667 6,689 80,004 79,830 0,74 6 0,80 0,80 6,667 6,70 86,67 86,540 0,3 0,93 0,93 6,667 6,78 93,337 93,58 0,079 0,30 0,30 6,667 6,743 00,000 00,000 0,000 TOTAL 5.57, ,03 797,558,473 Así pues, según la fórmula dada por Puldo, el valor del índce de Gn 4, en este caso, será de: 4 Corrado Gn (3 de mayo de de marzo de 965) fue un estadístco, demógrafo y socólogo talano que desarrolló el coefcente de Gn, una medda de la desgualdad en los ngresos en una socedad. Gn fue tambén un nfluyente teórco fascsta e deólogo que escrbó Las bases centífcas del fascsmo en 97.

14 K- G K- (p q ) p ' '03 0'0035 0'35 % Habda cuenta del bajísmo valor del índce obtendo, podemos afrmar que la dstrbucón de las cotas taqumétrcas del terreno analzado es cas perfecta desde el punto de vsta estadístco. La correspondente curva polgonal de Lorenz 5 apenas se separa de la dagonal o bsectrz del prmer cuadrante en esta ocasón, dado el bajísmo valor del índce de Gn ya obtendo, por lo que obvaremos su representacón gráfca, a efectos práctcos. En cualquer caso, como podrán comprobar nuestros amables lectores, amplamos el concepto acerca de esta mportante curva e índce en otros epígrafes de este msmo lbro cuya consulta encarecemos..5. Índce de Wllamson En nuestro caso, la varable topográfca en estudo es la cota taqumétrca de los puntos del terreno en cuestón. Este índce, que se acostumbra a emplear con certo éxto en trabajos económcos, socológcos y en modelos de desgualdad regonal, vendrá dado por la expresón: W n ( x X) X f, (,,...,5) O sea: W 5 ( x 0'48) 0'48 f 0' '48 0' La curva de Lorenz es una representacón gráfca utlzada frecuentemente para plasmar la dstrbucón relatva de una varable en un domno determnado. El domno consttuye una prmera varable. La varable cuya dstrbucón se estuda puede ser la varable topográfca que nos ocupa. Utlzando como ejemplo estas varables, la curva se trazaría consderando en el eje horzontal el porcentaje acumulado del domno en cuestón y en el eje vertcal el porcentaje acumulado de la otra varable del problema planteado. Es, en defntva, una pollínea o línea quebrada que tende a convertrse en curva cuando el tamaño de la muestra analzada tende a nfnto.

15 como se deduce de los cálculos de la tabla sguente y que, como era de esperar, resulta ser muy bajo, al gual que el índce de Gn anterormente calculado: Tabla 6. Tabla auxlar de cálculo (IV). COTA Vértces INICIAL (x ) n (x -0'48) f (x - 0'48) (x -0'48) f 5 00,00 -,48 0,067, , ,4-0,78 0,067 0, , ,45-0,698 0,067 0, , ,78-0,368 0,067 0,3544 0, ,87-0,78 0,067 0, , ,98-0,68 0,067 0,084 0, ,03-0,8 0,067 0,0394 0, , 0,07 0,067 0, , ,9 0,4 0,067 0,0064 0, ,30 0,5 0,067 0,0304 0, ,37 0, 0,067 0, , ,48 0,33 0,067 0,04 0, ,80 0,65 0,067 0,4504 0, ,93 0,78 0,067 0,654 0, ,30,5 0,067,3704 0, TOTAL 5 0,000 5,664 0, Curva e índce de concentracón de Lorenz.6.. Otras especfcacones acerca de la curva de Lorenz En el ejemplo que desarrollamos se consdera una poblacón de N 5 vértces o estacas y la varable estadístca X {x, n },,, 3..., r, donde x es la cota taqumétrca correspondente a cada uno de los puntos analzados del terreno, sendo que: x < x <... < x r. Llamemos u j N j j r n. Supongamos además x n es decr, la cota taqumétrca total de los puntos del terreno cuya cota es menor o gual que x. Sea N p 00, es decr, el porcentaje de puntos poseedores de la cota total N u (N es la frecuenca absoluta acumulada ascendente, es decr, el número de puntos del terreno comprenddos en la cota total u ); sea u q 00, es decr, el porcentaje de la cota taqumétrca total poseído ur por los N puntos o vértces anterores.

16 Pues ben, la curva de Lorenz es la línea polgonal quebrada que une los puntos (0, 0), (p, q ), (p, q ), (p 3, q 3 ),..., (p r, q r ). En esta ocasón, se tene que r 5. En nuestro caso, la correspondente curva polgonal de Lorenz apenas se separa práctcamente de la dagonal o bsectrz del prmer cuadrante, dado el bajísmo valor del índce de Gn obtendo (G ), como hemos tendo ocasón de comprobar con anterordad. Tambén puede resultar de certo nterés, en nuestro caso, la aplcacón de la funcón del económetra talano Vlfredo Pareto (848-93) a la dstrbucón de las cotas taqumétrcas del terreno en cuestón 6, aunque obvaremos dcha determnacón por razones de smplcdad..6.. Índce de concentracón de Lorenz En el problema que contemplamos, veamos que un valor aproxmado de este índce es el que se obtene medante la aplcacón de la fórmula basada en los porcentajes acumulados, que se emplea comúnmente en los trabajos práctcos. Aquí, la fórmula correspondente, explcada en este msmo lbro, tomará la confguracón smplfcada (con n 5 y q n 00): L 4 4 q 00-4 q 700 El resultado que ofrece la aplcacón de la fórmula anteror es el que queda reflejado en la sguente tabla, tenendo en cuenta, como ya se ha dcho, que resulta necesaro ordenar los valores de la cota taqumétrca del terreno de menor a mayor, para la aplcacón correcta de la fórmula, así: X q 6,59 6,59 6,69 3,0 6,6 9,83 6 Educado como ngenero y matemátco, Pareto se dedcó, en una prmera etapa, a la aplcacón de las matemátcas a la economía. Sucedó a León Walras en la cátedra de economía de la Unversdad de Lausanne, en 89. Utlzando las curvas de ndferenca ntroducdas por Edgeworth, logró establecer las condcones matemátcas para que se produjera el Equlbro General; creó el concepto de "óptmo", llamado luego óptmo paretano, para referrse a una stuacón donde se obtene una máxma utldad dado un conjunto prevo de benes o servcos. Sus trabajos srveron como punto de partda para la llamada Economía del Benestar. Crtcó agudamente al socalsmo.

17 6,64 6,473 6,648 33, 6,656 39,777 6,659 46,436 6,67 53,07 6,676 59,783 6,677 66,460 6,68 73,4 6,689 79,830 6,70 86,540 6,77 93,57 6, TOTAL ,558 A esta dstrbucón de probabldad le corresponde, pues, el índce de Lorenz sguente: 697'558 L % 700 que, como puede comprobarse, resulta ser bastante bajo y aproxmado al índce de Gn anterormente calculado, valendo al respecto las msmas consderacones efectuadas entonces.

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

Prueba de Evaluación Continua

Prueba de Evaluación Continua Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

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 detalles

Tema 4: Variables aleatorias

Tema 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 detalles

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

Medidas de centralización

Medidas 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 detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Descripción de una variable

Descripción 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 detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

3. VARIABLES ALEATORIAS.

3. 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 detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (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 detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 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 detalles

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad Grupo 23 Semestre Segundo examen parcial Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

Estadística Unidimensional: SOLUCIONES

Estadística Unidimensional: SOLUCIONES 4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas

Más detalles

EJERCICIOS PROPUESTOS TEMAS 1 Y 2

EJERCICIOS PROPUESTOS TEMAS 1 Y 2 EJERCICIOS PROPUESTOS TEMAS 1 Y 2 1.- Indca para los sguentes caracteres s son varables (dferencando entre dscretas y contnuas) o atrbutos, y la escala de medda a la que pertenecen: a) Nvel de estudos

Más detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3. EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 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 detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

1. Notación y tabulación

1. Notación y tabulación Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS SEPTIEMBRE 2014 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS.

INTRODUCCIÓN AL ANÁLISIS DE DATOS SEPTIEMBRE 2014 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS. eptembre 04 EAMEN MODELO B ág. INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 04 Códgo asgnatura: 60037 EAMEN TIO TET MODELO B DURACION: HORA olucones 0 4 40 30 0 0 0 44 4 39 6 4 36 37 3 8 00 0 0 03 04 Nº de

Más detalles

Problemas donde intervienen dos o más variables numéricas

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 detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 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 detalles

Variable Estadística

Variable Estadística Varable Estadístca.- Los afconados al bésbol aprenden de memora las estadístcas de este juego. Por ejemplo, cuántos home runs (golpes que envían la pelota fuera del campo de juego) son necesaros para lderar

Más detalles

2 Dos tipos de parámetros estadísticos

2 Dos tipos de parámetros estadísticos Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,

Más detalles

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

Más detalles

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media 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 detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 2) CAPÍTULO II.-ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA.- DISTRIBUCIONES DE FRECUENCIAS DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA . DISTRIBUCIÓN

Más detalles

Variable Estadística

Variable Estadística Varable Estadístca 1.- Los afconados al bésbol aprenden de memora las estadístcas de este juego. Por ejemplo, cuántos home runs (golpes que envían la pelota fuera del campo de juego) son necesaros para

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría 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 detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 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 detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Págna 0 PRACTICA Meda y desvacón típca 1 Las edades de los estudantes de un curso de nformátca son: 17 17 18 19 18 0 0 17 18 18 19 19 1 0 1 19 18 18 19 1 0 18 17 17 1 0 0 19 0 18 a) Haz una tabla

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: 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 detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo 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 detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

LECTURA 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 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 detalles

Tema 1 Descripción de datos: Estadística descriptiva unidimensional Estadística descriptiva

Tema 1 Descripción de datos: Estadística descriptiva unidimensional Estadística descriptiva Descrpcón de datos: Estadístca descrptva undmensonal Estadístca descrptva Objetvos: Ordenar, clasfcar, resumr grandes conjuntos de datos de modo que puedan ser fáclmente nterpretables Defncones báscas:

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana. Matemátcas Aplcadas a las Cencas Socales I ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL 1) Se ha meddo la temperatura en grados centígrados la presón atmosférca en mm en una cudad durante una semana obtenéndose

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 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 detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva ÍDICE ESTADÍSTICA DESCRIPTIVA. Poblacón y Muestra 4. Varables estadístcas 4 3. Frecuencas 5 4. Dstrbucones 7 5. Representacón gráfca 5. De caracteres cuanttatvos 5.. De varables estadístcas

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

Más detalles

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. 5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además 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 detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. 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 detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

Tema 11: Estadística.

Tema 11: Estadística. Tema 11: Estadístca. Ejercco 1. Un fabrcante de tornllos desea hacer un control de caldad. Para ello, recoge 1 de cada 100 tornllos producdos y lo analza. a) Cuál es la poblacón? b) Cuál es la muestra?

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: 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 detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

TEMA 5. ANÁLISIS DE UNA VARIABLE (III). MEDIDAS DE ASIMETRÍA, CURTOSIS Y CONCENTRACIÓN

TEMA 5. ANÁLISIS DE UNA VARIABLE (III). MEDIDAS DE ASIMETRÍA, CURTOSIS Y CONCENTRACIÓN DEPARTAMENTO DE ECONOMÍA GENERAL Y ETADÍTICA UNIDAD DOCENTE DE ETADÍTICA Y ECONOMETRÍA UNIVERIDAD DE HUELVA ANÁLII ETADÍTICO DEL TURIMO I 200-200200 DIPLOMATURA EN TURIMO TEMA 5 ANÁLII DE UNA VARIABLE

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10. CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

unidad 12 Estadística

unidad 12 Estadística undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: 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 Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles