MEDIDAS DE TENDENCIA CENTRAL

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

Download "MEDIDAS DE TENDENCIA CENTRAL"

Transcripción

1 Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos de resúmees estadístcos muestrales, llamados estadístcos o estadístcas que establece esta tedeca, tales como: meda artmétca, medaa, moda o modo, meda armóca, meda geométrca, etc. e este curso revsaremos las tres prmeras ya que so las más frecuetemete utlzadas. Ates de carte e el estudo de cada ua de ellas, es mportate aclarar prevamete, que la estmacó de estos estadístcos puede hacerse para seres smples y para datos agrupados, por lo que para cada uo ecotrarás dos fórmulas para su cálculo, stuacó que deberás teer presete para que o te cofudas. MEDIA ARITMÉTICA Es la expresó más utlzada para quees habla de u grupo de cosas o feómeos. Así frecuetemete escuchamos decr acerca del promedo de peso e u cojuto de amales, el promedo de edad e u grupo de persoas, el tempo promedo utlzado para realzar u procedmeto clíco, el promedo de bacteras presetes e u cetímetro cúbco, etc. Para estmar el valor promedo de u cojuto de datos, la prmera cosderacó que deberás hacer es: Se tee ua varable cuattatva? De o ser así, o se debe calcular la meda artmétca. La seguda preguta Se trata de ua sere de datos smples? o So datos que está agrupados? Be, ua sere smple es u cojuto de datos, de dode, alguos de ellos puede teer el msmo valor; por ejemplo, revsemos la sguete sere que cotee los datos del úmero de hjos reportados por 3 parejas: 1, 3, 5, 5, 4, 4, 3, 1, 3,, 5,,, 1, 6, 3,, 5, 4, 3, 0, 1, 4 Como puedes observar, está cludos úmeros que se repte y sólo teresa que se ecuetre coformado la sere.

2 118 Capítulo 9 Meddas de Tedeca Cetral Los datos agrupados como su ombre lo dca, está orgazados e clases preestablecdas y su tabulacó se establece e térmos de frecuecas por clase. Agrupemos los datos aterores e cuatro clases: clase frecueca Pero, Cuádo agrupar los datos? o Cuádo maejar seres smples?, estará e fucó báscamete del volume de datos que se procesará s so pocos datos, será más fácl y rápdo maejarlos como seres smples, pero s so muchos será meos complcado s los agrupamos. Veamos ahora cómo calcular la meda artmétca para seres smples: cosderamos que se estuda u grupo de 36 escolares de 11 a 13 años de edad, e los cuales se desea medr el úmero promedo de detes permaetes co expereca de cares. Los datos que se obtee so los sguetes: ño CPO-D ño CPO-D El prmer paso cosste e calcular la meda artmétca, para este f se utlza la sguete fórmula:

3 Fudametos de Estadístca para Odotología 119 De dode: 1 Meda artmétca 1 Sumatora de todos los datos Total de datos, úmero de observacoes realzadas o tamaño de muestra Susttuyedo e la fórmula se tee: Por lo tato, este dato se terpretará de la sguete forma: exste aproxmadamete e promedo cuatro detes co evdeca de cares e los escolares que coforma la muestra del estudo. Por qué se aproxma 3.5 a 4?, es muy secllo, recordarás que cuado estudaste varables se mecoaba que alguas so dscotuas, esto es, o se puede fraccoar. No podrías terpretar este dato como: exste e promedo 3.5 detes co algua expereca de cares, o se puede presetar medos órgaos detaros, por esa razó se aproxmó a 4. Ahora veamos el cálculo de la meda artmétca para datos agrupados, y para ello aprovecharemos el cuadro ateror y estableceremos cco clases de la sguete maera: clase frecueca Ua vez que tees las frecuecas por clase, para calcular la meda artmétca se aplca la sguete fórmula: dode: 1 f m f Meda artmétca Frecueca de clase

4 10 Capítulo 9 Meddas de Tedeca Cetral m Puto medo o cetro de clase o marca de clase Total de datos, úmero de observacoes realzadas o tamaño de muestra Para calcular la meda artmétca te recomedo que costruyas u cuadro como el sguete: clase frecueca (f ) puto medo ( f ) ( m ) de la clase (m ) Total Ahora be, s observas, co la últma columa se obtee la sumatora de la frecueca de clase por el puto medo, dato ecesaro e el umerador de la fórmula ateror, por lo que ya puedes hacer las susttucoes: La terpretacó de la meda artmétca calculada, es gual a la que se descrbó para la meda artmétca calculada para seres smples. Falmete eucaremos las desvetajas y las vetajas de la meda artmétca: VENTAJAS 1. Es el tpo de valor que más frecuetemete se usa y el que más fáclmete se comprede.. El mecasmo de su cálculo es relatvamete secllo, requrédose solamete los valores totales y el úmero de elemetos. DESVENTAJAS 1. La meda tee la desvetaja de que su valor puede ser dstorsoado por valores extremos muy grades o muy pequeños y por lo tato o aparecer como u valor típco (aproxmado a la realdad). Por ello es meos estable que la medaa.. Cuado se observe asmetría o dstrbucó sesgada, o es u valor cofable.

5 Fudametos de Estadístca para Odotología 11 E ua dstrbucó cada valor juega ua parte muy mportate e la determacó de la meda artmétca y u cambo e cualquera de ellos, mplca u cambo e la meda artmétca. Falmete debemos mecoar que la meda artmétca es u estadístco de eleccó prmara, s embargo, cuado al observar los valores que se tee hay alguo muy dferete a otros, debe preferrse la medaa. MEDIANA La medaa de u cojuto de datos es el valor del puto medo de la dstrbucó ordeada, la cual deja por debajo y por ecma de la dstrbucó el msmo úmero de térmos. Es decr, es el valor cetral que deja el 50% de los valores gual o debajo de él y la otra mtad o sea el 50% gual o por ecma del él. Como ya se mecoó e el capítulo ateror, la medaa es també llamada percetl 50. Cuado buscamos la medaa os teresa buscar este puto medo y por lo tato s el úmero de observacoes hechas es mpar, el valor obtedo por la medaa es exactamete el observado e el cetro de la dstrbucó, pero s el úmero de observacoes es par, e este caso el valor termedo correspode a los dos valores de la parte meda. Para ecotrar la poscó de la medaa, se puede averguar el úmero de datos, se le suma uo y se dvde etre dos. Poscó de la medaa 1 Be, desarrollemos u ejemplo, te parece?. Cosderemos que se quere medr cual es la tedeca de 1 obreros e la frecueca, e meses que deja trascurrr, para acudr a exame odotológco, los datos obtedos so: 3,, 7, 4, 9, 15, 15, 14, 13, 1, 4, 5, 7, 9, 7, 11, 8, 9, 6, 5, 10 Para calcular la medaa e seres smples, el prmer paso cosste e ordear los datos de meor a mayor, dada la sere de datos del ejemplo que estamos desarrollado, quedaría de la sguete forma:, 3, 4, 4, 5, 5, 6, 7, 7, 7, 8, 9, 9, 9, 10, 11, 1, 13, 14, 15, 15 Susttuyedo e la fórmula ateror se ecuetra la poscó de la medaa e esta sere. 11 Poscó de la medaa 11

6 1 Capítulo 9 Meddas de Tedeca Cetral Esta cfra lo que os represeta es que el dato 11 (décmo prmer dato) es la poscó de la medaa, por lo tato, observado la sere de datos de la sere ya ordeada, puedes ver que el valor del dato úmero 11 represetado por el 8, este es el valor de la medaa y se terpreta de la sguete maera: 50% de los obreros e estudo acude a cosulta odotológca co ua frecueca de cada ocho meses. Parece que o exste problema para el cálculo de la medaa es muy secllo, s embargo, cuado la sere es par, el cálculo del valor del dato cetral dfere u poco. Para mayor compresó desarrollaremos el msmo ejemplo, cosderado solamete 0 datos, esto es, elmaremos el últmo dato de la sere ateror, la cual quedará de la sguete maera:, 3, 4, 4, 5, 5, 6, 7, 7, 7, 8, 9, 9, 9, 10, 11, 1, 13, 14, 15 Ahora se calcula cuál es el dato cetral aplcado la msma fórmula: Poscó de la medaa E este caso el valor que se ecuetra e esta poscó es el valor termedo etre los datos 10 y 11, lo que se hace e este caso es buscar el valor del dato 10 y el valor del dato 11, se suma y el resultado se dvde etre. Para uestro ejemplo teemos que el valor de los datos 10 y 11 so 7 y 8, cuya suma es gual a 15 que dvdda etre dos es gual a 7.5 y este es el valor de la medaa. Su terpretacó será: 50% de los obreros e estudo acude a cosulta odotológca co ua frecueca de cada sete meses y medo. Cuado se desea buscar la medaa e datos agrupados deberás teer e cueta que la poscó esta dada por / y o por ( + 1) /. Ahora veamos cómo puedes calcular la medaa para datos agrupados a través del sguete ejemplo: se quere coocer cuál es el comportameto cetral e ua dstrbucó ormal del ídce CPO que mde la expereca de cares e detes permaetes, e u grupo de 176 escolares de 7 a 1 años de edad, ecotrádose la sguete formacó.

7 Fudametos de Estadístca para Odotología 13 clase froteras frecueca Frecueca acumulada * * Clase que cotee a la medaa TOTAL 176 Md L F f a ( ) De dode: Md medaa. es el tamaño de la muestra o úmero de observacoes realzadas. L es la frotera feror de la clase que cotee a la medaa. F a es la frecueca acumulada de la clase ateror a la que cotee la medaa. f es la frecueca absoluta de la clase que cotee a la medaa. es la ampltud de clase. Ahora desarrollaremos paso a paso para buscar los valores y susttur e la fórmula. Prmero, cómo se determa cuál es la clase que cotee a la medaa?. Se cosdera el úmero total de datos, que para el ejemplo que estamos desarrollado es de 176 datos. Para establecer e cuál tervalo está la medaa, 176 se dvde etre lo que da como resultado 88, este dato se ecuetra e el tercer tervalo ya que la frecueca acumulada de esta clase es 110, que cluye el 88. Ahora ya puedes determar el valor de L, éste represeta la frotera feror del tervalo de la clase que cotee a la medaa. E el ejemplo la frotera feror del tervalo que cotee a la medaa es 5.5 y la frotera superor es 8.5, por lo tato, el valor que estamos buscado para susttur e la fórmula es 5.5. (L = 5.5). El tamaño de la muestra, es el úmero total de datos que e este caso se obtedrá de sumar las frecuecas, esto es 176 datos. El sguete dato que debes calcular es la frecueca acumulada del tervalo ateror al que cotee la medaa que es 61.

8 14 Capítulo 9 Meddas de Tedeca Cetral La frecueca del tervalo que cotee la medaa se obtee de maera drecta, observado cuál es la frecueca que dca el tervalo, e este caso 49 (f = 49). Por últmo, se establece el tamaño del tervalo que cotee a la medaa, cosderado que es de 6-8, el tamaño es de 3, porque e este tervalo queda cludos los valores de 6,7 y 8 ( = 3), el cual també se puede obteer restado la frotera superor meos la frotera feror. Ahora ya podrás susttur estos valores e la fórmula: Md (3) Por lo tato, el valor de la medaa es de 7.15 y se terpreta de la sguete maera: e el grupo de escolares de 7 a 1 años e estudo, 50% tee ua tedeca a presetar aproxmadamete 7 órgaos detaros permaetes co algua expereca de cares. La medaa es u estadístco que o se utlza ta frecuetemete como la meda artmétca, ya que para calcularla requere del ordeameto de ua sere de datos. A dfereca de la meda artmétca, la medaa o puede ser tratada algebracamete; s embargo, e progresoes artmétcas, geométrcas y armócas, la meda artmétca y la medaa so smlares. Falmete, la suma de las desvacoes estádar co respecto a la medaa es la meor s se prescde del sgo y e seres poco smétrcas es el estadístco de seleccó ya que su valor es deal. VENTAJAS 1. No se ve afectada por valores extremos. Se usa e seres abertas y aquellas e las cuales uo de los valores se aleja demasado del promedo. DESVENTAJAS 1. E datos agrupados, su cálculo es u poco meos secllo que para la meda artmétca.. Su cálculo exge ordear la sere de datos y por lo tato es más laboroso. 3. El error estádar es mayor que e la meda artmétca.

9 Fudametos de Estadístca para Odotología 15 MODA O MODO La moda es el valor que ocurre co mayor frecueca, esto es, s se dce que la moda del úmero de hjos por famla es de 4, esto represeta que exste ua mayor catdad de famlas co cuatro hjos que co cualquer otro tamaño. La moda es mucho más fácl de obteer cuado se trata de datos dscretos que de datos cotuos. Así msmo, puede ocurrr que e ua sere determada, exsta dos o más modas (dstrbucoes bmodales, trmodales, etc.), o be que o exsta moda. La moda o modo a pesar de que o es cofable para aálss estadístco es utlzado sobre todo e los casos que se quere determar certa tedeca de datos cualtatvos, por ejemplo: estado de hgee bucal, caldad de cepllado detal, tpo y magtud de la flamacó ggval, etc. El procedmeto de estmacó de este valor es sumamete secllo, bastará que observes cuál es el dato que se repte el mayor úmero de veces, para establecer que ésa es la moda o modo. Por ejemplo: se estuda el estado de hgee bucal e 19 mujeres gestates y los datos se obtee so los sguetes: gestate hgee bucal gestate hgee bucal 01 buea 11 buea 0 buea 1 regular 03 defcete 13 buea 04 regular 14 buea 05 defcete 15 regular 06 buea 16 defcete 07 buea 17 defcete 08 regular 18 defcete 09 buea 19 buea 10 regular Co esta formacó establezcamos la moda. Como se mecoó aterormete, bastará co observar cuál es el dato que se repte u mayor úmero de veces. E uestro ejemplo, la codcó de buea hgee bucal se repte ueve veces, la hgee regular cco veces y la defcete cco veces, por lo tato, la moda de las codcoes de hgee bucal que predoma e este grupo de mujeres gestates es buea. Muy secllo, verdad?. E seres agrupadas, el cálculo de la moda e dstrbucoes de frecueca se dfculta u poco, ya que s varas persoas efectúa la dstrbucó de

10 16 Capítulo 9 Meddas de Tedeca Cetral frecueca de cada ua de ellas, puede hacer ua dstrbucó de frecueca dferete y por lo tato el valor modal varía. Es por esta razó que te sugero que cuado desees ecotrar el valor modal de ua frecueca, utlces la sguete fórmula: M o L 1 1 ( ) De dode: M o L 1 moda es la frotera feror de la clase modal o clase co la frecueca más alta frecueca más alta meos la frecueca ateror frecueca más alta meos la frecueca posteror es la ampltud de clase. Muy be, desarrollemos u ejemplo para que apredas a calcularla: Se lleva a cabo u estudo comutaro, e el cual se aplca ua ecuesta para coocer el vel de gresos de la poblacó, y así ajustar el costo de la cosulta estomatológca a la realdad ecoómca de la comudad. Los resultados de dcha ecuesta se preseta e el sguete cuadro: Cuadro 9.1 Dstrbucó de gresos mesuales por famla barro Sa. Pablo, ochmlco, clase * froteras frecueca ** * E pesos ** Número de Famlas Prmero debemos determar a la clase modal. Esto es, a la clase que tega la frecueca más alta, para este ejemplo es el tervalo de , ya que su frecueca es de 68. Ahora se debe estmar los valores de: L 1 es la frotera feror de la clase modal o clase co la frecueca más alta, para este ejemplo es frecueca más alta meos la frecueca ateror, esto es, 68 meos 65 gual a 3. frecueca más alta meos la frecueca posteror, esto es, 68 meos 5 gual a 43.

11 Fudametos de Estadístca para Odotología 17 es la ampltud de clase, que para este ejemplo es 00. Ahora susttuyamos e la fórmula descrta aterormete: 3 Mo (00) Por lo tato, la moda e cuato a greso mesual famlar para esta comudad es de pesos. VENTAJAS 1. Es el más descrptvo de la sere.. Es depedete de los valores extremos. 3. Cuado el úmero de datos es pequeño, es fácl de obteer s cálculos. DESVENTAJAS 1. Su valor es sólo aproxmado y poco cofable.. Puede o exstr e ua sere. 3. Se puede teer alguas dfcultades para su cálculo e datos agrupados. Cuadro Resume Meda Artmétca para seres smples Meda artmétca para datos agrupados Medaa para datos agrupados Moda para datos agrupados 1 f m 1 Fa Md L ( ) f 1 M o L ( ) 1

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva. Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: [email protected] Resume: De acuerdo al Teorema

Más detalles

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma.

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma. CAPITULO II Meddas estadístcas Objetvo Calcular las meddas poscó, de tedeca cetral, de dspersó y de forma. Cotedo * * * * * * Itroduccó Meddas de poscó Meddas de tedeca cetral Meddas de dspersó Meddas

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad

El valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo PM4 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados Prof. Mguel Hesquo Garduño. Depto. De Igeería Químca Petrolera ESIQIE-IPN [email protected]

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. [email protected]

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca [email protected] http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias:

MEDIDAS DE CENTRALIZACIÓN. i = N Cuando los datos vienen dados por una tabla de frecuencias: PARÁMETROS ESTADÍSTICOS Puesto que las represetacoes grácas o sempre cosgue orecer ua ormacó completa de ua sere de datos, es ecesaro aalzar procedmetos umércos que permta resumr toda la ormacó del eómeo

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 40 años de expereca e las más recoocdas uversdades del área metropoltaa de Caracas. Uversdad

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles