Elementos de Probabilidad y Estadística

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

Download "Elementos de Probabilidad y Estadística"

Transcripción

1 Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco d vtos futuros. U jmplo sría l dsño d vrtdors d ua prsa d almacamto dod s csta prdcr lluvas o avdas d dsño co ua dtrmada frcuca o prodo d rtoro. 3.. Cocptos báscos d probabldad 3... Exprmto U xprmto s toda accó u s ralza co l f d obsrvar su rsultado. La xprmtacó s ua tapa fudamtal para llgar al coocmto ctífco. La toría d la probabldad ha sdo motvada por dvrsas crcustacas d la vda ral las u s ralza u xprmto y l vstgador obsrva u rsultado. U jmplo u s pud 43

2 44 Capítulo 3. Elmtos d robabldad y Estadístca cosdrar s la dtrmacó d la carga d ruptura d ua varlla d acro u s pruba ua crta máua y s somtda a u sfurzo d tsó. E st xprmto la accó cosst somtr a la varlla a ua pruba d ruptura por tsó; dspués d aplcar crmtos d carga, la varlla falla por tsó, u sría l rsultado d la accó; y la obsrvacó s la lctura la máua para dtrmar la carga d ruptura u ocasoó u la varlla fallara (Olvra, S.A., 987). U xprmto s dtrmsta s s pud prdcr co crtza su rsultado ats d u ést s ralc. U xprmto s alatoro cuado o s posbl asgurar l rsultado u s va a prstar al ralzarlo; s dcr u a psar d rptrlo codcos aproxmadamt détcas, sus rsultados o so scalmt los msmos Espaco mustral Es l cojuto d todos los posbls rsultados d u xprmto alatoro y gralmt s rprsta a dcho cojuto co las ltras S, L, Ω Evto U vto A s ua colccó d putos mustrals cotdos l spaco mustral S d u xprmto alatoro. Evtos mutuamt xcluyts So vtos u o pud ocurrr smultáamt. S s t dos vtos A y B cualsura, tals u la ocurrca d uo mplca u o pud ocurrr l otro, sto s, A B Φ tocs A y B so vtos mutuamt xcluyts. Evtos colctvamt xhaustvos A los vtos A, A,, A s ls llama vtos cojutamt xhaustvos cuado su uó forma todo l spaco mustral, s dcr: S ( A A ) Dfcó axomátca d probabldad Sa S u spaco mustral, sa L la clas d todos los vtos y sa ua fucó d valors rals dfda L. Etocs s llama ua fucó d probabldad, y (A) s doma la probabldad dl vto A, s y sólo sí s cumpl los sguts axomas (Borras, H., 985). Axoma I La probabldad d u vto s u úmro mayor o gual u cro y mor o gual u uo: A ( ) 0 A Axoma II La probabldad dl vto S s la udad: ( ) S Dod S s l vto formado por todo l spaco mustral (3.) (3.)

3 Capítulo 3. Elmtos d robabldad y Estadístca 45 Axoma III La probabldad d u vto u sa la uó d los vtos A y B mutuamt xcluyts, s la suma d las probabldads d stos dos vtos: ( A B ) ( A) ( B ) + (3.3) ara cualur scuca fta d vtos mutuamt xcluyts A, A, A 3,, s t ( A A A ) ( A ) + ( A ) + ( A ) + ( ) + 3 A (3.4) Tormas drvados d la dfcó axomátca Torma. Sa l vto A u vto cualura d S y A l complmto d A, tocs: Dmostracó: or l axoma II: tomado cuta u: ( A' ) ( A) ( S ) ( A A' ) S (3.5) obtdo su probabldad d ambos lados: aplcado l axoma III ( A A' ) ( S ) ( A) + ( A' ) Torma. Sa Φ l vto mposbl, tocs: Dmostracó: hacdo ( A' ) ( A) ( φ) 0 S S φ (3.6) obtdo su probabldad d ambos lados: por l axoma II: susttuydo ( S ) ( S ) ( φ) + ( S ) + ( φ) ( φ) 0

4 46 Capítulo 3. Elmtos d robabldad y Estadístca Torma.3 S A y B so dos vtos d S y A B (A s subcojuto d B) Dmostracó: ( A) ( B ) (3.7) El vto d B d la g. 3., s pud rprstar como la uó d los vtos mutuamt xcluyts A y A B, sto s, B {A U (A B)}. dl axoma III y por l axoma I ( B ) ( A) + ( A' B ) ( A' B ) 0 ( B ) ( A) S A B gura 3.. El cojuto A s subcojuto d B. Torma.4 S A, A,, A s ua colccó d vtos mutuamt xcluyts y cojutamt xhaustvos, como s mustra la g. 3.. S A 3 A A A gura 3.. Evtos mutuamt xcluyts y cojutamt xhaustvos. Etocs: ( A A A A ) ( A ) + ( A ) + + ( A ) ( A A A A ) ( A ) 3 co A A φ para j 3 j Est torma s solo ua forma gral dl axoma III.

5 Capítulo 3. Elmtos d robabldad y Estadístca 47 Torma.5 ara dos vtos cualsura A y B: ( A B ) ( A) + ( B ) ( A B ) (3.8) Dmostracó: aalzado la g. 3.3 s t por otra part ( A B ) ( A B ) + ( A B ) + ( B A) ( A B ) ( A) ( A B ) ( B A) ( B ) ( A B ) susttuydo las cuacos (3.0) y (3.) la cuacó (3.9): (3.9) (3.0) (3.) ( A B ) ( A) ( A B ) + ( A B ) + ( B ) ( A B ) ( A B ) ( A) + ( B ) ( A B ) S A-B A B B-A 3.3. Varabls alatoras gura 3.3. (AUB) Itroduccó ara dar solucó a alguos problmas d gría, s gra u crto grado d crtdumbr dbdo a la varacó d los fómos prsts la aturalza. Como rsultado d las crtdumbrs, l gro o pud prdcr co xacttud l vto u puda ocurrr l futuro, para solucoarlo utlza modlos stadístcos y probablstas dod la varabl scal s llama Varabl alatora (Bjamí t al., 970) Cocpto d varabl alatora Dado u xprmto alatoro E, tocs ua varabl alatora s df como ua fucó ral d varabl ral cuyo domo s l spaco mustral S d probabldads, cotdo por vtos smpls, y por otro lado l codomo d la fucó s u spaco u cot al cojuto d los úmros rals IR co valors x ( ) (Motgomry t al., 000).

6 48 Capítulo 3. Elmtos d robabldad y Estadístca Ua varabl alatora s ua fucó ral d varabl ral u asga a cada vto smpl S u valor umérco ral x IR, mjor dcho ( ) x. E la g. 3.4 s aprca la aturalza d la trasformacó d : S IR. S IR 3 x () x () x3 (3) x () gura 3.4. Cocpto d varabl alatora. Co rspcto a la otacó, s cosdra ltras mayúsculas para dotar varabls alatoras y ltras músculas x para los valors partculars u puda tomar. E la ltratura s comú cotrar dotadas co mayúsculas a las fucos d dstrbucó d probabldad acumulada (x) y co músculas a las fucos dsdad d probabldad f(x) (Borras, H., 985). El comportamto d ua varabl alatora " " s dscrb mdat su ly d probabldads y s caractrza prcpalmt por mdo d ua dstrbucó d probabldad d la varabl alatora. Al cojuto d parjas ordadas ( x, p ), s l cooc como dstrbucó d probabldad d la varabl alatora. Las varabls alatoras pud sr dscrtas o cotuas. Como podmos obsrvar ua varabl alatora s caractrza forma aalítca por mdo d ua dstrbucó d probabldad y a su vz uda dfda por ua fucó d probabldad. A cotuacó la g. 3.5 s mustra u cuadro sóptco para comprdr la caractrzacó y dfcó d ua varabl alatora. Varabl Alatora Ua varabl alatora dscrta s caractrza por mdo d ua dstrbucó d probabldad y stá dfda por: a) ucó d probabldad o fucó masa d probabldad p(x). b) ucó d dstrbucó d probabldad acumulada o fucó d dstrbucó para varabls alatoras dscrtas (x). Ua varabl alatora cotua s caractrza por mdo d ua dstrbucó d probabldad y stá dfda por: c) ucó dsdad d probabldad f(x) d) ucó d dstrbucó d probabldad acumulada o fucó d dstrbucó para varabls alatoras cotuas (x). gura 3.5. Caractrístcas d ua varabl alatora.

7 Capítulo 3. Elmtos d robabldad y Estadístca Varabls alatoras dscrtas Cocpto d varabl alatora dscrta S l domo d dfcó d ua varabl alatora s u trvalo fto, y los rsultados dl xprmto alatoro al u stá asocada dcha varabl alatora sólo df alguos d los valors comprddos dtro d s trvalo, s dc u la varabl alatora s dscrta. Obsérvs u la dstrbucó d probabldad {( )} x, p d la varabl alatora, df compltamt l fómo al u stá asocada, ya u dchos valors dtrma los rsultados dl xprmto y sus corrspodts probabldads y la forma d cómo s prsta sos rsultados (Bjamí t al., 970). ucó d probabldad o fucó masa d probabldad p(x) Ua dstrbucó d probabldad aalítcamt uda dfda mdat ua fucó d probabldad p ( x ), la cual rlacoa los rsultados d u xprmto alatoro co su probabldad d ocurrca. Cuado l rsultado dl xprmto alatoro s u úmro, gralmt s l asga l msmo valor; o sa, la varabl alatora pud tomar los valors d x. Lo atror s pud rprstar mdat la sgut xprsó. E la g. 3.6 s rprsta gráfcamt la fucó d probabldad (Motgomry t al., 000). ( x ) ( ) p x La codcos u db d cumplr cualur fucó ( ) (3.) p x para u sa fucó d probabldad d ua varabl alatora, y así podr dfr ua dstrbucó d probabldad, db cumplr los prmros dos axomas d la toría d la probabldad. 0 x ( x ), ( x ) (3.3) (3.4) p (x) gura 3.6. ucó d probabldad. x

8 50 Capítulo 3. Elmtos d robabldad y Estadístca Varabls alatoras cotuas E l aálss stadístco hdrología gralmt s trabaja co varabls alatoras cotuas, por lo u s aalzará co prcaucó Cocpto d varabl alatora cotua S l domo d dfcó d ua varabl alatora s u trvalo fto, y los rsultados dl xprmto alatoro al u stá asocada dcha varabl df cualur valor ral comprddo dtro dl trvalo, s dc u la varabl alatora s cotua. Est tpo d varabls s prsta co más frcuca los sstmas físcos dbdo a u la masa, l calor, l volum, l tmpo y otras caractrístcas, pud tomar cualur valor, dtro d ua scala cotua. S mbargo, formalmt pud dfrs la dstrbucó d probabldads d ua varabl alatora cotua por mdo d su fucó dsdad d probabldad (Bjamí t al., 970) ucó dsdad d probabldad f(x) E l caso d ua varabl alatora cotua o s posbl stablcr xplíctamt las parjas ordadas (valor d la varabl alatora, y su corrspodt probabldad) u df ua dstrbucó d probabldad cotua, por o sr umrabl l cojuto d valors d la varabl alatora cotua. Ua varabl alatora cotua pud tomar ua fdad d valors u puño trvalo; coscuca, la probabldad d u tom u valor partcular s práctcamt cro y para studar l comportamto d las varabls s db d hablar d subtrvalos, dtro d los cuals pud cotrars l valor d (Motgomry t al., 000). Sa ua varabl alatora cotua l trvalo x, o sa, u pud tomar cualur valor ral s trvalo, por lo u o s posbl dfr su dstrbucó d probabldad forma tabular; o s posbl xprsar xplíctamt l cojuto fto d parjas ordadas {( x, p )} u s t para todo valor d x l trvalo. E st caso dbrá dfrs la dstrbucó d probabldad x forma gráfca o aalítca. or la cotudad d los valors d x l trvalo, st caso l polígoo d probabldad s covrt ua curva cotua d cuacó y f ( x ), sdo f ( x ) ua fucó ral d la varabl alatora su trvalo d dfcó. A la fucó f ( x ) s l llama fucó dsdad d probabldad d la varabl alatora. La fucó dsdad d probabldad s df d tal mara u la probabldad dl vto ( x x ) sa gual al ára bajo la curva d la fucó f ( x ) tr x x y x, como s mustra la g x tocs: x ( x x ) f ( x ) x dx (3.5)

9 Capítulo 3. Elmtos d robabldad y Estadístca 5 y f (x) ( x ) x x x x gura 3.7. ucó dsdad d probabldad. Es mportat dars cuta d u ( x ) f o rprsta la probabldad d ada, solo cuado la fucó tgra tr dos putos s produc ua probabldad. Ua fucó ( x ) f db d cumplr co las codcos sguts para u sa fucó dsdad d probabldad d ua varabl alatora cotua: a) La fucó f ( x ) s postva para todo valor d x: b) El ára bajo la curva d la fucó ( ) x f ( x ) 0 f l trvalo x val uo: (3.6) f ( x ) dx (3.7) ucó d dstrbucó d probabldad acumulada (x) Otra forma d caractrzar l comportamto d ua varabl alatora s mdat la dstrbucó d probabldad acumulada y pud dfrs formalmt por mdo d ua, como: fucó d dstrbucó d probabldad acumulada ( ) x 0 ( x ) ( x ) 0 x 0 (3.8) La fucó d dstrbucó acumulada d cualur tpo d varabl alatora dscrta o cotua, t las sguts propdads y su rprstacó gráfca s vsualza la g. 3.8 (Motgomry t al., 000). ( x 0 ) 0 x 0 ( ) 0 ( ) ( x 0 + ε ) ( x 0 ), ( x x ) ( x ) ( x ) para toda cos tat ε > 0

10 5 Capítulo 3. Elmtos d robabldad y Estadístca gura 3.8. ucó d dstrbucó d probabldad acumulada ucó d dstrbucó d probabldad acumulada para varabls alatoras cotuas S la varabl alatora s cotua y ( x ) fucó ( x ) s: x 0 ( x ) ( x x ) f ( x ) dx 0 f s su fucó dsdad d probabldad, la 0 x 0 ( x ) f ( x ) dx 0 (3.9) Espraza matmátca o valor sprado d varabls alatoras cotuas E gral, la ltratura s l cosdra a la spraza matmátca como valor sprado o valor promdo d la varabl alatora. ud sr trprtada como u promdo podrado d ua fucó g(x) y como s vrá postrormt s d gra utldad para dfr alguos parámtros poblacoals u caractrza l comportamto d la varabl alatora (Borras, H., 985). Espraza matmátca d ua fucó d ua varabl alatora cotua S la varabl alatora s d tpo cotua, y su fucó dsdad d probabldad s ( x ) la spraza matmátca d g(x) s df como: f, E { g ( x )} g ( x ) f ( x ) dx (3.0) arámtros poblacoals d la dstrbucó d varabls alatoras cotuas Como s había comtado, los parámtros más mportats a calcular so la mda y la varaza. ara su studo s prstara dos casos partculars d la spraza matmátca u so: los momtos co rspcto al org y los momtos co rspcto a la mda (Olvra, S.A., 987).

11 Capítulo 3. Elmtos d robabldad y Estadístca 53 Momtos d ord co rspcto al org ara ua dstrbucó d probabldad, s df al momto d ord co rspcto al org d la varabl alatora, a la spraza matmátca d la fucó g(x) cosdrado lo sgut: tomado cuta u: ( x ) g (3.) susttuydo la cuacó (3.) la cuacó (3.0), rsulta E { } x f ( x) dx (3.) dod: s u úmro tro postvo Momtos d ord co rspcto a la mda S llama momto d ord co rspcto a la mda d la dstrbucó d probabldad d la varabl alatora, a la spraza matmátca d la fucó g(x) cosdrado lo sgut: s ( x ) ( ) g µ (3.3) dod: s u tro postvo y μ x la mda d la dstrbucó, susttuydo la cuacó (3.3) la cuacó (3.0) E {( µ ) } ( x µ ) f ( x ) dx (3.4) Mda d la dstrbucó poblacoal Tomado cuta l momto d ord rspcto al org para l caso d varabls alatoras dscrtas, s t: E { } x p( x ) x (3.5) y obtdo l prmr momto co rspcto al org, s hacmos E { } x p( x ) x µ E { } (3.6) (3.7) susttuydo la cuacó (3.6) la cuacó (3.7) µ x x p( x ) (3.8)

12 54 Capítulo 3. Elmtos d robabldad y Estadístca S cosdramos u cada x ocurr co la msma probabldad p, tocs cada p t valor d: p (3.9) susttuydo la cuacó (3.9) la cuacó (3.8) µ x (3.30) A la xprsó atror s l llama mda d la dstrbucó. La mda s uo d los parámtros más rprstatvos d la dstrbucó, ya u coocdo la mda o valor sprado d la dstrbucó s t ua da dl valor ctral d la dstrbucó. Ua aalogía dl cocpto físco dl prmr momto, u s la mda d la dstrbucó d probabldad d la varabl alatora s smjat al cocpto d ctrod u s studa mcáca. Obsrvado la g. 3.9, la mda s la abscsa dl ctrod d la fucó d probabldad (Olvra, S.A., 987). f (x) Ctrod dl ára µx x gura 3.9. La mda s la abscsa dl ctrod Varaza d la dstrbucó poblacoal S 0, s t l momto d ord cro co rspcto a la mda, y tato l caso dscrto como l cotuo val uo. S, s t l momto co rspcto a la mda, y tato l caso dscrto como l cotuo val cro. S, s t l sgudo momto co rspcto a la mda. d la cuacó (4) hacdo E {( µ ) } ( x µ ) f ( x ) dx σ {( ) } E µ (3.3)

13 Capítulo 3. Elmtos d robabldad y Estadístca 55 or lo tato l momto d ord dos,, co rspcto a la mda, rcb l ombr d varaza y s xprsa d la sgut mara: σ (3.3) µ como la dstaca tr u valor partcular d y su mda, tocs s trprta a la varaza como l promdo d los cuadrados d las dfrcas tr l valor mdo (μ x ) y los posbls valors d la varabl alatora (Olvra, S.A., 987). S s cosdra a la spraza matmátca como u promdo y a la dfrca ( ) S l xpot toma cualur otro valor par, s tdrá també u dcador d la dsprsó d los datos y ést srá smpr postvo, mtras u para ua potca mpar, l momto pud sr postvo, gatvo o cro. La raíz cuadrada d la varaza df l cocpto d dsvacó stádar d la varabl alatora y s rprsta por σ, dod: ( x µ ) f ( x ) dx σ σ (3.33) La dsvacó stádar xplca la dsprsó promdo d los valors posbls d la varabl alatora co rspcto a su mda Cocptos báscos d stadístca Itroduccó La stadístca ha llgado a sr u strumto d uso cotdao para todos los profsostas u stá cotacto co fómos d aturalza alatora, y u a partr dl coocmto d crtos datos cuattatvos dl fómo, db tomar dcsos sobr su comportamto gral Cocpto d Estadístca La Estadístca s ocupa d los métodos y procdmtos para rcogr, clasfcar, rsumr, hallar rgulardads y aalzar los datos, smpr y cuado la varabldad crtdumbr sa ua causa trísca d los msmos; así como d ralzar frcas a partr d llos, co la faldad d ayudar a la toma d dcsos y su caso formular prdccos. ara su studo, la stadístca s dvd : stadístca dscrptva, cuado los rsultados dl aálss o prtd r más allá dl cojuto d datos, frca stadístca cuado l objtvo dl studo s drvar las coclusos obtdas a u cojuto d datos más amplo (Borras, H., 985) Estadístca dscrptva Dfcó Cca ddcada a dscrbr las caractrístcas xstts u cojuto d datos (la mustra), utlzado métodos umércos y gráfcos u rsum y prsta la formacó cotda llos. Las taras d la stadístca dscrptva so: La orgazacó d los datos

14 56 Capítulo 3. Elmtos d robabldad y Estadístca umércos d la mustra a través d las tablas y las rprstacos gráfcas (Borras, H., 985). oblacó Es u cojuto fto o fto d objtos, llamados lmtos, u t comú ua o varas caractrístcas partculars u s dsa studar. Mustra Es u subcojuto d la poblacó. La slccó d ua mustra s ua tapa muy mportat dtro dl studo stadístco, dbdo a u la formacó u prsta la mustra s la bas para hacr suposcos o frcas sobr lo u ocurr la poblacó arámtros stadístcos d ua mustra Como ya s vo atrormt los parámtros poblacoals s rprsta mdat ltras grgas µ, σ, σ, ν, γ. E l caso d ua dstrbucó d frcucas també s pud stablcr mddas dscrptvas, coocdos como parámtros stadístcos o stadístcos mustrals, y para dstgurlas d los parámtros poblacoals s usa las ltras latas x, S, S, C v, g. E l aálss hdrológco s rcomda l uso d los stadístcos o ssgados, ya u gralmt s trabaja co mustras rlatvamt puñas. Los datos d ua mustra pud caractrzars umércamt mdat los sguts grupos d parámtros stadístcos: Mddas d tdca ctral Mda ( ) x S df como l promdo artmétco d los datos d ua mustra y stá dada por: dod: x x (3.34) x x mda d la mustra valors d la mustra úmro total d valors Mddas d dsprsó Como su ombr lo dca, las mddas d dsprsó rflja la sparacó o aljamto d los lmtos d ua mustra (Borras, H., 985).

15 Capítulo 3. Elmtos d robabldad y Estadístca 57 Varaza (S x ) E l tma d varabls alatoras s dfó a la varaza d ua varabl alatora como l sgudo momto co rspcto a la mda. D mara aáloga, para ua dstrbucó d frcucas s df l momto k-ésmo co rspcto a la mda como: y coscuca, la varaza mustral (ssgada) s df como: y la dsvacó stádar (S ) como: S mk ( x x ) k ( x x ) S S (3.35) (3.36) (3.37) Cofct d varacó (Cv) ara ua dstrbucó d frcucas, s df como l coct d la dsvacó stádar mustral tr la mda mustral; sto s: C V S x (3.38) Mddas d asmtría ara mdr forma admsoal la asmtría d ua dstrbucó d frcucas, s utlza l cofct d asmtría por momtos g, u s df como l coct dl trcr momto co rspcto a la mda tr la raíz cuadrada dl sgudo momto co rspcto a la mda lvada al cubo; sto s: g m 3 ( m ) 3 d dod rsulta g ( x x ) 3 3 ( ) S (3.39)

16 58 Capítulo 3. Elmtos d robabldad y Estadístca 3.5. Graldads d frca stadístca Itroduccó E stadístca s l llama frca al procso d ducr o b dducr las caractrístcas o parámtros poblacoals a partr d la formacó mustral, mddo co probabldads la crtdumbr (Olvra, S.A., 987). ara hacr ua frca stadístca, s pud stmar los parámtros dscrptvos d la poblacó a partr d la formacó obtda ua mustra, ya sa como u valor putual, como u trvalo, o b stablcr valors hpotétcos d los parámtros y probar stadístcamt s so váldas las hpótss. U stmador s u valor aproxmado d u parámtro poblacoal, y s dtrmado d los stadístcos mustrals obtdos d la poblacó. Exst dos formas para stmar los parámtros: putuals o por trvalos d cofaza. Estmacó putual: cuado solamt s da u valor dl parámtro dscoocdo. Estmacó por trvalos d cofaza: cuado s fja dos valors tr los cuals s cutra l parámtro dscoocdo Métodos para dtrmar la stmacó putual d parámtros poblacoals A cotuacó s prsta alguos métodos para la stmacó d parámtros más comus hdrología, stos so: método d momtos y método d máxma vrosmltud Método d momtos El método d los momtos s u procdmto muy scllo para cotrar u stmador d uo o más parámtros poblacoals. Cosst báscamt gualar los momtos poblacoals co los mustrals co lo u s gra u sstma d cuacos, cuyo tamaño dpd dl úmro d parámtros a stmar (Motgomry t al., 000). Supógas u s ua varabl alatora cotua co fucó dsdad d probabldad f ( x θ, θ, θ ) ; k (3.40) Dod dcha fucó t parámtros dscoocdos mustra alatora d tamaño d. θ, θ, θ,,, ua k. Sa or otra part dfdos los prmros k-ésmos momtos d ua mustra co rspcto al org, rsulta: t mt t,,, k (3.4) Los prmros k momtos d la poblacó co rspcto al org so:

17 Capítulo 3. Elmtos d robabldad y Estadístca 59 t t ( ) x f ( x θ, θ, θ ) µ t E ; t,, k s cotua k dx (3.4) Al gualar los momtos d la mustra co los momtos d la poblacó s producrá k cuacos co k cógtas, sto s: µ t m t t x f t ; k dx ( x θ, θ, θ ) (3.43) t,,, k Co la solucó d la cuacó atror, s cutra los stmadors d momto θ k θ, θ, d los parámtros θ, θ, θk Método d máxma vrosmltud Uo d los mjors métodos para obtr u stmador putual s l d máxma vrosmltud (Motgomry t al., 000). Supógas u s ua varabl alatora cotua co fucó dsdad d probabldad f ( x;θ ), dod θ s u parámtro dscoocdo úco y asocado a la dstrbucó d probabldad d. Sa,,, los valors obsrvados ua mustra alatora d tamaño. Su fucó dsdad cojuta s dscrb como: f x ; ( x, x,, x ; θ ) f ( θ ) (3.44) A la xprsó atror s coocda como fucó d vrosmltud y s rprsta co la ltra L. L ( ;θ ) (3.45) ara podr cotrar l stmador d máxma vrosmltud θ dl parámtro θ, θ db d maxmzar a la fucó d vrosmltud f x ~ θ máx f,,, ; θ (3.46) El procdmto para stmar los parámtros dod la fucó d vrosmltud alcaza su máxmo, mplca ralzar la drvada parcal d L co rspcto a θ gualado a cro (Motgomry t al., 000).

18 60 Capítulo 3. Elmtos d robabldad y Estadístca 3.6. rodo d rtoro (Tr) El objtvo prcpal dl aálss stadístco d datos hdrológco s la dtrmacó dl llamado prodo d rtoro d u crto vto hdrológco Cocpto d prodo d rtoro El prodo d rtoro (Tr) s df como l lapso d tmpo promdo años, u s prst la ocurrca d u vto gual o mayor a ua magtud dada. La probabldad p ( ) x Tr d ocurrca dl vto xtr cualur obsrvacó pud rlacoars co l prodo d rtoro, d tal modo u para cada obsrvacó xst dos rsultados posbls: s xtr (probabldad p) s t u éxto, otro caso < x (probabldad p) s prsta ua falla. Tr La probabldad d ocurrca d u vto cualur obsrvacó s l vrso d su prodo d rtoro ( xtr ) (3.47) Tr La cuacó atror dca u s u vto hdrológco s gual o mayor u x, tocs ocurr dcho vto por lo mos ua vz Tr años, d dod /Tr s la probabldad d xcdca. D la cuacó (3.47) s drva l prodo d rtoro co probabldad d o xcdca, ( x ) Tr Tr (3.48) Usualmt cuado s t datos d u crto prodo, y s dsa aplacar algú método stadístco para xtrapolar dchos datos a prodos d rtoro mayors al d las mdcos, s csaro asgar u valor Tr a cada dato rgstrado. ara asgar prodos d rtoro a ua sr d datos s comú l mplo d la ly mpírca d Wbull: dod: k Tr + k úmro d años d rgstro úmro d ord dl dato aalzado ordado d mayor a mor (3.49) Crtros usuals para fjar u prodo d rtoro Crtros coómcos La fjacó dl prodo d rtoro pud llvars a cabo por mdo d crtros coómcos, como pud sr la comparacó d los costos auals d las obras co los daños producdos por avdas.

19 Capítulo 3. Elmtos d robabldad y Estadístca 6 Sgú la g. 3.0, tr mayor sa l prodo d rtoro Tr, los costos d ua obra crcrá d mara mportat y por lo tato los costos d los daños producdos por avdas srá rlatvamt puñas. La suma d las curvas y srá l costo total y l costo mímo srá l puto mímo d dcha curva d costos totals (Mosalv, S.J., 999). Costo total Costo d las obras Costos auals Costo mímo Costo d dañosd producdos por avdas Tr rodo d rtoro Tr (años) Crtros usuals gura 3.0. Aálss d costos auals d obras para la dtrmacó d prodos d rtoro. I. Vda útl d la obra II. Tpo d structura III. acldad d rparacó y amplacó IV. lgro d pérddas y vdas humaas 3.7. ucos d dstrbucó d probabldad d varabls alatoras cotuas más usadas hdrología Itroduccó Las fucos d dsdad más comus para l aálss hdrológco so las sguts: Normal Logormal Gamma Expocal arso tpo III (Gamma d trs parámtros) Gumbl (Dstrbucó gral d valors xtrmos tpo I) Gumbl dos poblacos (Gumbl mxta) Las prmras cco obdc a u tpo d poblacó, mtras u la dstrbucó Gumbl dos poblacos trabaja co dos tpos d poblacó; por jmplo los gastos producdos por lluvas cclócas y o cclócas o b stos, como l Norost d Méxco, los u s prsta volúms grads dbdo a lluvas d vro coocdas como upatas (Domíguz t al., 009).

20 6 Capítulo 3. Elmtos d robabldad y Estadístca Las fucos d probabldad u gralmt s ajusta a lluvas y scurrmtos auals so las trs prmras. Las dos últmas s dsarrollaro para l aálss d vtos xtrmos. La fucó xpocal s muy poco flxbl, s usa para lluvas máxmas y para studos d volúms almacados. Como ya s había comtado, los métodos stadístcos s basa ajustar ua mustra d gastos máxmos rgstrados, por mdo d ua fucó d dstrbucó d probabldad, para postrormt xtrapolarlos a u dtrmado prodo d rtoro. Las dstrbucos u majarmos para ajustar las mustras co l f d dsñar Avdas d Dsño, so las dstrbucos d valors xtrmos, o sa, las fucos d dstrbucó Gumbl y Gumbl dos poblacos. D modo u darmos ua brv xplcacó sobr stas dstrbucos partcular ucó d dstrbucó d valors xtrmos tpo I (Gumbl) Cosdrmos ua poblacó dod s t mustras, cada mustra cot vtos. A hora slccomos l valor máxmo d cada mustra. S l tamaño d las mustras s sufctmt grad, o sa, cuado td a fto la fucó d dstrbucó d probabldad acumulada o fucó d dstrbucó d probabldad d td a ua dstrbucó d tpo Gumbl; ( ) (3.50) La fucó dsdad d probabldad stá dada por: dod: f ( ) ( < <, > 0) (3.5) parámtro d scala parámtro d ubcacó varabl alatora cotua (rprsta a los gastos máxmos) ( ) fucó d dstrbucó d valors xtrmos tpo I f fucó dsdad d probabldad tpo Gumbl ( ) Esta fucó d dstrbucó s utlza para dtrmar la probabldad d u s prst grads avdas, dbdo a u s ha dmostrado tórcamt u s ajusta a los valors máxmos. La tdca d la fucó d dstrbucó Gumbl s prsta la g. 3.. Mda arámtros poblacoals d la dstrbucó Gumbl dod: µ + Γ (3.5) Γ costat d Eulr Γ

21 Capítulo 3. Elmtos d robabldad y Estadístca 63 Dsvacó stádar σ π 6 (3.53) Cofct d asmtría γ.396 (3.54) El cofct d asmtría s costat lo cual dca u sta dstrbucó s ssgada a la drcha para todos los valors d y. Como la dstrbucó s asmétrca s rcomda l método d máxma vrosmltud para stmar los parámtros y (Brzowsky t al., 98). Varabl rducda d la dstrbucó Gumbl La varabl rducda z, d la dstrbucó Gumbl s dduc d la cuacó (3.50) como: L L ( ) (3.55) susttuydo la cuacó (3.48) la cuacó (3.55), la varabl rducda z uda térmos dl prodo d rtoro como: Tr z L L Tr (3.56) () gura 3.. ucó dstrbucó d Gumbl. Estmacó d parámtros stadístcos por l método d momtos El valor d los parámtros y s stma co las cuacos sguts z 6 S π (3.57) dod: x 6 Γ S π (3.58)

22 64 Capítulo 3. Elmtos d robabldad y Estadístca x mda d mustra, calculada co la cuacó (3.34) S dsvacó stádar d la mustra, calculada co las cuacos (3.36) y (3.37) Γ costat d Eulr Γ Estmacó d parámtros stadístcos por l método d máxma vrosmltud El logartmo atural d la fucó d vrosmltud para la dstrbucó Gumbl s (Brzowsky t al., 98). (3.59) drvado la cuacó (3.59) parcalmt co rspcto a los parámtros y gualado acro s t: (3.60) (3.6) S obsrva u las cuacos (3.60) y (3.6) forma u sstma d cuacos, la cuacó (3.60) pud sr scrta como: (3.6) susttuydo la cuacó (3.6) la cuacó (3.6) rsulta: (3.63) La cuacó (3.63) s o lal, d modo u para darl solucó s pud rsolvr umércamt por mdo dl método d Nwto-Raphso, la fórmula d rcurrca uda como: (3.64) Dod la fucó y su corrspodt drvada s mustra a cotuacó: (3.65) ( ) ( ) ( ) ( ) L L L ( ) ( ) ( ) 0 L L ( ) ( ) ( ) ( ) ( ) 0 + L L 0 + ( ) ( ) ( ) d + ( ) +

23 Capítulo 3. Elmtos d robabldad y Estadístca 65 (3.66) Ua vz cotrado l valor óptmo d, s susttuy la cuacó (3.6) para obtr como: (3.67) Los parámtros stadístcos cals y u rur l método d Nwto- Raphso, s calcula por mdo d la técca d momtos (Ecs y 3.58). Estmacó d vtos d dsño ajustados co la fucó Gumbl Ua vz obtdos los parámtros óptmos y, y ralzado l cambo d varabl calculado d la cuacó (3.50), s dspja calculado d la sgut mara: S s aplca logartmos aturals dos vcs ambos mmbros d la cuacó (3.50), dsarrollado y aplcado propdads d los logartmos s t: (3.68) d dod los vtos d dsño s calcula como: (3.69) Susttuydo la cuacó (3.48) (probabldad d o xcdca) la cuacó (3.69): (3.70) ucó d dstrbucó Gumbl dos poblacos (Gumbl mxta) Itroduccó Cuado la Rpúblca Mxcaa s v afctada por cclos, y cojutamt por vtos hdromtorológcos, podmos obsrvar mdat la dstrbucó d Gumbl u s prsta dos poblacos totalmt dfrts; por u lado prcptacos ocasoadas ( ) d ( ) L L ) ( calculado calculado L L ) ( calculado calculado L L r r calculado T T L L

24 66 Capítulo 3. Elmtos d robabldad y Estadístca por fómos mtorológcos, y sguda staca por avdas xtrmas ocasoadas por prcptacos cclócas. ara l aálss d sta dstrbucó s supo u los fómos s orga por procsos dfrts, dado como rsultado ua dstrbucó co dos poblacos. La prmra co ua poblacó o cclóca y la otra corrspod a ua cclóca (g. 3.). Dduccó d la fucó d dstrbucó d probabldad Gumbl dos poblacos Sgú Gozálz (970) dbdo a la prsca d dos poblacos, la fucó Gumbl parc sr adcuada para dtrmar su frcuca, s mbargo s pud supor u para cada poblacó s pud studar por sparado aalzado la dstrbucó Gumbl. D tal mara u para los años dod o s prsta cclos, los gastos máxmos sgu ua dstrbucó d tpo Gumbl co parámtros y d la sgut mara: d la cuacó (3.50) s susttuy los parámtros y ( ) (3.7) Cuado los gastos máxmos so provocados por cclos, tocs s susttuy los parámtros y la cuacó (3.50) como: ( ) (3.7) La prguta u s plata ahora s la sgut: Cómo s pud sabr o prdcr la prsca d u años so cclócos y cuáls o lo so? Lo atror s logra a partr d los rgstros mtorológcos dspobls co u s cuta o u caso xtrmo prgutado co gt atva dl lugar. Otra forma d sabrlo s a partr d la sgut prguta: Cuál s la probabldad d u cualur año s prst u gasto máxmo u sa mor o gual u otro gasto? ara darl solucó a sta prguta s utlza la toría d la probabldad lmtal; al cosdrars u: Las varabls u s maja hdrología so d tpo cotuo, y s df por mdo d ua fucó d dstrbucó d probabldad acumulada o fucó d dstrbucó. ara coocr la probabldad dl vto ( ), s aplca la probabldad total

25 Capítulo 3. Elmtos d robabldad y Estadístca 67 Sa ( ), u vto u spaco mustral S y sa A y A, vtos colctvamt xcluyts cuya uó s l spaco S. Etocs: (3.73) dod: A año o cclóco A año cclóco Al tomar cuta la probabldad para años o cclócos (3.74) y la probabldad d años cclócos (gastos máxmo) s (3.75) susttuydo las cuacos (3.74) y (3.75) la cuacó (3.73) (3.76) s por otro lado s hac (3.77) (3.78) susttuydo la cuacos (3.77) y (3.78) la cuacó (3.76), admás d aplcar l Torma. d probabldad (Ec. 3.5) rsulta: (3.79) falmt, la fucó d dstrbucó d probabldad Gumbl dos poblacos para gastos máxmos auals stá dada por: (3.80) y la fucó dsdad d probabldad s: (3.8) para: ( ) ( ) ( ) ( ) ( ) A A A A + ( ) ( ) A ( ) ( ) ( ) A máx ( ) ( ) ( ) ( ) ( ) ( ) A A + ( ) A p ( ) ( ) ( ) ( ) ( ) ( ) [ ] p p + ( ) ( ) + p p ( ) ( ) + + p p f ( ) < < > > p

26 68 Capítulo 3. Elmtos d robabldad y Estadístca dod: p gasto máxmo aual, (m 3 /s) parámtro d scala d la poblacó o cclóca, (m 3 /s) parámtro d ubcacó d la poblacó o cclóca, (m 3 /s) parámtro d scala d la poblacó cclóca, (m 3 /s) parámtro d ubcacó d la poblacó cclóca, (m 3 /s) probabldad d u s prst vtos o cclócos Gasto máxmo Evtos Cclócos Evtos No cclócos Tr gura 3.. Dstrbucó d probabldad Gumbl dos poblacos. Estmacó d parámtros stadístcos por mdo dl algortmo d optmzacó o lal d Rosbrock Ua prmra aproxmacó d los cco parámtros stadístcos,,, y, s obt aplcado la técca d momtos (Ecs y 3.58) para cada poblacó por sparado, s dcr: 6 6 S x S π Γ π 6 6 S x S π Γ π (3.8) ara stmar los stadístcos mustrals x y S d la fucó G, prmro s db dfr l úmro d Gastos Máxmos Cclócos c, coocdo st valor, s stablc l rago d valors u tdrá la poblacó cclóca () y o cclóca (). Sgú Campos (006) ua cuacó para stmar la probabldad p u s prsta vtos o cclócos, s la sgut: c p (3.83)

27 Capítulo 3. Elmtos d robabldad y Estadístca 69 dod: tamaño d la mustra d gastos máxmos auals c úmro d gastos máxmos auals producdos por cclos Gozálz (970), propuso para optmzar los cco parámtros stadístcos, mmzar la E,,,, d la sgut mara:, fucó d rrors cuadrátcos psados ( ) La dstrbucó d probabldad mpírca d gastos máxmos auals s stma mdat la ly d Wbull (para mustras ordadas d mor a mayor) dod: ( mp ) dstrbucó d probabldad mpírca d Wbull para vtos máxmos k ( ) k + úmro d ord dl gasto máxmo aual tamaño d la mustra d gastos máxmos auals mpírco (3.84) D tal forma u la fucó d rrors cuadrátcos psados s compo por la suma u rsulta d la dfrca d los vtos calculados co la dstrbucó G (Ec. 3.80) y los vtos mpírcos calculados co la ly d Wbull (Ec. 3.84) dod: (,, ) E,, w E (,,,, ) [ ( ) ( )] mpírco w fucó d rrors cuadrátcos psados pso asgado al rror comtdo l vto (3.85) La fucó d rrors cuadrátcos psados s ua fucó o lal, umodal y dpdt d múltpls varabls, por lo tato para mmzar la fucó s tdrá u aplcar u método d optmzacó o lal. El algortmo u s aplcará para mmzar la fucó s l d Rosbrock para varabls o rstrgdas. E l Apédc A s mustra l códgo fut programado lguaj ORTRAN 003, cludas sus actualzacos u ha sufrdo l prst algortmo. E s msmo apartado s spcfca dfrts bblografías sobr las modfcacos d tal método. El algortmo d Rosbrock rur codcos cals, alguas d llas so por jmplo los parámtros stadístcos, dtrmados mdat la técca d momtos como s mustra las cuacos (3.8) y (3.83). Estmacó d vtos d dsño ajustados co la ucó Gumbl dos poblacos (G) S ya s dspo d los parámtros stadístcos óptmos d la fucó, l sgut paso srá stmar los gastos máxmos d dsño para dfrts prodos d rtoro, l procdmto s l sgut:

28 70 Capítulo 3. Elmtos d robabldad y Estadístca dod: p úmro d parámtros d la dstrbucó ajustada A la fucó d dstrbucó d probabldad G (Ec. 3.80) s l asga ua probabldad d o xcdca para cada vto, mjor dcho, gualamos las cuacos (3.48) co (3.80) (3.86) ralzado l cambo d varabl calculado rsulta: (3.87) d dod: (3.88) La xprsó atror s ua cuacó trascdt y la varabl calculado o s pud obtr d forma xplícta, d modo u s rsulv umércamt. U método umérco para dtrmar cada vto calculado s l d Nwto-Raphso. la drvada d la fucó s: (3.89) almt para coocr dfrts vtos d dsño calculado por mdo d la fucó G, s rsulv la cuacó (3.88) para cada vto, para u dtrmado prodo d rtoro Tr. El códgo fut para stmar los calculado s mustra l Apédc B y fu programado lguaj ORTRAN Estmacó dl Error Estádar d Ajust EEA Co l propósto d comparar la fcca dl ajust ralzado a la mustra co otros modlos matmátcos, s calcula l rror stádar d ajust como: (Kt, G., 988) (3.90) ( ) ( ) + p p Tr ( ) + r calculado T p p calculado calculado ) ( ( ) 0 + r T p p calculado calculado ( ) ( ) + + calculado calculado calculado calculado calculado calculado calculado p p d d ( ) p EEA calculados mddos

29 Capítulo 3. Elmtos d robabldad y Estadístca Aálss gráfco d las dstrbucos d probabldad Gumbl y Gumbl dos poblacos. ara dbujar las curvas d las fucos Gumbl y G d mara adcuada s csaro cotar co papl d tpo Gumbl. El objtvo d ralzar las curvas s vrfcar d mara vsual l ajust d valors mddos mddo co los calculados calculado. La gráfca s dbuja dsarrollado l sgut procdmto: E l j d las abscsas los valors s calcula mdat la xprsó d la varabl rducda z (Ec. 3.56), l j d las ordadas s stúa los valors d y calculado (g. 3.3). mddo Co la varabl rducda l j d las abscsas, la curva td a grar dos rctas, ua para cada poblacó, dbdo a u s stá utlzado u papl dsñado para grar lías rctas las dstrbucos. Esto s hac co l f d hacr xtrapolacos lals y así vtar xtrapolacos o lals (Lsly t al., 975). Gastos máxmos (m 3 /s) Gastos máxmos mddos Gastos máxmos calculados z - L ( L ( Tr / (Tr - ))) gura 3.3. Ajust co la dstrbucó d probabldad G. Otra forma d dbujar la gráfca d la dstrbucó G s la abscsa x la probabldad d o xcdca, la abscsa x l prodo d rtoro y las ordadas los gastos máxmos obsrvados y los calculados (g. 3.4). rodo d rtoro Tr Gastos máxmos (m 3 /s) robabldad ( ) gura 3.4. Ajust co la dstrbucó d probabldad G.

30 7 Capítulo 3. Elmtos d robabldad y Estadístca Rfrcas 3. Alvarado, C.A.J. Cálculo d Avdas d Dsño para vrtdors d prsas d almacamto. Tss d Mastría, DEI.UNAM Aparco, M..J. udamtos d Hdrología d suprfc. Lmusa, Méxco, Bjamí, J.R., Coroll, C.A. robablty, statstcs ad dcso for cvl grs. McGraw-Hll. Nw York, Brzowsky V.M,. uts M.O. Métodos Numércos, Capítulo A..6. Ajust d los parámtros d las fucos d dstrbucó d probabldad. Maual d Dsño d Obras Cvls. CE. Méxco, Borras, H. Aputs d robabldad y Estadístca. acultad d Igría, UNAM Campos, A.D.. Aálss probablístco uvarado d datos hdrológcos. Asocacó mxcaa d hdráulca: Isttuto mxcao d tcología d agua. Méxco, Campos, A.D.. Estmacó d los parámtros óptmos d la dstrbucó Gumbl mxta por mdo dl algortmo d Rosbrock. Rvsta Igría hdráulca Méxco, Vol. IV No, Ero-abrl, 989. pp Chow, V.T. Appld Hydrology. McGraw-Hll, USA, Domíguz M. R., Argas, J. M. L., Cálculo d rgstros stétcos d grsos por cuca propa d u sstma d prsas d la rgó orost d Méxco caractrzada por vtos vrals. ara la Rvsta Igría, Ivstgacó y Tcología. Vol. No. 4, Octubr-dcmbr, 009. pp Domíguz M.R,. uts M.O., raco, V. Avda d dsño, Capítulo A..0 dl Maual d Dsño d Obras Cvls. CE. Méxco, Domíguz, M.R,. Carlóz, G.T. Aálss Estadístco, Capítulo A..6 dl Maual d Dsño d Obras Cvls. CE. Méxco, 98.

31 Capítulo 3. Elmtos d robabldad y Estadístca Escalat, S.C., Rys, C.L Téccas stadístcas Hdrología. acultad d Igría, UNAM Gozálz, V.. Cotrbucó al aálss d frcucas d valors xtrmos d los gastos máxmos u río. ub 77. Isttuto d Igría, UNAM, Méxco, Gumbl, E.J. Statstcs of xtrms. Columba Uv. rss, Hs, W.W., Motgomry, C.D. robabldad y stadístca para gría. CECSA, Kt, G. rucy ad rsk aalyss Hydrology. Watr Rsourcs ublcatos, ort Colls, Colorado, USA, Luth, R., Olvra, A., Schutz,. Métodos Numércos. Lmusa. Méxco, Lysly, R.K., Kohlr, M.A., aulhus, J.L.H. Hydrology for grs. McGraw- Hll, Mosalv, S.G. Hdrología la Igría. Alfaomga, Méxco, Ocguda, H.V.M. Avdas d Dsño. Tss d Lccatura acultad d Igría, UNAM Olvra, S.A. Sr d robabldad y Estadístca. 7 volúms, Lmusa, Méxco, Rayal, V., Guvara J. Maxmum lklhood stmators for th two populatos Gumbl dstrbutos. Hydrologcal Scc ad Tchology Joural, 3(-4): Ruíz, U.M.R. rograma d automatzacó d los métodos stadístcos hdrología. acultad d Igría, UNAM V. Baldrrama. Métodos Numércos. Trllas, Méxco, Yvjvch, V. robablty ad Statstcs Hydrology. Watr Rsourcs ublcatos, ort Colls, Colorado, USA, 97.

32 74 Capítulo 3. Elmtos d robabldad y Estadístca

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

Estadística Teórica II

Estadística Teórica II Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa

Más detalles

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad. 5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.

Más detalles

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d

Más detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

APUNTE Y PROBLEMAS DE FÍSICA III

APUNTE Y PROBLEMAS DE FÍSICA III APUE Y PROBLEMAS DE FÍSICA III CARRERA: LICECIAURA E QUÍMICA PROFESOR Mg. CARLOS A. CAAEO AUILIAR Lc. ERIQUE M. BIASOI COEIDOS: Mcáca Clásca: Mcáca Cuátca: Mcáca Estadístca: Problmas: Cmátca Dámca Prcpos

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

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

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3 Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más

Más detalles

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

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

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

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

Más detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r. (Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar

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

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

TEMA 4: REGRESIÓN Y CORRELACIÓN.

TEMA 4: REGRESIÓN Y CORRELACIÓN. TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas

Más detalles

Tema IV: Ruidos e Interferencias: Técnicas de reducción.

Tema IV: Ruidos e Interferencias: Técnicas de reducción. SCUA TÉCNICA SUPIO D INGNIOS INDUSTIAS Y D TCOMUNICACIÓN UNIVSIDAD D CANTABIA INSTUMNTACIÓN CTÓNICA D COMUNICACIONS (5º Curso Igría d Tlcomucacó) Tma IV: udos Itrrcas: Téccas d rduccó. José María Drak

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros .8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

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

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO...

CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO... CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN... 487 13.1. ESPECIICACIÓN DEL MODELO... 487 13.. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO... 489 13..1 LA INTERPRETACIÓN DE LOS PARÁMETROS ESTIMADOS...

Más detalles

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.

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

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1: .- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim

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

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

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

APLICACIÓN DEL MÉTODO (PFEM) A LA SIMULACIÓN DE PROCESOS INDUSTRIALES CON GRANDES DEFORMACIONES

APLICACIÓN DEL MÉTODO (PFEM) A LA SIMULACIÓN DE PROCESOS INDUSTRIALES CON GRANDES DEFORMACIONES APLICACIÓ DEL MÉTODO (PFEM A LA SIMULACIÓ DE PROCESOS IDUSTRIALES CO GRADES DEFORMACIOES Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr * * Uvrsdad Poltécca d Cataluña (UPC Campus ord UPC, Edfc C Jord

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

BREVE NOTA Y EJEMPLO SOBRE LOS MODELOS LOGIT

BREVE NOTA Y EJEMPLO SOBRE LOS MODELOS LOGIT BREVE NOTA EJEMLO SOBRE LOS MODELOS LOGIT Ecoomtría d la Emrsa Rafal d Arc - Fucó acotada tr cro y uo y, frcutmt solucos d squa. - Fucó o lal las varabls - No mor ormaldad - La trrtacó d los arámtros s

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

Más detalles

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción Vrsó 014 CAITULO 4 OYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE Dvsó Mcáca d Torllos Torllos d trasmsó Torllo d ajust y sujcó UTN-BB Cátdra: Elmtos d Máquas. rofsor: Dr. Ig. Marclo Tulo ova Vrsó 014

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

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

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

Cap. II: Principios Fundamentales del Flujo de Tránsito

Cap. II: Principios Fundamentales del Flujo de Tránsito Cap. II: Pricipios Fudamtals dl Flujo d Trásito Diagrama Espacio-Timpo Distacia 1 2 Itralo (i) 3 4 5 6 Espaciamito () Timpo Flujo, q Dsidad, Vlocidad, Tasa horaria quialt a la cual trasita los hículos

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

PASCAL THEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING NOISE GENERATED BY AN INDUCTION MOTOR SQUIRREL CAGE TYPE

PASCAL THEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING NOISE GENERATED BY AN INDUCTION MOTOR SQUIRREL CAGE TYPE ISSN: 169-757 - Volum 1 - Númro 15 - Año 010 Rvsta Colombaa d Tcologías d Avazada Rcbdo: 01 d agosto d 009 Acptado: 15 d octubr d 009 PASCAL TEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING

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

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

APLICACI ONES DE LA FUNCI ÓN

APLICACI ONES DE LA FUNCI ÓN APLICACI ONES DE LA FUNCI ÓN GENERADORA DE MOMENTOS Adrés Camlo Ramírz Gaa adrs.camlo.ramrz@gmal.com Trabajo d Grado para Opar por l Tulo d Mamáco Drcor: Bgo Lozao Rojas Esadísco Uvrsdad Nacoal d Colomba

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

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

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso

Más detalles

EL MÉTODO DEL CUBO: APLICACIONES DEL MUESTREO EQUILIBRADO EN LA ORGANIZACIÓN ESTADISTICA VASCA. Aritz Adin Urtasun

EL MÉTODO DEL CUBO: APLICACIONES DEL MUESTREO EQUILIBRADO EN LA ORGANIZACIÓN ESTADISTICA VASCA. Aritz Adin Urtasun EL MÉTODO DEL CUBO: APLICACIOES DEL MUESTREO EQUILIBRADO E LA ORGAIZACIÓ ESTADISTICA VASCA Artz Ad Urtasu EUSKAL ESTATISTIKA ERAKUDEA ISTITUTO VASCO DE ESTADISTICA Doosta-Sa Sbastá, VITORIA-GASTEIZ Tl.:

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

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

6 Cinemática de rotaciones finitas

6 Cinemática de rotaciones finitas 6 Cmátca d otacos ftas 6. Momto sféco Dfcó: Cpo ígdo: s sstma d patíclas tal q las dstacas t las dsttas patíclas o aía sta codcó s dal, po la mayoía d los casos los sóldos pd dspcas los pqños cambos d

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más 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

Cadenas de Markov de tiempo continuo

Cadenas de Markov de tiempo continuo Cocpts foamtals d xarxs d computadors. U focamt aalítc. Cadas d Markov d tmpo cotuo Qué propdads db cumplr u procso stocástco para sr ua MC d tmpo cotuo? Los stados db formar u couto umrabl E caso cotraro

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS

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. maard@uolsects.com.ar

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más 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

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

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

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

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

TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO

TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Facultad d Ccas Ecoómcas y Admstratvas TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Rafal Sarmto Lotro RESUMEN La Toría d Cotratos també coocda como Ecoomía d la Iformacó, studa las coscucas d la xstca

Más detalles

Capitulo IV. Síntesis dimensional de mecanismos

Capitulo IV. Síntesis dimensional de mecanismos Captulo IV Síntss dmnsonal d mcansmos Capítulo IV Síntss dmnsonal d mcansmos IV. Síntss dmnsonal d mcansmos. Gnracón d funcons. IV. Gnracón d trayctoras.. Introduccón a la síntss d gnracón d trayctoras..

Más detalles

61.1 6.1. SERIES NUMÉRICAS INFINITAS 6.2. SERIES DE TÉRMINOS POSITIVOS 6.3. SERIES ALTERNANTES 6.4. SERIES DE POTENCIAS

61.1 6.1. SERIES NUMÉRICAS INFINITAS 6.2. SERIES DE TÉRMINOS POSITIVOS 6.3. SERIES ALTERNANTES 6.4. SERIES DE POTENCIAS Cp. 6 Sris 6. 6.. SERIES NUMÉRICAS INFINITAS 6.. SERIES DE TÉRMINOS POSITIVOS 6.. SERIES ATERNANTES 6.. SERIES DE POTENCIAS Objtivo: S prtd qu l studit: Dtrmi covrgci o divrgci d sris. Empl sris pr rsolvr

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

PRESENTACION DE UN NUEVO MODELO MATEMATICO PARA CALCULO DEL PERIODO FUNDAMENTAL DE VIBRACION DE ESTRUCTURAS DE EDIFICIOS

PRESENTACION DE UN NUEVO MODELO MATEMATICO PARA CALCULO DEL PERIODO FUNDAMENTAL DE VIBRACION DE ESTRUCTURAS DE EDIFICIOS Socdad Mxcaa d Iría Etructural, A.C. PRESENACION DE UN NUEVO MODELO MAEMAICO PARA CALCULO DEL PERIODO FUNDAMENAL DE VIBRACION DE ESRUCURAS DE EDIFICIOS I. Joé Aljadro Gómz Hrádz RESUMEN El objtvo dl prt

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

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

Incentive Schemes and Innovative Portfolios

Incentive Schemes and Innovative Portfolios Esqumas Estudos d d Ecoomía. ctvos Vol. y cartras 7 - Nº, / Juo Go Loyola, 2. Págs. Yolada 4-66 Portlla 4 Esqumas d Ictvos y Cartras d Ivrsó Iovadoras Ictv Schms ad Iovatv Portfolos Go Loyola Yolada Portlla

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

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

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica CDENADAS VECTIALES DE LS SISTEAS DE FUEZAS Se etede po sstema de fuezas a u cojuto de fuezas como se dca La esultate geeal del sstema se obtee sumado los vectoes equpoletes de cada ua de las compoetes

Más detalles

Tema 8. Limite de funciones. Continuidad

Tema 8. Limite de funciones. Continuidad . Límit d ua fució. Fucios covrgts.... Límits latrals.... Distitos tipos d límits.... Límits ifiitos cuado tid a u úmro ral asítota vrtical.... Límits fiitos cuado tid a ifiito asítota horizotal... 8.

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles