Elementos de Probabilidad y Estadística
|
|
- Nicolás Soler Maestre
- hace 7 años
- Vistas:
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
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 detallesMODELO 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 detallesPRÁCTICA 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 detallesTema 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 detalles10 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 detallesMODELO 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 detalles9 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 detallesUNIDAD 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 detalles3. 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 detallesRIESGO 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 detallesEstadística 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 detallesPrueba 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 detallesLA 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 detallesFisicoquímica 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 detallesAPUNTE 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 detallesTEMAS 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 detallesProcesamiento 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 detallesModelos 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 detallesEXPONENTES 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 detallesEstadística. 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 detallesUn 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 detallesTEMA 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 detallesTEMA 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 detallesa 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 detallesREGRESIÓN 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 detallesVARIABLE 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 detallesTEMA 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 detallesTema 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 detallesDada 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 detalles2.8.3 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 detallesDivisión 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 detallesTema 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 detallesFEM-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 detalles8 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 detallesCAPÍTULO 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 detallesTema 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 detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detalles1.- 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-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 detallesANÁLISIS 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 detallesMulticupón 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 detallesVARIABLES 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 detallesAPLICACIÓN 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 detallesSolución 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 detallesBREVE 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 detallesAnálisis 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 detallesDivisión 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 detallesV 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 detallesAproximación 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 detallesI. 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 detallesCap. 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 detalles1. 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 detallesAproximación 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 detallesPASCAL 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 detallesEstadística 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 detalles1 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 detallesAPLICACI 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 detallesEstadística 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 detallesMEDIDAS 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 detallesSe 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 detallesEstadística 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 detallesAdministración 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 detallesDELTA 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 detallesEL 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 detalles6. 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 detallesMEDIDAS 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 detalles6 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 detallesGestión 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 detallesTEMA 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 detallesTema 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 detallesCadenas 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 detallesINFERENCIA 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 detallesINTEGRAL 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 detallesMODELOS 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 detallesMatemáticas 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 detallesESTADÍSTICA 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 detallesObjetivos. 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 detallesPráctica 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 detallesCurso 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 detallesApuntes 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 detallesTEORÍA 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 detallesCapitulo 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 detalles61.1 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 detallesCENTRO 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 detallesTEMA 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 detallesPRESENTACION 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 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 detallesAnálisis 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 detallesEstadística. 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 detalles3 = =. 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 detallesIncentive 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 detallesFórmulas 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 detallesLos 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 detallesTransformada 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 detalles2.5. 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 detallesGENERACION 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 detallesSi 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 detallesSe 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 detallesTema 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 detallesRENTABILIDAD 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