Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
|
|
- Manuela Zúñiga Peña
- hace 7 años
- Vistas:
Transcripción
1 Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012 mrodriguez@ucm.cl (UCM) 01/01/ / 31
2 Introducción Comúnmente, cuando se realiza un estudio estadístico, se miden a una misma unidad de análisis, más de una variable. Definición (Variable Dependiente) Es la variable por predecir (o por modelar) y se denota con la letra Y. Definición (Variable Independiente) Son las variables que se utilizan para predecir y se denota con la letra X. Definición (Relación entre variables) Se dice que dos variables están relacionadas, si cambios producidos (causa) en la variable independiente producen un efecto en la variable dependiente. mrodriguez@ucm.cl (UCM) 01/01/ / 31
3 Relación entre las variables Definición (Covarianza) La covarianza entre dos variables cuantitativas, nos indica si la posible relación entre dos variables es directa o inversa. La covarianza muestral se calcula de la siguiente manera: cov xy = n (x i x)(y i y) i=1 n 1 = S xy n 1 Si la covarianza es negativa, entonces la relación es inversa. Si la covarianza es positiva, entonces la relación es directa. Si la covarianza es cero, entonces la relación es nula (no relacionados). El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no, pero no nos dice nada sobre el grado de relación entre las variables. mrodriguez@ucm.cl (UCM) 01/01/ / 31
4 Relación entre las variables Ejemplo Considere un estudio donde se mide el ingreso mensual (X) y el gastos mensual (Y ). Se considera una muestra de 10 individuos, los datos son: Ingreso (x i) Gasto (y i) (x i x) (y i y) (x i x)(x i x) 15,6 17,4 2,05 0,75 1, ,8 18,4 1,25 1,75 2, ,5 16,5 1,95-0,15-0, ,5 15,2-1,05-1,45 1, ,2 19,9 0,65 3,25 2, ,7 22,1 2,15 5,45 11, ,3 14,8-1,25-1,85 2, ,2 17,3 0,65 0,65 0,4225 8,8 10,3-4,75-6,35 30, ,9 14,6-1,65-2,05 3,3825 Promedio 13,55 16,65 Suma 55,065 La covarianza sería cov xy = 55,065 9 = 6, 118. Lo que indica es que el Ingreso y el Gasto están relacionados, de forma directa (a medida que aumenta el Ingreso aumenta el gasto). mrodriguez@ucm.cl (UCM) 01/01/ / 31
5 Grado de relación entre las variables Coeficiente de correlación de Pearson Definición (Correlación) El coeficiente de correlación de Pearson, indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores de la otra. r = n (x i x)(y i y) i=1 n (x i x) 2 i=1 = n (y i y) 2 i=1 S xy Sxx S yy mrodriguez@ucm.cl (UCM) 01/01/ / 31
6 Grado de relación entre las variables Coeficiente de correlación de Pearson Indica si los puntos tienen una tendencia a disponerse alineadamente (excluyendo rectas horizontales y verticales). Es útil para determinar si hay relación lineal (ŷ = β 0 + β 1 x) entre dos variables. Tiene el mismo signo que Cov xy. La diferencia radica en que r está acotado en [ 1, 1]. Si está cercana a -1, indica que las variables están relacionadas en forma inversa, si está cercana a +1, la relación es directa y si está cercana a 0, las variables no están relacionadas. Cuanto más cerca esté r de 1 o +1 mejor será el grado de relación lineal. Siempre que no existan observaciones atípicas. mrodriguez@ucm.cl (UCM) 01/01/ / 31
7 Grado de relación entre las variables Coeficiente de correlación de Pearson Ejemplo Con los datos anteriores, calcule e interprete la correlación. Ingreso (x i) Gasto (y i) (x i x) 2 (y i y) 2 15,6 17,4 4,2025 0, ,8 18,4 1,5625 3, ,5 16,5 3,8025 0, ,5 15,2 1,1025 2, ,2 19,9 0, , ,7 22,1 4, , ,3 14,8 1,5625 3, ,2 17,3 0,4225 0,4225 8,8 10,3 22, , ,9 14,6 2,7225 4,2025 Promedio 13,55 16,65 Suma 42,985 94,385 55,065 La correlación sería r = 42,985 94,385 = 0, 865. Lo que indica es que el Ingreso y Gasto están relacionados, de forma directa casi perfecta (r cercana a 1). mrodriguez@ucm.cl (UCM) 01/01/ / 31
8 Grado de relación entre las variables Prueba de hipótesis para probar si la correlación es significativa en SPSS (UCM) 01/01/ / 31
9 Grado de relación entre las variables Prueba de hipótesis para probar si la correlación es significativa en SPSS (UCM) 01/01/ / 31
10 Grado de relación entre las variables Prueba de hipótesis para probar si la correlación es significativa en SPSS (UCM) 01/01/ / 31
11 Regresión Lineal Simple Introducción (Regresión Lineal Simple) El término regresión fue introducido por Galton en su libro Natural inheritance (1889) refiriéndose a la ley de la regresión universal. Se supone que se tiene una muestra (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ) correspondiente a la observación conjunta de las variables X e Y. El objetivo será encontrar una relación entre ambas variables, esta relación podría estar dada por una recta (ecuación de regresión: ŷ = β 0 + β 1 x). mrodriguez@ucm.cl (UCM) 01/01/ / 31
12 Regresión Lineal Simple Diagrama de dispersión En un diagrama de dispersión, cada unidad de análisis es un punto cuyas coordenadas son los valores de las variables. 22,0 R 2 Lineal = 0,747 20,0 18,0 Gasto 16,0 14,0 12,0 10,0 8,00 10,00 12,00 Ingreso 14,00 16,00 El error aleatorio; ɛ son las desviaciones de los verdaderos valores de Y con respecto a los valores estimados ŷ (recta). mrodriguez@ucm.cl (UCM) 01/01/ / 31
13 Regresión Lineal Simple La ecuación de regresión La ecuación de predicción esperada está dada por ŷ = β 0 + β 1 x. Donde, las estimaciones de los parámetros β 1 y β 0 son: β 1 = S xy S xx ; y β0 = y β 1 x Intercepto ( β 0 ): es la estimación de y cuando x = 0. Pendiente ( β 1 ): es la estimación de la pendiente de la recta (magnitud del incremento (o decremento) de y por cada unidad de incremento en x.) Además, se define el coeficiente de determinación r 2, como el porcentaje de la variabilidad total que explica el modelo. mrodriguez@ucm.cl (UCM) 01/01/ / 31
14 Regresión Lineal Simple La ecuación de regresión Ejemplo Considerando los datos del problema anterior, encuentre la ecuación de regresión entre el Ingreso y el Gasto. La ecuación de predicción esperada está dada por ŷ = β 0 + β 1 x, Ĝasto = β 0 + β 1 Ingreso, Donde, las estimaciones de los parámetros β 1 y β 0 son: β 1 = 55, , 985 = 1, 281; y β0 = 16, 65 1, , 55 = 0, 708. mrodriguez@ucm.cl (UCM) 01/01/ / 31
15 Regresión Lineal Simple La ecuación de regresión Ejemplo Entonces, la ecuación sería: Ĝasto = 0, , 281 Ingreso, Pendiente: Por cada unidad monetaria que se incrementa el Ingreso, el gasto se incrementa en 1,281. Intercepto: Un individuo con un ingreso muy pequeño (0), se estima que su Gasto será de -0,708. En este caso no tiene sentido. Esta recta, puede servir para predecir, suponga que tiene un individuo con un ingreso de 8, entonces se estima que su Gasto sería de Ĝasto = 0, , = 9, 54. Además el porcentaje de la variabilidad total que explica el modelo es de 74,7% (r 2 = 0, = 0, 747). mrodriguez@ucm.cl (UCM) 01/01/ / 31
16 Regresión Lineal Simple Regresión Lineal Simple en SPSS (UCM) 01/01/ / 31
17 Regresión Lineal Simple Regresión Lineal Simple en SPSS (UCM) 01/01/ / 31
18 Regresión Lineal Simple Regresión Lineal Simple en SPSS (UCM) 01/01/ / 31
19 Regresión Estimación curvilínea: Modelo Exponencial Un modelo de regresión se dice que es exponencial si ŷ = β 0 exp[ β Variable dependiente:volumen 1 x] Por ejemplo, considere el problemaexponencial donde se mide,001 el Ingreso=X,266 y el La variable independiente esdap. Impuesto=Y. Ingreso=X Impuestos=Y 16,9,117 8,9,025 17,7,131 2,1,001 11,5,037 19,9,198 6,2,012 17,1,127 14,7,089 18,6,167 Ecuación 0,200 0,150 0,100 0,050 0,000 0,0 Estimaciones de los parámetros Constante 5,0 Resumen del modelo y estimaciones de los parámetros b1 10,0 DAP Volumen mrodriguez@ucm.cl (UCM) 01/01/ / 31 15,0 20,0
20 Regresión Estimación curvilínea: Modelo Exponencial (Modelo exponencial) El modelo exponencial, se puede solucionar mediante una regresión lineal simple. Aplicar el logaritmo natural a la ecuación ŷ = β 0 exp[ β 1 x]. Tendríamos w = ln[ŷ] = ln[ β 0 ] + β 1 x. Encuentre la ecuación de regresión lineal simple entre X y W. Luego se debe aplicar la exponencial a w para despejar ŷ. mrodriguez@ucm.cl (UCM) 01/01/ / 31
21 Regresión Estimación curvilínea: Modelo Exponencial Ejemplo Para los datos de Ingreso= X y Impuestos= Y, encuentre la ecuación de regresión ŷ = β 0 exp[ β 1 x]. Considere lo siguiente: Ingreso=X Impuesto=Y W = ln[y ] 16,9 0,117-2,1456 8,9 0,025-3, ,7 0,131-2,0326 2,1 0,001-6, ,5 0,037-3, ,9 0,198-1,6195 6,2 0,012-4, ,1 0,127-2, ,7 0,089-2, ,6 0,167-1,7898 La ecuación de regresión entre X y W es w = 6, , 266x. Además el r 2 xw = 0, 934. Aplicando la exponencial y considerando que w = ln[ŷ], tenemos ŷ = exp[ 6, 588] exp[0, 266x] ŷ = 0, 001 exp[0, 266x]. mrodriguez@ucm.cl (UCM) 01/01/ / 31
22 Regresión Estimación curvilínea: Modelo Exponencial Ejemplo También podemos encontrar la ecuación de regresión lineal simple entre X e Y. La cual sería, ŷ = 0, , 011x, con r 2 xy = 0, 890. El modelo exponencial es ŷ = 0, 001 exp[0, 266x], con r 2 xw = 0, 934. En los datos existe un árbol con Ingreso= 14, 7 y Impuesto= 0, 089. Si utilizamos estos dos modelos para predecir el impuesto de un individuos con un ingreso de 14,7, tenemos Con el modelo de regresión lineal simple: ŷ = 0, , , 7 = 0, 105. Con el modelo exponencial: ŷ = 0, 001 exp[0, , 7] = 0, 068. Ambas estimaciones del impuesto están cercanas a 0, 089, pero la del modelo exponencial (0,068), está más cercana. Además, el r 2 del modelo exponencial está más cercano al 100%. En conclusión, entre estos dos modelos el mejor es el exponencial. mrodriguez@ucm.cl (UCM) 01/01/ / 31
23 Regresión Estimación curvilínea: Algunos modelos clásicos Modelo Ecuación Comentario Lineal ŷ = β 0 + β 1 x Este modelo ya se analizó con todo detalle. Logarítmico ŷ = β 0 + β 1 ln[x] Calcule T = ln[x], encuentre la ecuación de regresión lineal entre T e Y. Luego, en la ecuación ŷ = β 0 + β 1 t, reemplace t por ln[x]. Inverso ŷ = β 0 + β 1 1 x Calcule T = 1 X, encuentre la ecuación de regresión lineal entre T e Y. Luego, en la ecuación ŷ = β 0 + β 1 t, reemplace t por 1 x. Cuadrático ŷ = β 0 + β 1 x + β 2 x 2 Calcule X 2 y realice una regresión múltiple. Cúbico ŷ = β 0 + β 1 x + β 2 x 2 + β 3 x 3 Calcule X 2, X 3 y realice una regresión múltiple. Potencia Calcule T = ln[x], W = ln[y ]. Encuentre la ecuación de regresión entre ŷ = β 0 x β1 T y W. En la ecuación w = b + m t, reemplace t = ln[x] y w = ln[ŷ]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = exp[b] y β 1 = m. Compuesto Calcule W = ln[y ]. Encuentre la ecuación de regresión entre X y W. ŷ = β 0 β x 1 En la ecuación w = b + m x, reemplace w = ln[ŷ]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = exp[b] y β 1 = exp[m]. G [ ] Calcule T = 1 X, W = ln[y ]. Encuentre la ecuación de regresión entre ŷ = exp β 0 + β 1 1 x T y W. En la ecuación w = b + m t, reemplace t = 1 x y w = ln[ŷ]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = b y β 1 = m. Logística 1 ŷ = (β 0 + β 1 β2 x) Solución por sistemas no lineales. Ingresar n máx. de iteraciones, usar Crecimiento Calcule W = ln[y ]. Encuentre la ecuación de regresión entre X y W. ŷ = exp[ β 0 + β 1 x] En la ecuación w = b + m x, reemplace w = ln[y]. Luego despeje ŷ. Entonces, los parámetros serían β 0 = b y β 1 = m. Exponencial ŷ = β 0 exp[ β 1 x] Este modelo ya se analizó con todo detalle. mrodriguez@ucm.cl (UCM) 01/01/ / 31
24 Regresión Estimación curvilínea: Modelo Exponencial en SPSS (UCM) 01/01/ / 31
25 Regresión Estimación curvilínea: Modelo Exponencial en SPSS (UCM) 01/01/ / 31
26 Regresión Estimación curvilínea: Modelo Exponencial en SPSS (UCM) 01/01/ / 31
27 Regresión Estimación curvilínea: Modelo Exponencial en SPSS Variable dependiente:impuestos Resumen del modelo y estimaciones de los parámetros Resumen del modelo Estimaciones de los parámetros Ecuación R cuadrado F gl1 gl2 Sig. Constante b1 Lineal,890 64, ,000 -,055,011 Exponencial, , ,000,001,266 La variable independiente esingreso. Impuestos,200 Observado Lineal Exponencial,150,100,050,000,0 5,0 10,0 15,0 20,0 Ingreso mrodriguez@ucm.cl (UCM) 01/01/ / 31
28 Regresión Lineal Múltiple Introducción Índice de sitio 28,0 26,0 24,0 22,0 20,0 18,0 1,20 1,25 1,30 1,35 Densidad 1,40 1,45 1,50 Arena 50,0 45,0 40,0 35,0 30,0 Técnica de dependencia que puede utilizarse para analizar la relación entre una única variable dependiente (Y ) y varias variables independientes x 1, x 2,..., x k. Cada variable independiente es ponderada (β j ), de forma que las ponderaciones indican su contribución relativa a la predicción conjunta. El objetivo es usar las variables independientes cuyos valores son conocidos para predecir la única variable dependiente seleccionada por el investigador. N G LISTWISE mrodriguez@ucm.cl (UCM) 01/01/ / 31
29 Ejemplo de problema de Regresión Lineal Múltiple En un estudio se desea saber cuales son los factores que influyen en la asistencia al Psicólogo, por problemas de aprendizaje. Para este objetivo se mide el número de veces que asiste la familia en el año (y), el tamaño de la familia (x 1 ) y la renta familiar (x 2 ). Se seleccionan 8 familias y los datos se entregan a continuación : Familia Asistencia (y) Tamaño (x 1) Renta (x 2) El objetivo es encontrar una función que relacione: Asistencia = β 0 + β 1 Tamaño + β 2 Renta + Error. Bastaría sólo tener una estimación de β 0, β 1, y β 2 para tener definida por completo la función anterior. mrodriguez@ucm.cl (UCM) 01/01/ / 31
30 Regresión Lineal Múltiple El modelo lineal general El modelo de regresión lineal sería Donde Y = y 1 y 2. y n y i = β 0 + β 1 x i1 + β 2 x i2,..., β k x ik + ε i. 1 x 11 x x 1n, X = 1 x 21 x x 2k...., β = 1 x n1 x n2... x nk β 0 β 1. β k, ε = β j, son los parámetros desconocidos, j = 1,..., k. El n total de parámetros es p = k + 1. ε i es el i ésimo error aleatorio asociado con y i, i = 1,..., n. El objetivo es estimar β j, a esta estimación la llamaremos β j. La estimación se los parámetros sería β = (X T X) 1 X T Y. Entonces el modelo estimado sería ŷ i = β 0 + β 1 x i1 + β 2 x i2,..., β k x ik. ε 1 ε 2. ε n, mrodriguez@ucm.cl (UCM) 01/01/ / 31
31 Regresión Lineal Múltiple Ejemplo de estimación de los parámetros. Identificando las matrices y vectores, tenemos Y = , X = , β = (X T X) 1 X T Y = , 188 0, 814, 0, 182 Entonces un modelo, estimado, para predecir el número de Asistencias sería: Equivalentemente, Asistencia = 0, , 814 Tamaño + 0, 182 Renta ŷ = 0, , 814 x 1 + 0, 182 x 2 Si los parámetros β j son muy cercanos a 0, las variables x i no estarían influenciando en el modelo en la predicción de y. mrodriguez@ucm.cl (UCM) 01/01/ / 31
15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesBioestadística. Tema 3: Estadística descriptiva bivariante y regresión lineal. Relaciones entre variables y regresión
Bioestadística Tema 3: Estadística descriptiva bivariante y regresión lineal. Tema 3: Estadística bivariante 1 Relaciones entre variables y regresión El término regresión fue introducido por Galton en
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesVariables estadísticas bidimensionales: problemas resueltos
Variables estadísticas bidimensionales: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detalleslog = = Las ecuaciones de cancelación cuando se aplican las funciones f x = a x y f 1 = log a x, se convierten en:
Función logarítmica Función logarítmica y su representación Si a > 0 y a 0, la función exponencial f x = a x bien se incrementa o disminuye y por eso mediante la prueba de la línea horizontal es uno a
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesMATEMÁTICAS 2º DE BACHILLERATO
MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes de orden 2 y 3 8.
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesI Unidad: La medición de los atributos psicológicos.
EL ESCALAMIENTO PSICOFÍSICO. Las primeras escalas elaboradas que se pueden considerar mediciones o medidas previas a la medición de los psicológico son las denominadas escalas psicofísicas. Representan
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesMODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales
MODELO DE REGRESIÓN LINEAL Y MÚLTIPLE ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 3.1. En algunas reservas naturales se controla el número Y de ejemplares de cierta especie al
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesY = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:
1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesDoc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesTema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesECUACIÓN DE LA RECTA
MATEMÁTICA SEMANA 2 ECUACIÓN DE LA RECTA Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está permitido copiar, reproducir, reeditar, descargar,
Más detallesDiplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detallesDistribuciones bidimensionales. Regresión.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesUN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL.
UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. Benjamín R. Sarmiento Lugo. Universidad Pedagógica Nacional bsarmiento@pedagogica.edu.co Esta conferencia está basada en uno de los temas desarrollados
Más detallesLa asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 01221701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia URRUTIA MOSQUERA, JORGE ANDRÉS; SALAZAR, HEVER DARÍO; CRUZ TREJOS, EDUARDO ARTURO EVALUACIÓN DE LA ROBUSTEZ
Más detallesCONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Más detallesTema 2: Estadística Descriptiva Bivariante.
Estadística 24 Tema 2: Estadística Descriptiva Bivariante. Se va a estudiar la situación en la que los datos representan observaciones, correspondientes a dos variables o caracteres, efectuadas en los
Más detallesTALLER N 7 DE ESTADÍSTICA
UNIVERSIDAD CATÓLICA DEL MAULE FACULTAD DE CIENCIAS BÁSICAS PEDAGOGÍA EN MATEMÁTICA Y COMPUTACIÓN TALLER N 7 DE ESTADÍSTICA Alumno : Victor Córdova Cornejo (victormatematica@live.cl) : Rodrigo Gutiérrez
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesMÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesUNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS
UNIVERSIDAD CENTROAMERICANA JOSE SIMEON CAÑAS FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS PROFESOR: Manuel de Jesús Fornos Gómez CICLO 01/2003 GUIA DE EJERCICIOS
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detallesAnálisis de datos en los estudios epidemiológicos III Correlación y regresión
Análisis de datos en los estudios epidemiológicos III Correlación y regresión Salinero. Departamento de Investigación Fuden Introducción En el capitulo anterior estudiamos lo que se denomina estadística
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesFunciones de Regresión No Lineales (SW Cap. 6)
Funciones de Regresión No Lineales (SW Cap. 6) Todo anteriormente ha sido lineal en las X s La aproximación de que la función de regresión es lineal puede ser satisfactoria para algunas variables pero
Más detalles3. Correlación. Introducción. Diagrama de dispersión
1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesContenidos mínimos Criterios de evaluación Ejemplos de preguntas
Contenidos mínimos Criterios de evaluación Ejemplos de preguntas 1º ESO Números naturales, enteros y decimales: operaciones elementales. Fracciones: operaciones elementales. Potencias de exponente natural.
Más detallesPráctica 9 REGRESION LINEAL Y CORRELACIÓN
Práctica 9. Regresión lineal y Correlación 1 Práctica 9 REGRESION LINEAL Y CORRELACIÓN Objetivos: En esta práctica utilizaremos el paquete SPSS para estudiar la regresión lineal entre dos variables y la
Más detallesUSO HERRAMIENTAS EXCEL PARA LA PREDICCION
USO HERRAMIENTAS EXCEL PARA LA PREDICCION Nassir Sapag Chain MÉTODO DE REGRESIÓN LINEAL SIMPLE El método de Regresión Lineal (o Mínimos cuadrados) busca determinar una recta, o más bien la ecuación de
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesINSTITUCIÓN EDUCATIVA GABRIEL TRUJILLO CORREGIMIENTO DE CAIMALITO, PEREIRA
INSTITUCIÓN EDUCATIVA GABRIEL TRUJILLO CORREGIMIENTO DE CAIMALITO, PEREIRA Pobre del estudiante que no aventaje a su maestro. LA LÍNEA RECTA Leonardo da Vinci DESEMPEÑOS Identificar, interpretar, graficar
Más detallesMapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
Más detalles1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Solución:
RELACIÓN DE PROBLEMAS DE SELECTIVIDAD DE ANÁLISIS. I Departamento de Matemáticas 1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Función
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detalles1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7.
MODELO A Examen de Estadística Económica (2407) 20 de junio de 2009 En cada pregunta sólo existe UNA respuesta considerada más correcta. Si hay dos correctas deberá escoger aquella respuesta que tenga
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesNúmeros reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
Más detallesCAPITULO ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ En el presente capítulo se realiza el análisis estadístico multivariado de los
112 CAPITULO 5 5.- ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ 5.1. Introducción En el presente capítulo se realiza el análisis estadístico multivariado de los datos obtenidos en censo correspondientes a
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesCalculamos la covarianza. (La covarianza indica el sentido de la correlación entre las variables):
0 81 098 www.ceformativos.com EJERCICIOS RESUELTOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Cinco niñas de 2,3,,7 y 8 años de edad pesan respectivamente 14, 20, 30, 42 y 44 kilos. a) Hallar la ecuación de la recta
Más detallesModelos de Regresión y Correlación
Artículo de Educación Modelos de Regresión y Correlación REGRESSION AND CORRELATION MODELS Claudio Silva Z 1, Mauricio Salinas 2 1. PhD en Estadística Escuela de Salud Pública Universidad de Chile. 2.
Más detallesMinisterio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación.
Matemáticas Distribución de ítems para la prueba nacional Modalidad Académica (Diurnos Nocturnos) Convocatorias 016 ESTIMADO DOCENTE: En la modalidad de colegios académico, la Prueba de Bachillerato 016
Más detallesPLANIFICACIÓN ANUAL NM3 TERCERO MEDIO
PLANIFICACIÓN ANUAL NM3 TERCERO MEDIO TERCER AÑO FORMACIÓN GENERAL OBJETIVOS FUNDAMENTALES CONTENIDOS MINIMOS SUGERENCIAS DE ACTIVIDADES. Los alumnos y las alumnas desarrollarán la capacidad de : Resolver
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesUnidad II. 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función.
Unidad II Funciones 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función. Función En matemática, una función (f) es una relación entre un conjunto dado X (llamado dominio)
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detalles