Carlos de Gonzalo Aranoa. José Carlos Robredo Sánchez, Juan Ángel Mintegui Aguirre. Ávila, 21 de Septiembre de 2009
|
|
|
- Alejandra Casado Hernández
- hace 6 años
- Vistas:
Transcripción
1 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad- Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa. José Carlos Roredo Sánchez, Juan Ángel Mntegu Agurre. Ávla, de Septemre de 009
2 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa /0 Introduccón Estmacón de la ntensdad de precptacón efectva (Intensdad Meda Superfcal osuperfces de estudo medanas a grandes (precptacón puntual no es unforme otratamento de mámos Curvas Intensdad-Área o Factores de Reduccón Superfcal (FRS. (Wather Bureau, 958; Rodrguez-Iture et al., 974; Svapalan et al., 998; Asquth et al., 000; Olvera et al., 008. Esten dos enfoques: FRS = I / I má ocentrado en una superfce ocentrado en la tormenta Intensdad Puntual Máma - Intensdad Meda Superfcal Máma Dstrucón Espacal de la Precptacón
3 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 3/0 Ojetvos. Estmar la dstrucón espacal de la ntensdad de precptacón a partr de medcones pluvográfcas, para una sere de momentos (ntensdad local máma de un evento de precptacón etraordnaro concreto.. Estmar el grado de error sesgo para dferentes métodos de estmacón de la dstrucón espacal de la perecptacón 3. Estalecer Curvas Intensdad-Área (FRS = f(s para dferentes ntervalos de duracón (0.5,, 6, 4 h
4 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 4/0 Área de Estudo 6 pluvógrafos de la red de estacones meteorológcas de la DFB Cuencas hdrográfcas de los ríos Nervón Cadagua Superfce de 660 km Eventoentreel3demaoeldejuno de 008 Intervalo (h P má (mm I má (mm/h Rango de mámos (mm/h Nº de casos
5 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 5/0 Estmacón de la Precptacón Meda Superfcal Regresón Polnómca Lneal (RI Regresón Polnómca Paraólca (RII, (, ( 0 Z e =, (, ( Z e =
6 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 6/0 Estmacón de la Precptacón Meda Superfcal Vecno más cercano (TH (Thessen, 9 Krgueado Ordnaro (KO (Cresse, 993. Estmacón del varograma epermental. Ajuste del varograma teórco (esférco o gaussano Ù N ( h g ( h = å[ z( ua - z( u a h ] N ( h a=. La predccón del la varale en la poscón u a (z*(u a sgue la epresón: z * å ( u = l ( u a n = Donde λ es el peso correspondente a cada uno de los n puntos muestreados z(u, cumplendo las condcón [], de modo que el estmador no sea sesgado, mnmzando la varanza del estmador [a]. De este modo el Krgueado supone el mejor ajuste lneal no sesgado. a z( u s E * { Z ( u Z( u } = Var - a n å l = a = [a] []
7 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 7/0 Comparacón de métodos Valdacón cruzada Crtero de seleccón: mínmo sesgo error 0 Intervalo Intervalo RECM 6 EM RI RII Método TH KO -.5 RI RII Método TH KO
8 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 8/0 Comparacón de métodos Coefcente de Correlacón (R Coefcente de Efcenca - Nash Shutclffe 0 00 R = 0.76 E = TH E n å = = - n å = ( Q ( Q m m - Q -Q m (Nash Sutclffe, 970 p Estmado Oservado RI RII KO 0 00 R = E = R = E = R = 0.87 E = Estmado 60 Estmado 60 Estmado Oservado Oservado Oservado
9 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 9/0 Curvas Intensdad-Área FRS = I / I má FRS 0.5h FRS h FRS 6h FRS h FRS 4h I má es Intensdad Puntual Máma ; Ī es la Intensdad Superfcal Máma: I = ( V / S V es el volumen de precptacón por encma de la soeta ; S la superfce (D por encma de la soeta. FRS Ajuste de una funcón eponencal decrecente, ajustada por mínmos cuadrados. Duracón (h a c R FRS =.0 - a e Superfce (km æ -ç è S c ö ø (Chulsang et al., 007
10 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad-Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa 0/0 Conclusones El uso de Curvas Intensdad-Área muestra dferencas sgnfcatvas respecto al uso de precptacones puntuales solas, para la smulacón de caudales de avenda. Las dferencas son maores a medda que la superfce de estudo aumenta. Los métodos más adecuados (menor error sesgo para representar la dstrucón espacal de la precptacón son el método del vecno más cercano (TH el Krgueado Ordnaro (KO. omaor smplcdad del método TH, el método KO requere una maor nversón de medos tempo. oel KO proporcona una dstrucón contnua de la varale I, lo que permte una mejor estmacón de los FRS. oimportanca de una alta densdad de pluvógrafos oposldad de una medcón contnua de la dstrucón de precptacón en la tormenta (enfoque multsensor: pluvógrafo radar/satélte.
11 Agradecmentos. Proecto INCO-EPIC FORCE del 6º Programa Marco de la Comsón Europea Departamento de Medo Amente - Área de Hdrología, de la Dputacón Foral de Bzkaa carlos.degonzalo@upm.es
Regresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Figura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
T E X T O D E L M A N U A L D E H T M L, W E B M A E S T R O, P O R F R A N C I S C O A R O C E N A
T E X T O D E L M A N U A L D E H T M L, W E B M A E S T R O, P O R F R A N C I S C O A R O C E N A Q U E S E E N C U E N T R A E N I N T E R N E T E N : h t t p : / / w w w. l a n d e r. e s / w e b m
Relación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Introducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
F U N D A D O POR DON 0SE B A T l L E Y O R D O Ñ E Z EL > 6 DE J U N I O DE « '»eriarclóo 0 E O O A4 I N C O A LLAMENOS CHURRASOUERA
$ Ñ $ $ & $ [ & Ó Ü Ó É & à # ú Î à Ö # Ç # # Î# ~ ì & & # ~ ì ï + ú Ü ö Ù ì ï # Û à Ö Ö Ä # ç & Ú Î Ü æ ~ ò ú ì ] ~ ~ ì ~ à ì Ì & û ú ~ # ~ ò & Î # Ì Ï = ~ = = ~ ò ô Î & ï à Á û ô ß æ + ì ] Ä ò æ Ï ]
Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
El subestimado problema de la confusión residual. Héctor Lamadrid-Figueroa; Alejandra Montoya; Gustavo Ángeles
El subestmado problema de la confusón resdual Héctor Lamadrd-Fgueroa; Alejandra Montoya; Gustavo Ángeles El objetvo de la estmacón del efecto Establecer s exste una relacón causal entre una exposcón y
CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA
CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,
Estadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Pronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
DISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Medidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Análisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Problemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Regresión Cuantílica o Quantile Regression
Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs
Submicrométricas Ópticas
Estmacón n de la Dstrbucón n de Tamaños de Partículas Submcrométrcas de Látex L por Técncas T Óptcas Lus M. Guglotta, Georgna S. Stegmayer, Jorge R. Vega Santa Fe (ARGENTINA) Septembre de 007 Unversdad
REGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Tema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
INTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Relaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Evaluación de diversos modelos de interpolación espacial para la estimación de la precipitación promedio en la cuenca alta de río Toro.
Evaluacón de dversos modelos de nterpolacón espacal para la estmacón de la precptacón promedo en la cuenca alta de río Toro. Autores Makel Méndez M, mamendez@tcr.ac.cr, makel.mendez@gmal.com, Investgador,
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17
Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES
NOTICIAS DE ULTIMA HORA CONFIRMAN QUE LA NORMALIDAD REINA EN ESPAÑA : L as versiones que llegan de
2 5 / w 2 Ñ X X 5 5 3 929 X ú Ñ Ñ Í ú ú ú ú ú Ó - - - ) - - - - ú - ú 55 - - ú Z - " ü " Í ---------- - - - - - Í 6 Ó / " " - - - - Z - - - ) - - - - / - - 2 5 " " - - - - - " - - - -- - 3 5 5 - -ú ú -
ESTADÍSTICA DESCRIPTIVA
Estadístca www.aulatecnologa.com 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de
Tema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Estadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación
Tema 5: Incumplmento de las Hpótess sobre el Térmno de Perturbacón TEMA 5: INCMPLIMIENTO DE LAS HIPÓTESIS SOBRE EL TÉRMINO DE PERTRBACIÓN 5.) Introduccón 5.) El Modelo de Regresón Lneal Generalzado 5.3)
MÓDULO DE GEOESTADÍSTICA PARA EXCEL: APLICACIÓN A PESCA Diana María González Troncoso Centro Oceanográfico de Vigo.
MÓDULO DE GEOESTADÍSTICA PARA EXCEL: APLICACIÓN A PESCA Dana María González Troncoso Centro Oceanográfco de Vgo. Cabo Esta, Vgo RESUMEN La Geoestadístca es una cenca cada vez más usada en dstntos ámbtos
Tema 1. Conceptos generales
Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS
Hidrología superficial
Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras
X R = R Y. Aproximación del sesgo del estimador de la razón, (N n) 2 y S xy. NnY 2 ( (N n) y s xy
1 Estmadores de razón Estmadores de los parámetros usuales, Para el total de X, Para la meda de X, X R = R Y X R = R Y Aproxmacón del sesgo del estmador de la razón, B R N n NnY que podemos estmar a partr
Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
REGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Análisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Muestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Correlación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
B o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e
B o l e t í n d e J u r i s p r u d e n c i a d e l T r i b u n a l A d m i n i s t r a t i v o d e A t e n a s T R I B U N A L A D M I N I S T R A T I V O D E A T E N A S B O L E T I N D E J U R I S P
METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales
Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Medidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
ANÁLISIS DE FRECUENCIAS
ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO
Variables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
MUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Nociones sobre cuadrados mínimos por Dr. Horacio Bruzzone
Nocones sobre cuadrados mínmos por Dr. Horaco Bruzzone 1. Introduccón Supongamos que, a través de una sere de medcones, se han determnado un conjunto de n pares de valores de dos magntudes físcas, X e
1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Efectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Economía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Física del Medio Ambiente
Físca del Medo Ambente Teoría de Errores (Programa de Práctcas) Sara Marañón Jménez (smaranon@ugr.es) Andy Kowalsk (andy@ugr.es) 1 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos
( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
ACEPA ACADEMIA EUROPEA DE PARAPSICOLOGIA
ACEPA ACADEMIA EUROPEA DE PARAPSICOLOGIA ACEPA Academia Europea de Parapsicología Curso de Especialidad en: Egiptología 1 A C E P A A c a d e m i a E u r o p e a d e P A R A P S I C O L O G Í A t e o f
O f ic in a s : T i e m p o p r o b a b le ; C a n a l S t., N e w T o r K. T e le fo n o : C a n a! 1200.
6 Í 200 Ü Ñ 03 6 929 á 3000 - [ 20 ó ó ú á á - - ú ó ó á ú ú - / ó á á á á á Q Q ó ó ó ó á á ó á á ó ó ó á ó ó 2 0 0 á / Z - - ó ú - ó ó ú á ó á 000 ó á ó - ó ó ú - á - ó 3 ú ó - á á - ó ó á á ó ú ú -
PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero
Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Algunas aplicaciones del test del signo
43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.
TÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
ACEPA ACADEMIA EUROPEA DE PARAPSICOLOGIA
ACEPA ACADEMIA EUROPEA DE PARAPSICOLOGIA ACEPA Academia Europea de Parapsicología Curso de Especialidad en: Kirliangrafía - KirlianDiagnosis 1 A C E P A A c a d e m i a E u r o p e a d e P A R A P S I
Estimación del consumo diario de gas a partir de lecturas periódicas de medidores
Nota técnca Estmacón del consumo daro de gas a partr de lecturas peródcas de meddores Por Salvador Gl, Gerenca de Dstrbucón del Enargas, A. azzn, Gas Natural Ban y R. Preto, Gerenca de Dstrbucón del Enargas
Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
ÍNDICE. 3. APLICACIONES DE LAS FUNCIONES DE NÚCLEO EN ECOLOGÍA ESPACIAL José Manuel Blanco Moreno
ÍNDICE IX 2.7. Apéndce... 75 2.7.1. Rutna de MATLAB para el cálculo de alfa de DFA... 75 2.7.2. Rutna de MATLAB para el cálculo del exponente de Hurst... 76 2.7.3. Rutna de MATLAB para generar movmento
Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Laboratorio de Bases Físicas del Medio Ambiente
Laboratoro de Bases Físcas del Medo Ambente Teoría de errores Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Medr es, báscamente, comparar con un patrón y esta
Para una población dada, se pueden estudiar simultáneamente dos o más caracteres cuantitativos diferentes.
BLOQUE III. VALORACIÓN INMOBILIARIA. SISTEMAS DE LA INFORMACIÓN. GESTIÓN PATRIMONIAL. T E M A 10 Estadístca valoracón urbana (II): Austes por el método de los mínmos cuadrados. Regresón correlacón. Regresón
El expresidente de Costa Rica confiesa que se le incitó a dar un cuartelazo
Ú Ñ w < w Ñ 6 ( - - ( 6 6 ) ( 6 / - ü - - ü 6 () - Z 6 (/) ü - 6 - - - 6 () - - üü - - - ü Ñ Q Ü 6 () // / Ñ / / 6 ) - ) ) - / / - - - ) )) - - / ------ - 6 - ( - - - 6 ( - 6 ( ( / 6 ) % % & Q - 6-6 Z
REGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.
CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón
ú
ť ú ú ď ř Ž ú ť ě ř ú Í ú ř Í ú ř ř ú č Ó ú ě Í Ť ý ř ú Í ŤÉ ř š ú Í ť ť ů ú ť ť Á Á Ř ř ú Ú Í ě ě Ó Í ě ě ě Í ú ú ú É ú ú ú Í ú ř ú ú ú ú Í Í Á Ť Ž Ř Í ú ú ú Í ú ů ř Í ě ú ú ú Í ú ú
Regresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Modelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Desde California llegan ya donativos para los niños pobres de Puerto Rico
- Ñ / ü // < [ $ ü
TEMA 5. INTERPOLACION
Tema 5: Interpolacón TEM 5. INTERPOLCION. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos. RESUMEN 7. Programacón en Matlab Cálculo numérco en
Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
^^conocerán los EE. UU, en H. América a los gobiernos creados por las revoluciones
- X - Í w ü Ñ É X X Ü4 0 «/ ( - - - ««4! ««- 0 0 (/) - - ««- ««- «-?! Q - - / X-? w!! -! w - «- - w -X - - ) - - w - ü! /) - (--) - - =! ( - - - -!!? ) - - ( Q - ü - - ( () ()! - 9? ] -? - 9 8 --- {/?
GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
Estimadores robustos de estadísticos de posición
Estmadores roustos de estadístcos de poscón Marano Caronero Facultad de Cencas Económcas y Empresarales. ETEA. Unv. de Córdoa 4004 Córdoa mcaronero@etea.com Jesús Ramírez Facultad de Cencas Económcas y
Tema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
e l E n i, 241) C anal S t., N e w Y o rk. T e l é f o n o : C an al
: 4) : - : Ñ? #» ) > ' ] ] 4 - (/) (/) «-» [ ú - :! Q! ~4 - - - (6 «(/) - -»»?! 5»»» 6 '! X " > 4 ) X X 45 ( ú ü - ( - - ( Z 5 Z 5 } ' 6 Z ú : 5-6 : $ 5 $ $ 5 ú ú $ 4 5 ( 5 >Ú) - Q
El vapor Ortega fué ren olcado a la Habana seiridestruido por un incendio. La dictadura no ha de íavorecei a un solo partido sino a la nación entera
Ñ - [ - - - - - 6 - - - - / - - - -- - - - - - - - - - ] 8 / / / ] - / - - Ó - - 8 - - Ü - -- / - - - - - - Ó -- - - - / - Ü - - $ 8 - / $ - - - -------------------------- - ] - - - - - - - Ü - - - Q --
T. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología
Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)
INTERPOLACIÓN ESPACIAL DE LA PRECIPITACIÓN PLUVIAL EN LA ZONA DE BARLOVENTO Y SOTAVENTO DEL GOLFO DE MÉXICO *
Agrcultura Técnca en Méxco Vol. 34 Núm. 3 Julo-Septembre 2008 p. 279-287 INTERPOLACIÓN ESPACIAL DE LA PRECIPITACIÓN PLUVIAL EN LA ZONA DE BARLOVENTO Y SOTAVENTO DEL GOLFO DE MÉXICO * SPACE INTERPOLATION
COMPARACION DE LOS VALORES SATELITALES DEL SURFACE SOLAR ENERGY (SSE) DATA SET VERSION 1.0 CON DATOS DE TIERRA DE LA RED SOLARIMETRICA
COMPARACION DE LOS VALORES SATELITALES DEL SURFACE SOLAR ENERGY (SSE) DATA SET VERSION 1.0 CON DATOS DE TIERRA DE LA RED SOLARIMETRICA H. Gross Gallegos Dvsón Físca, Departamento de Cencas Báscas, Unversdad
TEMA 2 CARACTERIZACIÓN DE MEDIOS POROSOS
TEMA CARACTERIZACIÓ DE MEDIOS POROSOS Fuente: Kutlek y elsen 994 ÍDICE Pags... ITRODUCCIÓ.. CARACTERIZACIÓ FÍSICOQUÍMICA DEL SUELO... Porosdad... Dstrbucón de las partículas mnerales 3..3. Comportamento
LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen