UNA APLICACION REAL DEL MÉTODO DE REGRESIÓN LINEAL
|
|
- María Luisa Ponce Ramírez
- hace 6 años
- Vistas:
Transcripción
1 UNA APLICACION REAL DEL MÉTODO DE REGRESIÓN LINEAL Planteamiento del problema Desde siempre los seres humanos han buscado adelantarse a cualquier eventualidad con la finalidad de minimizar los riesgos en cualquiera de sus actividades tanto recreativas como aquellas de carácter económico. Particularmente en agricultura, se ha vuelto indispensable contar con bases de datos meteorológicos fiables, ya que todas las actividades agrícolas dependen en gran parte del clima. En México, la Comisión nacional del agua (Conagua), a través del Servicio Meteorológico Nacional (SMN), es la fuente oficial de datos meteorológicos y climáticos. No obstante, la base de datos con que cuenta el SMN no es la óptima si lo que se busca es hacer inferencias para la agricultura, ya que las estaciones del SMN no se encuentran en zonas agrícolas, además de que existe un retraso considerable para la disposición de los datos (varía de región a región pero los retrasos van desde meses hasta varios años). Es por estas razones que en Sonora se impulsó con ayuda del gobierno y de los productores agrícolas el establecimiento de la red de estaciones agro meteorológicas conocida en la actualidad como la red AGROSON (AGROSON, 2004) La red AGROSON tuvo sus inicios en 1996 con la instalación de tres estaciones (Cd. Obregon (CIANO), Caborca (CIANO), Hermosillo (CECH)) y en la actualidad cuenta con 52 estaciones, distribuidas en las diferentes regiones agrícolas del Estado. Dichas estaciones registran rutinariamente en periodos de 10 minutos, nueve variables meteorológicas (Temperatura ambiente, temperatura máxima, temperatura mínima, humedad relativa, radiación solar, precipitación, humedad de la hoja, velocidad y dirección del viento). 19
2 Con el establecimiento del Sistema de Alerta Fitosanitaria del Estado de Sonora (SIAFESON, 2008) se volvió prioritario contar con un sistema de control de calidad de los datos meteorológicos, por lo que entre los diversos objetivos del SIAFESON se encuentra el de organizar y depurar las bases de datos climáticos y meteorológicos existentes en Sonora. Como resultado de la depuración ya mencionada se encontró que la base de datos de la red AGROSON contaba con gran cantidad de huecos (Figura 7. Pag. 25) en sus registros de temperatura ambiente, es decir pérdida de datos, como consecuencia de los altos costos de mantenimiento y de errores en el manejo de la base de datos. Es por ello que el personal del SIAFESON se ha dado a la tarea de recuperar los datos perdidos en la medida de sus posibilidades. Objetivo General Estandarizar y rellenar las series de temperatura de las estaciones agrometeorológicas del Valle del Mayo para su utilización en los diversos modelos fitosanitarios aplicables al sur de Sonora. Justificación A lo largo del programa y de los estudios llevados por AGROSON, la información obtenida y la certeza de los datos ofrecidos por AGROSON se ha visto seriamente cuestionada, ya que se han encontrado datos fuera de rango, series incompletas, demasiados huecos en la información, inhomogeneidad de la información (corrimientos de cero) o columnas con los mismos datos. Los problemas antes mencionados obedecen a diversas circunstancias que van desde el problema de comunicación con las estaciones hasta un manejo inadecuado de la información. Los modelos fitosanitarios requieren de series de tiempo fiables de las diversas variables meteorológicas. Una serie de tiempo o serie temporal es una colección de observaciones tomadas a lo largo del tiempo cuyo objetivo principal es describir, explicar, predecir y controlar algún proceso. Las observaciones están 20
3 ordenadas respecto al tiempo y sucesivas observaciones son generalmente dependientes. Este trabajo busca dotar al SIAFESON de series de tiempo fiables y continuas en el tiempo para la variable temperatura de las estaciones del Valle del Mayo para su utilización en modelos fitosanitarios con fines de pronóstico. Lo anterior serviría para prevenir o pronosticar problemas fitosanitarios en la zona con mayor certeza de la que se tiene actualmente. Delimitaciones del Estudio En Sonora existen 52 estaciones Agro meteorológicas, de las cuales este trabajo se enfocará en nueve estaciones correspondientes a la zona agrícola del Valle del Mayo (Figura 4). Cabe mencionar que si bien es necesario estandarizar y rellenar las series de tiempo de las nueve variables que se registran en las estaciones, este trabajo se centrará en las series de temperatura ambiente, que incluye: temperatura mínima, máxima y promedio; ya que son las variables con mayor demanda dentro de los modelos fitosanitarios. Figura 4: Estaciones agro meteorológicas en el Valle del Mayo 21
4 El Valle del Mayo El Valle del Mayo es la zona que comprende desde las sierras de Alamos hasta las costas de Huatabampo, este valle limita al norte con el Valle del Yaqui, al sur con el estado de Sinaloa y al oriente con el Mar de Cortez. El Valle del Mayo comprende los municipios de Huatabampo, Álamos, Etchojoa, Quiriego y Navojoa. Esta zona se caracteriza por su riqueza en suelos, además por sus mantos acuíferos localizados al sur de estado, por los cuales hacen ideal estas tierras para la agricultura, que por sus características meteorológicas y geográficas, lo hacen un lugar ideal para la siembra. El Valle del Mayo cuenta con una superficie de alrededor de 140 mil hectáreas, de las cuales su principal producción es de trigo. 22
5 Metodología aplicada El procedimientoo que se siguió para resolver la problemática planteada se resume en el esquema siguiente, el cual se explicara en la sección de resultados: Figura 5. Metodología aplicada Analizar base de datos Identificar patrón de datos faltantes Seleccionar método de imputación Depurar datos Estimar correlación entre variables Definir parámetros y modelos para datos faltantes Estimar valores faltantes Análisis de resultados 23
6 Resultados del caso Analizar base de datos. La base datos analizada incluye 80,109 registros correspondientes a 2967 días comprendidos entre enero del 2002 hasta junio de Se detectaron valores no factibles o improbables, además de múltiples datos faltantes. Después de eliminar los valores improbables se identificó un total de 19,335 datos faltantes, que equivalen al 24.13%. En la tabla 5 que aparece a continuación, se detallan los datos faltantes por estación. Tabla 5: Resumen de datos faltantes por estación Estación No.Datos No.Datos faltantes % de faltantes Observaciones Jupare % Inició operaciones el 1/1/2003 Buaysicobe % Tesia % Sahuaral % Mumuncuera % Tres Carlos % Cemay % Inició operaciones el 1/25/2002 Chapote % Inició operaciones el 1/23/2005 Huatabampo % Inició operaciones el 5/15/2005 TOTAL Identificar patrón de datos faltantes. Al analizar la matriz de datos faltantes, se puede identifica un patrón de datos perdidos completamente al azar, es decir del tipo MCAR. Por las dimensiones de la matriz (27x2967), no es posible reproducirla completamente para su visualización, pero en la figura 6 se muestra un segmento de la misma, y en la figura 7 se puede apreciar la ausencia de datos en las series de temperatura de manera muy agregada. 24
7 Figura 6. Patrón general de datos faltantes Figura 7. Patrón de series de datos de temperatura ambiente 25
8 Seleccionar método de imputación Para seleccionar el método de imputación se consideraron los siguientes aspectos: El tipo de variable a imputar es continua (temperatura máxima, mínima y promedio); El propósito de la imputación es contar con una base datos completa y consistente para que posteriormente estos datos puedan ser utilizados en modelos fitosanitarios con fines de pronóstico, que sirvan para prevenir o pronosticar problemas fitosanitarios en la zona con mayor certeza. La base de datos no será utilizada para análisis de covarianza o correlación. La naturaleza de la variable a imputar y el patrón de datos faltantes. La red AGROSON no cuenta con software especializado, por lo que es necesario realizar la imputación con los recursos disponibles. La opinión de expertos en meteorología. El método de imputación seleccionado es el de Regresión Lineal a partir de variables correlacionadas. El coeficiente de correlación mínimo aceptable se estableció en 0.9. Considerando que se requiere estimar los datos faltantes de 27 variables distintas (3 variables x 9 estaciones), se necesita definir una ecuación de regresión lineal para cada una de ellas. Depurar datos Para poder analizar la relación entre las variables de la base de datos, es necesario estandarizar los tamaños de muestra de todas las estaciones; con este propósito, se eliminaron todos los registros correspondientes a las fechas donde existían observaciones con datos incompletos y se organizó la base de datos en EXCEL. 26
9 Estimar correlación entre variables Para calcular la correlación entre las variables, se construyeron 3 matrices (una para cada tipo de variable faltante) a partir de la información obtenida aplicando la herramienta análisis de datos de EXCEL. Las matrices de correlación aparecen en las tablas 6, 7 y 8. Tabla 6: Coeficiente de Correlación para la variable Temperatura máxima. T.Max Jupare Buayisacobe Tesia Huatabampo Sahuaral Mumuncuera Tres Carlos Cemay Chapote Jupare Buayisacoba Tesia Huatabampo Sahuaral Mumuncuera Tres Carlos Cemay Chapote Tabla 7. Coeficiente de Correlación para la variable Temperatura mínima. T.Min Jupare Buayisacobe Tesia Huatabampo Sahuaral Mumuncuera Tres Carlos Cemay Chapote Jupare Buayisacoba Tesia Huatabampo Sahuaral Mumuncuera Tres Carlos Cemay Chapote Tabla 8. Coeficiente de Correlación para la variable Temperatura promedio. T.Prom Jupare Buayisacobe Tesia Huatabampo Sahuaral Mumuncuera Tres Carlos Cemay Chapote Jupare Buayisacoba Tesia Huatabampo Sahuaral Mumuncuera Tres Carlos Cemay Chapote 27
10 Definir parámetros y modelos para datos faltantes Se ajustó un modelo de Regresión Lineal para cada variable faltante, tomando como variables predictoras las que tenían un coeficiente de correlación mayor y datos disponibles en las fechas requeridas. Por ejemplo, si consideramos la estación Tres Carlos y requerimos imputar la variable Temperatura máxima, para las fechas comprendidas del 30 de enero de al 21 de febrero de 2002 se utilizarían los datos de la estación Huatabampo ya que tiene el mayor coeficiente de correlación: (ver figura 6), pero en este caso la estación Huatabampo no tiene datos disponibles en la fecha requerida; la única estación con datos en esas fechas es Tesia con un coeficiente de correlación de El análisis de datos de EXCEL, también proporciona los parámetros de la ecuación de regresión lineal, los cuales se organizaron en 27 matrices (una para cada variable faltante) que aparecen en el anexo 2. En la tabla 9 se muestra la matriz correspondiente a la variable Temperatura máxima de la estación Tres Carlos: Tabla 9: Matriz de Coeficientes de Correlación, Pendiente e Intersección Tres Carlos Estación Coef. Correlación Pendiente Intersección Huatabampo Mumuncuera Sahuaral Buayisacobe Tesia Jupare Chapote Cemay
11 por lo tanto la ecuación de regresión a utilizar para estimar las temperaturas máximas es: = x i Estimar valores faltantes Para calcular los valores faltantes, se aplica la ecuación anterior y se obtienen los valores que aparecen en la tabla 12. Tabla 10: Valores faltantes (yi) Tabla 11: Valores a utilizar (xi) TRES CARLOS Fecha T.Prom T.Max T.Min 30/01/ /01/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/2002 TESIA Fecha T.Prom T.Max T.Min 30/01/ /01/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/
12 Tabla 12. Valores estimados Ecuación para T.Máxima Ecuación para T.Mínima Ecuación para T.promedio y=a+bx Fecha T.Max y=a+bx T.Min y=a+bx T.Prom a= /01/ a= a= b= /01/ b= b= /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ El procedimiento descrito para el ejemplo es el que se siguió para estimar todas las variables faltantes. 30
13 Análisis de resultados Como resultado de la imputación por regresión lineal, se pudieron estimar todos los datos faltantes. Todos los valores imputados se consideran factibles ya que se encuentran dentro del rango esperado. No se detectan sesgos con respecto al comportamiento de los datos. 35 Figura 8: Valores Imputados T.Max T.Min T.Prom Lineal (T.Prom) 0 31
BOLETÍN METEOROLÓGICO
SE ESPERA QUE CONTINÚEN LAS LLUVIAS DURANTE HOY Y EL FIN DE SEMANA Durante el día de ayer la temperatura máxima fue de 47.18 C en la estación Monumentos del Distrito de Desarrollo Rural (DDR) de San Luis
Más detallesBOLETÍN METEOROLÓGICO
PARA ÉSTA SEMANA SE ESPERAN TEMPERATURAS SUPERIORES A LOS 30 C EN LAS PRINCIPALES ZONAS AGRÍCOLAS DEL ESTADO El día de ayer la temperatura máxima fue de 33.4 C en la estación Casa Colorada del Distrito
Más detallesBOLETÍN METEOROLÓGICO
SE ESPERA UN LEVE INCREMENTO DE LAS TEMPERATURAS MÁXIMAS EN LAS PRINCIPALES REGIONES AGRÍCOLAS DEL ESTADO, SIN EMBARGO PREVALECERÁN LAS CONDICIONES DE FRÍO POR LAS NOCHES Y LAS MAÑANAS. Durante la madrugada
Más detallesBOLETÍN METEOROLÓGICO
CONTINUARÁN LAS NOCHES Y MADRUGADAS FRESCAS EN LAS PRINCIPALES ZONAS AGRÍCOLAS DEL ESTADO El día de ayer la temperatura máxima fue de 22.8 C en la estación Casa Colorada del Distrito de Desarrollo Rural
Más detallesBOLETÍN METEOROLÓGICO
DURANTE LOS PRÓXIMOS DÍAS SE ESPERA LA RECUPERACIÓN DE LAS TEMPERATURAS EN LAS PRINCIPALES ZONAS AGRÍCOLAS El día de ayer la temperatura máxima fue de 26.9 C en la estación Casa Colorada del Distrito de
Más detallesPROTOCOLO RED NACIONAL DE ESTACIONES AGROCLIMATOLOGICAS EN MEXICO (ESTACIONES AGROCLIMATOLOGICAS PARA EL ESTADO DE OAXACA).
PROTOCOLO RED NACIONAL DE ESTACIONES AGROCLIMATOLOGICAS EN MEXICO (ESTACIONES AGROCLIMATOLOGICAS PARA EL ESTADO DE OAXACA). CONTINUACION M.C. Porfirio López López INTRODUCCION Basados en la información
Más detallesBOLETÍN METEOROLÓGICO
ACTUALMENTE SE TIENEN CIELOS NUBLADOS EN GRAN PARTE DEL ESTADO, SIN REGISTRO DE RPECIPITACIONES El día de hoy se registraron temperaturas por debajo de los cero grados centígrados en los Distritos de Desarrollo
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 detallesBOLETÍN METEOROLÓGICO
SE PREVÉN LLUVIAS Y VIENTOS FUERTES DEBIDO AL FRENTE FRÍO NO. 44 En la imagen de satélite, interpretada por el Servicio Meteorológico Nacional se muestran los sistemas presentes en la República Mexicana
Más detallesMinisterio del Ambiente Servicio Nacional de Meteorología a e Hidrología SENAMHI Dirección n Regional de Junín
Servicio Nacional de Meteorología a e Hidrología SENAMHI PERSPECTIVAS CLIMATICAS EN LA REGIÓN: PASCO, JUNIN, HUANCAVELICA Y AYACUCHO PARA EL TRIMESTRE DICIEMBRE 2009 A FEBRERO DEL 2010 ADAM RAMOS CADILLO
Más detallesDATOS CLIMÁTICOS MENSUALES AÑO 2007 ESTACIÓN LA CHIQUINQUIRÁ
Latitud Norte: 08º 57 32.3 Longitud Oeste: 72º01 13,8 DATOS CLIMÁTICOS MENSUALES AÑO 2007 ESTACIÓN LA CHIQUINQUIRÁ RADIACIÓN VELOCIDAD DEL HUMEDAD RELATIVA [%] SOLAR Max Min Media Max Min Media Rs [Mj/m2.h]
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 detallesBOLETÍN METEOROLÓGICO
SE ESPERAN FUERTES VIENTOS PARA LAS ZONAS DE CABORCA Y SONOYTA Durante la mañana de hoy en las principales zonas agrícolas las temperaturas mínimas oscilaron entre los 10.6 C (estación El Chichivo) y los
Más detallesSe inicia con las especificaciones del módulo fotovoltaico.
Con base en las especificaciones técnicas del inversor SB 3000U y de un módulo fotovoltaico de 175 watts, indicar los valores los parámetros característicos requeridos para el dimensionamiento del sistema.
Más detallesLas escalas de equivalencia en la medición de la pobreza Síntesis de tesis de Maestría en Estadística, UCR. Nancy Pérez Valverde
Las escalas de equivalencia en la medición de la pobreza Síntesis de tesis de Maestría en Estadística, UCR Nancy Pérez Valverde Actualmente en Costa Rica, para delimitar los hogares pobres, el Instituto
Más detallesBOLETÍN METEOROLÓGICO
SE ESPERA EL INGRESO DE UN NUEVO FRENTE FRÍO ENTRE LOS DÍAS JUEVES Y VIERNES Durante la madrugada de hoy se registraron temperaturas de cero grados centígrados o menos en los Distritos de Desarrollo Rural
Más detallesVALIDACIÓN DE DATOS. Rangos de Validación. Introducción
VALIDACIÓN DE DATOS Introducción Una vez recibidos los datos de las estaciones y antes de incorporarlos a las bases de datos, para su almacenamiento y publicación, y buscando minimizar el número de datos
Más detallesAnexo I: Extracto-resumen del Estudio Ahorro y. eficiencia energética en invernaderos.
Anexo I: Extracto-resumen del Estudio Ahorro y eficiencia energética en invernaderos. IDAE La demanda energética de un invernadero depende de la relación entre las condiciones climáticas exteriores y las
Más detallesALGUNAS METODOLOGÍAS PARA CUANTIFICAR LA EVAPOTRANSPIRACIÓN MEDIA MULTIANAUL EN COLOMBIA. Julián David Rojo Hernández. I.C. MSc. Recursos Hidráulicos.
ALGUNAS METODOLOGÍAS AA CUANTIFICA LA EVAOTANSIACIÓN MEDIA MULTIANAUL EN COLOMBIA Julián David ojo ernández. I.C. MSc. ecursos idráulicos. La evapotranspiración es uno de los componentes más importantes
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
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 detallesRelaciones entre la aparición de casos de malaria y el clima en Colombia.
Relaciones entre la aparición de casos de malaria y el clima en Colombia. Por: Jairo Alberto García Giraldo Ingeniero Geógrafo, Msc en Meteorología. Investigador Científico, Ideam. Se escucha a menudo
Más detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesEstadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión
Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo
Más detallesESTUDIO DE BULBO HUMEDO SAN BUENAVENTURA
ESTUDIO DE BULBO HUMEDO SAN BUENAVENTURA CONTENIDO 1. ANTECEDENTES 2. INTRODUCCION 3. TEORIA 4. METODOLOGIA 4.1 CAPTURA DEL DATO 4.2 ANALISIS ESTADISTICO 1 1. ANTECEDENTES El Gobierno del Estado Plurinacional
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesIdentificar cartográficamente las áreas estratégicas para el abastecimiento hídrico en los municipios del Valle del Cauca
GRUPO SISTEMA DE INFORMACIÓN 1 Contenido Definición... 2 Objetivo General... 2 Escala de Trabajo... 2 Metodología para la Identificación, delimitación y priorización. 3 Bibliografía... 7 1 GRUPO SISTEMA
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD 1. Competencias Formular proyectos de energías renovables mediante
Más detallesLA REGRESIÓN LINEAL: HERRAMIENTA PARA EL DATOS EXPERIMENTALES EN TERMODINÁMICA
MEMORIAS DEL XXVII CONGRESO NACIONAL DE TERMODINÁMICA ISBN: 978-607-7593-08-9 Toluca, Estado de México 10-14 de septiembre de 2012 Trabajo en extenso LA REGRESIÓN LINEAL: HERRAMIENTA PARA EL PROCESO DE
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
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 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 detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesCarrera: GCE Participantes. Representantes de las Academias de Ingeniería en Geociencias. Academia de Ingeniería en Geociencias
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Elementos de Meteorología y Climatología Ingeniería en Geociencias GCE-0504 2 2
Más detallesQUÉ ES Y CÓMO SE ACCEDE AL SUBSISTEMA CLIMA?
QUÉ ES Y CÓMO SE ACCEDE AL SUBSISTEMA CLIMA? El Subsistema CLIMA es un espacio en el que la Consejería de Agricultura, Pesca y Medio Ambiente pone a disposición de la comunidad científica y técnica toda
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 detallesReporte Agro Meteorológico para Granos Año II - No. 12 PRESENTACIÓN. Tabla de Contenido
Reporte Agro Meteorológico para Granos Año II - No. 12 PRESENTACIÓN La Secretaría de Agricultura y Ganadería (SAG), por medio del Servicio de Información Agroalimentaria (INFOAGRO) y la Dirección de Ciencia
Más detallesSound Meteorological Environmental Correlation. Información técnica
Sound Meteorological Environmental Correlation Información técnica SOME-ECO SOME-ECO SOME-ECO (Sound Meteorological Environmental Correlation) es un proyecto de investigación pionero liderado por ICR,
Más detallesComité Estatal de Sanidad Vegetal de Sonora
Plagas Reglamentadas del Algodonero Informe mensual No. 01 Enero 2015 Antecedentes En esta campaña se atienden las plagas gusano rosado Pectynophora gossypilla Saunders y picudo del algodonero Anthonomus
Más detallesAnálisis Costo-Eficiencia
Análisis Costo-Eficiencia 1 I. Resumen Ejecutivo Nombre del PPI En esta sección, deben llenarse los campos de la tabla que se muestran a continuación, a manera de resumen de las secciones que componen
Más detallesSEGUIMIENTO DE LAS RESERVAS DE AGUA PARA CULTIVOS DE SECANO. Lic. Adriana B. Basualdo. Oficina de Riesgo Agropecuario Ministerio de Agrooindustria
SEGUIMIENTO DE LAS RESERVAS DE AGUA PARA CULTIVOS DE SECANO Lic. Adriana B. Basualdo Oficina de Riesgo Agropecuario Ministerio de Agrooindustria Motivación El objetivo del taller participativo presentado
Más detallesIDE del Instituto del Patrimonio Cultural de España
IDE del Instituto del Patrimonio Cultural de España IPCE Instituto del Patrimonio Cultural de España: institución dependiente de la Dirección General de Bellas Artes y Bienes Culturales y de Archivos y
Más detallesEstadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada
Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detallesComo usar Excel para resolver una regresión lineal usando la función predefinida estimacion.lineal.
Excel: Regresión Lineal Como usar Excel para resolver una regresión lineal usando la función predefinida estimacion.lineal. Como hacer la gráfica. Ejemplo Los datos de la tabla adjunta, x e y exacto, cumplen
Más detallesAnálisis Costo-Beneficio
Análisis Costo-Beneficio 1 I. Resumen Ejecutivo Nombre del PPI En esta sección, deben llenarse los campos de la tabla que se muestran a continuación, a manera de resumen de las secciones que componen el
Más detallesDIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS
DIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS Modulo tercero (integración). Clave de asignatura LC 735 PROFESOR: C.P. DAVID ARREDONDO ALCANTAR 1.- PRONOSTICOS 1.3.- Tipos de pronósticos. Los pronósticos
Más detallesTENDENCIAS DE EXTREMOS CLIMÁTICOS EN ARGENTINA EL CASO DE LA PROVINCIA DE SANTA CRUZ
TENDENCIAS DE EXTREMOS CLIMÁTICOS EN ARGENTINA EL CASO DE LA PROVINCIA DE SANTA CRUZ Proyecto PNUD ARG/10/013 FORTALECIMIENTO DE CAPACIDADES PARA CONTRIBUIR A UNA ECONOMÍA DE BAJO CARBONO Y RESILIENTE
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesCAPÍTULO I I. EL PROBLEMA. El proceso de polimerización de estireno, específicamente el de
CAPÍTULO I I. EL PROBLEMA 1. Planteamiento del Problema El proceso de polimerización de estireno, específicamente el de polimerización de poliestireno cristal data desde los años 1930 y 1940, donde las
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 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 detallesIncendios Forestales.
Incendios Forestales. Mendoza - Argentina Los incendios son agentes principales de perturbación en muchos entornos representando una gran amenaza debido a que se pueden propagar en grandes áreas en cortos
Más detallesAnálisis Costo-Eficiencia
Análisis Costo-Eficiencia 1 I. Resumen Ejecutivo Nombre de la Obra En esta sección, deben llenarse los campos de la tabla que se muestran a continuación, a manera de resumen de las secciones que componen
Más detallesEl costo económico del cambio climático en la agricultura peruana
UNALM Universidad Nacional Agraria La Molina El costo económico del cambio climático en la agricultura peruana Proyecto Mediano Priorizado 13-2009 Roger Loyola Carlos Orihuela rogerloyola@lamolina.edu.pe
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesPrácticas Tema 6. Modelos de ecuaciones simultáneas
Prácticas Tema 6. Modelos de ecuaciones simultáneas Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 6.1- La oferta agregada de determinado producto agrícola (QS)
Más detallesLA INFORMACIÓN HIDROMETEOROLÓGICA
Santa Cruz de Tenerife 29 30 septiembre 2009 JORNADAS SOBRE HIDROLOGÍA DE SUPERFICIE EN TENERIFE Primera Jornada: EL MODELO HIDROLÓGICO DE SUPERFICIE 4 LA INFORMACIÓN HIDROMETEOROLÓGICA D. Pedro Delgado
Más detallesESCENARIOS DE CAMBIO CLIMATICO EN PANAMA. AUTORIDAD NACIONAL DEL AMBIENTE UNIDAD DE CAMBIO CLIMATICO
ESCENARIOS DE CAMBIO CLIMATICO EN PANAMA. AUTORIDAD NACIONAL DEL AMBIENTE UNIDAD DE CAMBIO CLIMATICO Escenarios Climáticos Temperatura Escenario ECPWL ECPDH: Escenario seco con alta SC. ECPDL: Escenario
Más detallesFigura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
Más detallesSALINIDAD, DRENAJE Y CALENTAMIENTO GLOBAL EN DISTRITOS DE RIEGO
SALINIDAD, DRENAJE Y CALENTAMIENTO GLOBAL EN DISTRITOS DE RIEGO M. C. LEONARDO PULIDO MADRIGAL lpulido@tlaloc.imta.mx HEBER ELEAZAR SAUCEDO ROJAS INOCENTE ARAGÓN FIGUEROA JOSÉ EFRAÍN CERVANTES LUNA Logos
Más detallesPrograma Estatal de Monitoreo Municipal Estudio en Col. Mitras Sur, Monterrey, Nuevo León.
Programa Estatal de Monitoreo Municipal Estudio en Col. Mitras Sur, Monterrey, Nuevo León. El (SIMA) tiene como objetivo evaluar la calidad del aire monitoreando las concentraciones de los contaminantes
Más detallesReporte de la Unidad Móvil
Reporte de la Unidad Móvil Adquisición de Monitoreo de Refacciones Ambiental y Consumibles para Red de Monitoreo Atmosférico Estudio del Monitoreo Atmosférico Enero 2010 en la Col. Fontanares en Monterrey,
Más detallesCAPÍTULO I EL PROBLEMA. Las empresas fabricantes de empaques plásticos flexibles están
CAPÍTULO I EL PROBLEMA 1. PLANTEAMIENTO DEL PROBLEMA Las empresas fabricantes de empaques plásticos flexibles están enfocadas a brindar soluciones oportunas y de calidad en la transformación, producción,
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 detallesMINISTERIO DE EDUCACIÓN. Dirección de Educación Técnica y Profesional. Familia de especialidades:servicios. Programa: Estadística Matemática
MINISTERIO DE EDUCACIÓN Dirección de Educación Técnica y Profesional Familia de especialidades:servicios Programa: Estadística Matemática Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 9no.
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar problemas
Más detallesPronósticos de producción
Pablo Reeb - Técnico INTA e-mail: preeb@correo.inta.gov.ar Valentín Tassile - Técnico INTA e-mail: vtassile@correo.inta.gov.ar Estudios estadísticos Pronósticos de producción El conocimiento anticipado
Más detallesRecomendación UIT-R SF Serie SF Compartición de frecuencias y coordinación entre los sistemas del servicio fijo por satélite y del servicio fijo
Recomendación UIT-R SF.1395 (03/1999) Atenuación mínima de propagación debida a los gases atmosféricos que debe utilizarse en los estudios de compartición de frecuencias entre el servicio fijo por satélite
Más detallesReporte Agro Meteorológico Año II. No. 2. Tabla de Contenido
Reporte Agro Meteorológico Año II. No. 2 PRESENTACIÓN La Secretaría de Agricultura y Ganadería (SAG), por medio del Servicio de Información Agroalimentaria (INFOAGRO) y la Dirección de Ciencia y Tecnología
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 detallesConceptos de Estadística
Conceptos de Estadística Se llama estadística al conjunto de procedimientos destinados a recopilar, procesar y analizar la información que se obtiene con una muestra para inferir las características o
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN AGRICULTURA SUSTENTABLE Y PROTEGIDA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE TOPOGRAFÍA
TÉCNICO SUPERIOR UNIVERSITARIO EN AGRICULTURA SUSTENTABLE Y PROTEGIDA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE TOPOGRAFÍA UNIDADES DE APRENDIZAJE 1. Competencias Desarrollar el proceso de producción
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 detallesGOBIERNO DE COMISIÓN NACIONAL DE RIEGO
GOBIERNO DE COMISIÓN NACIONAL DE RIEGO Qué es una bandeja de evaporación Clase A? La bandeja clase A es un estanque ó recipiente cilíndrico de lata galvanizada de 120,7 cm de diámetro y 25,4 cm de altura
Más detallesINGENIERÍA EN DESARROLLO E INNOVACIÓN EMPRESARIAL
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística para negocios 2. Competencias Apoyar el desarrollo empresarial mediante la optimización del capital financiero
Más detallesCapítulo 3. Desarrollo Metodológico de la Investigación.
Capítulo 3. Desarrollo Metodológico de la Investigación. El presente capitulo tiene el objetivo de desarrollar la ruta metodológica utilizada para abordar nuestro objeto de estudio. (cuadro No.2), en el
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesINSTITUTO DE HIDROLOGÍA METEOROLOGÍA Y ESTUDIOS AMBIENTALES IDEAM
Índices Climáticos Específicos para los Sectores: Taller de Sector-Specific Climate Indices : A workshop on applications of climate indices to the aplicaciones de índices climáticos a los sectores agricultura,
Más detallesPresentación 3 SISTEMAS DE ECUACIONES LINEALES CON DOS VARIABLES
Presentación 3 SISTEMAS DE ECUACIONES LINEALES CON DOS VARIABLES Sistemas de Ecuaciones Lineales Muchos problemas en administración y economía envuelven dos o mas ecuaciones en uno o más variables. Decimos
Más detallesIntroducción a RClimDex. Sarah Perkins Centre of Excellence for Climate System Science UNSW, Australia
Introducción a RClimDex Sarah Perkins Centre of Excellence for Climate System Science UNSW, Australia Por qué usar R? R es un software estadístico http://www.r-project.org/ que se puede descargar e instalar
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 detallesAPÉNDICE I. Calibración de la señal cromatográfica como función de la concentración: Sistema Ternario
APÉNDICE I Calibración de la señal cromatográfica como función de la concentración: Sistema Ternario En este apéndice se muestra la información correspondiente a la elaboración de las diferentes curvas
Más detallesEl tiempo y la agricultura: predicciones meteorológicas
El tiempo y la agricultura: predicciones meteorológicas Antonio Mestre Jefe del Área de Climatología y Aplicaciones Operativas AEMET Esquema presentación La meteorología como elemento clave en la toma
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesVALORACIÓN ECONÓMICA DEL IMPACTO DE LA TEMPERATURA Y LA PRECIPITACIÓN EN LA PRODUCCIÓN DE PAPA EN LA CUENCA DEL RÍO SANTA.
VALORACIÓN ECONÓMICA DEL IMPACTO DE LA TEMPERATURA Y LA PRECIPITACIÓN EN LA PRODUCCIÓN DE PAPA EN LA CUENCA DEL RÍO SANTA. Vanessa Leslie Bolivar Paypay Universidad Nacional Agraria La Molina 27 de Junio
Más detallesBrigada Nuevo León Unido
Brigada Nuevo León Unido Monitoreo atmosférico en Linares, Nuevo León El (SIMA) tiene como objetivo evaluar la calidad del aire, monitoreando las concentraciones de los contaminantes atmosféricos a las
Más detallesBOLETIN OCEANICO- ATMOSFERICO
DIRECCION GENERAL DE INVESTIGACION PESQUERA DEL PACIFICO NORTE BOLETIN OCEANICO- ATMOSFERICO VOLUMEN 1 No. 1 15 de septiembre de 2008 BOLETÍN OCEÁNICO-ATMOSFERICO SEMANAL PACIFICO NORTE 15 de septiembre
Más detallesTEMA 4 ÍNDICES Y UMBRALES TÉRMICOS E ÍNDICES FITOCLIMÁTICOS
Gustavo Hernández Jardines Mtra. María de la Paz Medina Barrios TEMA 4 ÍNDICES Y UMBRALES TÉRMICOS E ÍNDICES FITOCLIMÁTICOS Índices Fitoclimáticos Los índices fitoclimáticos son relaciones numéricas entre
Más detallesCAPÍTULO III I. MARCO METODOLÓGICO. Este capítulo hace mención a los aspectos metodológicos de la
CAPÍTULO III I. MARCO METODOLÓGICO Este capítulo hace mención a los aspectos metodológicos de la investigación utilizados para la solución del problema. Antes de todo, es necesario definir lo que es una
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesLA OBSERVACION METEOROLOGICA
LA OBSERVACION METEOROLOGICA En qué consiste la observación meteorológica? La observación n meteorológica consiste en la medición n y determinación n de todos los elementos que en su conjunto representan
Más detallesANEXO 1. CALIBRADO DE LOS SENSORES.
ANEXO 1. CALIBRADO DE LOS SENSORES. Las resistencias dependientes de la luz (LDR) varían su resistencia en función de la luz que reciben. Un incremento de la luz que reciben produce una disminución de
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 detallesTRATAMIENTO DE DATOS METEOROLÓGICOS PARA LA SIMULACIÓN ENERGÉTICA
Puno, 14 al 16 de noviembre del 2012 Asociación Peruana de Energía Solar y del Ambiente XIX Simposio Peruano de Energía Solar TRATAMIENTO DE DATOS METEOROLÓGICOS PARA LA SIMULACIÓN ENERGÉTICA Juan José
Más detalles