Incertidumbre de las medidas.
|
|
|
- Gerardo Serrano Salinas
- hace 8 años
- Vistas:
Transcripción
1 Icertdumbre de las meddas. Al realzar el proceso de medcó, el valor obtedo y asgado a la medda dferrá probablemete del valor verdadero debdo a causas dversas, algua de las cuales ombraremos más adelate. El llamado valor verdadero es e realdad u cocepto puramete teórco y absolutamete accesble. E el proceso de medcó úcamete pretedemos estmar de forma apromada el valor de la magtud medda. Para ello debemos dar u úmero co sus udades y ua estmacó del error. Dcho de otra maera el resultado de cualquer medda es sempre certo y a lo más que podemos asprar es a estmar su grado de certdumbre. Errores de las meddas. Llamamos error de ua medda a la dscrepaca etre el valor verdadero de la magtud y el valor meddo. Esta dscrepaca puede ser debda a dversas causas. Errores sstemátcos. Sería debdos a causas que podría ser cotroladas o elmadas. Por ejemplo meddas realzadas co u aparato averado, o mal calbrado. La fuete del error podría elmarse usado u aparato que fucoase correctamete o calbrádolo adecuadamete ates de medr. Este tpo de errores o será aalzados e este capítulo. Errores aleatoros. So fruto del azar o de causas que o podemos cotrolar. Como cosecueca de ello, s repetmos ua medda certo úmero de veces e codcoes reproducbles, o obtedremos sempre el msmo valor, so que obtedremos u cojuto de valores que se dstrburá probablístcamete. Esta dstrbucó de valores puede ser aalzada por métodos estadístcos y esto os permtrá objetvar u valor probable y ua certdumbre de la medda. Error absoluto. El error de ua medcó o puede calcularse, so sólo estmarse, lo msmo que el propo valor de la medda. Lo que sí podremos por medo del aálss estadístco de las medcoes es llegar a estmar que el valor más probable de la medda es y que el valor verdadero estaría compreddo e el tervalo y + co ua certa probabldad. El valor de (sempre mayor que 0) es a lo que llamamos error absoluto. Error relatvo.
2 El error relatvo es ε r =. aturalmete, cuato meor sea ε r, meor será la certdumbre de la medda. El error relatvo se suele epresar també e forma porcetual: ε = 00 %. Para epresar umércamete el resultado de r ua medda ha de emplearse u úmero de cfras que depede del error. Cocretamete o debería utlzarse cfras de orde feror a al de la cfra de mayor orde del error absoluto. Veamos ejemplos: de u cojuto de medcoes obteemos u valor medo de co u error estmado de ± 0.05; el orde del error es de cetésmas, por lo tato o deberíamos utlzar e la epresó del resultado cfras de meor orde que las cetésmas. Así pues, la forma correcta de epresar el resultado será: 474. ± 0.05 e cluso sería correcto també o especfcar el error absoluto dcado que las 5 cfras del valor so cfras sgfcatvas; e este caso se etede que el error es de la mtad de ua udad de orde feror del valor epresado. Por ejemplo: u valor co 5 cfras sgfcatvas lo debemos terpretar como que el error absoluto estmado es de ± Redodeo. S es el valor obtedo e u proceso de medcó y el úmero de cfras sgfcatvas es 5 (474.), debemos redodear el valor a las cetésmas, que e este caso es. Para ello s el valor de la cfra de orde feror (e este caso las mlésmas) es mayor que 5, la últma cfra sgfcatva se cremeta e ua udad (e este caso, el se camba por u y el resultado lo epresaríamos por 474.). Otro ejemplo: -.4 co 4 cfras sgfcatvas hay que redodearla a las décmas, que e este caso es. Para ello, s la cfra de orde feror (e este caso las cetésmas) es meor que 5, la ultma cfra sgfcatva o se camba y el resultado se epresaría por -.. Esta regla es de setdo comú. Otro ejemplo:.985 ± 0.06 habría que redodearlo a las cetésmas y s la cfra de meor orde (mlésmas) es gual a 5, la últma cfra sgfcatva se deja gual s es par y se cremeta e ua udad s es mpar. E este caso, como es u 8, se deja gual:.98. El resultado co 4 cfras sgfcatvas se epresaría por Esta últma regla es puramete covecoal, que os asegura repartr las desvacoes e eceso o e defecto de forma estadístca equlbrada. Valor de ua medda y su error Ua forma de lmtar los errores aleatoros es reptedo varas veces la medcó. Supogamos que los resultados sucesvos ha sdo:,,,.... Parece lógco (y así se ha covedo hacer) atrbur a la medda es el valor medo, es decr:
3 = = () el valor así obtedo habremos de trucarlo y redodearlo e fucó del error estmado. El error que atrbumos a la medda es la llamada desvacó estádar o desvacó típca: ( ) = σ = (), o be: ( ) = σ = () - S el úmero es grade las epresoes () y () da valores muy prómos, pero e el caso de que sólo se hubera hecho ua medcó, la epresó daría 0 u valor del error 0, e cambo la epresó () sería, es decr u valor 0 determado. Esto es mucho más lógco y por eso se prefere la () como epresó del error. f() σ Fgura La epresó del valor atrbudo a ua medda y de su error, se basa e el hecho de que cuado la dspersó de los valores es debda a muchas causas depedetes etre sí, los valores obtedos e las sucesvas medcoes estará dstrbudos estadístcamete segú lo que se llama dstrbucó ormal. S tomamos uos ejes de coordeadas e abcsas valores posbles de y e ordeadas la desdad de probabldad, f(), es decr la probabldad, por udad de tervalo de valores de, es decr, dp f() =, sedo dp la probabldad de que el valor obtedo e la medcó d esté compreddo etre -d y +d, la gráfca será como la que vemos e la fgura. Esta curva e forma de campaa recbe el ombre de campaa de + Gauss y tee etre otras las sguetes propedades: p = f().d =, es decr, la probabldad p de obteer u valor compreddo etre y + es
4 + aturalmete (certeza); p = σ f().d = 0. 68%, es decr, cuado hacemos σ u gra úmero de medcoes de ua magtud, es de esperar que el 6.8 % de los valores obtedos estará compreddos etre σ y + σ. De la msma maera el 95.4 % de los valores estaría compreddo e el tervalo σ + σ σ + σ, etc.. ( ) y el 99.7 %, e el tervalo ( ) Hay que decr que u cojuto de meddas de ua magtud o sempre tee ua dstrbucó ormal como la que acabamos de epoer. Puede haber factores fluyetes o aleatoros o o depedetes y la curva de desdad de probabldad o será ua campaa de Gauss, so que puede ser ua curva o smétrca, co varos mámos etc. Errores de lectura. Sesbldad Supogamos u strumeto de medda, que fucoa correctamete, es dgtal y de cuatro dígtos más la coma decmal. Co él queremos medr ua magtud de la que coocemos ua estmacó de su error. Por ejemplo σ = udades. El resultado esperamos que sea del orde de cetos de udades. Qué ocurrrá? Como vemos el error estmado prevamete es meor que ua udad de la últma cfra de la patalla de lectura (las décmas), por lo tato el valor obtedo al repetr el proceso de medcó será sempre eactamete el msmo. Podemos decr que el strumeto e cuestó tee poca sesbldad para aprecar el valor de la magtud medda. Llamamos sesbldad, s, de u strumeto de medda al valor de dvsó más pequeña de la escala, s se trata de u strumeto aalógco o el valor de ua udad del dígto más a la derecha de la patalla de lectura. La aprecacó es la mtad de la sesbldad: s/. El error de lectura, aálogo a la desvacó estádar,,de la medda por causas aleatoras se cosdera gual a s s. S e ua medda se verfca que σ <<, el error total se puede cosderar s s. Por el cotraro, s σ >>, el error total se cosdera gual a σ. E el caso s e que y sea comparables, el error total es la suma σ +. Propagacó de los errores. Frecuetemete los valores de varas magtudes, obtedos e procesos de medda y por lo tato co u error asocado, se tee que combar e ua fucó cuyo valor se determa matemátcamete a partr de los valores de las varables. El valor de la fucó calculado estará por lo tato afectado por u error que será a su vez fucó de los errores de las varables. Las varables
5 meddas puede ser depedetes o o. Por ejemplo: el volume de u depósto de forma de u paralelepípedo se determará mdedo las arstas a, b y c. Las varables a, b y c so depedetes, cada ua estará afectada por u error y por lo tato el valor de la fucó volume, V=a.b.c, estará afectada por u error que depederá de los errores de a, b y c. Otro ejemplo: supogamos que certa fucó bológca la queremos relacoar co las varables altura y peso, para ello debemos medr estas dos varables co el correspodete error. S embargo, altura y peso o depedetes, ya que estadístcamete observaríamos que geeralmete las persoas más altas també tee más peso. Por el mometo os referremos al caso más secllo de varables depedetes. Supogamos ua fucó de ua sola varable y=f(). El valor dy de la e u puto sabemos que se puede terpretar como la rapdez co d que varía y al varar lgeramete la. Podemos terpretar que la pequeña varacó de es el error de esta varable,, por lo que el error que podemos asocar a la y, y, se puede epresar así: dy y = (4) d dy dy dode es el valor absoluto de la e el puto. S la fucó y lo es de d d varas varables,,.., depedetes, tedremos que la epresó geeral del error será: y = = ι (5) dode las so los valores absolutos de las dervadas parcales puto (,,..,). Ajuste por mímos cuadrados. e el E muchos casos medmos certo úmero de pares de valores de las magtudes (, y) y, a partr de dchos valores, os teresa establecer ua relacó matemátca etre estas varables. Supogamos que, por razoes teórcas, dcha relacó creemos que debe ser leal, es decr, del tpo y=a+b. os teresa estmar los valores de los coefcetes a y b de de forma que la fucó y=a+b represete de lo más adecuadamete posble la relacó etre e y. Se cosdera como crtero razoable que sea míma la suma de los cuadrados de las dferecas etre los valores meddos, y, y los obtedos
6 sobre la recta ajustada, a+b. Es decr, se trata de que se haga míma S, dode: S = (y a b) (6) = S S Para ello deberá verfcarse que = 0 y = 0. Hallado estas dervadas e a b gualádolas a 0, resulta estas dos codcoes: a + b = y (7) y a + b. = y (8) = = = y despejado a y b e el sstema de ecuacoes (7) y (8): = = y y = = = a = (9) y = = b = y = a = (0) y E la fgura vemos la represetacó de 6 meddas (rombos egros) dstrbudas e forma dspersa a u lado y otro de la recta ajustada por mímos cuadrados. Fgura Recta ajustada Veamos u ejemplo umérco: teemos ua tabla de valores obtedos de forma epermetal (tabla ) y queremos ajustar ua recta por el método descrto: y
7
Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
REGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
MEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
ESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. [email protected]
2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Guía práctica para la realización de medidas y el cálculo de errores
Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;
TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Tema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca [email protected] http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Estadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3
Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó
Guía para la Presentación de Resultados en Laboratorios Docentes
Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las
4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
V II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
LOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Una Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos
TEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - [email protected] Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
TEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Estadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca [email protected] http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález [email protected] Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá
Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.
1. Dstrbucoes Bdmesoales de Frecuecas. 1.1. Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca. 1.3. Dstrbucoes Margales. 1.4. Dstrbucoes Codcoadas. 1.5. Idepedeca Estadístca..
Análisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
IV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática
Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó
Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA
DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro
(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI
TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco
3 AJUSTE DE FUNCIONES
AJUSTE DE UNCIONES.. udametos de estadístca: cojuto de medcoes epermetales meda y desvacó estádar INTRODUCCION TEÓRICA E la mayoría de los procedmetos epermetales se gasta mucho esfuerzo para reur los
Aproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {[email protected]} Elea Olmedo Ferádez {[email protected]} Jua Mauel Valderas Jaramllo {[email protected]}
NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN
UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008
INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO
INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1
Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,
( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
Contraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas
GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO
RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo
PROBANDO GENERADORES DE NUMEROS ALEATORIOS
PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos
Sistema binario. Disoluciones de dos componentes.
. Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua
Técnicas básicas de calidad
Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos
III. GRÁFICOS DE CONTROL POR VARIABLES (1)
III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co
Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión
Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA
Tecnológico de Estudios Superiores de Cuautitlán Izcalli DIVISIÓN DE INGENIERÍA ELECTRÓNICA
Tecológco de Estudos Superores de Cuauttlá Izcall DIVISIÓN DE INGENIERÍA ELECTRÓNICA CUADERNILLO DE PROBABILIDAD Y ESTADÍSTICA ELABORO REVISO M. e C. FELIX ANTONIO SAUCEDO ESQUIVEL Vo. Bo. ING. MARIA DEL
LECCIONES DE ESTADÍSTICA
LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que
5- VARIABLES ALEATORIAS BIDIMENSIONALES
Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado
CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA
Estmacó de la ocurreca de cdecas e declaracoes de pólzas de mportacó Salcedo Poma, Cela Mercedes CAPÍULO MODELO DE REGRESIÓN LOGÍSICA INRODUCCIÓN La Regresó Logístca es ua técca estadístca multvarate que
LA ESTADÍSTICA EN QUÍMICA ANALÍTICA
LA ESTADÍSTICA EN QUÍMICA ANALÍTICA MONOGRAFÍA PARA ALUMNOS DE º DE LA LICENCIATURA EN QUÍMICA 001 DR. JOSÉ MARÍA FERNÁNDEZ ÁLVAREZ Edfco de Ivestgacó. C/Irularrea,1. 31080 Pamploa. España Tel. +34 948
Cálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos
Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado
ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de
Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos
Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva
7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
