ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS
|
|
- Rosa Velázquez Parra
- hace 8 años
- Vistas:
Transcripción
1 5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. Luz A. Perera Hoos Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. Javer Olaa Ochoa Profesor Ttular. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. Resume E este trabajo se pretede mostrar los tres prcpales estmadores de varaza que se ha propuesto e regresó o paramétrca cuado se tee ua observacó de la varable respuesta Y por cada puto de la varable depedete X, los cuales ha sdo ua herrameta fudametal para obteer u estmado del parámetro de la varaza, ellos so el estmador de Rce (98, el estmador de Gasser Sroka Jee Stemetz (986 el estmador de Hall Ka Tttetgto (99, todo esto co el objetvo de mostrar que tato e regresó paramétrca como e regresó o paramétrca es de mportaca además de la estmacó de la fucó de regresó, la estmacó de la varaza σ, co el propósto de estmar probar característcas de la fucó de regresó. Palabras clave: Regresó o paramétrca, Estmadores, Varaza. Abstract Ths paper ams to show the three ma estmators varace that have bee proposed oparametrc regresso whe ou have a commet o the respose varable Ad for ever pot o the depedet varable X, whch have bee a essetal tool to obta a estmate parameter varace, the are the estmator Rce (98, the estmator Gasser Sroka Jee Stemetz (986 ad the estmator Hall - Ka ad Tttetgto (99, all ths wth the am of showg that both Parametrc regresso as a oparametrc regresso s mportat addto to estmatg the regresso fucto, the estmate of varace, wth the purpose of estmatg ad test characterstcs of the role of regresso. Kewords: Noparametrc regresso, Estmators, Varace.
2 6. Itroduccó E regresó leal se requere ua estmacó de la varaza ( σ para probar hpótess formar estmados de tervalos perteecetes al modelo de regresó. Bajo la msma flosofía, e regresó o paramétrca també resulta de mportaca el cálculo de la estmacó de varaza, sedo este el úco parámetro a estmar e u modelo de regresó de este tpo. Por lo tato, a través de varos años ha surgdo tres prcpales estmadores de varaza e regresó o paramétrca, estmador de Rce (98, estmador de Gasser, Sroka Jee-Stemetz (986 estmador de Hall, Ka Tttergto (99, que ha sdo ua herrameta fudametal para la obtecó de ua estmacó del parámetro de la varaza.. Aálss de regresó E aálss de regresó, ua preguta clave es cuál será el modelo más adecuado para estudar el comportameto de la varable respuesta co respecto al cojuto de varables coocdas como varables explcatvas. E el cotexto paramétrco, la respuesta se busca detro de u cojuto de fucoes cua forma es coocda, pero de la cual se descooce alguas partes específcas llamadas parámetros (Olaa. E Eubak (999 se descrbe el modelo de regresó e la sguete forma geeral. Se supoe, que se desea producr formacó sobre Y a partr del coocmeto de X. Se dspoe de observacoes de la varable cotua Y para valores predetermados de p varables cotuas x, x, K, x p, las cuales se represeta como X. Sea x, ( x, x, K, x,, ( p K,, las observacoes de ( X, Y. Se asume que estas observacoes se relacoa a través del modelo muestral: Dode: m( x + ε, K ( E(ε var(ε σ <. Los m x so valores de ua fucó m e los putos ( x, x,, x K p. Y se llama comúmete la respuesta, X la covarable (o varable de predccó, o varable depedete, o varable explcatva. 3. Aálss de Regresó o Paramétrca El ombre de regresó o paramétrca, hace dea de que se trata de la cotraparte de lo que se cooce como regresó Paramétrca. Los objetvos del Aálss de Regresó No- Paramétrca so los msmos de su cotraparte paramétrca, vale decr, estmar probar las característcas de la fucó de regresó. E Eubak (999 al hacer troduccó a la regresó o paramétrca se mecoa prcpalmete que e este tpo de regresó los datos so utlzados para determar el espaco de la fucó a la cual perteece, sedo esta fucó ua curva de regresó descoocda. E regresó paramétrca, e cotraste a lo que ocurre e el modelo o paramétrco, el vestgador escoge ua posble famla de curvas m, de u cojuto global de curvas, co la famla de curvas elegdas desarrolla el proceso ferecal, la formacó que puede sumstrar los datos cocerete al modelo es restrgda bajo la forma del modelo paramétrco supuesto. Por lo tato, las téccas de regresó o paramétrca cofía más e el peso de la formacó de los datos acerca de m que su cotraparte paramétrca. Cabe precsar que e regresó o paramétrca la forma de la fucó de regresó por la cual se relacoa la varable explcatva (X respuesta (Y es descoocda, pero co ua característca partcular deomada suavdad, de ahí que el procedmeto utlzado para estmar la fucó de regresó m e regresó o paramétrca se deoma Suavzacó, los datos se deja hablar elegr ua fucó sobre la cual solo sabemos que es suave, de tal modo que, s se quere estmar m e x etoces se espera que las observacoes asocadas a los x más cercaos a x, cotega algua formacó de m e ese puto, por lo tato es posble
3 7 promedar de algua forma las respuestas mas cercaas al puto dode se desea obteer ua estmacó de m ( x (Eubak, 999. m es ua fucó perteecete a algú espaco de fucoes W. La seleccó de W depede de qué ta suave es posble asumr m ; usualmete W se asume como el cojuto de todas las fucoes m que so cotuas e u tervalo cerrado a, b o quzás como el cojuto de todas las [ ] fucoes m que tee k dervadas cotuas e [ a, b], para algú etero postvo k. Los límtes los fja el vestgador, pero se puede asumr, s pérdda de geeraldad a b (Olaa. El procedmeto de Suavzacó utlzado para la estmacó de la curva requere del uso de suavzadores, los cuales so ua herrameta útl para resumr el comportameto de ua respuesta Y como fucó de ua varable explcatva X.. Estmacó de la varaza e regresó o paramétrca A f de completar la descrpcó de u modelo de regresó o paramétrco m( + ε, x dode m x es ua fucó descoocda, x [,] (, x K x, los ε so varables aleatoras depedetes détcamete dstrbudas, co meda cero ( µ varaza costate ( σ, es ecesaro sumstrar ua estmacó del parámetro de la varaza. Durate las dos últmas décadas varos estmadores de σ ha sdo propuestos, todas estas clases de estmadores so aproxmacoes de formas cuadrátcas del vector de observacoes Y Y, Y, K, Y (Dette, Muk, Wager, ( 998. Bowma Azzal (997, preseta la estmacó de σ de la sguete forma: E u modelo leal estádar la suma de cuadrados de los resduales sumstra ua base para el cálculo de la varaza e u escearo o paramétrco, { mˆ ( x } SCR ( Usado la otacó matrcal, los valores ajustados mˆ so dados por mˆ S, dode los putos de evaluacó so los putos de dseño x. La matrz S es aáloga a la matrz hat, H X( X X X e u modelo leal estádar de la forma Xθ + ε. Los grados de lbertad para el error e u modelo leal puede ser expresado como tr( I H, s se realza ua defcó aáloga se obtee ua aproxmacó de los grados de lbertad e u escearo o paramétrco de la sguete forma: df error tr( I S de la matrz. La catdad:, dode tr deota la traza ˆ σ SCR / (3 df error es ua estmacó atural de σ. La aalogía co u modelo leal es complcada por la preseca del sesgo e u estmador mˆ, lo que tee u efecto de flacó e el tamaño de la suma de cuadrados de los resduales. Ua posble solucó es reducr el sesgo, empleado u pequeño parámetro de suavzacó para propóstos de estmarσ. Los estmadores que ha sdo propuestos para σ basados e las formas cuadrátcas del vector de observacoes Y Y, Y, K, Y sgue la forma geeral: ˆ D ( σ Y DY/ tr( D ( Y se ecuetra dvddos e dos clases (Teju Tog Yuedog Wag (5; Dette, Muk, Wager, 998:. E la prmera clase, los estmadores depede explíctamete del parámetro de suavzacó so aquellos estmadores basados e la suma de cuadrados de los
4 8 resduales resultates de algú ajuste o paramétrco de m por métodos de suavzacó tales como Sple o Kerel. E geeral, este es u ajuste leal de la forma Y ˆ AY, dode A es u matrz de suavzacó, que coduce a u estmador correspodete a la forma geeral que preseta la ecuacó ( co T D ( I A ( I A. Estos estmadores de prmera clase se cooce como estmadores basados e resduales, depede crítcamete de la catdad de suavzacó. Alguos métodos requere el coocmeto de catdades descoocdas como: m ( x dx o m ( x dx. E la seguda clase, los estmadores o depede explíctamete de la costate de suavzacó, usa dferecas para remover la tedeca e la fucó meda, ua dea orgada del aálss de seres de tempo. Esta clase de método o requere ua estmacó de la fucó meda so llamados estmadores basados e dferecas. Aquí D es ua matrz smétrca, defda postva que depede de los putos de dseño o de las observacoes. A prmera vsta estos estmadores parece ser depedetes de ua costate de suavzacó, pero se debe observar que el orde de las dferecas tee ua flueca, la cual es comparable co el parámetro de suavzacó de la prmera clase. El orde de u estmador basado e dferecas es el úmero de observacoes volucradas para calcular u resdual local. E la lteratura, cas todos los métodos basados e dferecas ha sdo desarrollados de forma uvarada e x, co excepcó de Kulasekera Gallagher ( quees extedero los métodos basados e dferecas al espaco multvarado x [, ] d. S embargo, los métodos de Kulasekera Gallagher ( requere de u orde artfcal de los putos de dseño e x [, ] d. Etre los estmadores de varaza más coocdos de la seguda clase que ha sdo propuestos, de forma uvarada e x, se ecuetra el estmador de Hall, Ka Tttergto (99, Gasser, Sroka Jee- Stemetz (986 Rce (98.. Estmador de Rce El estmador propuesto por Rce (98, es de prmer orde coocdo como u estmador smple de resdual local, está basado e las dferecas ordaras de la varable respuesta (Dette, Muk, Wager, 998. Específcamete, la forma del estmador es: ˆ R ( ( σ (5 Dode, por smple otacó, se asume que las x, ha sdo ordeadas observacoes ( por x, es decr x K x (Bowma Azzal, 997. Ua desvetaja de esta aproxmacó es que las dferecas resulta fluecadas por la fluctuacó de la fucó de regresó subacete a las observacoes por lo tato se producrá ua sobreestmacó de σ. Bowma Azzal (997 hace alusó al comportameto de este estmador cosderado que: E σ { m( x m( x } ( + De ahí que: E(σ ˆ R E ( ( E( ˆ σ R σ + { m( x m( x } ( ( σ E( ˆ σ R + { m( x m( x } ( ( E( ˆ σ R σ + sesgo
5 9 De tal maera que s el tamaño de muestra es mu grade, tede a fto (, el sesgo tede a cero (Bowma Azzal, Estmador de Gasser Sroka Jee Stemetz Gasser, Sroka Jee-Stemetz (986 propoe u estmador de varaza de segudo orde (Dette, Muk, Wager, 998, que trabaja el problema de la flueca de las fluctuacoes del estmador de Rce, usado ua terpolacó leal para la estmacó de la observacó - ésma, lo cual volucra la creacó de seudo resduales defdos como: x x x x ~ε ( x + x x + x Estos mde la dfereca etre los la líea que asoca sus dos vecos más cercaos (Bowma Azzal, 997, e otras palabras, mde la dfereca etre el valor x e el ajuste leal resultate de x, ( + + ( x, (Dette, Muk, Wager, 998. S a ε ~ es escrto e la forma b + +, co b, x x x + x + a x x + Etoces el estmador de la varaza es: Dode ˆ ~ GSJ c ε x x σ (7 c ( a + b + correspode a la expresó del coefcete verso de la varaza de los que: ε ~ (Bowma Azzal, 997, puesto var( ~ ε var( a + b + ~ var( ε a var( + b var( + + var( var( ~ ε a σ + b σ + σ ~ var( ε σ ( a + b + Por lo tato: var( ~ ε σ c. De gual forma es posble obteer la esperaza de los seudo-resduales como: ( ~ ( a + b + σ + O( E ε (Gasser, Sroka Jee-Stemetz, 986. δ Dode O( es la tasa de covergeca que hace que el resgo decaga a cero para los estmadores o paramétrcos, para algú δ > que depede de la suavdad de m (Eubak, 999. Para putos de dseños equdstates, reduce a: ˆ σ GSJ se ˆ σ GSJ + + (8 3( Gasser, Sroka Jee-Stemetz (986, hace mecó a los sguetes supuestos, los cuales so ecesaros para obteer resultados astótcos: Supuesto : No exste meddas múltples e algú puto de dseño, esto es a x < x < K < x b ; a, b s pérdda de geeraldad. Supuesto : Se requere que: max x x O( Supuesto 3: Los errores { ε } so depedetes e détcamete dstrbudos co E( ε, var( ε σ E ε <., ( Supuesto : La fucó m es cotua. S C deota ua matrz dagoal co C c +, A deota ua ( (
6 matrz trdagoal ( co elemetos A a +, A, +, A, + b + D A C A. ~ ε ~ ~ El vector de seudo resduales ( ε, K, ε ( ε ε, Kε está relacoados por ~ ε Aε + B, dode B represeta el sesgo, etoces ˆ σ ( C~ GSJ ε, lo que coduce a (Gasser, Sroka Jee-Stemetz 986: Dode: var ( ( σˆ σ ( GSJ tr ( D σ + ( γ 3 D + γ 3O + O 3 5 (9 ( ε, 3, γ E σ 3 3 E ( ε γ σ, E ( ε γ σ 3 δ O ( Es la tasa de covergeca que hace que el resgo decaga a cero para los estmadores o parametrcos, para algú δ > que depede de la suavdad de m (Eubak, 999. El prmer térmo restado γ se aula s la dstrbucó de los errores es smétrca. Para u dseño equdstate co errores ormalmete dstrbudos, la expresó ateror se reduce a: 7 σ + ( Estmador de Hall Ka Tttetgto Hall, Ka Tttergto e 99, troduce otro estmador basado e dferecas sucesvas { d } m, K, m, este estmador es ua geeralzacó de los dos aterormete mecoados, co: r k r k d ( k k d ( Dode d m, d m, m m so eteros postvos r m + m deota el orde del estmador de varaza: m m + ˆ σ D, r Y DY d ky ( k r r m + k m Note que s r se obtee el estmador de Rce (98, dode (, ( / d d, /. Ahora s r se logra el estmador de Gasser, Sroka Jee-Stemetz, dode: ( d, d, d (6 /, 3 /, 6 / para putos de dseño equdstates (Dette, Muk, Wager, 998. Hall, Ka Tttergto (99, e su artículo ttulado estmacó de la varaza e regresó o paramétrca basada e dferecas óptmas astótcas, expoe el cálculo de las sucesoes de dferecas que resulta óptmas astótcamete al utlzar este tpo de estmadores, puesto que por ejemplo para u estmador de segudo orde exste dferetes sucesoes que se podría utlzar e su cálculo cumple las codcoes de la ecuacó ( ecuacó (, tal es el caso de la sucesó de dferecas más comúmete usada ( d, d, d 6,, 6, auque como 3 mecoa estos autores resulta sustacalmete mejor utlzar ( d, d, d 5 +,, 5 para llevar a cabo la estmacó, las dferecas de prmer orde so úcas. Para los estmadores basados e sucesoes de dferecas óptmas la
7 varaza astótca el error cuadrátco medo so ambos guales a, dode: τ var τ ( ε + σ k σ κ + j d j + k j j d + j d j k d k (3 Dode κ deota la curtoss de ε σ, κ e caso de que los errores sea ormales κ > e caso de que la dstrbucó de los errores tega u comportameto cercao a la ormal. Como a se mecoó las sucesoes de dferecas de prmer orde so úcas, de ahí que el problema se cetre e la escogeca de las dferecas de u orde maor. Asumedo por smplcdad que m, m r. La seleccó óptma de la sucesó d, K,d r mplca r j d ( j d j+ k r ( k r. Además de ello la varaza míma astótca al utlzar u r -ésmo orde de sucesoes está dada por, dode: τ var ( ε + σ τ 5. Coclusoes r. Los estmadores basados e dferecas so atractvos desde el puto de vsta práctco, porque ellos frecuetemete tee pequeños sesgos para tamaños de muestra pequeños. E aplcacoes práctcas la eleccó del orde r ua apropada sucesó de las dferecas, es delcado, puesto que estas dos compoetes so aquellas que mmza el Error Cuadrátco Medo ( ECM Tabla. Sucesoes de dferecas óptmas para r. Cfras redodeadas a cuatro decmales. mmzar: ς + d d sujeta a las j j k k j codcoes de las ecuacoes ( (. La Tabla. lsta las sucesoes de orde r de dferecas óptmas para r. Estas sucesoes de dferecas óptmas so úcas e orde sgo (Hall, Ka Tttergto,99. Para el orde r -ésmo de las sucesoes de dferecas óptmas ς es equvalete a ( r e muestras ftas. Teju, Tog Yuedog Wag (5 al realzar repetdas smulacoes ecotraro que el estmador de Hall Ka Tttetgto (99 (99 se desempeña mejor cuado la fucó m es suave /o el tamaño de muestra es grade. Co respecto al estmador de Gasser Sroka Jee Stemetz (986 se ecotró que este se desempeña mejor cuado m es poco suave /o es pequeño.
8 6. Referecas bblográfcas. Bowma, A. W. ad Azzal, A. (997 Appled smoothg techques for data aalss: the kerel approach wth S-Plus llustratos. Oxford Uverst Press, Oxford.. Dette, H., Muk, A. ad Wager, T. (998 Estmatg the varace oparametrc regresso What s a reasoable choce? Joural of the roal statstcal socet. Seres B (Statstcal methodolog, Vol. 6, No., Eubak, R. L. (999 Noparametrc regresso ad sple smoothg. Marcel Dekker, New York, secod edto.. Gasser, T., Sroka, L., Jee-Stemetz, C. (Dec., 986 Resdual varace ad resdual patter olear regresso. Bometrka, Vol.73, No.3, Hall, P., Ka, W.J., Tttergto, D.M. (Sep., 99 Asmptotcall Optmal Dfferece- Based Estmato of Varace Noparametrc Regresso. Bometrka, Vol.77, No.3, Hall, P. ad Marro, J.S. (99 O varace estmato oparametrc regresso. Bometrka, 77, Kulasekera, K. ad Gallagher, C. ( Varace estmato oparametrc multple regresso, Comucatos Statstcs 5, Olaa, J. ( Suavzacó regresó o paramétrca. Uversdad del Valle. 8. Tog, T., Wag, Y. (5 Estmatg resdual varace oparametrc regresso usg least squares. Departmet of statstcs ad appled probablt, Uverst of Calfora, Sata Barbara.
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
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesMÉTODOS 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
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesCÁLCULO 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
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesUna 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:
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesAnálisis de Regresión
Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesAplicación de Boostrapping en Regresión I
Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesESTADÍSTICA 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
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesPARTE 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
Más detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detallesInferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Más detallesAnálisis 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.
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesINTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1
63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las
Más detallesREGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión
REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...
Más detallesAlgunas 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
Más detallesRegresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
Más detallesINTEGRAL 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
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria
Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detallesque queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)
APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)
Más detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detalles7.1. 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
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detallesESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería
Más detallesEstadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
Más detallesAnálisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos
Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores
Más detallesTRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).
TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores
Más detallesANÁLISIS 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
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesDivisión de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
Más detallesERRORES EN LAS MEDIDAS (Conceptos elementales)
ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas
Más detallesPRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A
PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES
Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para
Más detallesControl estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso
Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e
Más detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detallesCURSO 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.
Más detallesAnálisis de la Varianza
Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca
Más detallesGestión de operaciones
Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos
Más detallesREPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detallesLos Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
Más detallesRELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.
RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el
Más detalles(Véase el Ejercicio 13 Beneficio de los bancos )
étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó
Más detallesUNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO
UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es
Más detallesTema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.
Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.
Más detallesCAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en
CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo
Más detallesComportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.
Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),
Más detallesINTRODUCCIÓN 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 {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detalles7. Muestreo con probabilidades desiguales.
7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.
Más detallesRegresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta
Más detallesLos principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos
Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y
Más detalles1.3. Longitud de arco.
.. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado
Más detallesPROBANDO 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
Más detallesDistribución conjunta de variables aleatorias
FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so
Más detallesGuía 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
Más detallesINTRODUCCION A LA GEOESTADISTICA
INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas
Más detallesEL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003
8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura
Más detallesANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.
Más detallesANÁLISIS 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
Más detalles3 Regresión lineal múltiple: estimación y propiedades
3 Regresó leal múltple: estmacó y propedades Ezequel Urel Uversdad de Valeca Versó 09-013 3.1 El modelo de regresó leal múltple 1 3.1.1 Modelo de regresó poblacoal y fucó de regresó poblacoal 3.1. Fucó
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detallesCURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.
Más detallesGuía 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;
Más detalles1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Más detallesEstudio de eventos extremos enfocado a seguros y finanzas
Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detallesTEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.
TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)
Más detallesMUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
Más detallesFigura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:
Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al
Más detallesIII. 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
Más detallesIV. 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,
Más detallesLa Metodología de la Verosimilitud Empírica
La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la
Más detallesSISTEMAS DE ECUACIONES NO LINEALES
SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u
Más detalles6.2.- Funciones cóncavas y convexas
C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesUNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
Más detallesTEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO
TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total
Más detalles