EVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES DE LOS PARÁMETROS DE UN MODELO NO LINEAL MIXTO. UNA COMPARACIÓN DE MÉTODOS DE ESTIMACIÓN
|
|
- María Teresa Medina Espejo
- hace 6 años
- Vistas:
Transcripción
1 Chapella, Lucana Garca, María del Carmen Rapell, Cecla Castellana, Noela Koegel, Llana Insttuto de Investgacones Teórcas y Aplcadas, de la Escuela de Estadístca EVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES DE LOS PARÁMETROS DE UN MODELO NO LINEAL MIXTO. UNA COMPARACIÓN DE MÉTODOS DE ESTIMACIÓN 1.- Introduccón La modelacón de datos medante una curva de crecmento es habtual en la práctca estadístca. Para ello se utlzan funcones no lneales que permten predecr la respuesta de acuerdo a característcas de los ndvduos y calcular los valores máxmos esperados. La respuesta meda se estma a través de medcones repetdas de la msma a lo largo del tempo. Las medcones realzadas a una msma undad están correlaconadas, lo cual se debe contemplar en el análss. Los modelos no lneales mxtos ajustan este tpo de datos en forma flexble y con parámetros que poseen nterpretacón práctca. Permten la nclusón de covarables medante los efectos fjos y los efectos aleatoros del msmo reflejan las múltples fuentes de heterogenedad y/o correlacón entre y dentro de las undades. La estmacón de los parámetros de estos modelos presenta algunas dfcultades debdo a la no lnealdad de la funcón de respuesta. El proceso de estmacón requere el uso de métodos de optmzacón y se deben utlzar aproxmacones numércas o analítcas. En algunas stuacones el proceso puede no converger y suelen aparecer problemas cuando el número de medcones repetdas por undad es chco. Para estmar los parámetros de los modelos no lneales mxtos, exsten dferentes enfoques, entre ellos: métodos basados en estmacones ndvduales, métodos basados en aproxmacones lneales, métodos basados en aproxmacones numércas de las ntegrales y métodos Bayesanos. El objetvo de este trabajo es evaluar medante smulacones el comportamento de los estmadores de los parámetros de una curva de crecmento, utlzando los métodos basados en aproxmacones lneales. Para el proceso de smulacón, se consderan los resultados obtendos al ajustar un modelo de Wood para evaluar la evolucón de la lactanca de vacas
2 Holando, consderando el número de partos de cada una. 2.- Modelo no lneal mxto El modelo no lneal mxto para las observacones de la undad, =1,... N se puede expresar como, Y ƒ( X, β) e, donde, Y [Y,...,Y ]' es el vector (n x1) compuesto por las medcones repetdas del - 1 n ésmo ndvduo, e j 1,..., n, Y j la observacón realzada al -ésmo ndvduo en el tempo t j, ƒ X, β ) [ƒ( x, β ),,ƒ( x, β )]' sendo, ƒ una funcón no lneal conocda que relacona el ( 1 n vector de respuestas con el tempo y otras posbles covarables ntra-undad (X ) y es un vector específco del ndvduo que contene los parámetros de la funcón no lneal. El vector se puede modelar, en una segunda etapa, como la suma de dos componentes, una fja o poblaconal común a todos los sujetos y otra específca a cada sujeto, β A β B b. Los elementos del modelo no lneal mxto son, entonces, X { x j } : Matrz (n x v) de dseño del -ésmo ndvduo, j 1,..., n, β : Vector (rx1) de parámetros del sujeto -ésmo, β : Vector (sx1) de efectos fjos, b : Vector (qx1) de efectos aleatoros, A : Matrz (rxs) de dseño para los efectos fjos, B : Matrz (rxq) de dseño para los efectos aleatoros. Se supone que b y e son ndependentes con dstrbucón,..d. b ~ N ( 0, D ) q..d. e ~ N ( 0, Ψ ), n sendo, D la matrz de covarancas de los efectos aleatoros y Ψ, con la msma estructura para todos los ndvduos, la matrz de covarancas ntra-ndvduos. El modelo se puede estmar medante el método de máxma verosmltud. Condconal a los
3 efectos aleatoros Y N( ƒ(.), Ψ ) y la verosmltud para Y se puede obtener ntegrando una densdad normal con respecto a la dstrbucón de los efectos aleatoros. Pero, maxmzar la funcón de verosmltud resultante es complcado por la presenca de una ntegral multdmensonal en esta funcón. Para una estructura smple de los efectos aleatoros, la ntegracón se puede realzar por cuadratura Gaussana (Davdan y Gallant, 1993), o alguna otra técnca numérca sn demasada dfcultad. Exsten varas alternatvas para la estmacón de la verosmltud completa de los modelos no lneales mxtos (NLMM) que están basadas en la expansón de Taylor de prmer orden de la funcón ƒ del modelo. La prncpal dstncón entre esos métodos, denomnados de lnealzacón, resde en el punto alrededor del cual se hace la expansón. Ésta se puede realzar alrededor del valor esperado del vector de efectos aleatoros (0) (Shener y Beal, 1980), o alrededor de alguna estmacón del vector de efectos aleatoros, usualmente llamado el mejor predctor lneal nsesgado (EBLUP) (Lndstrom y Bates, 1990). 3.- Estudo de smulacón Para estudar el comportamento de los estmadores de los parámetros de un modelo no lneal mxto, obtendos al utlzar los métodos basados en aproxmacones lneales, se lleva a cabo un estudo de smulacón. Esta técnca, muy utlzada en estadístca, se emplea con el fn de evaluar la capacdad de los métodos exstentes para realzar estmacones adecuadas de los parámetros. S el método es correcto, se espera que los estmadores posean propedades deseables, por ejemplo que resulten nsesgados respecto al valor que da orgen a las observacones smuladas. En este caso, los datos se generan a partr de un modelo que consdera la funcón no lneal de Wood, cuyos tres parámetros representan el valor ncal de la respuesta, la tasa de ascenso hasta la máxma respuesta y de descenso desde el máxmo. La eleccón de los parámetros para la smulacón se nspra en los resultados del ajuste de un modelo para evaluar la evolucón de la lactanca en vacas Holando (García et al., 2010). Los datos representan las medcones de la produccón de leche (varable respuesta) en 15 momentos a 120 vacas, regstrados de acuerdo al número de parto (1º,2º,3º y más) al que corresponde esa lactanca. Se asume que los parámetros de la curva de Wood son una funcón lneal de tres efectos fjos que poseen efectos aleatoros. La expresón de la funcón para la lactanca de la vaca (=1,, 120) en la medcón j (j=1,, 15) y los valores de los parámetros utlzados en la smulacón son,
4 1 j 0 j 2 j j Y t exp(- t ) e 0 23,8326-6,2360 P1-1,8156 P2 b 0 1 0,3684-0,1017 P1-0,0568 P2 b1 2 0,1066-0,0360 P1-0,0103 P2 b 2, sendo P 1 =1 s la vaca tuvo un solo parto, 0 en otro caso; P 2 =1 s la vaca tuvo dos partos, 0 en otro caso; β 0 : valor ncal de la respuesta; β 1 : tasa de ascenso de la varable respuesta desde el nco de las medcones al valor máxmo de la msma; β 2 : tasa de descenso haca el fnal de las medcones; t j : momento de la medcón; e j : error aleatoro correspondente al - ésmo ndvduo en el j-ésmo momento; b : vector (kx1) de efectos aleatoros y e : vector (n x1) de errores ntra-grupo. El vector e es ndependente de b, donde,..d. 2 2 e ~ N( 0, I ) 8,2284 (3.1)..d. 29, b ~ N( 0, Ψ ) Ψ 0 0, (3.2) 0 0 0, Los efectos aleatoros se consderan ndependentes con varancas heterogéneas y los errores aleatoros tenen varancas homogéneas. Utlzando el software estadístco SAS y su lenguaje de programacón IML, se generan 1000 muestras de 120 ndvduos cada una. Los datos están compuestos por las 15 medcones repetdas de la varable respuesta y están clasfcados en 3 grupos (A, B y C) de 40 undades cada uno, de acuerdo al número de parto de la vaca (1º, 2º, 3º y más). En cada una de las teracones del programa elaborado en SAS, se almacenan los 120 valores de Y j y se estman los parámetros del modelo, consderando matrces de covarancas para los errores y los efectos aleatoros con la msma estructura que da orgen a los datos smulados ((3.1) y (3.2)). Para esto, se utlzan las dstntas opcones dsponbles en el menconado software: la macro nlnmx, un algortmo que permte estmar los parámetros de un modelo no lneal mxto medante la aproxmacón de prmer orden (alrededor de b 0) y la de segundo orden (alrededor de ˆb ), y el procedmento NLMIXED, que utlza la aproxmacón de prmer orden (alrededor de b 0) medante un algortmo
5 dferente al de la macro. Para cada uno de los tres conjuntos de 1000 estmacones de los parámetros se calculan meddas descrptvas que permten analzar el comportamento de los estmadores obtendos medante cada método empleado: meda, desvío estándar, error cuadrátco medo (E.C.M.), sesgo, coefcente de asmetría y curtoss. La meda ndca el valor promedo de las estmacones; el desvío estándar muestra la varabldad de las estmacones alrededor del valor promedo; el E.C.M. presenta el promedo de las dferencas entre los estmadores y el verdadero valor del parámetro; el sesgo determna s la meda de las estmacones subestma o sobre-estma el parámetro; el coefcente de asmetría permte dentfcar s los datos se dstrbuyen en forma unforme alrededor de la meda y la curtoss ndca el grado de concentracón de las estmacones en la regón central de la dstrbucón. 4.- Resultados 4.1. Parámetros correspondentes a los efectos fjos En la Tabla 4.1 se presentan las meddas descrptvas obtendas de las 1000 estmacones de cada parámetro con cada uno de los métodos utlzados, consderando una matrz de ndependenca con varancas heterogéneas para los efectos aleatoros y de ndependenca con varancas homogéneas para los errores aleatoros, dadas por (3.1) y (3.2). En general, las medas de las estmacones sobre las 1000 smulacones son smlares al verdadero valor del parámetro, por lo que el sesgo resulta pequeño. En el caso de β 0, el desvío estándar de las estmacones resulta sgnfcatvamente menor utlzando procedmento NLMIXED. Sn embargo, para el msmo parámetro y con el msmo método de estmacón, el sesgo es sgnfcatvamente mayor en comparacón con los resultados obtendos con la macro. El E.C.M. de los estmadores de β 0 es sgnfcatvamente menor cuando se emplea el procedmento NLMIXED. No se observan dferencas consderables entre los resultados obtendos con los dos métodos de la macro nlnmx. Las estmacones de β 1 y β 2 tenen un comportamento muy smlar para todos los métodos empleados, con medas cercanas al verdadero valor del parámetro, es decr, con sesgo y E.C.M. pequeños.
6 Tabla 4.1 Resultado de las smulacones para los parámetros correspondentes a los efectos fjos. Parámetro Valor Método * Meda 0 23, , , , , , , , ,0103 Desvío Std. E.C.M. Sesgo Coef. Asm. Curtoss (1) 23, , , , , , (2) 23, , , , , , (3) 23, , , , , , (1) -5, , , , , , (2) -6, , , , , , (3) -6, , , , , , (1) -1, , , , , , (2) -1, , , , , , (3) -1, , , , , , (1) 0, , , , , , (2) 0, , , , , , (3) 0, , , , , , (1) -0, , , , , , (2) -0, , , , , , (3) -0, , , , , , (1) -0, , , , , , (2) -0, , , , , , (3) -0, , , , , , (1) 0, , , , , , (2) 0, , , , , , (3) 0, , , , , , (1) -0, , , , , , (2) -0, , , , , , (3) -0, , , , , , (1) -0, , , , , , (2) -0, , , , , , (3) -0, , , , , , (1) PROC NLMIXED - (2) Macro nlnmx Aprox. de 1er. orden (3) Macro nlnmx Aprox. de 2do. orden. La forma de la dstrbucón de los estmadores obtendos usando la macro nlnmx es bastante smlar con los dos métodos de aproxmacón lneal, aunque dfere de la dstrbucón de los estmadores obtendos con procedmento NLMIXED. La relacón entre la asmetría y la curtoss permte tener una dea de la forma de la dstrbucón de los
7 estmadores y su parecdo con la dstrbucón Normal. En la Tabla 4.1 se puede vsualzar que, para los estmadores obtendos medante la macro nlnmx con cualquera de las dos aproxmacones, estos valores se concentran alrededor de cero, ndcando dstrbucón Normal, mentras que con procedmento NLMIXED los valores ndcan un alejamento del supuesto de normaldad en la dstrbucón de los estmadores. La dstrbucón de los estmadores de β medante procedmento NLMIXED, resulta leptocúrtca 0 (coefcente de curtoss mayor a 0), es decr, con una alta concentracón de observacones alrededor de la meda. El valor del coefcente de asmetría resulta mayor para la dstrbucón de los parámetros estmados bajo procedmento NLMIXED, sendo postva para β 0 y negatva para β 2. El resto de los parámetros de efectos fjos del modelo no presentan dferencas consderables respecto a la forma de la dstrbucón de sus estmadores. Gráfco 4.1 Dstrbucón de los estmadores de parámetros de efectos fjos obtendos utlzando dferentes métodos. ˆ 0 ˆ 1 ˆ 2
8 Las smulacones sugeren que la dstrbucón de los estmadores de los parámetros de los modelos no lneales mxtos obtendos por los métodos de lnealzacón de prmer orden y de segundo orden (Gráfco 4.1) medante la macro nlnmx, resultan smétrcas, centradas en el verdadero valor del parámetro (sesgos pequeños) y con E.C.M. chcos. La aplcacón de la macro nlnmx permte arrbar a estmacones muy smlares para ambos tpos de aproxmacones. Sn embargo, el uso del procedmento NLMIXED genera certa asmetría y curtoss en la dstrbucón de los estmadores de los parámetros fjos del modelo Parámetros de covarancas En la Tabla 4.2 se presentan las meddas descrptvas de las estmacones de cada parámetro de covarancas. Para el parámetro D 00 resulta destacable que las estmacones realzadas con procedmento NLMIXED presentan menor desvío estándar que con los otros dos métodos. Así msmo, tenen el menor sesgo y, por ende, el menor E.C.M.. En el caso de D 11, D 22 y 2 las meddas descrptvas resultan muy smlares para los tres métodos utlzados. En estos casos, el desvío estándar de las estmacones es algo menor cuando se utlza la aproxmacón de segundo orden en la macro nlnmx. Tabla 4.2 Resultado de las smulacones para los parámetros de las matrces de varancas y covarancas. Parámetro Valor Método * Meda D 00 29, D 11 0, D 22 0, , Desvío Std. E.C.M. Sesgo Coef. Asm. Curtoss (1) 29, , , , , , (2) 28, , , , , , (3) 28, , , , , , (1) 0, , , , , , (2) 0, , , , , , (3) 0, , , , , , (1) 0, , , , , , (2) 0, , , , , , (3) 0, , , , , , (1) 8, , , , , , (2) 8, , , , , , (3) 8, , , , , , (1) PROC NLMIXED - (2) Macro nlnmx Aprox. de 1er. orden (3) Macro nlnmx Aprox. de 2do.
9 orden. ˆD 00 Gráfco 4.2 Dstrbucón de los estmadores de parámetros de covarancas obtendos utlzando dferentes métodos. ˆD 11 ˆD 22 ˆ 2 El gráfco 4.2 presenta la dstrbucón de los 1000 estmadores de D 00, D 11, D 22 y 2, medante los dstntos métodos empleados. Se vsualza que, para D 22, la dstrbucón resulta más smétrca y con menor dspersón cuando se utlza la aproxmacón de segundo
10 orden en la macro nlnmx. En el caso de 2, se observa que la dstrbucón de los estmadores obtendos con procedmento NLMIXED resulta platcúrtca, es decr, con alta concentracón de valores en la zona central (el coefcente de curtoss resulta notablemente mayor a 0). En general, se observa que las estmacones de los parámetros de covaranca, para los dstntos métodos utlzados, presentan una curtoss cercana a cero, ndcando una concentracón de datos alrededor de la meda smlar a la de la dstrbucón Normal. El coefcente de asmetría varía levemente, ndcando certos nveles de asmetría por derecha para todos los métodos y parámetros. Sn embargo, bajo la aproxmacón de segundo orden en la macro nlnmx, el grado de asmetría observado es menor que con el resto de los métodos. Es de destacar que la dstrbucón muestral de ˆD 00 bajo el procedmento NLMIXED presenta una mportante leptocurtoss y asmetría por derecha. 5. Consderacones fnales De los resultados obtendos, se puede decr que los valores medos de las estmacones, resultan smlares a los verdaderos valores de los parámetros, en general, para todos los métodos empleados. Al utlzar el procedmento NLMIXED, las dstrbucones de los estmadores presentan certos nveles de asmetría y curtoss, tanto para los parámetros fjos como para los de varanca y covaranca. Esto ndcaría un alejamento del supuesto de normaldad en la dstrbucón de los estmadores. Para los estmadores obtendos con cualquera de las dos aproxmacones de la macro nlnmx, los valores de curtoss y asmetría se concentran alrededor de cero, ndcando una dstrbucón Normal. Bajo la aproxmacón de segundo orden en la macro nlnmx, el grado de asmetría observado para la dstrbucón de los estmadores de los parámetros de varanca es menor que con el resto de los métodos. El desvío estándar de los parámetros de varanca resulta menor cuando se emplea la aproxmacón de segundo orden, medante la macro nlnmx. Para los datos generados, los resultados muestran que el uso de la aproxmacón de segundo orden de la macro nlnmx provee estmadores con buen comportamento y con sesgos menores a los obtendos con los otros métodos. Cabe destacar que el presente trabajo se realzó para una funcón no lneal partcular y las conclusones obtendas se encuentran lmtadas a la msma. Para obtener conclusones generales, que puedan extenderse a todas las funcones no lneales, es necesaro contnuar
11 nvestgando el comportamento de los estmadores de sus parámetros, consderando, además, stuacones en la que el número de medcones repetdas por undad sea chco. REFERENCIAS BIBLIOGRÁFICAS Davdan, M.; Gltnan, D. M. (1995): Nonlnear Models for Repeated Measurement Data. Chapman & Hall. El Halm, R. (2005): Nonlnear Mxed-effects Models and Nonparametrc Inference. Departamento de Estadístca, Unversdad de Barcelona. García, M. del C.; Rapell, C.; Cuatrín, A. (2010): Multlevel nonlnear mxed model for modelng and choosng a lactaton curve. Bocell, Vol. 34. Macchavell, R.E.: Aplcacones de modelos no lneales mxtos. < Pnhero, J. C.; Bates, D. M. (2000): Mxed-Effects Models n S and SPLUS. Sprnger. SAS Insttute Inc. (2003): SAS OnlneDoc Cary NC. Schabenberger, O.; Perce, F. J. (2002): Contemporary Statstcal Models for the Plant and Sol Scences. CRC Press. Vonesh, E. F.; Chnchll, V. M. (1997): Lnear and Nonlnear Models for the Analyss of Repeated Measurements. Marcel Dekker.
Problemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesCuadernos del CIMBAGE ISSN: Facultad de Ciencias Económicas Argentina
Cuadernos del CIMBAGE ISSN: 666-5 cmbage@econubaar Facultad de Cencas Económcas Argentna García, María del Carmen; Koegel, Llana; Rapell, Cecla UNA APLICACIÓN DE MODELOS MULTIVARIADOS PARA DATOS LONGITUDINALES:
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesDiseño de la Muestra. Introducción. Tipo de muestreo y estratificación
Dseño de la Muestra A Introduccón Sguendo las orentacones dadas por la Ofcna Estadístca de la Unón Europea (EUROSTAT) se a selecconado una muestra probablístca representatva de la poblacón de los ogares
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesIntroducción al riesgo de crédito
Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesMaestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto
Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detallesAplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa
Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesModelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.
Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesANÁLISIS EXPLORATORIO DE DATOS
ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesFIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS
FIABILIDAD (V): COMPARACIÓN (NO PARAMÉTRICA) DE MUESTRAS Autores: Ángel A Juan Pérez (ajuanp@uocedu), Rafael García Martín (rgarcamart@uocedu) RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte
Más detallesRegresión Cuantílica o Quantile Regression
Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs
Más detallesUN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES *
UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * Mª Consuelo Colom, Rosaro Martínez y Mª Cruz Molés WP-EC 2000-02 Correspondenca:
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesDepartamento Administrativo Nacional de Estadística
Departamento Admnstratvo Naconal de Estadístca Dreccón de Censos Demografía METODOLOGIA ESTIMACIONES Y PROYECCIONES DE POBLACIÓN, POR ÁREA, SEXO Y EDAD PARA LOS DOMINIOS DE LA GRAN ENCUESTA INTEGRADA DE
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesCÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA *
CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN * INTRODUCCIÓN Helmuth Yesd Aras Gómez ** Álvaro Hernando Chaves Castro *** El efecto de la educacón sobre el desarrollo económco tradconalmente
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:
Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesESTUDIOS LONGITUDINALES DE MEDIDAS REPETIDAS. MODELOS DE DISEÑO Y DE ANÁLISIS
Avances en Medcón, 5, 9 26 2007 ESTUDIOS LONGITUDINALES DE MEDIDAS REPETIDAS. MODELOS DE DISEÑO Y DE ANÁLISIS Resumen Jame Arnau Gras ** Unverstat de Barcelona, España Las estructuras de dseño, así como
Más detallesComparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó
Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesEstimación del consumo diario de gas a partir de lecturas periódicas de medidores
Nota técnca Estmacón del consumo daro de gas a partr de lecturas peródcas de meddores Por Salvador Gl, Gerenca de Dstrbucón del Enargas, A. azzn, Gas Natural Ban y R. Preto, Gerenca de Dstrbucón del Enargas
Más detallesUSOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES
Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras
Más detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detallesTERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Más detallesIncertidumbre de la Medición: Teoría y Práctica
CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesRegresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón
Más detalles