FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402
|
|
- Héctor Blanco Aguilar
- hace 6 años
- Vistas:
Transcripción
1 FACULTAD DE ECONOMÍA, U.V. PIME EAMEN DE ECONOMETÍA Profsor: Carlos Ptta Arcos. Grupos 40 y 40 Paorama Gral: El am costa d 5 problmas, co ua podracó fal d 00 putos (pts). Para facltarl l cálculo dl valor margal dl tmpo, l am t ua duracó d 00 mutos, s dcr, ua hora cuarta mutos. EL EAMEN DEE ENTEGASE JUSTO CUANDO FINALICE EL TIEMPO. SI LO ENTEGA ENTE 0 MINUTOS DESPUÉS, SEÁ PENALIZADO CON 5 PUNTOS. Nad pud trgar l am más d 0 mutos dspués d la hora d palzacó. La cudadosamt cada ua d las prgutas. El am pud cotr trampas, sobr todo la sccó d Falso/Vrdadro, l stdo d qu u comtaro pud cotr ua afrmacó vrdadra (falsa) y s mbargo la rspusta qu s pd pud sr falsa (vrdadra). Sa fct l uso dl tmpo. Ua bua stratga s ddcar uos mutos para dtrmar qué sab y qué o sab, vdtmt rspoddo a lo qu sab más prmro (co l mor cosumo d tmpo posbl) y dstar l tmpo fal a lo qu ustd o rcurda ta claramt. Sa Claro y Ordado, l ayudará a gaar putos. Smpr comc u uvo problma ua uva hoja. PONGA SU NOME EN TODAS LAS HOJAS QUE UTILICE. El Profsor NO ESPONDE PEGUNTAS ESPECÍFICAS, sólo térmos grals, voz alta frt al grupo y sobr la rdaccó dl problma (admás rcurd qu al prgutar prd tmpo) Espro buas otas, así qu Muchísma Surt ================================================================= Problma (0 pts): Modlo Smpl. A ustd l cata la coomtría y para profudzar sus ya avazados coocmtos, s covrt asstt d vstgacó d u profsor muy famoso por sus trabajos mpírcos. Ést, coct d sus habldads stadístcas, l carga ralzar ua rgrsó qu ustd plca l Tpo d Cambo al () a través dl comportamto d la absorcó (ésta s l cosumo más la vrsó más l gasto d gobro). Ustd lo hac, s mbargo, dbdo a qu l Cogrso o pasó la lgslacó prsdcal para promovr la vrsó l Sctor Eléctrco, lo plla u apagó y prd toda la formacó, cpto la sgut salda d E-Vws: Varabl Dpdt: Tpo d Cambo al Método: Mímos Cuadrados Ordaros Fcha: /Mayo/0 Hora: 5:38 Mustra: Obsrvacos Icludas: 3 Varabl Cofct Error Std. Estadístco T Prob. C ASOCIÓN Cuadrado Mda Var. Dpdt Cuadrado Ajustado Error Estádar 0.90 Error Estádar Estadístco F Suma Error Cuadrado Prob(Estadístco F) Afortuadamt, ustd s u tórco probado coomtría. (0 pts) Complt la salda d Evws atror, 4 pts por cada spaco llado. Trabaj co 4 dcmals, por lo mos, y a lo más co 7.
2 Problma (30 pts): Epítom d Ifrca Estadístca. spoda s las sguts afrmacos so Falsas, Vrdadras o Icrtas. Eplqu porqu s falsa o o. 3 Pts por cada rspusta corrctamt plcada. S o plca y acrta, sólo l cotará puto.. E l Modlo Smpl, s s pudra lgr tr dos mustras d valors para la varabl, ua co dsvacos d la mda Σ =0 y otra co Σ =00, dbríamos lgr la sguda porqu la prcsó al stmar por MICO srá mayor.. La combacó lal d dos varabls alatoras qu s dstrbuy χ, també s dstrburá χ. 3. Las prubas d hpótss sobr la pdt d la rgrsó stá basados la dstrbucó t d studt co (-) grados d lbrtad, por lo tato s rqur qu l stmado s dstrbuya ormal. 4. Tato para como para stmados, utlzamos la dstrbucó t d studt co (-) grados d lbrtad, pro sto s dbdo a qu stamos utlzado [Σ /(-)*Σ ] como stmador d la varaza. Por lo tato, al aumtar la probabldad d comtr rror tpo I, també aumto la probabldad d comtr rror tpo II. 5. Al usar MICO, s garatza por las Codcos d Prmr Ord qu Σ =0. S mbargo, sto o smpr s así. 6. La dsgualdad d Cauchy-Schwarz garatza qu [E() ] E( )E( ). Como = [E(y) ] / E( )E(y ), s garatza qu 0. Por lo tato, u <0 s mposbl. 7. Para probar ua hpótss s csaro coocr la dstrbucó d probabldad dl stmador dl parámtro sobr l qu s dsa ralzar la pruba. 8. S los rrors ua rgrsó smpl o s dstrbuy forma ormal, MICO dja d sr l Mjor Estmador Lal Issgado, pro sgu sdo Issgado. 9. S tgo u Valor d Jarqu ra gual a, y admás u valor d t d studt gual a 4, tocs co crtza pudo rchazar H 0 : =0 y o rchazar H : El supusto d ormaldad d los rrors, admás d prmtr hacr frca stadístca, s muy útl porqu rafrma l Torma d Gauss-Markov. Por lo tato, dado st supusto, los stmadors d MICO so MELI. Problma 3 (0 pts): E l modlo: a) Prub: H o : α =0 H : α 0 S Jarqu-ra = π (7 pts) 0 Co =30 y =0.9, b) La msma hpótss, co los msmos datos, l msmo modlo, pro cosdrado ahora qu l valor d Jaqu-ra ascdó a 7π (3 pts) E ambos casos lja u α = 0.05 y cosdr qu π = curd admás, qu l úmro 7 s u úmro prmo.
3 Problma 4 (30 pts): La sgut Matrz Smétrca proporcoa formacó sobr las sumas d las varabls dcadas: , 5,4 97,3 Para u vl d sgfcaca dl 5%, ralc las sguts prubas d hpótss. Asgúrs d platar adcuadamt la hpótss ula y la altratva, d scrbr l crtro para l rchazo o l o rchazo d la hpótss altratva, d dfr claramt l valor crítco (grados d lbrtad y sgfcaca) d la Fucó d Probabldad rqurda, y falmt d aotar la coclusó d la pruba, (S chaza ó o s chazar H 0 ). Utlc l foqu d la pruba d sgfcaca todos los casos.. H 0 : =0 Utlzado t d Studt (4 pts). H 0 : = Utlzado t d Studt (4 pts) 3. H 0 : σ =9 Utlzado χ (4 pts) 4. H 0 : =0 Utlzado t d Studt (4 pts) 5. H 0 : =0 Utlzado F d Fshr (4 pts) S l dc qu la vrdadra dsvacó stádar s gual a π, Qué mpacto t sta uva formacó sobr las prubas atrors? ( pts) Cambará la mara d probar las hpótss y? E caso afrmatvo ralc d uvo las hpótss y (6 pts) Cambará la mara d probar la hpótss 3? Porqué sí o porqué o? ( pts) PISTA GENEAL: curd qu la cuacó fudamtal d la varaza total EN DESVÍOS s: y, así qu tal vz qura, auqu sto o l cut putos, calcular prvamt los parámtros y, así como l para facltar sus cálculos postrors. Problma 5 (0 pts): Eplqu tutvamt y dmustr matmátcamt porqué cuado la hpótss a probar s: H 0 : =0 H : 0 Es quvalt usar u tst t o u tst F. Comtar la tucó s mportat, pro o s lmt a comtar, l gruso d los putos s gaa mdat la dmostracó matmátca. (0 pts)
4 SECCIÓN DE ESPUESTAS # Lo mportat aquí ra coocr y domar las fórmulas fudamtals d rgrsó smpl qu hmos aprddo hasta l momto. Para los valors d t sabmos qu: ~ t Lo qu bajo la hpótss ula quda: t Por lo tato, ( /0.4589) = , s la cuacó fudamtal qu os prmt calcular cualqur valor d t, d la dsvacó stádar o dl cofct, s uo d llos faltara. Así msmo, l sgudo valor qu falta s l d =( *-5.396) = El rsum d todos los valors faltats s prsta a cotuacó: Varabl Dpdt: Tpo d Cambo al Método: Mímos Cuadrados Ordaros Fcha: /Mayo/0 Hora: 5:38 Mustra: Obsrvacos Icludas: 3 Varabl Cofct Error Std. Estadístco T Prob. C ASOCION Cuadrado Mda Var. Dpd Cuadrado Ajustado Error Est. Var. Dpd Error Estádar Estadístco F Suma rror cuadrado Prob(Estadístco F) Para hallar, había qu cotrar ats la Suma d Errors al Cuadrado, a partr d la fórmula dl rror stádar: (0.756) *(3 ) y calcularlo como SCE/SCT = y dod hmos y aprovchado l dato dl rror stádar d la varabl dpdt para calcular la varaza y total, s dcr, ( y) (0.90) (3 ) y Falmt, ua vz obtdo l podmos calcular l stadístco F mdat la Fórmula: ( ) F ~ F, #. Vrdadro. Dbdo a qu la suma d dsvacos al cuadrado d la varabl s cutra l domador d la varaza, tr más grad sa, más baja srá la dsvacó stádar dl stmador.
5 . Vrdadro. vsamos clas u torma qu dmustra qu la suma d J- Cuadrado s dstrbuy també J-Cuadrado. 3. Vrdadro. La dmostracó qu hcmos clas s basaba la dstrbucó ormal d los s; s sto o s cumpl, l rsto d la dmostracó tampoco. 4. Falso. Auqu la prmra part dl ucado s vrdadra, so o t ada qu vr co la sguda part dl ucado, qu s vdtmt falso, porqu al aumtar la probabldad d comtr rror Tpo I (bajar los valors crítcos d t) raldad dsmuy la probabldad d comtr rror Tpo II. curd l gráfco suprpusto d dos dstrbucos d probabldad, ua bajo H 0 y la otra bajo H. 5. Vrdadro. Como ustd rvsó l capítulo 6 dl Gujarat, varas ocasos, partcularmt l modlo s costat, o s garatza qu la suma d los rrors sa cro. 6. Falso. D uvo, para l modlo s costat, l dcador tradcoal d s adcuado, por lo qu varos autors propo cluso uvas formas d. Dado qu la fórmula tradcoal d o s aplca a st modlo, tampoco s aplca la dmostracó basada Cauchy-Schwarz. 7. Vrdadro. Las dmostracos hchas clas stá basadas l supusto d qu los parámtros dstrbuy ormal, por lo tato mplamos l stadístco t d Studt dspués d mplar ustro stmador ssgado d varaza. No smpr dbrmos hacr sta gca, pro por lo mos dbmos coocr cómo dstrbuy, auqu o sa ormal smpr podrmos stmar la dstrbucó fal usado l cálculo, pro o podrmos hacrlo s o tmos ua bas d dod partr. 8. Falso. Cuado dmostramos l torma d Gauss-Markov uca cstamos hacr algú supusto sobr la dstrbucó d los rrors. Por lo tato, s éstos o so ormals los stmadors MICO so au MELI, pro dja d sr MEI porqu ya o alcaza la cota d Cramr-ao. 9. Falso. U valor d t ta alto s muy buo, porqu d plao podmos rchazar la hpótss ula d o sgfcaca stadístca dl parámtro, A ECEPCIÓN d qu los rrors o dstrbuya ormal, como por jmplo cuado tmos u valor d J ta alto. E st caso, o podmos hacr gua frca stadístca. 0. Falso. Como vmos, adcoado l supusto d ormaldad d los rsduos s garatza qu los stmadors MICO alcac la cota d Cramr-ao, lo qu los covrt uos stmadors suprcosstts. Por lo tato, dja d sr MELI y s trasforma MEI, los Mjors Estmadors Issgados. # 3 a) Dado qu J= π, o corrmos rsgos d qu los rrors o s dstrbuya ormal y podmos procdr como habtualmt. Podmos ocupar probar la ( ) hpótss mdat u tst F mdat la fórmula F ~ F, la qu, al fal d los cálculos, obtmos u F=5. uscado Tabla para, 8 grados d lbrtad, tmos u F tórco d 50. Como F calculado > F tabla, chazo Ho. b) Como J= 7π, o podmos hacr frca, o podmos probar gua hpótss. Qu l úmro 7 sa prmo o o s formacó rrlvat.
6 # 4 El prmr paso sría hallar las mdas, st caso Mda()=45 y Mda()=7, para dspués calcular más fáclmt los parámtros stmados: Dspués s útl calcular la suma d rrors al cuadrado, mdat la fórmula: Dspués, para l cálculo d las hpótss, hay qu rcordar qué: y por tato qu st caso s gual a Para probar H 0 co t, tdríamos qu t = (.8/7.64) = 0.97, lo qu s u valor d t muy bajo, por lo tato t calculado <t tabla por lo tato, NO ECHAZO H 0, s dcr, l parámtro o s stadístcamt sgfcatvo.. Para la sguda hpótss, tmos qu calcular la dsvacó stádar d, qu s: qué st caso s gual a , por lo qu l valor dl stadístco t sría: t = (0.86-)/ = E st caso, sí val la pa chcar la tabla, qu para u alfa d 5% y 0 grados d lbrtad da u valor dl stadístco t d.8. Por lo tato, y dado qu lo qu cuta s l valor absoluto, podmos coclur qu t calculado > t tabla, por lo tato ECHAZO H 0, y l s stadístcamt dfrt d. 3. Para la trcra hpótss, rcordmos qu dbmos utlzar la dstrbucó J- Cuadrado. Aquí su valor crítco s: , qu hay qu cotrastar co los dos valors crítcos dl J-Cuadrado, qu st caso so, χ = y χ = Dado qu l valor crítco qu hmos calculado,.8, ca dtro d st trvalo, NO ECHAZAMOS H 0, y la varaza sí s gual a 9 térmos stadístcos. 4. La cuarta hpótss s muy fácl y s rduc a cotrar l valor crítco d t, st caso, t = 0.86/ = Dado qu s muy alto, podmos coclur qu t calculado > t tabla, por lo tato ECHAZO H 0, y l s stadístcamt dfrt d La últma hpótss os pd usar l stadístco F. E st caso, s más fácl mdat su forma térmos dl, pro dsd lugo, para llo dbmos prmro
7 calcularlo. E st caso, y, co llo, podmos utlzar la fórmula dl F ) ( F, valor qu, comparado co l F crítco d 4 s supror, por lo tato F calculado > F tabla, por lo tato, ECHAZO H0, y l modlo su cojuto s stadístcamt sgfcatvo. La uva formacó dsd lugo qu camba la mara d probar las hpótss y, pus ahora ya o hay csdad d mplar la dstrbucó t d studt y podmos probar las hpótss co la dstrbucó ormal. El asuto s ta aburrdo, y ustd ta furt sus cursos prvos d frca stadístca, qu o s prsta la pruba formal. E cuato a la últma prguta, vdtmt s ustd cooc la formacó vrdadra sobr la varaza o csta adars hacdo prgutas spcultatvas. Es dcr, squra t qu hacr pruba d hpótss algua, d la msma forma qu ustd o hac la hpótss H 0 : 4 = 4 vrsus H : 4 4; l 4 s 4, y o pud dfrr d sí msmo. # 4 La bas d sta dmostracó s l torma stadístco qu dc qu t k = F,k, y tdr qu ua t d studt s l fodo ua ormal dvdda por la raíz cuadrada d ua J- Cuadrado, así: ) ( ) ( t t Pro, asumdo crta H 0, =0, por lo tato, la cuacó atror quda como:, F t k k Qu s justamt la msma fórmula a la qu habíamos llgado clas cuado dmostramos, mdat l uso d la otra dfcó d F por mdo d J- Cuadrados, qu 0 =0 també podía probars mdat ua pruba F d Fshr.
Análisis Estadístico de Datos Climáticos
Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,
Más detalles10 REGRESIÓN LINEAL SIMPLE
Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para
Más detallesPRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES
PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ
Más detallesMODELO DE REGRESIÓN LINEAL MÚLTIPLE
Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas
Más detallesTema 5. Contraste de hipótesis (II)
Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.
Más detallesMODELO DE REGRESIÓN LINEAL MÚLTIPLE
Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas
Más detalles9 Momentos y funciones generatrices de Momentos
9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s
Más detallesProcesamiento Digital de Señales de Voz
Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.
Más detallesPrueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.
5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.
Más detallesUn forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l
El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.
Más detallesFisicoquímica II-Módulo de Estructura y Propiedades Moleculares.
Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy
Más detallesRIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:
RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:
Más detallesAproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin
Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,
Más detallesEstadística Teórica II
Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa
Más detallesMulticupón no garantizado 07/09 1
ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco
Más detallesTEMA 1: CALCULO DIRECTO DE LÍMITES
INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL
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 detalles3. Cálculo y dimensionado
Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas
Más detallesTEMA 4: REGRESIÓN Y CORRELACIÓN.
TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas
Más detallesINTEGRAL INDEFINIDA. Derivación. Integración
TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS
Más detalles8 Límites de sucesiones y de funciones
Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...
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 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 detallesTEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS
Tma Sucsios Matmáticas I º Bach. TEMA SUCESIONES SUCESIONES Y TÉRMINOS EJERCICIO : Si l térmio gral d ua sucsió s a 0 Halla l térmio sgudo y l décimo. b) Hay algú térmio qu valga? Si hay dcir qu lugar
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 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 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 detallesINFERENCIA ESTADISTICA
Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------
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 detallesLA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH
A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Más detallesI. MEDIDAS DE TENDENCIA CENTRAL
I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors
Más detallesCÁLCULO DE LÍMITES. Por otro lado es importante distinguir en el cálculo de límites, los casos indeterminados de los determinados: = ; = ; =
CÁLCULO DE LÍMITES Propidds d los límits.- ( b ) b.- ( b ) b.- ( b ) b.- ( b ) b b.- ( ) ( ) 6.- k k b Por otro ldo s importt distiguir l cálculo d límits, los csos idtrmidos d los dtrmidos: Csos dtrmidos:
Más detallesSe llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...
TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s
Más detallesTEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO
Facultad d Ccas Ecoómcas y Admstratvas TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Rafal Sarmto Lotro RESUMEN La Toría d Cotratos també coocda como Ecoomía d la Iformacó, studa las coscucas d la xstca
Más detallesTema 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;
Más detallesTEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)
TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..
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 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 detallesCap. II: Principios Fundamentales del Flujo de Tránsito
Cap. II: Pricipios Fudamtals dl Flujo d Trásito Diagrama Espacio-Timpo Distacia 1 2 Itralo (i) 3 4 5 6 Espaciamito () Timpo Flujo, q Dsidad, Vlocidad, Tasa horaria quialt a la cual trasita los hículos
Más detallesAnálisis del caso promedio El plan:
Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas
Más detallesTema 16: Modelos de distribución de probabilidad: Variables Continuas
Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,
Más detallesREGRESION LINEAL SIMPLE. = α + β + ε. y = α + β x
REGREION LINEAL IMPLE FORMULARIO Mdl d Rgrsó Ll mpl Jrg Glt Rsc + β + ε qu β s fjs, ε s u vrl ltr c sprz E(ε) 0 vrz V(ε) σ fj. Ls prámtrs dl mdl s, β σ. rprst l vrl dpdt, qu tm vlrs fjs dtrmds pr l prmtdr.
Más detallesVARIABLE 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 detallesDELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID
C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso
Más detallesa a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.
(Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar
Más detallesAdministración de inventarios. Ejercicio práctico.
Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo
Más detallesDivisión 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción
Vrsó 014 CAITULO 4 OYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE Dvsó Mcáca d Torllos Torllos d trasmsó Torllo d ajust y sujcó UTN-BB Cátdra: Elmtos d Máquas. rofsor: Dr. Ig. Marclo Tulo ova Vrsó 014
Más detallesBREVE NOTA Y EJEMPLO SOBRE LOS MODELOS LOGIT
BREVE NOTA EJEMLO SOBRE LOS MODELOS LOGIT Ecoomtría d la Emrsa Rafal d Arc - Fucó acotada tr cro y uo y, frcutmt solucos d squa. - Fucó o lal las varabls - No mor ormaldad - La trrtacó d los arámtros s
Más detallesTema IV: Ruidos e Interferencias: Técnicas de reducción.
SCUA TÉCNICA SUPIO D INGNIOS INDUSTIAS Y D TCOMUNICACIÓN UNIVSIDAD D CANTABIA INSTUMNTACIÓN CTÓNICA D COMUNICACIONS (5º Curso Igría d Tlcomucacó) Tma IV: udos Itrrcas: Téccas d rduccó. José María Drak
Más detallesEXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3
Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más
Más detalles1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada
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 detalles1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:
.- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim
Más detallesAproximación 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
Más detallesSolución del examen de Investigación Operativa de Sistemas de septiembre de 2008
Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete
Más detallesTema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura
T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.
Más detallesEstas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.
PRUEBAS DE BONDAD DE AJUSTE Estas prubas prmitn vrificar qu la población d la cual provin una mustra tin una distribución spcificada o supusta. Sa X: variabl alatoria poblacional f 0 (x) la distribución
Más detallesIncentive Schemes and Innovative Portfolios
Esqumas Estudos d d Ecoomía. ctvos Vol. y cartras 7 - Nº, / Juo Go Loyola, 2. Págs. Yolada 4-66 Portlla 4 Esqumas d Ictvos y Cartras d Ivrsó Iovadoras Ictv Schms ad Iovatv Portfolos Go Loyola Yolada Portlla
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 detallesAPUNTE Y PROBLEMAS DE FÍSICA III
APUE Y PROBLEMAS DE FÍSICA III CARRERA: LICECIAURA E QUÍMICA PROFESOR Mg. CARLOS A. CAAEO AUILIAR Lc. ERIQUE M. BIASOI COEIDOS: Mcáca Clásca: Mcáca Cuátca: Mcáca Estadístca: Problmas: Cmátca Dámca Prcpos
Más detallesECUACIONES DIFERENCIALES DE ORDEN SUPERIOR. Ecuaciones lineales homogéneas con coeficientes constates de orden dos y superior.
Prof Eriqu Mtus Nivs Dotordo Eduió Mtmáti ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR Euios lils homogés o ofiits ostts d ord dos suprior Apliqu l método d rduió pr dtrmir u soluió d l uió o homogé dd los
Más detallesFUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA
VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge
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 detallesMedidas de Tendencia Central
Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo
Más detallesMATEMÁTICA 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
Más detallesFÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD
APÉNDICE: FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD Fórmula uificada d Kimbr Kimbr aglutia la xpricia d muchos años d sayos ralizados por l TRRL Gra Brtaña y propo ua fórmula uificada para l cálculo
Más detallesCAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO...
CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN... 487 13.1. ESPECIICACIÓN DEL MODELO... 487 13.. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO... 489 13..1 LA INTERPRETACIÓN DE LOS PARÁMETROS ESTIMADOS...
Más detallesTema 1: Introducción: Generalización y Extensión del Modelo de Regresión
Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Itroduccó Especfcacó del Modelo de Regresó Leal 3 Supuestos del Modelo Clásco de Regresó
Más detalles4º 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
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 detalles61.1 6.1. SERIES NUMÉRICAS INFINITAS 6.2. SERIES DE TÉRMINOS POSITIVOS 6.3. SERIES ALTERNANTES 6.4. SERIES DE POTENCIAS
Cp. 6 Sris 6. 6.. SERIES NUMÉRICAS INFINITAS 6.. SERIES DE TÉRMINOS POSITIVOS 6.. SERIES ATERNANTES 6.. SERIES DE POTENCIAS Objtivo: S prtd qu l studit: Dtrmi covrgci o divrgci d sris. Empl sris pr rsolvr
Más detalles2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros
.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito
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 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 detallesTema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS
Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo
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 detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesRENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.
Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras
Más detallesPráctica 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
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 detalles2. En el punto x = 0, f ( x) a) Un mínimo local. b) Un máximo local. c) Ninguna de las anteriores. Solución:
Análisis Matmático (Matmáticas Emprsarials II) PROBLEMAS DE FUNCIONES DE UNA VARIABLE. Pguntas d tipo tst. (J). La función f ( ) ln: a) Tin puntos stacionarios (o críticos, s dcir, puntos cuya primra drivada
Más detallesTema 11. Limite de funciones. Continuidad
Tma. Limit d fucios. Cotiuidad. Límit d ua fució. Fucios covrgts.... Límits latrals.... Distitos tipos d límits.... Límits ifiitos cuado tid a u úmro ral asítota vrtical.... Límits fiitos cuado tid a ifiito
Más detallesLÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN
LÍMITE DE FUNCIONES LÍMITE DE UNA FUNCIÓN CUANDO LÍMITE FINITO. DEFINICIÓN Cuando la función pud comportars d divrsas manras: f l Al aumntar los valors d, los valors d f s aproiman a un cirto númro l.
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detallesq q q q q q n r r r qq k r q q q q
urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego
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 detalles& fun. viajeglamour Por silvia lópez
viajglamour Por silvia lópz A ts d sumrgirs l rodaj d Holms. Madrid Suit. 1890, la visió dl dtctiv lodis d José Luis Garci ( itrprto a Alcátara, u priodista lgat y romático, amigo d Watso ), l actor Migul
Más detallesVARIABLES 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.
Más detallesObjetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética
Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado
Más detalles3 = =. 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
Más detallesContraste 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
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 detallesDERIVADAS. Las gráficas A, B y C son las funciones derivadas de las gráficas 1, 2 y 3, pero en otro orden. = 0 utilizando la definición.
DERIVADAS Dinición d drivada Ejrcicio nº.- Las gráicas A, B y C son las uncions drivadas d las gráicas, y, pro n otro ordn. Cuál s la drivada d cual? Justiica tus rspustas. Ejrcicio nº.- Calcula la drivada
Más detallesEstadística 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
Más detallesTEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)
Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca
Más detalles3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes
3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la
Más detalles( ) = 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
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 detalles