Trabajo Práctico. Densidad y Disposición espacial en poblaciones

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Trabajo Práctico. Densidad y Disposición espacial en poblaciones"

Transcripción

1 Trabajo Práctico Densidad y Disposición espacial en poblaciones

2

3 Mónica B. Martella et al (2012) Reduca. Poblaciones silvestres.

4 Métodos de medición del tamaño o densidad de una población Conteo directo de todos los individuos de la población (censos). Permite obtener el parámetro real. En poblaciones reducidas y localizadas, territoriales sin migración. Métodos de captura-recaptura. Censos muestrales sobre proporciones no bien delineadas del área a censar. Esta falta de precisión en determinar el área muestral hace que no se puedan evaluar apropiadamente las propiedades estadísticas de los estimados (por ejemplo métodos de captura-recaptura). Métodos indirectos de medición: conteos de señales e indicios.

5 MÉTODOS DIRECTOS Censos conteo total de individuos o especies, en una escala absoluta. Raramente utilizado. Sólo en grupos agregados (bandadas) o territoriales. Tipos de censos: Mapeo territorial: utilizado para el censado espacial, frecuente en estudios y manejo de fauna silvestre. En general requiere relevamientos repetidos hasta que todos los individuos sean censados. Este método es frecuentemente empleado para el estudio de aves, ya sea utilizando el canto, huellas en la nieve. Contaje por ahuyentamiento: este método frecuentemente se utiliza para el conteo de poblaciones de grandes mamíferos, por ejemplo venados. Usualmente se requiere de dos grupos de trabajo, uno encargado de ahuyentar y otro de contar. Censos aéreos: también suelen emplearse para grandes mamíferos y aves.

6 Medición de tamaño poblacional Abundancia: número (absoluto) de individuos de una población. Abundancia relativa: número de individuos de una especie en relación al número total de individuos de todas las especies. densidad: número de individuos / unidad de espacio (superficie o volumen total). (densidad bruta). densidad específica o ecológica gica: se utiliza el espacio que efectivamente puede ser colonizado por una población dada (insectos/hoja, parásito/huésped). Ejemplo Densidad de una especie de pez "x" en un área protegida. Suponer que el área protegida El bosque Y" tiene una superficie de m 2 (espacio total), la superficie del lago de 500 m 2 (hábitat) y la población total de truchas es (200). Si quieres obtener la densidad absoluta seria algo así como 200/ m 2 y la ecológica seria algo como 200/500 m 2.

7 Se utiliza biomasa por unidad de espacio /o unidad de superficie como una medida adecuada de la densidad cuando no puede cuantificarse individuos. biomasa: gramos de materia seca Cobertura: porcentaje de terreno ocupado por la proyección de la parte aérea de un conjunto de plantas.

8 Métodos de estimación de la densidad Organismos móviles, animales Organismos sésiles, plantas (nidos), métodos de distancia Métodos de captura Método por remoción Método del individuo más cercano Método de los cuartos

9 Metodo de Determinación de Densidad en Animales móviles Metodo de Captura- Recaptura.- El metodo de captura, marcado, liberación y recaptura es uno de los metodos en animales mobiles La recaptura debe ser en un tiempo corto al de la captura Trampas de Huellas Canto de aves Captura de anfibios o reptiles Captura de aves o murciélagos

10 Modelos cerrados: la mayoría de los métodos que contemplan este sistema de estimación de abundancia, parten de los siguientes supuestos: 1. la población es cerrada, es decir no se producen movimientos de entrada y/o salida de individuos (inmigración/emigración). 2. no hay natalidad ni mortalidad entre los períodos de muestreo, o sea que la supervivencia es igual a 1 y la tasa de mortalidad igual a las marcas deben permanecer durante todo el período de muestreo. 4. las marcas no deben afectar la fisiología de los individuos ni a su comportamiento. 5. los individuos marcados deben distribuirse al azar en la población. 6. todos los individuos (marcados y no marcados) deben tener la misma probabilidad de ser muestreados. Por lo tanto, no deben ser notorias para depredadores. 7. Las marcas sean fáciles de reconocer para el investigador Método de Lincoln MÉTODOS DE CAPTURA-RECAPTURA

11 Si un área de 1 km 2 capturamos 15 ratones el primer día (M), 20 el segundo dia (n) de los cuales eran 10 recapturados (R). La densidad poblacional será de 30 ratones por km 2 de muestreo. Cómo se calcula? Según Método de Lincoln (1 marca, 1 captura): N= M*n/ R Donde: N= densidad estimada de la población M=individuos marcados en la primera captura. n= individuos capturados en la segunda colecta R= total de individuos recapturados (tenían la marca de la primera captura Si las muestras sucesivas indican que los individuos marcados no regresan al lugar de muestreo y si el número de individuos entre el primer y el segundo muestreo baja, se interpreta como una disminución de la población.

12 Modelos abiertos: modelos que permiten tener en cuenta procesos de nacimientos, muertes y movimientos de migración. Modelo de Jolly (1965 y 1979): A partir de este modelo se pueden obtener para cada muestreo los siguientes parámetros: tamaño poblacional. tasa de supervivencia. tasa de reclutamiento. Probabilidad de capturas.

13 Metodos de Determinación de la Densidad Poblacional en vegetación CUADRANTES Una de las formas comunes de muestreo de vegetacion Tamaño inversamente relacionado con la facilidad y tiempo de muestreo

14 Conteos en transectas Los conteos en transectas, se utilizan para: generar una lista de especies en un relevamiento biológico. para medir tendencias anuales o estacionales. tendencias en la sucesión y preferencias de hábitats. para estimar el tamaño de una población.

15 Métodos de distancia de estimación de la densidad medida de distancias entre individuos, que permite estimar el área promedio ocupada por un solo individuo= densidad. tres métodos principales: individuo más cercano. vecino más cercano. El método de los cuartos.

16 Método del individuo más cercano: 1) Se eligen n puntos al azar. 2) Se miden las distancias entre cada punto y el individuo más cercano (y i ). D= (n-1)/πσy i 2 El estimador se basa en el número de individuos contados (n) dividido por el área estimada que ocupan esos individuos.

17 1) Se ubican transectas al azar. Método de los cuartos o cuadrantes 2) Se seleccionan n puntos (al azar o en forma sistemática) en la transecta. Para cada punto, se definen 4 cuadrantes y una perpendicular. 3) En cada cuadrante, se mide la distancia del punto al individuo más cercano (yi), 4) Se estima el área a i para cada punto (i), como el promedio de las distancias en cada cuadrante, a i = (π/4)*σy i 2

18 Método de los cuartos o cuadrantes Estimación del área (a i ) para cada punto (i), como el promedio de las distancias en cada cuadrante, a i = (π/4)*σy i 2 Cálculo de densidad en cada punto: D i =3/ a i el cuarto individuo no se encuentra dentro del área, sino en el límite. La densidad estimada para la transecta es el promedio de la obtenida en los distintos puntos. D = Σ Di/n Recuerde, cada transecta representa una unidad de muestra.

19 OJO: Los métodos de distancia suponen la selección al azar de puntos o ubicación al azar de las transectas y disposición espacial al azar de los Individuos. Las distancias entre puntos y transectas deben ser tales que no se cuente el mismo individuo en dos puntos o transectas distintos.

20 Planilla de campo de toma de datos para calcular densidad de una población sésil por el método de los cuartos.

21 DISPOSICIÓN ESPACIONAL EN POBLACIONES Condiciones físicas Disposición espacial Búsqueda de alimentos interacciones Estimar la abundancia eficientemente Conocimiento de la disposición espacial incide en Eficiencia de planes de muestreo Análisis e interpretación de los datos, testear hipótesis ecológica Para una toma de decisión en manejo de población Densidad de la población Estimación mediante el muestreo con alto grado de precisión Requisito es conocer la distribución estadística que interprete la disposición espacial

22 Disposición espacial en poblaciones Estimación disposición espacial en organismos móviles Aleatoria Agregada uniforme Metodos varianza/media, índices (Morisita) Ajuste a distribuciones: poisson, binomial negativa Métodos de regresión: IWAO, Taylor Estimación disposición espacial en organismos sésiles Se utilizan los métodos mencionados para estimar densidad: vecino más cercano, método de los cuartos, entre otros. La función K de Ripley cuantifica la desviación Respeto a la aleatoriedad

23 Para dos especies de aves indicadoras dependientes del ecosistema marino (Petrel Damero (Daption capense) y el Petrel antártico (Thalassoica antarctica) se estudió la distribución de sus abundancias en cuatro áreas contiguas de la Antártica Thalassoica antarctica Daption capense

24 Objetivo: Determinar si existe distribución gregaria en las dos especies de aves en diferentes áreas y Relacionar el efecto de agregación con algún factor ambiental. Tabla 1. áreas de disitribución de aves censadas en la Antártida durante las campañas 88, 90, 91, 93, 94, 95 y 96 con sus totalidades de censos realizados área Shetland Scotia Mar de Weddell No censado Oeste Pensinsu la Antartica Pje Drake

25 Tabla 1. Registro de los censos de D. capense (D.cap) y T. antárticus (T.ant) para 4 áreas oceanográficas de la Antártida durante las campañas 94, 95 y96. Tabla 1. Registro de los censos de D. capense (D.cap) y T. antárticus (T.ant) para 4 áreas oceanográficas de la Antártida durante las campañas 94, 95 y96. Area Oeste Penínsu la Antártic a total de censos % censos con 0 individuos % censos con 1o más individuos año ,54 D. cap 98,41 T. ant 17,46 D. cap 1,59 T. ant año ,5 D. cap 93,75 T. ant 22,5 D. cap 6,25 T. ant año ,06 D. cap 97,06 T. ant. 2,94 D. cap 2,94 T. ant. Maxima cantidad de individuos en un censo 14 D. cap 1 Tant 30 D. cap 6 Tant 2 D. cap 2 Tant Shetland total de censos % censos con 0 individuos 68,95 D. cap 98,93 T. ant 51,55 D. cap 96,54 T.tan 67,63 D. cap 97,53 T.tan % censos con 1o más individuos 31,05 D.cap 1,07 Tant 48,45 D. cap 3,47 T.ant 32,37 D. cap 2,47 T.ant Maxima cantidad de individuos en un censo 67 D. cap 13 T.ant 158 D. cap 4 T.ant 97 D. cap 53 T. ant

26 Tabla 1. Registro de los censos de D. capense (D.cap) y T. antárticus (T.ant) para 4 áreas oceanográficas de la Antártida durante las campañas 94, 95 y96. Scotia total de censos ,11 D. cap 42 D. cap 43,81 D. cap % censos con 0 individuos 94,44 T. ant 86,67 T. ant 95,58 T.ant % censos con 1o más individuos 28,89 D. cap 5,56 T. ant 58 D. cap 13,33 Tant 56,19 D. cap 4,42 T.ant Maxima cantidad de individuos en un censo 65 D. cap 56 T. ant 90 D. cap 7 Tant 284 D. cap 6 Tant Weddell total de censos % censos con 0 individuos 99,38 D.cap 42,55 T.ant 99,70 D. cap 57,45 T.ant 97,93 D. cap 37,93 T. ant % censos con 1o más individuos 0,62 D. cap 57,45 T.ant 0,3 D. cap 44,94 T.ant 2,07 D. cap 62,07 T.ant Maxima cantidad de individuos en un censo 3 D. cap 500 T.ant 1 D. cap 955 T.ant 5 D. cap 500 T.ant

27 Al azar: en especies con altos límites de tolerancia y por lo tanto no se reúnen en grupos. Tipos de disposición espacial Agregada. individuos en grupos densos separados de otros grupos también densos. En plagas,,reproducción y dispersión (gemación). Condiciones físicas, comportamiento social. Uniforme: los individuos se colocan a una distancia unos de otros en ambientes muy limitados. Competencia intraespecífica (diferencias de sexo o edad). Sustancias alelopáticas en vegetales

28 Disposición al azar Espacio habitable contínuo. Igual probabilidad de encontrar un individuos en cualquier porción del espacio. Disposición uniforme Donde está un individuo es menos probable que esté otro. Disposición agregada Probabilidad de ser ocupado no es la misma para todos los puntos en el espacio. La probabilidad de encontrar un ind. Aumenta en prox de otros.

29 Ejemplos de poblaciones en diferentes disposiciones espaciales

30 Townsend CR, BegonM, Harper JL Essentials of Ecology Distribución espacial de áfidos de una especie de árbol

31 A) Estimación de disposición espacial en organismos móviles 1) Indices de dispersión por conteo por cuadrante. Relación varianza/media. Pueden calcularse con datos provenientes de un muestreo 2) En términos probabilísticos por ajuste de frecuencias en muestreo a distribuciones de variables discretas: poisson, binomial negativa, etc. 3) Método de regresión: se necesitan varios muestreos (Iwao, Taylor) B) Estimación de disposición espacial en organismos sésiles (vegetales y nidos o almejas por ejemplo) 1) Método de vecino más cercano. 2) Método de los cuartos

32 1) Índice de dispersión para conteos en cuadrantes 1) Relación varianza/media Series de conteos de cantidades de plantas o animales individuales, tomados de n cuadrantes con forma y tamaño definido Cociente varianza/media (I) basado en distribución Poisson I=S 2 /media S 2 =media, I=1, distribución aleatoria S 2 >media, I>1, distribución agregada S 2 <media, I<1, distribución uniforme Fuente: Krebs, 1999 Desventaja: puede no registrar la no aleatoriedad: a)agregado y bimodal,b) fuerte gradiente. Usar índice Morisita y derivados de otros estadísticos

33 2) Método de regresión independiente de distribución (requiere varios muestreos) Ley de potencias de Taylor Regresión de IWAO ley de potencias de Taylor: Relación varianza (S 2 ) y media (m): S 2 =m b Estimación por regresión lineal log S 2 = a+b log m m :n de individuos/ muestra (cantidad de aves/censo). donde b es índice de agregación b=1 indica patrón aleatorio, no hay densodependencia o relación lineal b<1 indica patrón uniforme o subdisperso b>1 indica patrón agregado o sobrediperso. El coeficiente a es un factor de escala.

34 Regresión de Iwao: Se estimó primero m* (índice de apiñamiento medio) para cada muestra: m*=m+(s 2 /m)-1 donde: m es la media o promedio y S 2 es la varianza de todas las muestras Luego se estima una recta con m* ( en eje de ordenada) y m (en eje de abcisa) para cada muestra por : m*=α+βm α representa un índice de contagio básico y, α+1 es una medida del tamaño de los grupos. El parámetro β es un índice de contagio densodependiente. Si hay pendiente (β 0) implica que hay agregación.

35

36 Resultados de la investigación de los petreles antárticos Tabla. Ajuste de la distribución binomial negativa en distribuciones según el área, año y especie de ave. El signo * indica diferencias significativas entre los valores observados y el ajuste de la distirbución binomial negativa. área Scotia Shetland Oeste de la península Anártica Mar de Weddell especie D.capense T.antarticus T.antarticus D. capense T. antarticus D. capense temporada K estimado 0,025 0, ,004 0,024 0,025 0,011 0,026 0,078 0,168 0,071 0,009 0,027 0,0076 0,034 0,060 0,046 X 2 0,59 0,91 0,02 0,53 7,32 1,66 6,29 15,37 75,35 36,42 0,27 0,66 0,076 8,61 38,12 17,20 Grados de liber tad probabilidad >0,05 >0,05 >0,05 >0,05 >0,05 >0,05 >0,05 <0,05 * <0,05 * <0,05 * >0,05 >0,05 >0,05 >0,05 <0,05 * >0,05

37 4 y = 1,499x + 1,155 R 2 = 0,9893, p<0,01,n=12 3 log varianza ,5-2 -1,5-1 -0, ,5 1 1, log promedio Figura. Regresión entre log de promedio y log de varianza para D. capense (Ley Taylor) y = 1,8885x + 1,6076 R 2 = 0,9615, p<<0,01;n=12 log varianza ,5-1 -0, ,5 1 1, log promedio Figura. Regresión entre log varianza vs log promedio en T. antarctica (ley Taylor).

38 m* y = 7,2953x + 2,6762 R 2 = 0,8011,p<0,05; N= media aves Figura 4. Relación entre índice de apiñamiento medio vs n aves/censo de D. capense y = 31,935x + 14,829 (IWAO). 500 R 2 = 0,6415, p<0,05; N= m* media de aves Figura 5. Relación entre índice de apiñamiento y aves/censo de T.antarticus (IWAO).

39 Distribución de petreles por tipo y disposición de hielo. Recurso alimentario

40 Ejemplo de Margalef (1977) cociente varianza/media como medida de agregación en organismos planctónicos. Tal vez pueda deberse a alta tasa multiplicativa y lenta dispersión

41 Referencias bibliográficas Bliss, C. I., The aggregation of species within spatial units. In: Statistical Ecology. Vol 1: Spatial patterns and statistical distribution. Patil, Pielou and Waters eds.: Begon, M.; Harper, J.L. y Townsend, C.R Ecología: individuos, poblaciones y comunidades. 3ª Edición. Ediciones Omega, Barcelona pp. Downing J., Rochon Y. and Perusse P Spatial aggregation, body size, and reproductive success in the freshwater mussel Elliptio complanata. J. N. Am. Benthol. Soc. 12(2): Krebs C Ecological Methodology. Second edition.university Of British Columbia. Chapter 6: Margalef R Ecología. Segunda edición. Capítulo 10. Evaluación de las poblaciones: Matteucci y Colma A Metodología para el estudio de la vegetación. Monografía N 22. Serie de Biología OEA. Piñol J. y Martínez Vilalta Ecología con números. Una introducción a la ecología con problemas y ejercicios de simulación. Bellaterra: Lynx. Capítulo 3:50-52.

42 Referencias bibliográficas Serra, G., La Porta, Mazuferi y Avalos Distribución espacial de huevos de Colicas Lesbia (Lepidoptera: Pieridae) en lotes de alfalfa en la región central de Córdoba (Argentina). Agriscientia. Vol 22 (2): Martella B., Trumper E., Bellis L., Renison D., GiordanoP., Bazzano G., Gleiser R Manual de Ecología Poblaciones: Introducción a las técnicas para el estudio de las poblaciones silvestres. Reduca (Biología). Serie Ecología. 5 (1): Dra Mariela Alderete

CATEDRA DE ECOLOGÍA DE POBLACIONES MÉTODOS DE ESTIMACIÓN DE DENSIDAD BREVE RESEÑA A. RUMI INTRODUCCIÓN

CATEDRA DE ECOLOGÍA DE POBLACIONES MÉTODOS DE ESTIMACIÓN DE DENSIDAD BREVE RESEÑA A. RUMI INTRODUCCIÓN CATEDRA DE ECOLOGÍA DE POBLACIONES MÉTODOS DE ESTIMACIÓN DE DENSIDAD BREVE RESEÑA A. RUMI INTRODUCCIÓN El nivel de integración de la materia que denominamos población, tiene una posición intermedia entre

Más detalles

Prácticas de Ecología Curso 3 Práctica 1: Muestreo

Prácticas de Ecología Curso 3 Práctica 1: Muestreo PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la

Más detalles

PATRONES DE DISTRIBUCIÓN ESPACIAL

PATRONES DE DISTRIBUCIÓN ESPACIAL PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

ECOLOGIA DE POBLACIONES

ECOLOGIA DE POBLACIONES ECOLOGIA DE POBLACIONES Niveles en los que actúa la ECOLOGIA Ecosistemas Comunidades Poblaciones Organismos Qué tienen en común? Crecimiento urbano. Preparación del yogurt. Extinción de especies nativas

Más detalles

CUERPO TÉCNICO, OPCION ESTADISTICA

CUERPO TÉCNICO, OPCION ESTADISTICA CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA

Más detalles

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos

Más detalles

BIOLOGIA GENERAL Y METODOLOGIA DE LAS CIENCIAS. Trabajo Práctico Nº 8: Ecología

BIOLOGIA GENERAL Y METODOLOGIA DE LAS CIENCIAS. Trabajo Práctico Nº 8: Ecología BIOLOGIA GENERAL Y METODOLOGIA DE LAS CIENCIAS 38 Trabajo Práctico Nº 8: Ecología Objetivos: Reconocer los distintos niveles de organización que estudia la ecología y comprender en que se basa cada uno.

Más detalles

Ecología de Sistemas:

Ecología de Sistemas: Ecología de Sistemas: Aplicación de procedimientos de análisis de sistemas a la Ecología Bases para su desarrollo: Alta potencia de cálculo Simplificación formal de los ecosistemas complejos El carácter

Más detalles

Estadística Espacial en Ecología del Paisaje

Estadística Espacial en Ecología del Paisaje Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas

Más detalles

Instituto Nacional de Información de Desarrollo INIDE METODOLOGÍA DE LAS PROYECCIONES DE POBLACIÓN CON EL USO DE VARIABLES SINTOMATICAS

Instituto Nacional de Información de Desarrollo INIDE METODOLOGÍA DE LAS PROYECCIONES DE POBLACIÓN CON EL USO DE VARIABLES SINTOMATICAS Instituto Nacional de Información de Desarrollo INIDE METODOLOGÍA DE LAS PROYECCIONES DE POBLACIÓN CON EL USO DE VARIABLES SINTOMATICAS Índice 1. Introducción... 2 2. Metodología para la proyección de

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. Prólogo a la Segunda Edición INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.

Más detalles

Pronósticos de producción

Pronósticos de producción Pablo Reeb - Técnico INTA e-mail: preeb@correo.inta.gov.ar Valentín Tassile - Técnico INTA e-mail: vtassile@correo.inta.gov.ar Estudios estadísticos Pronósticos de producción El conocimiento anticipado

Más detalles

Aspectos trofodinámicos de la ecología

Aspectos trofodinámicos de la ecología Aspectos trofodinámicos de la ecología Cadenas alimentarias y dinámica trófica La cantidad de energía que se transfiere entre los niveles sucesivos de una cadena alimentaria es, en promedio, el 10% Producción

Más detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables

Más detalles

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith) INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que

Más detalles

INSTITUTO TÉCNICO MARÍA INMACULADA CIENCIA, VIRTUD Y LABOR

INSTITUTO TÉCNICO MARÍA INMACULADA CIENCIA, VIRTUD Y LABOR 2011, FORMANDO LÍDERES ESTUDIANTILES PARA UN FUTURO MEJOR ASIGNATURA: BIOLOGÍA GRADO: OCTAVO PERIODO: IV Fecha de inicio: GUÍA LAS POBLACIONES PARA PENSAR INSTITUTO TÉCNICO MARÍA INMACULADA CIENCIA, VIRTUD

Más detalles

Indicaciones para el lector... xv Prólogo... xvii

Indicaciones para el lector... xv Prólogo... xvii ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...

Más detalles

Tema 10: Introducción a los problemas de Asociación y Correlación

Tema 10: Introducción a los problemas de Asociación y Correlación Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación

Más detalles

Bioestadística I. Carrera: BIM Participantes Representante de las. Academia de Biología. de los Institutos Tecnológicos.

Bioestadística I. Carrera: BIM Participantes Representante de las. Academia de Biología. de los Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Bioestadística I Licenciatura en Biología BIM-0501 3-2 -8 2.- HISTORIA DEL PROGRAMA

Más detalles

Método de cuadrados mínimos

Método de cuadrados mínimos REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,

Más detalles

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4 PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área

Más detalles

CM0244. Suficientable

CM0244. Suficientable IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

Conceptos de Estadística

Conceptos de Estadística Conceptos de Estadística Se llama estadística al conjunto de procedimientos destinados a recopilar, procesar y analizar la información que se obtiene con una muestra para inferir las características o

Más detalles

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:

Más detalles

Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA

Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA 1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información

Más detalles

T1. Distribuciones de probabilidad discretas

T1. Distribuciones de probabilidad discretas Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE

Más detalles

Índice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables

Índice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar

Más detalles

Proyecciones de Población

Proyecciones de Población Proyecciones de Población 2 Estimaciones y Proyecciones Departamentales de Población El Salvador Son el resultado de la estimación de la evolución futura de la población, proveniente de cálculos basados

Más detalles

Tema 2. Regresión Lineal

Tema 2. Regresión Lineal Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite

Más detalles

CURSO: ANALISIS ESTADISTICO DE RIESGOS

CURSO: ANALISIS ESTADISTICO DE RIESGOS MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar

Más detalles

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación

Más detalles

Estimación Bayesiana de g 0 usando el muestreo por distancias y su aplicación en las estimas de densidad de ungulados de montaña

Estimación Bayesiana de g 0 usando el muestreo por distancias y su aplicación en las estimas de densidad de ungulados de montaña Estimación Bayesiana de g 0 usando el muestreo por distancias y su aplicación en las estimas de densidad de ungulados de montaña J.F.G. Monteiro 1 R. Alpizar-Jara 1 E. Serrano 2,4 J.P. Crampe 3 J.M. Pérez

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 23 Semestre Segundo examen parcial Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige

Más detalles

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento

Más detalles

Tema 3: Análisis de datos bivariantes

Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta

Más detalles

ESTADÍSTICA II Código: 8314

ESTADÍSTICA II Código: 8314 ESTADÍSTICA II Código: 8314 Departamento : Metodología Especialidad : Ciclo Básico Prelación : 8219 Tipo de Asignatura : Obligatoria Teórica y Práctica Número de Créditos : 3 Número de horas semanales

Más detalles

UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE MEDICINA

UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE MEDICINA UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE MEDICINA Módulo I Bioestadística Maestría en Investigación Médica PROGRAMA ACADÉMICO 2011-2 M.C. Enrique Villareal Ríos 1. ASIGNATURA: MÓDULO I BIOESTADÍSTICA

Más detalles

SUPERVIVENCIA S 1 S 2 S 3 F 3 F 2 FECUNDIDAD

SUPERVIVENCIA S 1 S 2 S 3 F 3 F 2 FECUNDIDAD TABLAS DE VIDA SUPERVIVENCIA S 0 S S 2 S 3 0 2 3 4 Edad F F 2 F 3 F 4 FECUNDIDAD Entonces Conocer los patrones de supervivencia y de reproducción son esenciales para comprender la dinámica de la población

Más detalles

Manual de Ecología Poblaciones: Introducción a las técnicas para el estudio de las poblaciones silvestres

Manual de Ecología Poblaciones: Introducción a las técnicas para el estudio de las poblaciones silvestres Manual de Ecología Poblaciones: Introducción a las técnicas para el estudio de las poblaciones silvestres Mónica B. Martella. Eduardo Trumper. Laura M. Bellis. Daniel Renison. Paola F. Giordano. Gisela

Más detalles

Dinámica de poblaciones: crecimiento de poblaciones uniespecí

Dinámica de poblaciones: crecimiento de poblaciones uniespecí Dinámica de poblaciones: crecimiento de poblaciones uniespecíficas José Antonio Palazón Ferrando palazon@um.es http://fobos.bio.um.es/palazon Departamento de Ecología e Hidrología Universidad de Murcia

Más detalles

Estudio Integrado del Ecosistema Costero Marino Peruano y sus Recursos Explotados ECOMARES

Estudio Integrado del Ecosistema Costero Marino Peruano y sus Recursos Explotados ECOMARES Reunión LMI-DISCOH. Dinámicas del Sistema de la Corriente de Humboldt. 29-31 Marzo 2012 Estudio Integrado del Ecosistema Costero Marino Peruano y sus Recursos Explotados ECOMARES Víctor Aramayo Dirección

Más detalles

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial

Más detalles

UNIVERSIDAD MARÍA AUXILIADORA UMA

UNIVERSIDAD MARÍA AUXILIADORA UMA CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática

Más detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 5. Muestreo y distribuciones muestrales 1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT

Más detalles

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada

Más detalles

Ejercicio 1 (20 puntos)

Ejercicio 1 (20 puntos) ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada

Más detalles

INFORME TÉCNICO SEGUIMIENTO VÍA SATÉLITE DE TORTUGAS

INFORME TÉCNICO SEGUIMIENTO VÍA SATÉLITE DE TORTUGAS INFORME TÉCNICO SEGUIMIENTO VÍA SATÉLITE DE TORTUGAS NECESIDAD DE ACCIONES DE MARCAJE Y SEGUI- MIENTO DE TORTUGAS MARINAS EN EL MEDITERRÁ- NEO OCCIDENTAL Y AGUAS VALENCIANAS. En el Mediterráneo occidental

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 4 Variables aleatorias Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las características de las variables aleatorias discretas y continuas.

Más detalles

EJERCICIOS TEMA 6 - CTM

EJERCICIOS TEMA 6 - CTM EJERCICIOS TEMA 6 - CTM 1. Defina los siguientes términos: biosfera, población, ecosistema, biotopo. 2. Defina los siguientes términos: parasitismo, mutualismo, inquilinismo y simbiosis. Ponga un ejemplo

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

GENETICA CUANTITATIVA

GENETICA CUANTITATIVA GENETICA CUANTITATIVA Teórico Práctico 1 2011 GENETICA CUANTITATIVA. HEREDABILIDAD. AVANCE GENETICO Y RESPUESTA A LA SELECCIÓN EN MATERIALES EXPERIMENTALES Importancia El conocimiento de los procedimientos

Más detalles

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento

Más detalles

478 Índice alfabético

478 Índice alfabético Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión

Más detalles

INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN

INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN INGENIERÍA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Aplicada 2. Competencias Dirigir proyectos de tecnologías de información (T.I.) para contribuir a

Más detalles

Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma

Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma er. imposio Metodología eis igma Resumen Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Ejemplos de situaciones normales Ejemplos de situaciones no normales Resumen Implicaciones

Más detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords

A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica

Más detalles

1º CURSO BIOESTADÍSTICA

1º CURSO BIOESTADÍSTICA E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA

ANALISIS DE FRECUENCIA EN HIDROLOGIA ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos

Más detalles

Carrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.

Carrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos. 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA

Más detalles

Preparación de los datos de entrada

Preparación de los datos de entrada Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:

Más detalles

PROGRAMA DE ESTUDIO. - Nombre de la asignatura : ESTADISTICA I. - Pre requisitos : Matemática III

PROGRAMA DE ESTUDIO. - Nombre de la asignatura : ESTADISTICA I. - Pre requisitos : Matemática III PROGRAMA DE ESTUDIO A. Antecedentes Generales - Nombre de la asignatura : ESTADISTICA I - Código : EME 221 - Carácter de la asignatura (obligatoria / electiva) : Obligatoria - Pre requisitos : Matemática

Más detalles

Carrera: Ingeniería Civil CIM 0531

Carrera: Ingeniería Civil CIM 0531 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA

Más detalles

ESTIMACIÓN DE LA ABUNDANCIA DE LA CAZA EN NUESTRO COTO.

ESTIMACIÓN DE LA ABUNDANCIA DE LA CAZA EN NUESTRO COTO. ESTIMACIÓN DE LA ABUNDANCIA DE LA CAZA EN NUESTRO COTO. Iván Poblador Cabañero. Biólogo. Genista. ivanpoblador@yahoo.es Para poder plantear de un modo real y lógico el aprovechamiento sostenible de la

Más detalles

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. 3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

4. NÚMEROS PSEUDOALEATORIOS.

4. NÚMEROS PSEUDOALEATORIOS. 4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar

Más detalles

Contenidos Programáticos

Contenidos Programáticos Página 1 de 6 FACULTAD: CIENCIAS ECONÓMICAS Y EMPRESARIALES PROGRAMA: ADMINISTRACIÓN DE EMPRESAS DEPARTAMENTO DE: ADMINISTRACIÓN CURSO: ESTADISTICA I CÓDIGO: 157011 ÁREA: BÁSICA REQUISITOS: CORREQUISITO:

Más detalles

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA

Más detalles

Prueba de Hipótesis. Para dos muestras

Prueba de Hipótesis. Para dos muestras Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de

Más detalles

CÁLCULO DE PROBABILIDADES

CÁLCULO DE PROBABILIDADES CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.

Más detalles

LABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción

LABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una

Más detalles

Facultad de Ciencias Sociales - Universidad de la República

Facultad de Ciencias Sociales - Universidad de la República Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura

Más detalles

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

CURSO DE MÉTODOS CUANTITATIVOS I

CURSO DE MÉTODOS CUANTITATIVOS I CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio

Más detalles

Carrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos

Carrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar

Más detalles

INTRODUCCIÓN AL MUESTREO

INTRODUCCIÓN AL MUESTREO INTRODUCCIÓN AL MUESTREO Licenciatura de Ciencias Ambientales UPM Matemáticas y Estadística Aplicadas Prof: Susana Martín Fernández Prof: Esperanza Ayuga Téllez Definiciones Previas Población. Conjunto

Más detalles

CAPÍTULO 5: Pronósticos de las Operaciones Productivas

CAPÍTULO 5: Pronósticos de las Operaciones Productivas CAPÍTULO 5: Pronósticos de las Operaciones Productivas Un Enfoque en Procesos para la Gerencia Fernando A. D Alessio Ipinza 1 Contenido 1. Introducción 2. Tipos de pronósticos 3. Los pronósticos y el ciclo

Más detalles

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra

Más detalles

Curso: POBLACIÓN Y DESARROLLO Conferencia 8

Curso: POBLACIÓN Y DESARROLLO Conferencia 8 Tema 2: Dinámica y perspectivas de la población. Sumario: Las proyecciones de población. Tipos, usos y clasificación. Las proyecciones de la población mediante métodos matemáticos. Introducción El cálculo

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 10 Estadísticos muestrales y sus aplicaciones Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las propiedades de los estadísticos muestrales.

Más detalles

Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.

Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar problemas

Más detalles

TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO

TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO PROCESO ANALÍTICO Conjunto de operaciones analíticas intercaladas que se

Más detalles

Carrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.

Carrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística I Ingeniería Industrial INB-0403 4-0-8.- HISTORIA DEL PROGRAMA Lugar

Más detalles

Tema 1. Dinámica de poblaciones

Tema 1. Dinámica de poblaciones Tema 1. Dinámica de poblaciones 1. Parámetros demográficos primarios y sus relaciones 2. Crecimiento de las poblaciones y explotación n sostenible máxima 3. Explotación n mediante cuotas fijas 4. Explotación

Más detalles

UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA. práctica, Total: 85 Horas a la semana: 5 teoría: 4 prácticas: 1 Créditos:

UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA. práctica, Total: 85 Horas a la semana: 5 teoría: 4 prácticas: 1 Créditos: UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA Probabilidad y Estadística 18/01/10 Clave: 214 Semestre: 1 Duración del curso: semanas: 17 horas: 68 de teoría y 17 de práctica, Total: 85 Horas

Más detalles

Carrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.

Carrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística I Ingeniería Industrial INB - 0403 4 0 8 2.- HISTORIA DEL PROGRAMA

Más detalles

Teléfono:

Teléfono: Apartado postal 17-01-218 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: ESTADISTICA II CÓDIGO: 15017 CARRERA: Economía NIVEL: Cuarto No. CRÉDITOS: SEMESTRE / AÑO ACADÉMICO: III semestre 2011-2012 PROFESOR:

Más detalles

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10 Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,

Más detalles

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo

Más detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción

Más detalles