Encuesta de Presupuestos de Tiempo Cálculo de Errores de Muestreo.
|
|
- Sara Roldán Rojas
- hace 6 años
- Vistas:
Transcripción
1 Encuesta de Presupuestos de Tempo Cálculo de Errores de Muestreo. 1
2 INDICE 1. Introduccón Métodos de Replcacón Cálculo de errores EPT Dseño Muestral Cálculo de las replcadas Cálculo de tablas y estadístcos anuales. EPT Resultados e Interpretacón...8 Bblografía...9 2
3 1. Introduccón Podemos defnr error de muestreo como la mprecsón que se comete al estmar una característca de la poblacón de estudo (parámetro) medante el valor obtendo a partr de una parte o muestra de esa poblacón (estadístco). Este error depende de muchos factores, entre ellos, del procedmento de extraccón de esa parte de la poblacón (dseño muestral), del número de undades que se extraen (tamaño de la muestra), de la naturaleza de la característca a estmar, etc. Una expresón generalzada del error de muestreo sería la sguente: Error de muestreo = Var(θˆ) (1) Sendo θˆ el estadístco de nterés (meda, total, proporcón,..). Este estadístco tomará valores dstntos dependendo de la muestra extraída. La varabldad del estadístco en el muestreo determnará el error muestral. La expresón de este error cambará dependendo de la técnca de muestreo utlzada, hacéndose más complejo su cálculo conforme más complcado sea el dseño muestral. La mayoría de las encuestas de EUSTAT tenen un dseño muestral complejo que ncluye estratfcacón, probabldades de seleccón desguales, etc. Estos dseños se aplcan con el fn de producr estmadores puntuales lo más buenos posbles, pero en la práctca complcan sobremanera la estmacón de los errores de muestreo. La lteratura ha sugerdo algunas alternatvas a los métodos convenconales de cálculo de errores muestrales. Una de estas solucones consste en aplcar técncas de replcacón que proporconan de una forma rápda y senclla, estmacones de la varanza para cualquer tpo de estadístco (medas, totales, proporcones, ). En lo que sgue ntroducremos estos métodos y su aplcacón concreta en el caso de la Encuesta de Presupuestos de Tempo (en adelante EPT) para los datos referentes a Métodos de Replcacón El cálculo de errores de muestreo medante replcacón [2] es un método útl para aproxmar la varanza de estadístcos nolneales. Además, produce resultados asntótcamente equvalentes a la lnealzacón. El método consste en elegr submuestras (replcadas) de la muestra total y calcular el estadístco de nterés en cada una de las submuestras. La varanza del estadístco de la muestra total se estma usando la varabldad de las estmacones calculadas para cada submuestra. Exsten dstntos métodos de replcacón : Jackknfe (JK1, JK2, JKn), Replcacón de Equlbro Repetdo (BRR), métodos Bootstrap. La eleccón del método más adecuado depende del dseño muestral. Todos ellos basan el cálculo del error muestral en la sguente expresón: 3
4 Var( ˆ) θ = c h con : ˆ θ = Estmacón de θ para la replcada g G = Número total de replcadas formadas c = Cons tan te que depende del método de replcacón h f ( g ) g g G g = 1 g f g ( ˆ θ ( g ) ˆ) θ = Factores de ajuste ( JKn) = Factor de correccón de poblacones fntas 2 (2) El método que más se adapta a los dseños muestrales más comunes en EUSTAT es el Jacknfe (n) que se caracterza por: Ajustarse a dseños muestrales estratfcados con dos o más undades en cada estrato. Cada replcada se forma excluyendo una undad de la muestra orgnal cada vez. G = n replcadas (n=número de undades prmaras en la muestra orgnal). c =1 h g = (n h 1)/n h sendo h el estrato asocado a la replcada g. El software WesVar de la empresa amercana Westat, Inc. [4] mplementa, entre otros, este método de replcacón y será la herramenta que se utlzará para el cálculo de las replcadas y sus correspondentes estmadas. 3. Cálculo de errores. EPT Dseño Muestral [3] La EPT es una operacón qunquenal que tene por objeto nformar sobre la dstrbucón y uso del tempo en las dstntas actvdades de ámbto económco, socal y cultural de la poblacón de la C.A.E. El tamaño de la muestra es de 5016 famlas, para el cuestonaro famlar, y luego una persona de 16 o más años por famla, para el daro. Para dstrbur la muestra se procede de la sguente manera: Se reparte la muestra por Terrtoro Hstórco de forma proporconal a la raíz cuadrada del número de vvendas ocupadas, con el fn de equlbrar una dstrbucón que de otra forma acusaría una excesva concentracón de la muestra en Bzkaa. En cada terrtoro se dstrbuye por zonas de forma proporconal al número de vvendas ocupadas. Una vez fjado el tamaño de cada zona se dvde en dos mtades, una para cada toma (otoño y prmavera). Para elegr la muestra en cada zona se utlza un muestreo probablístco en dos etapas: en la prmera se elgen las seccones, por muestreo proporconal a su tamaño, y en la segunda se selecconan las vvendas por muestreo sstemátco. Prevamente, con el fn de multplcar las ventajas del muestreo probablístco, se agrupan las seccones en tpologías o grupos homogéneos. 4
5 3.2 Cálculo de las replcadas La nformacón de la EPT se encuentra almacenada en un fchero de actvdades y tempos acumulados para cada actvdad que requere un procesamento prevo para convertrlo en un fchero de ndvduos que pueda ser ledo por el software de cálculo de errores Wesvar. Tambén será necesaro generar las varables que delmtan el estrato y las undades prmaras de muestreeo (PSU s) necesaras para el cálculo de los errores. El cálculo de las replcadas debe respetar el dseño muestral orgnal. Es decr, cada submuestra debe ser una réplca en lo que a dseño se refere, de la muestra orgnal. En el caso de la EPT las replcadas deberían mantener la estratfcacón por zona y tpología de seccones, por lo que se creará la varable estrato cruzando estas dos varables. Las undades prmaras de muestreo son las seccones de poblacón, dentfcando a cada una dentro del estrato medante un número correlatvo. En aquellos estratos donde hay una únca seccón, no es posble aplcar el método de replcacón Jk(n) por lo que habrá que defnr a las undades pertenecentes a dcha seccón como undad prmara de muestreo. Se asgnará un número correlatvo a cada ndvduo dentro de la seccón correspondente. El cálculo de las replcadas se realza automátcamente con el software WesVar, preva especfcacón de la varable que conforma el estrato, en nuestro caso tpología por zona, y la que defne las undades prmaras de muestreo. 3.3 Cálculo de tablas y estadístcos anuales. EPT Los estadístcos para los cuales se va a estmar el error, serán funcón de los tempos dedcados a cada actvdad concreta. Exsten 8 grandes grupos de actvdades: Necesdades Fsológcas, Trabajo y Formacón, Trabajos Doméstcos, Cudados a Personas del Hogar, Vda Socal, Oco Actvo y Deportes, Oco Pasvo y Trayectos. A su vez, estos grandes grupos contenen subactvdades para las cuales tambén se calcularán los estadístcos y errores correspondentes. Exsten 3 tpos de estadístcos de nterés: 1) X : Tempo Medo Socal: Tempo medo daro que la socedad en su conjunto dedca a una actvdad. t X = P 2) Y. Tempo Medo Partcpante: Tempo medo daro que dedcan a una actvdad aquellos que la realzan. Y 16 = PP t 3) T. Tasa Partcpacón: Tanto por cento de personas que realzan daramente una actvdad. X PP 16 T = 100 = Y P
6 La prmera medda era smplemente una meda ponderada de los tempos de cada actvdad, y se utlzó para ello la funcón MEAN() de WesVar. w t X = MEAN( act) = w donde w son los pesos muestrales, y t los tempos dedcados a certa actvdad act. En la segunda medda sólo ntervenen los ndvduos que realzan una determnada actvdad por lo que es necesaro crear prevamente unos ndcadores de actvdad que tomarán valor 1 s el ndvduo partcpa de la actvdad y 0 en otro caso. Por ejemplo, para una actvdad genérca (act) se calcula: If tempo_act=0 then _act=0; else _act=1; Entonces, la segunda medda se calcula en WesVar de la sguente manera: Y elev _ tot = MEAN( act) elev _ act = w t w w _ act w = _ w t act w donde elev_tot es el elevador de la poblacón total, elev_act es el elevador de la actvdad (act), e _act es el ndcador de realzacón de esa actvdad. Así, la medda queda como una meda ponderada, pero ahora solo entran en juego los ndvduos que realzan la actvdad. La tercera medda, la tasa, se calcula smplemente dvdendo la prmera medda por la segunda y multplcando por 100. Una vez calculadas las replcadas o submuestras, es necesaro estmar el valor del estadístco de nterés en cada una de ellas para los cruces y subgrupos que se estmen necesaros para, posterormente, calcular su varabldad. En caso de la EPT los estadístcos y cruces para los cuales nteresa calcular el error de muestreo son: Estadístco\Varable de cruce Tpo de Terrtoro actvdad Hstórco Tempo Medo Socal (hh:mm) X X Tempo Medo por Partcpante (hh:mm) X X Tasa de Partcpacón (%) X X Nota: En todos los casos este cruce es smultáneo. El tpo de actvdad se corresponde con la sguente clasfcacón: 1 NECESIDADES FISIOLÓGICAS Sueño. Cudados personales Cudados médcos Comdas a domclo Comdas fuera Recepcones 2 TRABAJO PROFESIONAL Y TIEMPO DE FORMACIÓN 6
7 Trabajo profesonal prncpal Trabajo profesonal secundaro Pausas en el trabajo Formacón no reglada Formacón reglada Otras actvdades educatvas de formacón 3 TRABAJOS DOMÉSTICOS Preparar comdas Lmpeza Ropa de casa Otros arreglos Compras de benes y servcos Gestones admnstratvas Semocos 4 CUIDADOS A LAS PERSONAS DEL HOGAR Cudados materales y médcos dedcados a los nños Juegos e nstruccón Cudados materales y médcos para los adultos 5 VIDA SOCIAL Recepcones y saldas Conversacones Partcpacón relgosa Partcpacón cvl, desnteresada y ayudas Trabajo desnteresado al servco de una organzacón. Trabajo para la organzacón (no para terceros, n para personas) Trabajo a través de una organzacón (trabajo con la gente) Ayudas nformales a otros hogares (Trabajo al servco de terceras personas) 6 OCIO ACTIVO: DEPORTES, ACTIVIDADES AL AIRE LIBRE Y LIGADAS AL PC E INTERNET Práctca de un deporte Excursones, paseos Uso de ordenador personal, vdeoconsolas y otros equpamentos nformátcos Uso de Internet 7 OCIO PASIVO Y AFICIONES Medos de dfusón e nformacón Sn actvdad Asstenca a espectáculos Juegos Afcones artístcas y otras 8 TRAYECTOS Trayectos al trabajo Trayectos al lugar de estudos Trayectos dervados del cudado del hogar Trayectos para llevar o acompañar a alguen. Trayectos dervados del servco a organzacones Trayectos dervados de la ayuda a otros hogares Trayectos dervados de la vda socal Trayectos dervados del oco, cultura y deportes Otros trayectos Esperas y colas en los trayectos Tambén se calculan errores a un nvel más desagregado (actvdades a tres dígtos) y por día de la semana, con el fn de controlar la caldad de las estmacones utlzadas para explotacones específcas y petcones externas. 7
8 3.4 Resultados e Interpretacón. Aparte de la estmacón del error de muestreo (2), WesVar proporcona otras meddas del error que son de utldad y ayudan a la nterpretacón del msmo. Estas meddas se detallan en el documento explcatvo del cálculo de errores de la PRA, sendo la nterpretacón de las msmas gualmente váldas para el caso de la EPT. Ver detalles en [1]. 8
9 Bblografía [1] Cálculo de errores muestrales. PRA EUSTAT. [2] El método de replcacón para la estmacón de errores de muestreo. D. Morgansten, Semnaro Internaconal de Estadístca, 37.EUSTAT [3] Encuesta de Presupuestos de Tempo. Fcha metodológca. EUSTAT. [4] Manual del usuaro WesVar 4.2 Copyrght WESTAT, Inc. 9
ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesDiseño de la Muestra. Introducción. Tipo de muestreo y estratificación
Dseño de la Muestra A Introduccón Sguendo las orentacones dadas por la Ofcna Estadístca de la Unón Europea (EUROSTAT) se a selecconado una muestra probablístca representatva de la poblacón de los ogares
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesLECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesTEMA UNIDAD III: INFERENCIA ESTADÍSTICA
MÉTODOS DE MUESTREO 13.1. ITRODUCCIÓ 13.. COCEPTOS BÁSICOS 13.3. ERRORES E EL MUESTREO 13.4. ETAPAS DEL PROCESO DE MUESTREO 13.5. RAZOES PARA LA IVESTIGACIÓ POR MUESTREO 13.6. DISEÑO MUESTRAL 13.7. ESTIMACIÓ
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesTEORÍA DE MUESTREO. (HAMLET Mata Mata prof. Del Tecnologico de El Tigre)
TEORÍA DE MUETREO (HAMLET Mata Mata prof. Del Tecnologco de El Tgre) www.mpagna.cantv.net/hamletmatamata POBLACIÓ Y MUETRA Una poblacón está determnada por sus característcas defntoras. Por lo tanto, el
Más detallesHidrología superficial
Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesIndice de Coste Laboral Armonizado. Metodología
Indce de Coste Laboral Armonzado Metodología Indce 1. Introduccón 2. Defncones 3. Formulacón 4. Ajuste de seres 1. Introduccón El objetvo prncpal del Indce de Coste Laboral Armonzado es proporconar una
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesDiseño de una metodología sistémica de evaluación de impacto territorial de intervenciones urbanísticas
Dseño de una metodología sstémca de evaluacón de mpacto terrtoral de ntervencones urbanístcas Report de recerca Nº 1 Jorge Cerda Troncoso Enero 2009 Problema de nvestgacón: el problema que se enfrenta
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesCONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE
CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE Resolucón de 3 de juno de 2016, por la que se establece el proyecto educatvo nsttuconal denomnado JOSCAN, joven orquesta snfónca para Cantabra. Ley de Cantabra
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesANEXO METODOLOGÍA EVALUACIÓN DE IMPACTO
GOBIERNO DE CHILE MINISTERIO DE HACIENDA Dreccón de Presupuestos ANEXO METODOLOGÍA EVALUACIÓN DE IMPACTO Dvsón de Control de Gestón Santago, Mayo 2009 CHILE PRESENTACIÓN * El anexo que a contnuacón se
Más detallesTu área reservada Organización Simplicidad Eficiencia
Rev. 07/2012 Tu área reservada Organzacón Smplcdad Efcenca www.vstos.t La Tu tua área area reservada rservata 1 MyVstos MyVstos es la plataforma nformátca, reservada a los clentes Vstos, que permte comprobar
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesCÁNONES ANUALES DE DE ARRENDAMIENTOS RÚSTICOS (Metodología)
SEREARÍA EERAL ÉA MSERO DE ARULURA, ALMEAÓ Y MEDO AMBEE SUBDREÓ EERAL DE ESADÍSA ÁOES AUALES DE DE ARREDAMEOS RÚSOS (Metodología) OBJEVO El canon de arrendamento rústco se defne como el pago que realza
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesUn modelo sencllo, dsponble y seguro Kontratazo publko elektronkoa públca electrónca Lctacones de Prueba: la mejor forma de conocer y domnar el Sstema de Lctacón Electrónca www.euskad.net/contratacon OGASUN
Más detallesCONSEJERÍA DE SANIDAD Y SERVICIOS SOCIALES
CONSEJERÍA DE SANIDAD Y SERVICIOS SOCIALES Orden SAN/24/2013, de 26 de dcembre, por la que se crean las categorías de Facultatvo Especalsta de Área de Pscología Clínca y de Pscólogo Clínco de Atencón Prmara.
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesESTADÌSTICA INFERENCIAL
DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA ADMINISTRACIÓN DE EMPRESAS ESTADÌSTICA INFERENCIAL MÓDULO EN REVISIÓN DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA
Más detallesSports with Languages Intensive Course
Day Camps Sports wth Languages Intensve Course Edad: de 8 a 16 años Dates: del 25 de juno al 10 de agosto de 2013 Deportes dsponbles: tens, golf, fútbol, skateboard o surf. Clases de domas dsponbles: nglés,
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesDETERMINANTES Y DIFERENCIAS DE SALUD ENTRE LAS REGIONES DE COSTA RICA. UN ANÁLISIS DESDE LA ENCUESTA NACIONAL DE SALUD
DETERMINANTES Y DIFERENCIAS DE SALUD ENTRE LAS REGIONES DE COSTA RICA. UN ANÁLISIS DESDE LA ENCUESTA NACIONAL DE SALUD 2006. Juan Rafael Vargas, Yanra Xrnachs-Salazar, Melvn Morera, Amada Aparco y Karla
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesDepartamento Administrativo Nacional de Estadística
Departamento Admnstratvo Naconal de Estadístca Dreccón de Censos Demografía METODOLOGIA ESTIMACIONES Y PROYECCIONES DE POBLACIÓN, POR ÁREA, SEXO Y EDAD PARA LOS DOMINIOS DE LA GRAN ENCUESTA INTEGRADA DE
Más detalles( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov
1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesEn este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de
Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO
Más detallesTEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO
Págna de 4 TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO INTRODUCCIÓN... 2 2 CLASIFICACIÓN DE LAS ACTIVIDADES PRODUCTIVAS... 4 3 FUNCIÓN DE PRODUCCIÓN... 3 4 CLASIFICACIÓN DE LOS PROCESOS
Más detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesCréditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias
Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso
Más detallesBalance de Líneas de Producción
Balance de Líneas de Produccón PS 4161 Gestón de la Produccón I 1 Contendo Equlbrado de la línea de produccón Línea de fabrcacón Línea de ensamblaje 2 Objetvos de aprendzaje Cuando haya completado este
Más detallesContinua: Corriente cuyo valor es siempre constante (no varía con el tiempo). Se denota como c.c.
.. TIPOS DE CORRIENTES Y DE ELEMENTOS DE CIRCUITOS Contnua: Corrente cuyo valor es sempre constante (no varía con el tempo). Se denota como c.c. t Alterna: Corrente que varía snusodalmente en el tempo.
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesUnidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública
Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesAnálisis de Sistemas Multiniveles de Inventario con demanda determinística
7 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 00 Análss de Sstemas Multnveles de Inventaro con demanda determnístca B. Abdul-Jalbar, J. Gutérrez, J. Scla Departamento de
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesUN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES *
UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * Mª Consuelo Colom, Rosaro Martínez y Mª Cruz Molés WP-EC 2000-02 Correspondenca:
Más detallesPRACTICA 4. Asignatura: Economía y Medio Ambiente Titulación: Grado en ciencias ambientales Curso: 2º Semestre: 1º Curso
PRACTICA 4 Asgnatura: Economía y Medo Ambente Ttulacón: Grado en cencas ambentales Curso: º Semestre: 1º Curso 010-011 Profesora: Inmaculada C. Álvarez Ayuso Inmaculada.alvarez@uam.es PREGUNTAS TIPO TEST
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesTÉCNICAS DE ANÁLISIS DE DATOS
TÉCNICAS DE ANÁLISIS DE DATOS APLICACIONES PRÁCTICAS UTILIZANDO MICROSOFT EXCEL Y WEKA Jesús García Herrero 202 José Manuel Molna López PRÓLOGO Estos apuntes pretenden dar una vsón general de las técncas
Más detalles2.5 Especialidades en la facturación eléctrica
2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros
Más detallesClock Radio AR170D GB 2 NL 13 FR 24 ES 35 DE 46 EL 57
Clock Rado AR170D User manual Gebruksaanwjzng Manuel de l utlsateur Manual de nstruccones Gebrauchsanletung Οδηγίες χρήσεως GB 2 NL 13 FR 24 ES 35 DE 46 EL 57 Índce 1. Segurdad... 36 1.1 Uso prevsto...36
Más detallesTÉCNICAS DE ANÁLISIS DE DATOS
TÉCNICAS DE ANÁLISIS DE DATOS APLICACIONES PRÁCTICAS UTILIZANDO MICROSOFT EXCEL Y WEKA José Manuel Molna López Jesús García Herrero 2006 PRÓLOGO Estos apuntes pretenden dar una vsón general de las técncas
Más detallesEconomía Computacional Equilibrio General Computado: Descripción de la Metodología. Martín Cicowiez y Luciano Di Gresia
Economía Computaconal Equlbro General Computado: Descrpcón de la Metodología Martín Ccowez y Lucano D Gresa Trabajo Docente No. 7 Abrl 2004 EQUILIBRIO GENERAL COMPUTADO: DESCRIPCION DE LA METODOLOGIA *
Más detallesAnálisis de ruido en detectores ópticos.
Análss de rudo en detectores óptcos. La corrente real generada en un fotododo es de carácter aleatoro, cuyo valor fluctúa entre el valor promedo defndo por la foto-corrente: p = RP Dchas fluctuacones se
Más detallesMODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO
MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO INTRODUCCION Gestón de Servcos de TI: Entrega de servcos de TI, que cumplan con los requstos del negoco, de una caldad aceptable
Más detalles