Contraste de Hipótesis

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

Download "Contraste de Hipótesis"

Transcripción

1 CONTRASTE DE HIPÓTESIS 1. Itroduccó. Cotraste de ua hpótess estadístca 3. Test ulateral y blateral 4. Test relacoados co ua sola meda (varaza coocda) 5. Relacó co la estmacó del tervalo de cofaza 6. Test sobre ua sola meda (varaza descoocda) 7. Test sobre dos medas 7.1. Varazas coocdas 7.. Varazas descoocdas 8. Pruebas relacoadas co varazas 8.1. Ua muestra 8.. Dos muestras 9. Pruebas sobre proporcoes 1. Test de Bodad de ajuste Aplcacoes: Prueba de Homogeedad Test de depedeca 11. El cotraste de Kolmogorov-Smrov Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 1

2 CONTRASTE DE HIPOTESIS 1. INTRODUCCIÓN No sempre los problemas a los que se efreta el cetífco o el geero, se refere sólo a la estmacó de u parámetro de la poblacó, so por el cotraro, la formulacó de u procedmeto de decsó basado e datos, que puede producr ua coclusó acerca de algú sstema cetífco. Se postula o cojetura algo acerca de u sstema. La cojetura se puede expoer como ua hpótess estadístca. Los procedmetos que coduce a la aceptacó o rechazo de hpótess estadístcas, comprede u área muy mportate de la fereca estadístca. Ua hpótess estadístca es ua afrmacó o cojetura acerca de ua o más poblacoes. Es mportate remarcar que las hpótess so proposcoes sobre la poblacó e estudo, uca sobre la muestra. Cotrastar ua hpótess estadístcamete es tomar ua decsó sobre s certa propedad de ua poblacó es compatble co lo observado e ua muestra de dcha poblacó. La técca del cotraste de hpótess costtuye ua parte de la Ifereca Estadístca que cosste e utlzar la formacó muestral para examar la valdez de afrmacoes realzadas sobre ua característca poblacoal. Nuca se sabe co absoluta certeza la verdad o falsedad de ua hpótess estadístca, a o ser que se exame la poblacó etera. Como esto o es práctco, se elge ua muestra aleatora de la poblacó que se estuda, y se utlza los datos que cotee dcha muestra para proporcoar evdecas que cofrme o o la hpótess. La evdeca de la muestra que es cosstete co la hpótess plateada, lleva al rechazo de la msma; metras que la evdeca que apoya a la hpótess, coduce a su aceptacó. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M.

3 Desde luego el dseño de u procedmeto de decsó, debe llevarse a cabo co la dea de probabldad de ua coclusó equvocada. Es decr, la aceptacó de ua hpótess mplca ta sólo que los datos de la muestra o proporcoa evdeca sufcete para rechazarla. El rechazo de la hpótess mplca que la evdeca de la muestra la refuta. Exste dos tpos de cotrastes: Cotrastes paramétrcos s la hpótess cocere a parámetros poblacoales tales como la meda o la varaza. Cotrastes o paramétrcos so los que afecta a cualdades de la dstrbucó, tales como la bodad del ajuste, homogeedad de poblacoes, depedeca.. CONTRASTE DE UNA HIPÓTESIS ESTADÍSTICA La estructura de la prueba de hpótess (test de hpótess) se formulará utlzado el térmo hpótess ula. Llamamos hpótess ula, H, a la hpótess que vamos a cotrastar, H represeta la hpótess que matedremos metras los datos o os dque su falsedad. El rechazo de Ho da como resultado la aceptacó de ua hpótess alteratva, que se represeta por H1. Llamamos hpótess alteratva, H 1, a la hpótess que se aceptará s H se rechaza. Ua hpótess ula referete a u parámetro de la poblacó, sempre será establecda e forma tal que especfque u valor exacto del parámetro; la hpótess alteratva admte la posbldad de varos valores. Las fases e u cotraste de hpótess so: 1) Defr la hpótess a cotrastar que llamaremos H e cosecueca H1. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 3

4 ) Defr ua medda de dscrepaca D que mda la dfereca etre los valores observados y los esperados (de acuerdo co H ) establecedo su dstrbucó. 3) Tomar ua muestra y calcular D. 4) Coclur co ua decsó: s la dscrepaca D es muy grade, rechazaremos H ; e caso cotraro, aceptamos H. Por tato para realzar u cotraste ecestamos ua medda de dscrepaca, y ua ley para juzgar cuado las dscrepacas so demasado grades. Al probar cualquer hpótess estadístca, se preseta cuatro posbles stuacoes que determa s la decsó es correcta o equvocada: La hpótess ula, es verdadera o falsa y se acepta o se rechaza. No se comete error alguo s es verdadera y se acepta, o s es falsa y se rechaza. S embargo, se cometerá error s es verdadera y se rechaza o s es falsa y se acepta. Se Acepta H Es Verdadera Decsó correcta H Es Falsa Error de tpo II DECISIÓN Se Rechaza Error de tpo I Decsó correcta Decmos que se comete u error de tpo I cuado H es verdadera pero se rechaza, se comete u error de tpo II cuado H es falsa pero se acepta. Para defr qué valores de las dscrepacas so grades fjamos u valor que deomaremos vel de sgfcacó. El valor es la probabldad de cometer u error de tpo I, y determa u valor d c de forma que: P ( D ) d c P(error tpo I)=P(rechazar H / H es certa) Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 4

5 La probabldad de cometer error tpo II, represetado por, es mposble calcularla a o ser que tega ua hpótess alteratva específca: P(error tpo II)=P(aceptar H / H es falsa) Al cojuto de reglas que lleva a aceptar o o ua certa hpótess, es lo que se llama "u test o cotraste de hpótess". La poteca del cotraste es la probabldad de rechazar H, dada ua alteratva específca verdadera: 1 Poteca=P(rechazar H / H es falsa) U test muy potete es altamete capaz de detectar la falsedad de los datos. Uo poco potete o detecta la falsedad de los datos. E geeral, a todo úmero que, obtedo a partr de las observacoes de ua muestra, srve para decdrse por H o H 1, se llama estadístco de cotraste. Pero para realzar u test de hpótess, el vestgador o sólo debe fjar H y H 1, y el estadístco de cotraste, so que també habrá de decdr de atemao el valor del error que está dspuesto a aceptar. La fgura sguete muestra gráfcamete este método. S la dscrepaca observada D cae detro de la regó de rechazo (probabldad de rechazar y ser verdadera), rechazamos la hpótess H, e caso cotraro la aceptaremos. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 5

6 Defmos la regó de rechazo o regó crítca por D del estadístco de cotraste que lleva a la decsó de rechazar la hpótess ula H y la regó de aceptacó de H será D d c d c es el cojuto de valores Cosderacoes acerca de. 1) Aceptar o rechazar la hpótess H puede depeder del valor, sedo posble rechazar H co < > Aceptacó d c Rechazo =.5 y aceptar H co =.4 ) Dar sólo el resultado del test o dca el grado de dscrepaca. Se acostumbra a utlzar veles de sgfcacó del.5 ó.1. S, por ejemplo, se elge u vel de sgfcacó del.5 etoces hay aproxmadamete 5 ocasoes de cada 1 e que se rechazaría la hpótess cuado debe ser aceptada. El vel de sgfcacó () se fja a pror depedetemete del estadístco. U procedmeto para resolver estas cosderacoes es utlzar el vel crítco p de u test, e vez del vel de sgfcacó (). Se defe el vel crítco o p valor como el mímo vel de sgfcacó para el que, co los datos de ua muestra cocreta, se tedría que rechazar H. pp(d D ). Es decr, la probabldad de obteer ua dscrepaca mayor o gual que la observada e la muestra. De esta forma, el valor de p o se fja a pror, so que se determa e fucó de la muestra. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 6

7 Como se evdeca e la fgura sguete, cuato meor sea el valor crítco, meor es la probabldad de exstr dscrepaca como la observada, y meor es la certdumbre de H. Esto es; cuato más cercao a cero sea su valor co mayor cofaza se rechazará H. Puesto que, pp(d D ) y D u valor fjo, s p es grade D es u valor pequeño, por tato, para u valor fjo de < p será D < dc y aceptamos la hpótess H, H. E geeral, cuato más próxmo a 1 sea p co mayor evdeca se habrá de aceptar A título oretatvo, S p>.5 o exste sufcete evdeca para rechazar H. S.1<p<.5 exste certdumbre etre rechazar o o rechazar H. S p<.1 e geeral deberá ser rechazada la hpótess H, S se ha fjado de atemao u vel de sgfcacó, se acepta H, s p>, y se rechaza H s p< El cojuto de valores posbles del estadístco de cotraste, se dvde e dos partes. Ua de ella coduce a coclur H, y se llama regó de aceptacó; y la otra, lleva a coclur H1, y se llama regó de rechazo o regó crítca (RC). sgfcacó. Al error de la prmera RC que rechaza H, se le llama vel crítco ó vel mímo de Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 7

8 Los valores fuera de la regó de rechazo so los valores de la regó de aceptacó R(H). Estas regoes de aceptacó cocde co los tervalos de cofaza para los parámetros sobre los que se platea el cotraste co los veles de cofaza de 1- complemeto de los de sgfcacó. 3. TEST UNILATERAL Y BILATERAL H o : o H 1 : o U test de cualquer hpótess estadístca, dode la alteratva es ulateral, tal como: ó be H : H: 1 recbe el ombre de test de ua cola, ya que la regó crítca cae e la cola derecha de la dstrbucó del estadístco de prueba, o e la cola zquerda, respectvamete. U test de cualquer hpótess estadístca dode la alteratva es blateral, tal como: H o : o H 1 : o recbe el ombre de test de dos colas, ya que la regó crítca se dvde e dos partes, geeralmete co guales probabldades e cada cola de la dstrbucó del estadístco de prueba. Para probar hpótess e las cuales el estadístco de prueba es dscreto, puede escogerse la regó crítca arbtraramete y luego determar su tamaño. S es demasado grade, puede reducrse hacedo u ajuste e el valor crítco. U valor p es el vel más bajo (de sgfcacó) e el cuál el valor observado del estadístco de prueba es sgfcatvo. Los procedmetos para el test de hpótess, puede resumrse, supuesto que la hpótess es H o : o : 1. Establecer la hpótess ula H o de que o.. Seleccoar ua hpótess alteratva apropada H 1 de ua de las alteratvas o, o ó o. 3. Elegr u vel de sgfcacó y el tamaño de la muestra. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 8

9 4. Seleccoar el estadístco de prueba apropado, y establecer la regó crítca (s la decsó se va a basar e u valor p, o es ecesaro establecer la regó crítca). 5. Calcular el valor del estadístco de prueba co los datos muestrales. 6. Decdr: rechazar H o s el estadístco de prueba tee u valor e la regó crítca (o s el valor calculado de p es meor o gual que el vel de sgfcacó deseado ); de otra forma, o rechazar H o. 4. TEST RELACIONADOS CON UNA SÓLA MEDIA (VARIANZA CONOCIDA): Presetamos los test de hpótess acerca de ua sola meda de poblacó. Se debe, e prmer lugar, descrbr las suposcoes sobre las cuales se basa el expermeto. El modelo para la stuacó fudametal se cetra alrededor de u expermeto X 1, X,...,X que represeta ua muestra aleatora de ua dstrbucó co meda y varaza. Caso blateral Cosdérese prmero la hpótess: H o : o H 1 : o El estadístco de prueba apropado deberá basarse e la varable aleatora X. Ya sabemos, segú el Teorema Cetral del Límte, que, al marge de la dstrbucó de X, la varable aleatora X tee ua dstrbucó aproxmadamete Normal co meda y desvacó típca. X Covee ormalzar la varable aleatora X : Z N(,1). / Puede, etoces, determarse ua regó crítca co base e el promedo muestral calculado, X. X P z Z z P z z 1 1 puede utlzarse para escrbr ua / regó crítca apropada. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 9

10 Formalmete, la regó crítca se crea a partr de, la probabldad de error tpo I. Cotraste blateral ( colas) H : H : 1 Hasta este mometo, habrá ua regó crítca de dos colas para la prueba. El valor crítco z1 / correspode al percetl 1 / e la dstrbucó N(,1), es decr, P(Z z ) 1 /. 1 / Se ecesta ua señal de evdeca de dos colas para respaldar H 1. Así, dado u valor calculado X, la prueba formal mplca rechazar H s el estadístco de prueba calculado: X z / cae detro de la regó crítca z z ó 1 z 1 z. E cuyo caso z 1 z z zz o se rechaza H o. S 1 1 El rechazo de mplca la aceptacó de la hpótess alteratva o. H o Co esta defcó de la regó crítca, exstrá la probabldad de rechazar H o (al caer e la regó crítca) cuado, e realdad o. O be, calculado el p-valor=p(z> z ) y comparádolo co : p> se acepta la hpótess ula, y por lo tato o p< se rechaza la hpótess ula, y por lo tato o Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 1

11 Caso ulateral Las pruebas de hpótess ulaterales acerca de la meda, comprede el msmo estadístco que el descrto para el caso blateral. Aquí la regó crítca es de ua sola cola de la dstrbucó ormal. Cotraste ulateral (cola de la zquerda) H : H : 1 El valor crítco z1 correspode al percetl e la dstrbucó N(,1), es decr, P(Z z ) 1, o be 1 P(Z z ) 1 Para H 1 : o, la regó crítca está dada por 1 z, o be, p-valor=p(z z) z. Cotraste ulateral (cola de la derecha) H : H : 1 El valor crítco z1 correspode al percetl 1 e la dstrbucó N(,1), es decr, P(Z z ) 1 1 Para H 1 : o, el rechazo (regó crítca) resulta cuado 1 z z, o be, p-valor=. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 11

12 1 Ejemplo: Se supoe que u topógrafo realza como mímo 4 medcoes daras. Ate la duda se hace ua comprobacó observado las medcoes durate 1 días seleccoados al azar, observádose ua meda de 4. Supoedo ormaldad co varaza 16 e la dstrbucó de las medcoes daras co u vel de sgfcacó de,5 la suposcó cal. Realzar el cotraste para la meda. Solucó: Estamos ate u caso de cotraste ulateral para la meda de ua poblacó ormal co varaza coocda. H : 4 H: 4 1 X Sabemos que: Z N(,1) / El valor del estadístco z bajo la hpótess ula es: X 4 4 z = / 4/ 1 Para =,5 e la N(,1) teemos que: P Z z P Z z,5 z 1,64 1,95,95 Como el valor de uestro estadístco z bajo la hpótess ula cae detro de la regó de aceptacó (-1,64<-1,58), se ACEPTA que el topógrafo realza como mímo 4 medcoes daras. O be, calculamos el p-valor=p(z<z)=p(z<-1,581)=,56939 > Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 1

13 WOLFRAMALPHA: z-test for populato mea Cotraste de Hpótess 5. RELACIÓN CON LA ESTIMACIÓN DEL INTERVALO DE CONFIANZA: El procedmeto de test de hpótess a la fereca estadístca, está muy relacoado co la estmacó del tervalo de cofaza. Para el caso de ua sola meda poblacoal, coocedo, la estructura de ambas pruebas de hpótess y la estmacó del tervalo de cofaza, se basa e la varable aleatora: Z X Resulta, etoces, que la prueba de H o : o e cotraposcó co H 1 : o, e u vel de sgfcacó, es equvalete a calcular u tervalo de cofaza del 1 % de y rechazar H s o o está detro del tervalo de cofaza. S tervalo, o se rechaza la hpótess. o está detro del La equvaleca es muy tutva: recordar que co u valor observado X, aceptar H co u vel de sgfcacó, mplca que: X z1 / z1 / X z1 / X z1 / / Los tervalos de cofaza tee la vetaja frete a los cotrastes de hpótess de que sempre os da ua dea de la zoa e la que se va a ecotrar el verdadero valor del parámetro poblacoal, metras que e el caso de los test, cuado se rechaza ua hpótess ula, o se cooce el valor del parámetro e cuestó. Todo lo que se sabe es que es más verosíml que el valor del parámetro sea mayor o meor que u valor cocreto. 6. TEST SOBRE UNA SÓLA MEDIA (VARIANZA DESCONOCIDA): La aplcacó de la t de Studet tato e tervalos de cofaza como e test de hpótess, se desarrolla bajo las sguetes suposcoes: las v.a. X 1,...,X represeta ua Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 13

14 muestra aleatora de ua dstrbucó co y descoocdos. Etoces la varable aleatora X tee ua dstrbucó t de Studet co -1 grados de lbertad. S / La estructura de la prueba es détca que para el caso de coocda, co la salvedad de que el valor de e el estadístco de prueba se reemplaza por la estmacó calculada S, y la dstrbucó ormal se reemplaza por ua dstrbucó t. Caso blateral Es decr, para la hpótess blateral: H o : o H 1 : o el rechazo de H o, co u vel de sgfcacó, resulta cuado ua estadístca t calculada: X t S / t 1 excede a,1 o es meor que t,1. 1 Cotraste blateral ( colas) H : H : 1 El valor crítco t 1 / correspode al percetl 1 / e la dstrbucó t-1, es decr, P(t t ) 1 / / O be, calculado el p-valor=p(t-1> t ) y comparádolo co : p> se acepta la hpótess ula, y por lo tato o p< se rechaza la hpótess ula, y por lo tato o Se coserva la equvaleca de la prueba t de Studet de blateral para ua sola meda, y el cálculo de u tervalo de cofaza para, reemplazado por S. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 14

15 Caso ulateral Cotraste ulateral (cola de la zquerda) H : H : 1 El valor crítco t1 correspode al percetl e la dstrbucó t-1, es decr, P(t-1 t 1), o be P(t-1 t 1) 1 Para H 1 : o, la regó crítca está dada por t t1, 1 o be, p-valor=p(t-1<t) Cotraste ulateral (cola de la derecha) H : H : 1 El valor crítco t1 correspode al percetl 1 e la dstrbucó t-1, es decr, P(t t ) Para H 1 : o, el rechazo resulta cuado t t1, 1 o be, p-valor=p(t-1>t) Para muestras pequeñas (<3), co regulardad, es dfícl detectar las desvacoes de ua dstrbucó ormal. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 15

16 Ejemplo: Se hace u evío de latas de coserva, de las que se afrma que el peso medo es de 1 g. Examada ua muestra de 5 latas, se ha obtedo los sguetes datos: meda 998 g y varaza muestral 19,6. Puede mateerse la hpótess de que µ=1, co u vel de sgfcacó =,5? Obteer u tervalo de cofaza al 95% para la meda. Solucó: Cotrastamos la hpótess H : 1 H : 1 1 Datos: 5;X 998 ; S 19,6; 1.95 Buscaremos u valor 1 / X t= =1,95115 S/ 19,6/ 5 t tal que P t t t 1, sedo -1 los 1 / 1 1 / grados de cofaza. DERIVE: #1: NSOLVE(STUDENT(t, 4) =.975, t) #: t = EXCEL: =INV.T(,975;4), , o be, =INV.T.C(,5;4) Puesto que t 1,95<,7764, podemos ACEPTAR que la meda es 1 g. WOLFRAMALPHA: t-terval xbar=998, s=4.43, =5 Teemos ua muestra pequeña (=5) de varaza descoocda: S I Xt,Xt 1 /,1 1 /,1 S Datos: 5;X 998 ; S 19,6; 1.95; t,975;4, I , , Obvamete se cumple que la meda ,13.51 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 16

17 7. TEST SOBRE DOS MEDIAS 7.1. Varazas coocdas Cotraste de Hpótess Los test referdos a dos medas represeta u cojuto de herrametas aalítcas muy mportates para cetífcos e geeros. Dos muestras aleatoras depedetes de tamaños 1 y, respectvamete, se obtee de dos poblacoes co medas y varazas respectvas 1, y 1,. Se sabe que la v.a. X Z X tee ua dstrbucó N(,1). se reduce a: S podemos cosderar que 1 (homocedastcdad), el estadístco ateror X Z X S por el cotraro se supoe que los dos cojutos de datos procede de dstrbucoes co varazas desguales. Se cooce co el ombre de Prueba t heterocedastcdad. Es el test de Welch. g.l. s s 1 s 1 /1 s / Puesto que el resultado del cálculo ormalmete o es u etero, el valor de los grados de lbertad se redodea al etero más próxmo para obteer u valor crítco de la dstrbucó t. Estos dos estadístcos srve como base para el desarrollo de los procedmetos de prueba sobre dos medas. La hpótess ula sobre dos medas puede escrbrse: H : d 1 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 17

18 La alteratva puede ser ulateral o blateral. De uevo, la dstrbucó utlzada es la dstrbucó del estadístco de prueba H. Se calcula los valores X 1 y X, para 1 y, el estadístco de prueba es: X X d z co ua regó crítca de dos colas e el caso de ua alteratva de dos lados. Es decr, el rechazo de H e favor de H: 1 1 d s z z 1 o ua cola se utlza e el caso de las alteratvas ulaterales. z z. Las regoes crítcas de 1 3 Ejemplo 9 teodoltos so llevados a reparar a dos talleres dsttos. 5 de ellos al taller A dode los repararo e u tempo medo de 15 días co ua desvacó típca de 3 días. Los 4 restates al taller B, sedo reparados e u tempo medo de 16 días co ua desvacó típca de 5 días. Supoedo que las varazas so coocdas, se puede cosderar que el taller A es más adecuado que el B para cosegur ua reparacó más rápda? Solucó: Queremos comparar las medas de dos poblacoes ormales de varazas coocdas. H : A B H:, luego H : A B H: 1 A B 1 A B El estadístco de prueba es: X A B A B A X B z susttuyedo los valores Establecedo la hpótess de la dstrbucó ormal. Calculamos el p-valor = P(Z > -1,7) DERIVE: #1: 1-NORMAL(-1.7) #: EXCEL: =1-DISTR.NORM.ESTAND(-1,7), WOLFRAMALPHA: Probablty -1.7<x ormal dstrbuto, mea=, sd=1,95784 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 18

19 Se ACEPTA la hpótess ula para cualquer valor de α <, Varazas descoocdas Lo más frecuete es que se descoozca las varazas. S el cetífco está dspuesto a asumr que ambas dstrbucoes so ormales, y que 1, puede utlzarse la prueba t combada (prueba t de dos muestras). El estadístco de prueba es: X X d t 1 1 Sp 1 1, sedo S S(1) S( 1) 1 1 p 11 1 Se utlza la dstrbucó t - Studet co 1+- grados de lbertad y la hpótess blateral o se rechaza cuado: t t t 1,1 1,1 Las alteratvas ulaterales sugere regoes crítcas ulaterales. 4 Ejemplo: Se utlza dos teodoltos para hacer certas determacoes, pretededo averguar s la meda de los errores cometdos co uo y otro es détca para u vel de sgfcacó del 5%. Se hace determacoes co el teodolto A y se obtee ua meda de,4 errores y ua desvacó típca de, y otras determacoes co el B obteedo ua meda de,5 y ua desvacó de,3. Supoemos que las varables error so ormales y co la msma varaza. Comparar los dos teodoltos. Solucó: Queremos comparar las medas de dos poblacoes ormales de varazas descoocdas pero guales y muestras pequeñas. H : A B H:, luego H : A B H: 1 A B 1 A B El estadístco de prueba es: x A x A B 1 1 S B t sedo (A 1)S A (B 1)S B S.65 co lo cual ( 1) ( 1) A B Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 19

20 x x S.65 A B t 1.4 A B Calculado el p-valor=p(t-1> 1.4 )=.6 > : WOLFRAMALPHA: Probablty X>1.4, tudettdstrbuto degrees of freedom PRUEBAS RELACIONADAS CON VARIANZAS PUEBA PARA UNA MUESTRA Sea X1, X,,X ua muestra aleatora de ua dstrbucó Normal co meda µ descoocda y varaza σ descoocda. Cotemplamos prmero el problema de probar la hpótess ula H o de que la varaza poblacoal es gual a u valor especfcado o. H : Ahora, se os platea tres posbles hpótess alteratvas: H : ; 1 H : ; 1 H : 1 El estadístco apropado sobre el que se basa la decsó es el estadístco ch-cuadrado utlzado para determar u tervalo de cofaza para. Por tato, s supoemos que la dstrbucó de la poblacó que está sedo muestreada es ormal, el valor ch-cuadrado para probar o está dado por: ( 1)S ( 1)S 1 dode es el tamaño de la muestra, S es la varaza muestral y o es el valor de dado por la hpótess ula. S H o es verdadera, es u valor de la dstrbucó ch-cuadrado co -1 grados de lbertad. Caso blateral Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M.

21 De aquí que, para ua prueba de dos colas co u vel de sgfcacó, la regó crítca es / y 1 /. RC.., /) 1 /, El valor crítco / correspode al percetl / e la dstrbucó 1, es decr, P( ) /. 1 / El valor crítco 1 / correspode al percetl 1 / e la dstrbucó 1, es decr, P( ) 1 /. 1 1 / Cotraste blateral ( colas) H : H : 1 O be, calculado el p-valor = mí P 1,P 1 p > se acepta la hpótess ula, y por lo tato o. p < se rechaza la hpótess ula, y por lo tato o. y comparádolo co : Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 1

22 Caso ulateral Cotraste ulateral (cola de la zquerda) H : H : 1 Para la alteratva ulateral o, la regó crítca es. RC.., ) El valor crítco correspode al percetl e la dstrbucó 1, es decr, P( ). 1 O be, calculado el p-valor = P 1 y comparádolo co : p > se acepta la hpótess ula, y por lo tato. p < se rechaza la hpótess ula, y por lo tato. Cotraste ulateral (cola de la derecha) H : H : 1 Para la alteratva ulateral, la regó crítca es 1. RC.. 1, El valor crítco 1 correspode al percetl 1 e la dstrbucó 1, es decr, P( ) Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M.

23 O be, calculado el p-valor = P 1 Cotraste de Hpótess y comparádolo co : p > se acepta la hpótess ula, y por lo tato. p < se rechaza la hpótess ula, y por lo tato. Para probar ua hpótess acerca de ua varaza poblacoal, se procede sguedo los msmos 6 pasos báscos dcados ates..5 Ejemplo: Se desea cotrastar s puede supoerse razoablemete que e u uevo proceso de fabrcacó de flametos la varaza del grosor es de 4 mlímetros. Para ello se toma ua muestra de 8 flametos que arroja ua varaza muestral de mlímetro. Supoedo la varable ormal, cotrastar la hpótess e los grosores de los flametos a u vel de sgfcacó de,5. Solucó: Se trata de realzar u cotraste blateral para la varaza poblacoal co meda descoocda supoedo ormaldad. H : 4 H: 4 1 Sabemos que: ( 1)S 1 E uestro caso ( 1)S 7 13,5 4 Por otro lado, los valores crítcos para α=,5 y =8.5,7.975,7, 1 1,1 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 3

24 Para =,5 Para =,5 P( ).5 14,57 7.5,7.5,7 P( ) , ,7.975,7 sedo 13,5 meor que 14,57 RECHAZAMOS la hpótess ula de que la varaza del grosor de los flametos es 4 mlímetros. EXCEL: = INV.CHICUAD(,5;7) 14,75; INV.CHICUAD (,975;7) 43,19 O be, calculado el p-valor = 1 1 mí P 13.5,P WOLFRAMALPHA: Probablty X<13.5, Ch Square Dstrbuto degrees of freedom 7 Al rechazar la hpótess ula, aceptamos la hpótess alteratva de que la varaza o es 4; pero podemos platearos s es meor que 4 o mayor que 4. Solucó: Ahora se trata de realzar u cotraste ulateral para la varaza poblacoal co meda descoocda supoedo ormaldad. H : 4 H: 4 1 Sabemos que: ( 1)S 1 ( 1)S 7 13,5 4 El valor crítco para =,5 y =8 1,1.95,7 Para =,5 P( ) EXCEL: = INV.CHICUAD(,95;7) 4,11 WOLFRAMALPHA: Ch Square Dstrbuto degrees of freedom 7 PERCENTIL sedo 13,5 meor que 4,11 ACEPTAMOS la hpótess ula de que la varaza del grosor de los flametos es meor de 4 mlímetros. P O be, calculado el p-valor = 1 WOLFRAMALPHA: Probablty X<13.5, Ch Square Dstrbuto degrees of freedom 7 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 4

25 PUEBA PARA DOS MUESTRAS HOMOCEDASTICIDAD (Comparacó de poblacoes) Cosdérese ahora el problema de probar la gualdad de varazas 1 y, de dos poblacoes. Esto es, debe probarse la hpótess ula H o de que 1 e cotraposcó a ua de las alteratvas usuales 1, 1 ó 1. Para muestras aleatoras depedetes de tamaños respectvos 1 y, de las dos poblacoes, el valor f para probar s 1 es la razó f 1 s dode s 1 y s so las varazas calculadas a partr de las dos muestras. S las dos poblacoes tee dstrbucoes aproxmadamete ormales, y la hpótess ula es verdadera, de acuerdo e resultados obtedos, la relacó f es u valor de la dstrbucó F de Sedecor co 1-1 y -1 grados de lbertad. Por tato, las regoes crítcas, co vel de sgfcacó correspodetes a las alteratvas ulaterales 1 y 1 so respectvamete, f F. 1,1 1, 1 f F y,1 1, 1 Para la alteratva blateral 1, la regó crítca es f F y 1, 1, 1 f F 1,11,1. 6 Ejemplo: Se pretede comparar dos métodos de elmacó de observacoes. Se seleccoa ua muestra de 5 seres co observacoes aberrates y a 5 de ellas se le aplca el método A y a las otras 5 el B. Los resultados obtedos so los sguetes: Método A : xa 4,3; SA 1,4 Método B : xb 3,6; SB 1,1 Supoedo la varable ormal, cotrastar la hpótess de gualdad de medas a u vel de sgfcacó =,5. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 5

26 Solucó: Cotraste de Hpótess Debemos e prmer lugar cotrastar la hpótess de gualdad de varazas A B S S H : H: A B 1 A B A F,F,A1, B1 1,A1,B1 B S F, F.44,.7 S ,4,4.5,4,4 DERIVE: #1: NSOLVE(F_DISTRIBUTION(x, 4, 4) =.975, x,, 1) #: x = #3: NSOLVE(F_DISTRIBUTION(x, 4, 4) =.5, x,, 5) #4: x = EXCEL: =INV.F(,975;4;4),446697; =INV.F(,5;4;4),697455,44 < 1,6 <,7 y por tato aceptamos la hpótess de varazas guales. Cotrastamos ahora la gualdad de medas de dos poblacoes ormales de varazas descoocdas pero guales y muestras pequeñas. H : A B H: 1 A B El estadístco de prueba es: XA XB t 1 1 S A B,AB sedo (A 1)S A (B 1)S B S ( 1) ( 1) 4 4 A B co lo cual XA XB S A B y para =,5, t.975,48= DERIVE: #1: NSOLVE(STUDENT(x, 48) =.975, x, Real) #: x = EXCEL: =INV.T.C(,5;48),16347 Como 1.93 < admtmos la hpótess de gualdad de medas. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 6

27 9. PRUEBAS SOBRE PROPORCIONES PUEBA PARA UNA MUESTRA De ua poblacó co ua proporcó p de elemetos co ua característca (éxto) extraemos ua muestra X1, X,,X e cuyo caso se trata de ua dstrbucó B(,p) y tede a ua dstrbucó Normal. La proporcó muestral es 1 p k 1 X k N p, p(1 p) Se cosderar probar que la proporcó de éxtos e u expermeto bomal es gual a u valor específco. Cotemplamos prmero el problema de probar la hpótess ula H o de que la proporcó de éxtos p es gual al parámetro de la dstrbucó bomal. H : p p Ahora, se os platea tres posbles hpótess alteratvas: H 1 : p p; H 1 : p p; H 1 : p p El valor pes el úmero de éxtos e ua muestra de tamaño. Los valores de la dstrbucó bomal X que está lejos de la meda, po, coducrá al rechazo de la hpótess ula. Caso blateral Cotraste blateral ( colas) H : p p H : p p 1 Calculado el p-valor = mípx p,px p p-valor > se acepta la hpótess ula, y por lo tato p p. p-valor < se rechaza la hpótess ula, y por lo tato p p. y comparádolo co : Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 7

28 Caso ulateral Cotraste ulateral (cola de la zquerda) H : p p H : p p 1 Calculado el p-valor = P X p y comparádolo co : p-valor > se acepta la hpótess ula, y por lo tato p p. p-valor < se rechaza la hpótess ula, y por lo tato p p. Cotraste ulateral (cola de la derecha) H : p p H : p p 1 Calculado el p-valor = P X p y comparádolo co : p > se acepta la hpótess ula, y por lo tato p p. p < se rechaza la hpótess ula, y por lo tato p p. 7 Ejemplo: U fabrcate afrma que solamete el 4% de sus artículos so defectuosos. Se aalza 35 artículos y se ecuetra 7 defectuosos. Solucó: Plateamos el cotrastar p-valor = sedo H : p,4 H : p,4 7 PX ppx , Se acepta H 35 p(1 p).4(1.4) X N p, N.4, 35 PUEBA PARA DOS MUESTRAS 1 Deseamos probar que dos proporcoes so guales para ello obteemos dos muestras X1, X,,X y Y1, Y,,Ym de dos poblacoes B(,px) y B(m,py). Cosderado que >3 y m>3 Se defe el estadístco dfereca de proporcoes muestrales Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 8

29 m 1 1 p p X Y x y k k k1 m k1 Cotraste de Hpótess N px p y, px(1 px) p (1 ) y py m Para probar ua hpótess acerca de la dfereca de proporcoes, se procede sguedo los msmos pasos báscos dcados ates. 8 Ejemplo: Realzar u cotraste sobre la flueca del vel de estudos de los padres e el hjo mayor co 13 padres uverstaros y 5 co estudos prmaros, resultado que el hjo mayor había realzado estudos uverstaros e 78 y 36 famlas respectvamete. Se puede admtr que la proporcó de uverstaros es gual? Solucó: Plateamos el cotrastar H: p1 p p1 p H : p p p p Como la muestra es sufcetemete grade la dfereca de proporcoes se puede cosderar Normal p1(1 p1) p(1 p) p1 p N p1 p, m p1 y p so las proporcoes de las poblacoes, que descoocemos, pero para el cálculo de la desvacó típca las podemos aproxmar por las proporcoes muestrales. Pero la hpótess ula estable la gualdad de las proporcoes poblacoales, por tato, se debe calcular u valor p1 mp comú. El valor adecuado es la proporcó combada: p m 1 1 p1 p N p1 p, p1 p m Teemos que ; m5; p1.69; p.63; p co X N 1, , ( ) p p p p 13 5 m N X N p-valor =.6, P X , Se acepta H. No hay evdecas para rechazar que la proporcó de uverstaros es gual. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 9

30 1. TEST DE BONDAD DE AJUSTE. Cotraste de Hpótess Hasta ahora, hemos estudado aspectos o plateametos, de u problema que, de forma geeral, trata de tomar decsoes sobre algua característca de la poblacó, a partr del estudo de ua muestra de dcha poblacó. El problema que vamos a tratar es el de la coformdad de ua dstrbucó expermetal y ua dstrbucó teórca; esto es, susttur la dstrbucó expermetal (dstrbucó de la muestra de la poblacó), el hstograma, o la dstrbucó de frecuecas, por ua dstrbucó teórca coocda. Se trata ahora de ajustar ua dstrbucó expermetal a ua dstrbucó teórca; es decr, ver s de los resultados obtedos e ua muestra de ua poblacó, podemos supoer que la poblacó sgue ua determada dstrbucó. Segú sea el hstograma o la tabla de frecuecas de la muestra, hacemos ua hpótess sobre la dstrbucó de la poblacó, que estudaremos e u test de ajuste que mde la bodad de ajuste. Sea el tamaño de la muestra y agrupamos e k clases, y sea la frecueca absoluta observada de la clase. A partr de la muestra estmamos los parámetros de la poblacó teórca, y ua vez obtedos éstos, calculamos la probabldad p que le correspode a cada tervalo. Las correspodetes frecuecas absolutas teórcas (esperadas) será p. Sea: = tamaño de la muestra k = úmero de clases = frecueca absoluta de la clase p = probabldad de cada clase segú la dstrbucó teórca p = frecueca absoluta de cada clase segú la dstrbucó teórca h = úmero de parámetros estmados a partr de la muestra = úmero de grados de lbertad Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 3

31 Las frecuecas observadas e la dstrbucó de ua muestra, se emplea para poer a prueba, la hpótess de que la poblacó de la cual se ha obtedo la muestra, o dfere e dstrbucó, de la de algua dstrbucó coocda. S la hpótess fuese certa, las dscrepacas etre las frecuecas absolutas observadas y las frecuecas absolutas esperadas p, o debe ser grades. Supuesta coocda la dstrbucó de Y. La hpótess H tee la forma: la poblacó X de la cual se obtuvo la muestra tee la msma dstrbucó que la poblacó Y, formulamos la hpótess alteratva H 1 las poblacoes X e Y o tee la msma dstrbucó. Ua medda de las dscrepacas e este setdo, fue estudada por Pearso costruyedo el sguete estadístco: D k 1 ( p ) p, y demostró que, para 3 y p 5 D kh1 = k - h - 1 grados de lbertad., esto es, la varable D sgue ua dstrbucó j-cuadrado co Para aplcar correctamete el test, las frecuecas teórcas de las dferetes clases debe ser mayor o gual que cco, por lo que e caso de que o llegue, se agrupa prevamete. La prueba de bodad (o ch-cuadrado) es ua herrameta muy mportate, debdo sobre todo a que muchos procedmetos estadístcos e la práctca depede, e u setdo teórco, de la suposcó de que los datos recogdos surge de u tpo de dstrbucó específca. La suposcó de ormaldad se hace co bastate frecueca. Fjado u vel de sgfcacó, buscamos u valor 1 tal que P 1 1 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 31

32 S dferecas D aceptamos la hpótess H de coformdad co el ajuste, sedo las 1 p debdas al azar. S D rechazamos la hpótess H, las dferecas p so sgfcatvas y 1 por tato, las dstrbucoes so dsttas. E el caso de o fjar u valor cocreto del valor de α, buscaremos el p-valor p P( D) Se defe como el mímo vel de sgfcacó para el que, co los datos de ua muestra cocreta, se tedría que rechazar H D p E geeral, cuato más próxmo a 1 sea p co mayor evdeca se habrá de aceptar H. A título oretatvo, S p>.5 o exste sufcete evdeca para rechazar H. S.1<p<.5 exste certdumbre etre rechazar o o rechazar H. S p<.1 e geeral deberá ser rechazada la hpótess H, Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 3

33 S se ha fjado de atemao u vel de sgfcacó, se acepta H, s p>, y se rechaza H s p< Observacoes acerca de D. 1º El valor D es más grade a medda que la dstrbucó expermetal se separa más de la teórca. º El úmero de tervalos se puede fjar lbremete sempre y cuado se verfque p 5. 3º E geeral, D crece s crece el º de tervalos, auque la dstrbucó teórca se ajuste be. Puede darse el caso de rechazar H para u º de tervalos k, y aceptar para u º meor de k tervalos. 9 Ejemplo: De u expermeto se ha obtedo la sguete dstrbucó de frecuecas: x < 1 1 a a 3 3 a 4 4 a 5 5 a 6 6 a 7 7 a 8 8 a 9 > Ajustar a ua dstrbucó ormal co u vel de sgfcacó del.5. Solucó: e 1 e x x x < > Hstograma de frecuecas Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 33

34 Utlzado las fórmulas, ya coocdas: Cotraste de Hpótess X S ; resulta ua dstrbucó estmada: N( 5, ) 649 e 1 e p F(e) F(e ) ) p 1 p p < = = = = > = sumatoro D=3.933 Queda 6 tervalos y hemos calculado parámetros (meda y varaza) luego = k - h - 1 = 6 1= 3 grados de lbertad. Para =,5 P( ) sedo D = 3.9 meor que aceptamos la hpótess de ser el ajuste bueo. EXCEL: = INV.CHICUAD.CD(,5;3) 7,8147 O be, utlzado el p-valor: EXCEL: = DISTR.CHI(3.9,3).691 >,5 = WOLFRAMALPHA: Probablty 3.9<X, Ch Square Dstrbuto degrees of freedom Ejemplo: Se puede admtr la dstrbucó ormal de valores agulares e ua tragulacó de prmer orde de u país e la que se ha tomado ua muestra de tamaño 1 y se ha obtedo los sguetes resultados: Solucó: x < > Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 34

35 Medd a x x Cotraste de Hpótess (x x) p p p ,36, ,61, ,6,694543,61, ,, ,7, ,99,98985,93, ,83, ,15, , Teemos que calcular la meda y la desvacó típca de la dstrbucó Normal. Para ello cosderamos la muestra obteda: x x x x =56,1; S 14, p Cosderamos la poblacó co dstrbucó N (56.1, 14,69896). La prueba de la bodad de ajuste de Pearso se basa e la dstrbucó Ch- cuadrado co k-h-1 grados de lbertad, e uestro caso k=5 (º de tervalos), h= (º de parámetros) y como: D= p =6, y P( 5 16,747489), p Utlzado el p-valor: DERIVE: 1 - CHI_SQUARE( 6,747489,) >,5 = EXCEL: = DISTR.CHI( 6, ;),346598>,5 = WOLFRAMALPHA: Probablty 6, <X, Ch Square Dstrbuto degrees of freedom SE RECHAZA EL AJUSTE por ser feror al 5%. Probemos ahora co otra dstrbucó: Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 35

36 Segú la ley de la dstrbucó uforme, la probabldad teórca de cada clase es gual a la udad dvdda por el úmero de clase: 1/5=, x < > p,,,,, p p p k D 1,5 1 ( p ) p Utlzado el p-valor: DERIVE: 1 - CHI_SQUARE(1.5,4)= >,5 = EXCEL: = DISTR.CHI(1,5;4),86641>,5 = WOLFRAMALPHA: Probablty 1.5<X, Ch Square Dstrbuto degrees of freedom Aceptamos la hpótess de ser el ajuste bueo. La dfereca etre la dstrbucó empírca y la ley de la dstrbucó uforme o es sgfcatva. Test de depedeca Aplcacoes de la Prueba ch-cuadrado: Se trata de cotrastar s dos varables CUALITATIVAS so depedetes (es decr, s exste relacó etre ellas), o o. H : X e Y so depedetes H 1 : X e Y o so depedetes Supogamos que de ua poblacó se ha observado dos característcas X e Y, obteédose ua muestra bdmesoal (x 1,y 1 ), (x,y ),, (x,y ). Se desea cotrastar s X e Y so depedetes o o. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 36

37 Para ello, se dvde el cojuto de los posbles valores de X e r clases dsjutas, A1, A,, Ar y los de Y e k clases dsjutas, B1, B,, Bk, obteedo k r clases co frecueca j, dado lugar a ua tabla de doble etrada (tabla de cotgeca): Muestra A 1 A. A r Total B r 1. B 1 r. B k k1 k kr k. Total. 1...r Buscamos las frecuecas esperadas de cada caslla (ej): pj PAj B PAjPB Sobre ua muestra de tamaño, será: j j.j. e p.j...j Al Igual que para el test de Bodad el estadístco de cotraste r k O j ej D e E uestro caso: 11 Ejemplo: j1 1..j r k j D co (k-1)(r-1) grados de lbertad j1 1..j Hemos pregutado a u grupo de 1 hombres y 1 mujeres s fumaba o o. Exste dferecas sgfcatvas etre ambos sexos? j Hombres Mujeres TOTAL: Fuma No fuma TOTAL: 1 1 Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 37

38 Solucó: Qué debería salr, s fuera depedetes? Hombres Mujeres TOTAL: Fuma 5 (3) 35(3) 6 No fuma 75(7) 65(7) 14 TOTAL: 1 1 H o : X e Y so depedetes H 1 : X e Y o so depedetes Comparamos frecuecas observadas (O ) y esperadas (e ) D r k O j ej j D, La dea es RECHAZAR la hpótess, s los valores observados dfere demasado de los esperados. Para ello, utlzamos la prueba de la ch-cuadrado co =1 grado de lbertad. El úmero de grados de lbertad es gual al úmero de frecuecas de casllas que se puede rellear lbremete coocdos los totales. E geeral, será el úmero de columas meos 1 por el úmero de flas meos 1: (c-1)(f-1). p valor P(.38), e j Utlzado el p-valor: EXCEL: = DISTR.CHI(,38;1),18975 WOLFRAMALPHA: Probablty.38<X, Ch Square Dstrbuto degrees of freedom Aceptamos la hpótess de depedeca para cualquer valor de α feror al p-valor. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 38

39 Aplcacoes de la Prueba Ch-cuadrado: Prueba de Homogeedad Cosste e comprobar s varas muestras de u carácter cualtatvo procede de la msma poblacó o que las dstrbucoes de la varable observada es la msma e todas las poblacoes H : m poblacoes homogéeas H 1 : al meos ua poblacó es heterogéea Supogamos que se dspoe de m muestras aleatoras smples de otras tatas poblacoes cuyos tamaños so, respectvamete, 1,,, m. Se desea cotrastar s los datos (todos jutos) provee de la msma poblacó o, por el cotraro, se trata de poblacoes heterogéeas co dferetes dstrbucoes. Para ello, se dvde el cojuto de los posbles valores de A e r clases dsjutas y j, represeta el úmero de observacoes de la muestra que perteece a la clase A j segú vemos e ua tabla de doble etrada (tabla de cotgeca): Muestra A1 A. Ar Total r 1 1 r m m1 m mr m Total. 1...r La hpótess de que las m poblacoes so homogéeas, se traduce e que cada cojuto Aj debe teer ua probabldad teórca pj, descoocda, pero que o varía de la poblacó a la poblacó.j ej pj Al Igual que para el test de Bodad el estadístco de cotraste D r m O j ej j1 1 e j Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 39

40 E uestro caso: D r m j1 1 j.j.j co (m-1)(r-1) grados de lbertad 1 Ejemplo: Queremos saber s las cuatro muestras obtedas procede de la msma poblacó co probabldad del 95%. Es decr, s la proporcó de aprobados y suspesos es homogéea. A B C D Aprobados No aprobados Solucó: H : p = p 11 = p 1 = p 13 = p 14 o H : p j dstto de p para algú grupo 1 Se calcula las frecuecas esperadas e1 p1 1 59,5 5 Que cocde para los cuatro grupos por ser el msmo tamaño muestral = e p 1 4,75 5 Calculamos el valor del estadístco.j r m j 56 59,5 6 59,5 6 59,5 D 59,5 59,5 59,5 j1 1.j 59 59,5 44 4,75 4 4, ,75 414,75 59,5 4,75 4,75 4,75 4,75, Ajustamos a ua dstrbucó de Pearso co 3 grados de lbertad Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 4

41 E geeral, será el úmero de columas meos 1 por el úmero de flas meos 1: (c-1)(f-1). p valor P, , Utlzado el p-valor: DERIVE: 1 - CHI_SQUARE( ,3)= EXCEL: = DISTR.CHI( ;3), WOLFRAMALPHA: Probablty <X, Ch Square Dstrbuto degrees of freedom Por ser próxmo a 1 ACEPTAMOS la hpótess y las muestras procede de la msma poblacó. 11. EL CONTRASTE DE KOLMOGOROV-SMIRNOV Auque el test de la es váldo para varables aleatoras cotuas, es preferble aplcar el método de Kolmorov-Smrov que se basa e comparar fucoes de dstrbucó, evtado los problemas que pueda dervarse de la clasfcacó de los datos. Además puede aplcarse a muestras pequeñas. Para ua v.a. X cosderamos la Hpótess ula H sobre la dstrbucó de la poblacó. H :F F teórca H:FF 1 teórca El cotraste cosste e comparar la fucó de dstrbucó de uestra muestra co la de la varable aleatora que queremos cotrastar. Los pasos a segur para realzar el cotraste so: 1) Se ordea los valores de meor a mayor: x1 x... x Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 41

42 ) Se costruye la fucó de dstrbucó empírca teedo e cueta que sgue ua dstrbucó uforme dscreta co la probabldad 1/ de estar e la muestra. x<x1 1 x1 x<x x x<x3 F (x)... 1 x 1 x<x 1 x<x F(x) = Proporcó de observacoes e la muestra meores o guales que x, para todo x R 3) Se calcula el valor de la fucó de dstrbucó del modelo a cotrastar Fteórca e cada uo de los putos x de la muestra. 4) Estadístco D máx F (x) F(x) x Este estadístco calcula la dscrepaca máxma etre la fucó de dstrbucó empírca y la dstrbucó teórca propuesta por H. Para cada x calculamos D (x) máx F(x 1) F(x),F(x) F(x) y D(x) x máxd(x) D, represeta la medda de las dferecas etre la fucó de dstrbucó empírca obteda a partr de los datos de la muestra y los valores de F s H fuera certa. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 4

43 5) Fjado u vel de sgfcacó se calcula k e: PD k O be, el p-valor PD d Regó crítca = (k, ), luego dode d es el valor que toma D e la muestra. La dstrbucó de D cuado H es certa, es ua fucó que se ecuetra tabulada. S el estmador de la prueba es meor al valor buscado e la tabla se acepta H o hpótess ula, e caso cotraro se rechaza. 6) Rechazaremos H s el p-valor obtedo es meor que el vel de sgfcacó elegdo para realzar el test. Udad Docete de Matemátcas de la E.T.S.I.T.G.C. de la U.P.M. 43

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Nociones de Estadística

Nociones de Estadística Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis . CONTRSTE DE HIPÓTESIS.1. Introduccón.. Contraste de una hpótess estadístca.3. Test unlateral y blateral.4. Test relaconados con una sola meda (varanza conocda).5. Relacón con la estmacón del ntervalo

Más detalles

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA INTRODUCCIÓN PRUEBAS NO PARAMÉTRICAS VERSUS PRUEBAS PARAMÉTRICAS

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA INTRODUCCIÓN PRUEBAS NO PARAMÉTRICAS VERSUS PRUEBAS PARAMÉTRICAS UNIDAD III: INFERENCIA ESTADÍSTICA PRUEBA DE IPÓTESIS JI CUADRADO TEMA.. INTRODUCCIÓN.. PRUEBAS PARAMÉTRICAS VERSUS PRUEBAS NO PARAMÉTRICAS.3. EXPERIMENTOS MULTINOMIALES.4. DISTRIBUCIÓN DE PROBABILIDAD

Más detalles

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

Más detalles

Figura 1

Figura 1 Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

I n t r o d u c i ó n A l a E s t a d í s t i c a 1 Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996 º semaro AEDEMO sobre Audeca de Televsó Palma de Mallorca, Febrero de 996 LA PRECISIÓN ESTADÍSTICA EN EL PANEL DE AUDIMETRÍA Carlos Lamas ÍNDICE. INTRODUCCIÓN, TEORÍA Y CONCEPTOS. EFECTO DEL EQULILIBRAJE

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos

ESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles