ÍNDICE. Índice 1. Introducción 2. Regresión Lineal Simple 3. Método de los mínimos cuadrados 4
|
|
- Ana Cuenca Vargas
- hace 6 años
- Vistas:
Transcripción
1 ÍNDICE Ídice 1 Itroducció 2 Regresió Lieal Simple 3 Método de los míimos cuadrados 4 Correlació Lieal Simple Aplicació Práctica Regresió Lieal Múltiple Estimació de coeficietes Correlació Lieal Múltiple Aplicació Práctica Coclusioes Bibliografía 1
2 INTRODUCCIÓN E la idustria co mucha frecuecia es ecesario resolver problemas que implica cojutos de variables, cuado se sabe que existe algua relació iherete etre ellas. A partir de lo aterior, es ecesario establecer modelos que explique dicha relació. Cuado, simultáeamete, cotemplamos dos variables cotiuas, auque por extesió se puede emplear para variables discretas cuatitativas, surge pregutas y problemas específicos. Esecialmete, se empleará estadísticos descriptivos y técicas de estimació para cotestar esas pregutas, y técicas de cotraste de hipótesis específicos para resolver dichos problemas. La mayoría de estos métodos está ecuadrados e las técicas regresió y correlació E forma más especifica el aálisis de correlació y regresió comprede el aálisis de los datos muestrales para saber que es y como se relacioa etre si dos o mas variables e ua població. El aálisis de correlació produce u úmero que resume el grado de la fuerza de relació etre dos variables; y el aálisis de regresió da lugar a ua ecuació matemática que describe dicha relació. La técica de regresió lieal simple está idicada cuado se pretede explicar ua variable respuesta cuatitativa e fució de ua variable explicativa cuatitativa tambié llamada variable idepediete, variable regresora o variable predictora. Por ejemplo, se podría itetar explicar el peso e fució de la altura. El modelo itetaría aproximar la variable respuesta mediate ua fució lieal de la variable explicativa. A partir de la presete ivestigació, se pretede mostrar la aplicació práctica de la regresió y correlació lieal simple y múltiple e la idustria. Ya que la aplicació de las técicas estadísticas cotribuye a la optimizació de los procesos. 2
3 REGRESIÓN LINEAL SIMPLE La fialidad de ua ecuació de regresió es estimar los valores de ua variable co base e los valores coocidos de la otra. Otra forma de emplear ua ecuació de regresió es para explicar los valores de ua variable e térmios de otra. El aálisis de regresió úicamete idica qué relació matemática podría haber, de existir ua. Las suposicioes que se realiza al aplicar las técicas de regresió lieal so: El modelo propuesto es lieal (es decir existe relació etre la variable explicativa y la variable explicada, y esta relació es lieal). Es decir se asume que: Var respuesta = β o + variable explicativa. β 1+ ε siedo β 0 el térmio idepediete (costate) β 1el coeficiete de regresió de la variable explicativa (pediete) y ε es ua variable aleatoria que se llama error residual. La variable explicativa se ha medido si error. El valor esperado de e del modelo es cero. La variaza de e (y por lo tato de la variable respuesta) es costate. Los ε so idepedietes etre sí. Si se desea realizar cotrastes de hipótesis sobre los parámetros (coeficietes) o sobre el modelo, tambié es ecesario que la distribució de ε sea ormal. Para estudiar la validez del modelo es ecesario cofirmar estas hipótesis mediate el estudio de los residuos (valores observados - valores predichos): ormalidad, tedecias, etc. Cuado o se cumple los criterios de aplicació es ecesario realizar trasformacioes a las variables, o bie para obteer ua relació lieal o bie para homogeeizar la variaza. La regresió lieal simple comprede el iteto de desarrollar ua líea recta o ecuació matemática lieal que describa la relació etre dos variables. La regresió puede ser utilizada de diversas formas. Se emplea e situacioes e la que las dos variables mide aproximadamete lo mismo, pero e las que ua variable es relativamete costosa, o por el cotrario, es poco iteresate trabajar co ella, mietras que co la otra variable o ocurre lo mismo. Ecuació Lieal Simple Dos características importates de ua ecuació lieal: La idepedecia de la recta La localizació de la recta e algú puto. Ua ecuació lieal tiee la forma: 3
4 Forma geeral de la ecuació de regresió lieal simple Y = a + Bx Dode: Y se lee Y prima, es el valor proosticado de la variable Y para u valor seleccioado de. a es la ordeada de la itersecció co el eje Y, es decir, el valor estimado de Y cuado = 0. Dicho de otra forma, correspode al valor estimado de Y, dode la recta de regresió cruza el eje Y, cuado = 0. B es la pediete de la recta, o el cambio promedio e Y por uidad de cambio (icremeto o decremeto) e la variable idepediete. x es cualquier valor seleccioado de la variable idepediete. Co esta expresió se hace referecia al proceso matemático que sirve para ajustar ua líea recta a través de u cojuto de datos bivariables asetados e ua gráfica de dispersió. Dicha líea se cooce como líea de regresió simple. El primer paso es recoger datos experimetales correspodietes a idividuos co iformació de dos variables cuatitativas: ua de ellas se cosidera variable explicativa (Variable x) y la otra se cosidera variable respuesta (Variable y). El modelo que se asume es: y = β o + x β 1 + ε Los coeficietes míimos cuadrados. β o y β 1 se estima por b 0 y por b 1 a través del método de Método de míimos cuadrados Es el procedimieto mas utilizado por adaptar ua recta au cojuto de puto se le que cooce como método de míimos cuadrados. La recta resultate preseta 2 característica importates: Es ula la suma de desviacioes verticales e los putos a partir de la recta Es míima la suma de los cuadrados de dichas desviacioes Para u valor dado de, por ejemplo, 1, habrá ua diferecia etre el valor Y1 y el correspodiete valor de la curva C. Esta diferecia se deota por D1, que se cooce como desviació, error o residuo. 4
5 De todas las curvas de aproximació a ua serie de datos putuales la curva que tiee la propiedad de que: D2 1 + D D2 N Se cooce como Mejor curva de ajuste ( N,Y N ) D N ( 1,Y 1 ) D 1 C ( 2,Y 2 ) D N La suma de cuadrados de desviació se le llama suma de cuadrados por falla (SCF). Esta suma de cuadrados proporcioa la medida de que ta bie se ajusta la líea al cojuto completo de putos. Si la SCF es cero, implica que los putos cae exactamete sobre la líea. Por el cotrario etre más grade es SCF respecto de cero, meor es el ajuste. La recta que tega ua suma de cuadrados meor para u cojuto de putos, que cualquier otra líea recta es la líea recta llamada líea de regresió de los míimos cuadrados. Las ecuacioes ormales so u cojuto de ecuacioes cuya solució produce u valor úico para la pediete B y la ordeada a asociada co los datos bivariables. Obteiédose así: El problema que se platea es etoces el de cómo calcular las catidades a y b a partir de u cojuto de observacioes: ( 1, Y 1 ) ( 2, Y 2 )... ( N, Y N ) De forma que se miimice el error. Las etapas e que se divide el proceso que se va a desarrollar so de forma esquemática, las que sigue: 1. Dadas dos variables, Y, sobre las que se defie: 5
6 Se mide el error que se comete al aproximar Y mediate calculado la suma de las diferecias etre los valores reales y los aproximados al cuadrado (para que sea positivas y o se compese los errores): 2. Ua aproximació de Y, se defie a partir de dos catidades a y b. Se va a calcular aquellas que miimiza la fució 3. Posteriormete se ecotrara las fórmulas para el cálculo directo de a y b que sirva para cualquier problema. Ordeada al orige a yi m i= 1 i= 1 = x i Pediete de la recta B xi)( i i ( xi) xy i i ( i= 1 = 1 i= 1 = x i= 1 i= 1 yi) 6
7 DIAGRAMA DE DISPERSIÓN La correlació, método por el cual se relacioa dos variables se pude graficar co u diagrama de dispersió de putos, a la cual muchos autores le llama ubes de putos, ecuadrado detro de u gráfico de coordeadas Y e la cual se pude trazar ua recta y cuyos putos mas cercaos de ua recta hablara de ua correlació mas fuerte, a esta recta se le deomia recta de regresió, que puede ser positiva o egativa, la primera cotudecia a aumetar y la seguda e desceso o decreciete. Tambié se puede describir u diagrama de dispersió e coordeadas cartesiaas valores, e dode la ube de putos represeta los pares de valores. Gráficos de recta de regresió Regresió Negativa Regresió Positiva Gráfico de dispersió 7
8 CORRELACION La correlació, o el grado de relació etre las variables, se estudia para determiar e que medida ua ecuació lieal o de otro tipo describe o explica de ua forma adecuada la relació etre variables. El aálisis de correlació iteta medir la fuerza de las relacioes etre dos variables por medio de u solo úmero llamado coeficiete de correlació. Si todos lo valores de las variables satisface exactamete ua ecuació, se dice que las variables está correlacioadas perfectamete o que hay ua correlació perfecta etre ellas. Cuado se trata de dos variables solamete, se habla de correlació simple y de regresió simple. Cuado se trata de más de dos variables se habla de correlació múltiple y de regresió múltiple. CORRELACION LINEAL SIMPLE Si y Y deota las dos variables que se cosidera, u diagrama de dispersió muestra la localizació de los putos (, Y) e u sistema de coordeadas rectagulares. Si todos los putos e este diagrama de dispersió parece ecotrarse cerca de ua recta, como e (a) y (b) de la figura 1, la correlació se dice lieal. E tales casos es adecuada ua ecuació lieal. Si Y tiede a icremetarse cuado se icremeta, como e (a), la correlació se dice positiva o correlació directa. Si Y tiede a dismiuir cuado se icremeta, como e (b) la correlació se dice egativa o correlació iversa. Si todos los putos parece estar cerca de algua curva, la correlació se dice o lieal y ua ecuació o lieal es la apropiada para la regresió o estimació. Es evidete que ua correlació o lieal puede ser a veces positiva y a veces egativa. Si o hay igua relació etre las variables, como la figura 1(c), se dice que o hay correlació etre ellas, es decir, o está correlacioadas. 8
9 Y Y Y (a) Correlació lieal positiva (b) Correlació lieal egativa (c) No hay correlació Figura 1 Medidas de correlació Ua forma de determiar de ua maera cualitativa, lo bie que ua recta o curva dada describe la relació etre variables es la observació directa del diagrama de dispersió. Por ejemplo se ve que para los datos de la fig.-1(a) la recta represetada describe mucho mejor la relació etre y Y que la de la fig.-1(b) lo hace para los suyos, debido al hecho de que hay meos dispersió alrededor de la recta de la fig.1(a). Si se trata el problema de la dispersió de los datos muestrales alrededor de rectas o curvas de ua maera cuatitativa, será ecesario defiir uas medidas de correlació. Error típico de la estimació Si Y est.. represeta el valor de Y estimado de la ecuació de regresió lieal simple para valores de dados, ua medida de la dispersió alrededor de la recta de regresió de Y sobre viee dada por la catidad: s Y. = Σ(Y - Y est. ) 2 N que se llama error típico de la estimació de Y sobre. Variació explicada y o explicada La variació total de Y se defie como: Σ(Y - Y ) 2 es decir, la suma de los cuadrados de las desviacioes de los valores de Y de su media Y lo cual puede escribirse como: 9
10 Σ(Y - Y ) 2 = Σ(Y - Y est. ) 2 + Σ(Y est. - Y ) 2 Siedo Y est. el valor de Y estimado de la ecuació de regresió de la recta de míimos cuadrados para valores de dados: Y = a + Bx El primer térmio del segudo miembro se llama variació o explicada, mietras que el segudo térmio se llama variació explicada, y esto es así, porque las desviacioes de Y estimada meos Y media tiee u patró defiido, mietras que las desviacioes Y meos Y estimada se comporta de ua forma aleatoria o o previsible. Coeficiete de correlació La razó de la variació explicada a la variació total se llama coeficiete de determiació. Si la variació explicada es cero, es decir, la variació total es toda o explicada, esta razó es cero. Si la variació o explicada es cero, es decir, la variació total es toda explicada, la razó es uo. E los demás casos la razó se ecuetra etre cero y uo. Puesto que la razó es siempre o egativa, se deota por r 2. La catidad r se llama coeficiete de correlació y esta dado por: variació explicada r = ± variació total = ± Σ(Y est. - Y) 2 Σ(Y - Y) 2 y varía etre -1 y +1, los sigos ± se utiliza para la correlació lieal positiva y la correlació lieal egativa, respectivamete. Nótese que r es ua catidad si dimesioes, es decir, o depede de las uidades empleadas. De esta maera u valor de r igual a +1 implica ua relació lieal perfecta co ua pediete positiva, mietras que u valor de r igual a -1 resulta de ua relació lieal perfecta co pediete egativa. Se puede decir etoces que las estimacioes muestrales de r cercaas a la uidad e magitud implica ua buea correlació o ua asociació lieal etre y Y, mietras que valores cercaos a cero idica poca o igua correlació. Otra forma de medir el coeficiete de correlació muestral es: r = 1 - S 2 Y. S 2 Y Ecuacioes similares se obtiee cuado se itercambia y Y. 10
11 Para el caso de ua correlació lieal la catidad r es la misma, tato si es como Y cosiderada como variables idepedietes. Así, pues, r es ua medida muy buea de la correlació lieal etre dos variables. Las dos defiicioes ateriores de r coeficiete de correlació so completamete geerales y puede utilizarse para relacioes o lieales, tato como para lieales, las úicas diferecias, so que Y est. Se calcula e aquel caso, a partir de ua ecuació de regresió o lieal e lugar de ua ecuació de regresió lieal y los sigos ± se omite. El coeficiete de determiació muestral r 2 expresa la proporció de la variació total e los valores de la variable Y que da razó o se puede explicar mediate ua relació lieal co los valores de la variable aleatoria. De esta maera ua correlació de 0.6 sigifica que 0.36, o 36%, de la variació total de los valores de Y e uestra muestra se explica mediate ua relació lieal co los valores de. Se debe señalar que e estudios de correlació, como e problemas de regresió lieal, los resultados que se obtiee sólo ta bueos como el modelo que se supoe. E la técica de correlació de uestro caso se supoe ua desidad ormal bivariada para las variables y Y, co el valor medio de Y e cada valor x liealmete relacioado co x. Para observar la coveiecia de la suposició de liealidad, a meudo es útil ua graficació prelimiar de los datos experimetales. U valor del coeficiete de correlació muestral cercao a cero resultará de datos que muestre u efecto estrictamete aleatorio, lo que implica poca o igua relació causal. Es importate recordar que el coeficiete de correlació etre dos variables es ua medida de su relació lieal, y que u valor de r igual co cero implica ua falta de liealidad y o ua falta de asociació. Por ello, si existe ua fuerte relació cuadrática etre y Y, podemos aú obteer ua correlació cero que idique ua relació o lieal. 11
12 APLICACIÓN PRÁCTICA E la idustria de las Artes Gráficas es importate el tiempo de secado ua vez que el impreso sale de la presa Offset, ya que de la rapidez de lo aterior depederá la agilizació del proceso posterior y la elimiació de cuellos de botella iecesarios. Durate el mes de Julio de 2005; e la empresa Surtidora Gráfica S.A. de C.V., se desarrollo u muestreo a partir de u impreso estádar e PMS co u área de impresió gráfica aproximada del 75%, ya que geeralmete este impreso respode al formato comú a producir. El objetivo de dicho estudio, fue determiar la relació existete etre gramaje y tiempo de secado. Coocimieto Teórico.- El mecaismo de secado de la tita se refiere a la forma e que la tita impresa húmeda se trasforma e película permaete sobre la superficie de impresió. Máquia.- Speed Master CD (5 colores) Proveedor Papel.- Pochteca (Couche Brillate) Proveedor Tita.- Su Chemical Gaacia de Puto.- 72% Solució de la fuete: PH Coductividad microhms Temperatura o C Especificacioes del proceso Offset: Medida Gramaje Tiempo de Secado (Mi) Medida Gramaje Tiempo de Secado (Mi) Medida Gramaje Tiempo de Secado (Mi) x
13 DIAGRAMA DE DISPERSIÓN y = x Tiempo de secado Gramaje A partir del software Statgraphics es posible defiir el modelo y la correlació correspodiete de la relació etre gramaje y tiempo de secado. Parameter Regressio Aalysis - Liear model: Y = a + b* Estímate Error P-Value Itercept Slope Depedet variable: Tiempo Idepede variable: Gramaje Correlatio Coefficiet = R-squared = %Stadard Error of Est. = Aálisis de Resultados A cotiuació se muestra describe: los resultados apropiados del modelo lieal que se a) La ecuació del modelo establece la relació etre el Tiempo de secado y el gramaje Tiempo = *Gramaje b) La r-cuadrada idica estadísticamete al modelo como apto para explicar co % la variabilidad e relació al gramaje. 13
14 c) El coeficiete de correlació igual a idica ua relació moderadamete fuerte etre las variables. d) El error estádar de la estimació muestra la desviació estádar de Este valor puede ser usado para costruir límites de predicció e uevas observacioes para elaborar proósticos. e) El p-value muestra que efectivamete o se rechaza la hipótesis del modelo que explica la relació moderadamete fuerte del tiempo de secado co el gramaje. Software Statgraphic Fig. 1 Patalla Cetral del Software Statgraphic. Fig. 2 Patalla e la que se muestra los cálculos obteidos a partir del software. 14
15 REGRESIÓN LINEAL MÚLTIPLE E la mayor parte de los problemas que se geera e la idustria e que se aplica el aálisis de regresió, se requiere más de ua variable idepediete e el modelo de regresió. La complejidad de la mayoría de los mecaismos cietíficos es tal que, co objeto de estar e codicioes de proosticar ua respuesta, se ecesita u modelo de regresió múltiple. La regresió múltiple comprede tres o más variables. Existe solo ua variable depediete, pero hay dos o más de tipo idepediete. E esta operació se desarrolla ua ecuació la cual se puede utilizar para predecir valore de y, respecto a valores dados de la diferecia de variables idepedietes adicioales a través de icremetar la capacidad predicativa sobre la de la regresió lieal simple. Auque hay muchos problemas e los cuales ua variable puede predecirse co bastate exactitud e térmios de otra, parece razoable que las prediccioes deba mejorar si adicioalmete se cosidera iformació relevate. Estimació de los coeficietes por el método de míimos cuadrados E el caso de la regresió múltiple la ecuació se amplía y puede teer más variables idepedietes adicioales. Esto puede ampliarse a cualquier úmero (k) de variables idepedietes, siedo la ecuació geeral de regresió múltiple: Forma geeral de la ecuació de regresió lieal múltiple Dode: Y 1 = a + B 1 x 1i + B 2 x 2i B k x ki + ε i 1, k a eje Y. so las variables idepedietes. es la itersecció co el eje Y. Es la ordeada del puto de itersecció co el B 1 es la variació eta e Y por cada uidad de variació e 1 mateiedo 2 costate. Se deomia coeficiete de regresió parcial, coeficiete de regresió eta, o simplemete coeficiete de regresió. B k es el cambio eto e Y para cada cambio uitario e k mateiedo 1 costate. Tambié se le cooce como coeficiete de regresió parcial, coeficiete de regresió eta, o simplemete coeficiete de regresió. 15
16 Se puede aplicar técicas de míimos cuadrados similares para estimar los coeficietes cuado los modelos lieales ivolucra potecias y productos de las variables idepedietes. b o i = b o i = b o +b 1 i = 1 1 Ki 1 1 i +b 1 i = 1 1 i +b 2 i = 1 1 i +b2 i = 1 +b 1 Ki 1 i = +b 2 ki 2 i i 1 2 i b k ki i = 1 2 i b k i = 1 i = b 1 k i = 1 = i = Yi 1 1 K = iyi i = 1 2 Ki = kiyi i = 1 La solució de este cojuto de ecuacioes de las estimacioes úicas produce los coeficietes b 0, b 1, b 2,...b k. Regresió lieal matricial Al ajustar u modelo de regresió lieal múltiple, e particular cuado el úmero de variables excede de 2, el coocimieto de la teoría matricial puede facilitar las maipulacioes matemáticas. Supógase que el experimetador tiee k variables idepedietes 1, 2..., K, y observacioes y1, y2..., y y, cada ua de las cuales se puede expresar por la ecuació: Y 1 = a + B 1 x 1i + B 2 x 2i B k x ki + i Este modelo represeta ecuacioes que describe cómo se geera los valores de respuesta. Co la otació matricial, se puede escribir las ecuacioes. y1 y2. y =.. y 1 1. = k1... k 2... k β = β 0 β 1 β 2... βk Dada la complejidad de las matrices, de acuerdo al úmero de variables idepedietes, es coveiete resolverlas a través de u software. 16
17 CORRELACION MULTIPLE El grado de relació existete etre tres o más variables se llama correlació múltiple. Los pricipios fudametales implicados e los problemas de correlació múltiple so aálogos a los de la correlació simple tratada co aterioridad. Como se observó e la parte de regresió lieal múltiple, existe ua ecuació de regresió para estimar ua variable depediete, a partir de variables idepedietes. Tambié, como observamos e la parte de regresió lieal múltiple, aálogamete a como existe las rectas de regresió de míimos cuadrados de aproximació a ua serie de N datos putuales (, Y) e u diagrama de dispersió de dos dimesioes, existe los plaos de regresió de míimos cuadrados que se ajusta a ua serie de N datos putuales ( 1, 2, 3 ) e u diagrama de dispersió de tres dimesioes. La base del cálculo de la correlació múltiple se basa e la teoría de la regresió múltiple, ya sea por míimos cuadrados o matricialmete, de acuerdo a uestra parte de regresió lieal múltiple. Plaos de regresió y coeficietes de correlació Vamos a supoer ua ecuació de regresió para el caso de tres variables, como a cotiuació se idica: 1 = b b b Esta ecuació se llama ecuació de regresió lieal de 1 sobre 2 y 3; co b 1.23, b 12.3, y b 13.2 los coeficietes de regresió parcial de acuerdo a la teoría de regresió múltiple. Como observamos, teemos ua variable depediete 1 y dos variables idepedietes 2 y 3. Tomado como referecia esta ecuació, si los coeficietes de correlació lieal etre las variables 1 y 2, 1 y 3, 2 y 3 se calcula como e la parte de correlació lieal simple y se deota, respectivamete, por r 12, r 13, r 23 (tambié llamados coeficietes de correlació de orde cero), el plao de regresió de míimos cuadrados tiee la ecuació: x 1 = r 12 - r 13 r 23 x 2 + r 13 - r 12 r 23 x 3 s r 2 23 s r 2 23 s 3 dode: x 1 = 1-1, x 2 = 2-2, x 3 = 3-3, y s 1, s 2 y s 3 so las desviacioes típicas de 1, 2 y 3, respectivamete 17
18 Error típico de la estimació Tomado como base la teoría de la regresió lieal simple como ua geeralizació de esta defiimos al error de la siguiete maera: Σ( 1-1 est. ) 2 s 1.23 = N dode 1 est. Idica los valores de 1 estimados e la recta de regresió. E térmios de los coeficietes de correlació r 12, r 13, y r 23, el error típico de la estimació puede calculares por medio de: s 1.23 = 1 - r r r r 12 r 13 r r 2 23 Coeficiete de correlació múltiple Por aalogía co la teoría de correlació simple, el coeficiete de correlació múltiple queda defio por ua extesió de la ecuació del coeficiete e correlació simple. E el caso, por ejemplo, de dos variables idepedietes, el coeficiete de correlació múltiple esta dado por: R 1.23 = 1 - s s 2 1 Dode s 1 es la desviació típica de la variable 1 y s 1.23 se calcula de acuerdo a la fórmula vista e la parte de error típico de la estimació. La catidad R se llama coeficiete de determiació múltiple. Cuado se utiliza ua ecuació de regresió lieal, el coeficiete de correlació múltiple se llama coeficiete de correlació múltiple lieal. A meos que se especifique de otro modo, siempre que se refiera a correlació múltiple se tratará de correlació múltiple lieal. E térmios de r 12, r 13, y r 23, la ecuació aterior puede escribirse como: R 1.23 = r r r 12 r 13 r r
19 U coeficiete de correlació múltiple, tal como R 1.23, se ecuetra etre 0 y 1. Cuato más se acerque a 1 mejor es la relació lieal etre las variables. Cuato más cerca se ecuetra de cero la relació lieal es peor. Si el coeficiete de correlació múltiples 1, la correlació se dice perfecta. Auque u coeficiete de correlació co valor 0 idica que o existe relació lieal etre las variables, es posible que exista etre ellas ua relació o lieal. 19
20 APLICACIÓN PRÁCTICA E la empresa Surtidora Gráfica S.A. de C.V. Se desea saber si se relacioa las variables de lieatura de trama de PMS co la gaacia de puto, cómo se relacioa y el grado e el que las variables se relacioa. Para tal efecto se realizo u estudio del impreso Carta Bieveida Bacomer impreso e selecció de color e papel couche de 120 grs. La máquia Offset proporcioa las medidas de lieatura por pulgada, mietras que el desitómetro es empleado para determiar la gaacia de puto correspodiete. E ua corrida de 1000T/L se realizo a cabo el siguiete estudio co u = 20 impresos L i e a t u r a s N e g r o 1 L IN E A S P O R P U L G A D A L i e a tu r a s M a g e ta 2 L i e a tu r a s C y a 3 L i e a t u r a s Y e llo w 4 G a a c ia d e p u t o Y 1 % Coocimieto Teórico.- La defiició de gaacia de puto trata del icremeto e los valores toales del puto de trama (es decir, la superficie relativa que ocupa e la trama) que experimeta e los diversos procesos gráficos por los que atraviesa 20
21 A partir del software Statgraphics es posible defiir el modelo y la correlació correspodiete de la relació etre gramaje y tiempo de secado. Regressio Aalysis - Liear model: Y = a + b 1 * 1 + b 2 * 2 + b 3 * 3 + b 4 * 4 Parameter Estímate Error P-Value CONSTANT Negro Mageta Cya Yellow Correlatio Coefficiet = R-squared = % Depedet variable: Gaacia Puto Idepede variable: Lieatura de trama Error of Est. = Aálisis de Resultados A cotiuació se muestra describe: los resultados apropiados del modelo lieal que se La ecuació del modelo establece la relació etre la gaacia de puto y las lieaturas de trama del PMS. Gaacia Puto = *Negro *Mageta *Cya *Yellow b) La r-cuadrada idica estadísticamete al modelo como apto para explicar co % la variabilidad e relació al gramaje. c) El coeficiete de correlació igual a idica ua relació fuerte etre las variables. d) El error estádar de la estimació muestra la desviació estádar de Este valor puede ser usado para costruir límites de predicció e uevos experimetos. Se observa que el marge de error es reducido. e) El p-value muestra que efectivamete o se rechaza la hipótesis del modelo que explica la relació fuerte de la lieatura del tramado de selecció de color co la gaacia de puto. A partir de lo aterior, el color mageta tiee u p-value lo cual sigifica que este color represeta de maera efectiva la correlació existete. 21
22 CONCLUSIONES El aálisis de regresió y correlació lieal costituye métodos que se emplea para coocer las relacioes y sigificació etre series de datos. Lo aterior, es de suma importacia para la idustria ya que es aquí e dode se preseta variables de respuesta e idepedietes las cuales iteractúa para origiar las características de u proceso e particular y por ede; aalizar, predecir valores de la variable depediete y examiar el grado de fuerza co que se relacioa dichas variables. La regresió lieal simple y la regresió múltiple, aaliza la relació de dos o mas variables cotiuas, cuado aaliza dos variables a esta se el cooce como variable bivariates que puede correspoder a variables cualitativas. La fialidad de ua ecuació de regresió es la de estimar los valores de ua variable co base e los valores coocidos de la otra. Del mismo modo, ua ecuació de regresió explica los valores de ua variable e térmios de otra. Es decir, se puede ituir ua relació de causa y efecto etre dos o más variables. El aálisis de regresió úicamete idica qué relació matemática podría haber, de existir ua. Por otro lado, Al ajustar u modelo de regresió simple o múltiple a ua ube de observacioes es importate dispoer de algua medida que permita medir la bodad del ajuste. Esto se cosigue co los coeficietes de correlació. Si el modelo que se ajusta es u modelo de regresió lieal, a R se le deomia coeficiete de correlació y represeta el porcetaje de variabilidad de la Y que explica el modelo de regresió. Estas técicas estadísticas costituye ua herramieta útil para el aálisis de las variables de u proceso ya que a través de la aplicació de éstas, es posible coocer el modelo que sigue y la fuerza co que se ecuetra relacioadas. Asimismo, es posible explicar la relació que guarda dos o más causas de u posible defecto. 22
23 BIBLIOGRAFÍA 1. Roald E. Walpole y Raymod H Myers. PROBABILIDAD Y ESTADÍSTICA, Sexta Edició William Medehall y Deos D. Wackerly. ESTADÍSTICA MATEMÁTICA CON APLICACIONES, Seguda Edició Editorial Iberoamericaa. 3. Gutiérrez-Pulido, H. y De la Vara Salazar, R. (2005), CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA, Primera Edició Editorial McGraw-Hill, México. 4. Gutiérrez-Pulido, H. y De la Vara Salazar, R. (2003), DISEÑO Y ANÁLISIS DE EPERIMENTOS, McGraw-Hill, México. 23
Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detalles1 Valores individuales del conjunto
5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral
Más detallesLAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO
LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesUNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior
UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que
Más detallesTrabajo Especial Estadística
Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,
Más detalles2 CARTAS DE CONTROL POR ATRIBUTOS
2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o
Más detalles12 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 detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesFÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)
FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto
Más detallesConvolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG
Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesFUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL 1 FUNCIONES DE VARIAS VARIABLES.
FUNCIONES DE VARIAS VARIABLES: DOMINIO, RANGO, CURVAS DE NIVEL FUNCIONES DE VARIAS VARIABLES. DEFINICIONES DE FUNCIONES EN VARIAS VARIABLES. Ua fució de variable es u cojuto de pares ordeados de la forma
Más detallesEstadística Descriptiva
Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se
Más detalles2.- ESPACIOS VECTORIALES. MATRICES.
2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio
26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,
Más detallesEjemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi
u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo
Más detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
Más detallesAplicaciones del cálculo integral vectorial a la física
Aplicacioes del cálculo itegral vectorial a la física ISABEL MARRERO epartameto de Aálisis Matemático Uiversidad de La Lagua imarrero@ull.es Ídice 1. Itroducció 1 2. Itegral doble 1 2.1. Motivació: el
Más detallesTécnicas para problemas de desigualdades
Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detalles3. Volumen de un sólido.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Itegrales y aplicacioes.. Volume de u sólido. E esta secció veremos cómo podemos utilizar la itegral defiida para calcular volúmees de distitos tipos
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesTema 9 Teoría de la formación de carteras
Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detallesPolinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios
Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua
Más detallesEjercicios de intervalos de confianza en las PAAU
Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de
Más detallesDISTRIBUCIÓN BIDIMENSIONAL
DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar
Más detallesSe plantean una serie de cuestiones y ejercicios resueltos relacionados con la cinética de las reacciones químicas.
ESUEL UNIVERSIRI DE INGENIERÍ ÉNI INDUSRIL UNIVERSIDD POLIÉNI DE MDRID Roda de Valecia, 3 80 Madrid www.euiti.upm.es sigatura: Igeiería de la Reacció Química Se platea ua serie de cuestioes y ejercicios
Más detallesCAPÍTULO 9 ESTADÍSTICA DESCRIPTIVA BIDIMENSIONAL
CAPÍTULO 9 ESTADÍSTICA DESCRIPTIVA BIDIMENSIONAL 1 INTERROGANTES CENTRALES DEL CAPÍTULO a) Cuado sobre cada idividuo se observa simultáeamete dos características cuatitativas cómo se orgaiza y represeta
Más detallesDETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA
DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.
Más detallesMEDIDAS DE RESUMEN. Jorge Galbiati Riesco
MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1
Más detallesAPLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS
APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesPráctica de Física AJUSTE DE UNA RECTA
Práctica de Física AJUSTE DE UNA RECTA Calcular el valor medio y error de ua serie de valores Ajustar los datos experimetales mediate ua depedecia lieal La determiació de ua magitud física está sujeta
Más detallesCRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES
MATEMÁTICA I - 0 - Capítulo 6 ------------------------------------------------------------------------------------ CRIPTOGRAFIA BASICA Y SISTEMAS DE ECUACIONES LINEALES Las matrices iversas se puede usar
Más detallesUNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda
UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesSistemas de Segundo Orden
Apute I Departameto de Igeiería Eléctrica Uiversidad de Magallaes Aputes del curso de Cotrol Automático Roberto Cárdeas Dobso Igeiero Electricista Msc. Ph.D. Profesor de la asigatura Este apute se ecuetra
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,
Más detalles6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció
Más detallesPara estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20
Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallesOPERACIONES ALGEBRAICAS FUNDAMENTALES
MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6
Más detallesSOLUCIÓN EXAMEN I PARTE II
Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesNúmeros naturales, enteros y racionales
Tema 2 Números aturales, eteros y racioales Estudiamos e este tema los úmeros reales que podemos ver como los más secillos e ituitivos. Empezamos detectado detro de R a los úmeros aturales, a partir de
Más detallesIES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A
IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesBIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.
Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal
Más detallesMuestreo Estratificado.
Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera
Más detallesMuestreo e Intervalos de Confianza
Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detallesTest de Wilcoxon de rangos signados
5 Elea J. Martíez do cuat. 0 Test de Wilcoxo de ragos sigados Hemos visto que, co míimas hipótesis sobre la distribució subyacete (úica mediaa y distribució cotiua), el test del sigo es UMP para las hipótesis
Más detallesSi la razón es q, y el primer termino es a, la progresión se escribe. POR LO TANTO EL ENÉSIMO TÉRMINO DE UNA P.G SE DETERMINA A PARTIR DE:
Ua progresió es geométrica, si cada termio después del primero se obtiee multiplicado el aterior por u valor costates Este valor costate se llama razó geométrica (q) E geeral: a a : a......... a ; 3 Si
Más detallesEstadístico. Parámetro
La iferecia estadística comprede el establecer ciertos juicios co respecto a algo después de examiar solamete ua parte o muestra de ello. Así, se ofrece ua muestra gratis de u uevo producto alimeticio
Más detallesCAPITULO 2. Aritmética Natural
CAPITULO Aritmética Natural Itroducció 1 Sumatorias Iducció Matemática Progresioes Teorema del Biomio 1. Coteidos. Itroducció 1) Asumiremos que el cojuto de úmeros reales R, +,, ) es u cuerpo ordeado completo.
Más detallesUna ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx
.7 Ecuacioes difereciales lieales de orde superior 6.7 Ecuacioes difereciales lieales de orde superior Ua ecuació diferecial lieal de orde superior geeral tedría la forma d y d y dy a( ) a ( )... a ( )
Más detallesTema 5 Series numéricas
Tema 5 Series uméricas Objetivos 1. Defiir series co wxmaxima. 2. Calcular sumas parciales de ua serie. 3. Iterpretar la defiició de suma de ua serie. 4. Calcular la suma de ua serie geométrica. 5. Calcular
Más detalles4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.
Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base
Más detallesNúmeros naturales, enteros y racionales
Tema 2 Números aturales, eteros y racioales Estudiamos e este tema los úmeros reales que podemos ver como los más secillos e ituitivos. Empezamos detectado detro de R a los úmeros aturales, a partir de
Más detallesEl tema de este capítulo es el estudio de las sucesiones de números reales. Una sucesión no es más que un conjunto ordenado de números.
Capítulo 3 Sucesioes 3 Defiicioes Geerales El tema de este capítulo es el estudio de las sucesioes de úmeros reales Ua sucesió o es más que u cojuto ordeado de úmeros Por ejemplo, 2, 4, 6, 8, 0, 2,, 2,
Más detallesModelo de programación lineal Jueves, 18 de abril. Programas no lineales (PNL) Qué es una programación no lineal? Una programación no lineal
. Jueves, de abril Programació o lieal (PNL) Ejemplos de modelizació Coveidad Optimizació local vs. global Etregas: material de clase Modelo de programació lieal Ma c + c + + c sujeto a a + a +... +a b
Más detallesen. Intentemos definir algunas operaciones en
OPERACIONES EN 8 E la secció aterior utilizamos fucioes de el primer couto y estudiar sus propiedades e Itetemos defiir alguas operacioes e Recordemos de cursos ateriores que tomamos al couto de los compleos
Más detallesTema 1 Los números reales Matemáticas I 1º Bachillerato 1
Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma
Más detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery
Más detallesNotas Docentes. Estadística para Economistas. Carlos Casacuberta. Nota Docente No. 08
Notas Docetes Estadística para Ecoomistas Carlos Casacuberta Nota Docete No. 08 Diploma e Ecoomía 004 Departameto de Ecoomía Facultad de Ciecias Sociales Estadística Notas de clase. Itroducció La estadística
Más detallesA = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.
. POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes
Más detallesMODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA MODELO PARA EL ESTUDIO DEL REEMPLAZO DE UN EQUIPO PRODUCTIVO FERNANDO ESPINOSA FUENTES Necesidad del reemplazo. Si se matiee u riesgo durate u tiempo
Más detallesDada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por:
Tema 4. Trasformada Z. La trasformada Z para sistemas discretos desempeña u papel aálogo a la trasformada de Laplace para sistemas cotiuos. os va a permitir represetar la relació etrada salida de u sistema
Más detallesCálculo de límites Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesc) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5
Aexo Calculadora La proliferació de las calculadoras e la vida cotidiaa obliga a profesores y padres a replatearse su uso. Los profesores debemos eseñar a los alumos su utilizació. Pero será los profesores
Más detallesANALISIS ESTADISTICO DE VALORES EXTREMOS
ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este
Más detallesOPCIÓN A EJERCICIO 1_A 1 0 2
IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz
Más detallesSucesiones de números reales
Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54
Más detallesExpresiones Algebraicas
Semiario Uiversitario Matemática Módulo Expresioes Algebraicas Difícilmete se pueda estudiar cualquier rama de la matemática actual si u maejo algebraico razoable. Usamos la palabra maejo y o la de estudio,
Más detalles