Ajustando Distribución (Datos Censurados)
|
|
- María Luz Montes Vázquez
- hace 6 años
- Vistas:
Transcripción
1 Ajustando Distribución (Datos Censurados) STATGRAPHICS Rev. 9/14/2006 Resumen El procedimiento Ajustando Distribución (Datos Censurados) ajusta cualquiera de las 45 distribuciones de probabilidad a una columna numérica de datos censurados. La censura ocurre cuando alguno de los valores de los datos no son conocidos exactamente. Por ejemplo, cuando medimos tiempos de falla, algunos artículos bajo estudio pueden no haber fallado cuando termino el estudio, resultando en una cota inferior para el tiempo de falla para estos artículos. Ejemplo StatFolio: distfit censored.sgp Datos del Ejemplo: El archivo absorbers.sf3 contiene n = 38 observaciones identificando el numero de kilómetros de uso para una muestra de amortiguadores de choque del vehículo, tomadas de Meeker y Escobar (1998). Cuando se inspecciono, algunos de los amortiguadores de choque del vehículo habían fallado mientras que otros no. La siguiente tabla muestra una lista parcial de los datos de este archivo: Distance (Distancia) Censores (Censurado) El archivo contiene 11 observaciones que corresponden a amortiguadores de choque que han fallado. Los datos de estos amortiguadores son tiempos de falla. El archivo también contiene 27 amortiguadores que no hay fallado. Estos datos representan información censurada por la derecha en los tiempos de falla de estos amortiguadores, ya que la verdadera distancia de falla es más grande que el número registrado. Cuando analizamos datos censurados, STATGRAPHICS requiere que crees una columna con un indicador de censura, definida por: 0 si el valor no ha sido censurado 1 si el valor es censurado por la derecha (el valor verdadero es más grande) -1 si el valor es censurado por la izquierda (el valor verdadero es más pequeño) 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 1
2 Entrada de Datos Los datos que serán analizados consisten de una columna numérica que contiene n observaciones y una segunda columna que contiene indicadores de censura. Datos: columna que contiene las n observaciones que serán ajustadas. El número de datos no perdidos debe ser al menos tan grande como el número de parámetros que serán estimados. Censura: columna que contiene los indicadores de censura. Esta columna debería contener un 0 para cualquier renglón en el que el dato no sea censurado, un 1 si es censurado por la derecha y -1 si es censurado por la izquierda. Resumen del Análisis El Resumen del Análisis muestra el número de observaciones, los rangos de los datos, y los valores de los parámetros estimados para cada distribución que es ajustada a los datos. Datos Censurados - Distance Datos/Variable: Distance Censura: Censored 38 valores con rango desde a Número de observaciones censuradas a la izquierda: 0 Número de observaciones censuradas a la derecha: 27 Distribuciones Ajustadas Normal Valor Extremo Inferior Weibull media = modo = forma = desviación estándar = escala = escala = Los parámetros desplegados dependen de la distribución seleccionada (ver la documentación del procedimiento Distribuciones de Probabilidad). Los estimadores son obtenidos usando 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 2
3 Estimación de Máxima Verosimilitud (EMV). Puedes ajustar entre1 y 5 distribuciones al mismo tiempo usando Opciones del Análisis. En la tabla anterior, 3 distribuciones han sido ajustadas a n = 38 distancias. La distribución normal es definida por su media y desviación estándar. La distribución de valores extremos para mínimos es definida por su moda y el parámetro de escala. La distribución Weibull esta definida por un parámetro de forma y un parámetro de escala. Opciones del Análisis Distribución: selecciona entre 1 y 5 distribuciones para ajustar los datos. Cada distribución es descrita en detalle en la documentación de Distribuciones de Probabilidad. Para ayudar a determinar cual distribución ajusta, el panel Comparación de Distribuciones Alternas descrito abajo puede ser de gran ayuda. Las siguientes tablas pueden ser también de ayuda. Distribuciones Discretas Distribución Rango de los Datos Uso común Bernoulli 0 o 1 Modelo para eventos con solo dos posibles resultados. Binomial 0, 1, 2,, m Numero de éxitos en m ensayos Bernoulli. Uniforme Discreta a, a+1, a+2,, b Modelo para enteros con limites fijos Geométrica 0, 1, 2, Numero de ensayos hasta el primer éxito Bernoulli. Hipergeométrica 0, 1, 2,, m Conteo cuando se muestrea de una población finita. Binomial Negativa 0, 1, 2, Numero de ensayos hasta el k-esimo éxito Bernoulli. Poisson 0, 1, 2, Numero de eventos en un intervalo fijo por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 3
4 Distribuciones Continuas Distribución Rango de los Datos Uso común Beta 0 X 1 Distribución de una proporción aleatoria. Beta (4-parámetros) a X b Modelo para datos con umbrales superior e inferior. Birnbaum-Saunders X > 0 Tempo de Fallas. Cauchy all real X Medidas que exhiben colas pesadas. Chi-Cuadrada X 0 Distribución de referencia para la varianza muestral. Erlang X > 0 Tiempo entre k arribos en un proceso Poisson. Exponencial X > 0 Tiempo entre consecutivos eventos Poisson. Exponencial(2- X > a Tiempos de vida con umbral inferior fijo. parms) Exponencial power all real X Datos simétricos con kurtosis variable. F X 0 Razón de dos estimadores de varianzas independientes. Folded Normal X 0 Valores absolutos de datos de una distribución normal Gamma X 0 Modelo para medidas positivamente sesgada. Gamma (3- X a Datos positivamente sesgados con umbral parámetros) inferior. Gamma X > 0 Incluye varias distribuciones con casos Generalizada especiales. Logística All real x Usada para el análisis de valores extremos. Generalizada Normal Truncada X μ Datos normales doblados alrededor de su media. Gausiana Inversa X > 0 Primer paso de tiempo en el movimiento Browniano. Laplace todos los reales X Datos con picos pronunciados y colas pesadas. Valores Extremos todos los reales X Valores más grandes en una muestra. Máximos Logistica todos los reales X Modelo de crecimiento; alternativa común a la normal. Loglogistica X > 0 Logs de datos de una distribución logística. Loglogistica (3- X > a Logs de datos con umbral inferior fijo. parámetros) Lognormal X > 0 Datos positivamente sesgados. Lognormal (3- X > a Datos positivamente sesgados con umbral parámetros) inferior. Maxwell X > a Velocidad de una molécula en un gas ideal. Chi-cuadrada No X 0 Calculo de potencia de una prueba chi-cuadrada. central F No central X 0 Calculo de potencia de una prueba F. t No central todos los reales X Calculo de potencia de una prueba t Normal todos los reales X Datos con muchas fuentes de variabilidad. Pareto X 1 Cantidades socio-económicas con colas pesadas en la derecha Pareto (2- X a Cantidades socio-económicas con umbral 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 4
5 parámetros) inferior. Rayleigh X > a Distancia entre objetos vecinos. Valores Extremos todos los reales X Valore más pequeños en una muestra. Mínimos t de Student todos los reales X Distribución de referencia para la media. Triangular a X b Modelo áspero en ausencia de datos. Uniforme a X b Datos con la misma probabilidad sobre un intervalo. Weibull X 0 Tiempo de vida de productos. Weibull (3- X a Tiempo de vida de productos con umbral inferior. parámetros) Ensayos Binomial cuando se ajusta la distribución binomial, debes especificar el tamaño de la muestra n. Ensayos Hypergeométrica cuando se ajusta la distribución hypergeométrica, puedes especificar el tamaño de la muestra n. puedes especificar el parámetro tamaño de la población N o estimarlo de los datos. Ensayos Binomial Negativa cuando se ajusta la distribución binomial negativa, puedes especificar el parámetro k o estimarlo de los datos. Parámetros del umbral extendidos cuando se ajusta distribuciones que tienen uno o mas parámetros umbrales, puedes especificar estos parámetros o estimarlos de los datos. Las distribuciones relevantes son: Beta (4-parámetros) inferior y superior Exponencial (2-parámetros) inferior solamente Normal truncada (2-parámetros) inferior solamente Gamma (3-parámetros) inferior solamente loglogistica (3-parámetros) inferior solamente lognormal (3-parámetros) inferior solamente Maxwell (2-parámetros) inferior solamente Pareto (2-parámetros) inferior solamente Rayleigh (2-parámetros) inferior solamente Weibull (2-parámetros) inferior solamente 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 5
6 Prueba de Bondad-de-Ajuste El panel de Prueba de Bondad-de-Ajuste realiza hasta 7 diferentes pruebas para determinar si es razonable que los datos provengan de la distribución ajustada. Para todas las pruebas, las hipótesis de interés son: Hipótesis Nula: los datos son muestras independientes de la distribución especificada Hipótesis Alternativa: los datos no son muestras independientes de la distribución especificada La prueba que será corrida es seleccionada usando las Opciones del Panel. Pruebas de Bondad-de-Ajuste para Distance Prueba de Kolmogorov-Smirnov Normal Valor Extremo Inferior Weibull DMAS DMENOS DN Valor-P Las prueba de bondad-de-ajuste es descrita con detalle en la documentación de Ajustando Distribución (Datos No Censurados). Para datos censurados, las pruebas son modificadas de forma que dependan de cómo los datos fueron censurados. Usando las Opciones del Panel, se puede seleccionar entre 3 tipos de censura: Aleatoria, Tipo I, o Tipo II, situadas en dicho panel. Modificaciones para las pruebas son descritas en las secciones de cálculos al final de este documento. De acuerdo a la prueba desplegada en la tabla anterior, cualquiera de las 3 distribuciones ajusta bien los datos, ya que los P-valores son iguales o no exceden por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 6
7 Opciones del Pane l STATGRAPHICS Rev. 9/14/2006 Incluir: Seleccione una o mas pruebas a realizar. Para la prueba chi-cuadrada, selecciones use clases equiprobables para agrupar los datos en clases con frecuencia esperadas iguales.. Si esta opción no es elegida las clases serán creadas del Histograma de Frecuencias. Calculo de los P-Valores en la distribución específica Si es seleccionado, los Valores-P serán basados en tablas o formulas específicamente desarrolladas para la distribución que es probada. De otra manera, los P-Valores serán basados en tablas o formulas generales que aplican a todas las distribuciones. La aproximación general es mas conservadora (no rechazar una distribución tan fácilmente) pero puede ser preferida cuando comparamos Valores-P entre distribuciones diferentes. Censura Seleccione el tipo de censura. Los tipos son definidos: Aleatoria Indica que los datos han sido aleatoriamente censurados. La censura aleatoria ocurre cuando los valores son censurados por varias razones, no caen dentro de los mecanismos Tipo I o Tipo II. Tipo I - Indica que los datos son censura por tiempo, i.e., artículos han sido removidos de una prueba en un tiempo preespecificado. Si este tipo de censura es seleccionado, todos los valores censurados deben de ser igual o un mensaje de error será generado. Tipo II Indica que la prueba fue detenida después de que ocurrió un número predeterminado de fallas. Si este tipo de censura es seleccionado, todos los valores censurados deben de ser igual o un mensaje de error será generado por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 7
8 Histograma de Frecuencias El Histograma de Frecuencias muestra un histograma de los datos como un conjunto de barras verticales, junto con la densidad de probabilidad estimada o funciones de masa. Histograma para Distance frecuencia Distribución Normal Valor Extremo Weibull Distance (X ) Si los datos contienen muchas observaciones censuradas, como en la grafica anterior, las distribuciones ajustadas pueden no parecer emparejar las barras. Opciones del Panel Numero de Clases: El numero de intervalos en los cuales los datos serán divididos. Los intervalos son adyacentes y tienen igual anchura. El numero de intervalos en los cuales los datos serán divididos por defecto es fijado en la pestaña EDA de la caja de dialogo de Preferencias en el menú Editar. Limite Inferior: Limite inferior del primer intervalo por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 8
9 Limite Superior: Limite superior del primer intervalo. STATGRAPHICS Rev. 9/14/2006 Mantener: Mantiene el número de intervalos y limites iguales aunque la fuente de datos cambie. Por defecto, el número de clases y los límites son recalculados cuando los datos cambian. Es necesario que todas las observaciones sean desplegadas por si algún dato actualizado cae más allá de los límites originales. Desplegar: La manera en la cual las frecuencias son desplegadas. Un Histograma escala las barras de acuerdo al número de observaciones en cada clase. Un Rotograma escala las barras de acuerdo a la raíz cuadrada del número de observaciones. Un Rotograma Suspendido escala por la raíz cuadrada y suspende las barras de la curva. La idea de usar raíces cuadradas es para igualar la varianza de las desviaciones entre las barras y la curva, lo cual de otra forma incrementaría con una frecuencia creciente. La idea de suspender las barras de la curva es permitir una comparación visual sencilla con la línea horizontal graficada en 0, ya que la comparación visual con una línea curva puede ser engañosa. Comparación de Distribuciones Alternas Este panel automáticamente muestra una colección de distribuciones diferentes y las despliega en orden de acuerdo a que tan bien ajustan los datos. Comparación de Distribuciones Alternas Distribución Parámetros Est. Log Verosimilitud KS D Weibull Normal Logística Laplace Valor Extremo Inferior Valor Extremo Superior Gamma Loglogística Lognormal Uniforme Exponencial Pareto La tabla muestra: Distribución El nombre de la distribución ajustada. Tú puedes seleccionar distribuciones adicionales usando las Opciones del Panel. Parámetros Est. El numero de parámetros estimados para esta distribución. Log Verosimilitud El logaritmo natural de la función de verosimilitud. Valores mas grandes tienden a indicar mejores ajustes de las distribuciones. KS D, A^2, y otras estadísticas Valores de varias estadísticas de bondad-de-ajuste, seleccionadas usando el botón Pruebas en la caja de dialogo de las Opciones del Panel. Valores mas pequeños tienden a indicar mejores ajustes de las distribuciones. Las distribuciones son ordenadas de mejor a peor de acuerdo a una de las columnas de bondadde-ajuste. Esta columna es seleccionada usando el botón Pruebas en la caja de dialogo de las Opciones del Panel. La tabla anterior muestra las distribuciones ordenadas de acuerdo al valor de 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 9
10 la estadística Kolmogorov-Smirnov D. De acuerdo a esta estadística, la distribución de valores extremos para mínimos ajusta mejor Opciones del Panel Distribución: Seleccione las distribuciones que ajustaran los datos. Las distribuciones seleccionadas actualmente son transparentadas ya que ellas siempre estarán incluidas. Más Común Presionar este botón para seleccionar las distribuciones mas comúnmente usadas (continuas). Todas Discretas Presionar este botón para seleccionar todas las distribuciones discretas. Todas Continuas Presionar este botón para seleccionar todas las distribuciones continuas. Localización-Escala Presionar este botón para seleccionar todas las distribuciones que son parametrizadas por un parámetro de localización (como la media) y uno de escala (como la desviación estándar). Umbral - Presionar este botón para seleccionar todas las distribuciones que contienen un parámetro umbral inferior. Todas Presionar este botón para seleccionar todas las distribuciones. Limpiar Presionar este botón para deseleccionar todas las distribuciones. Pruebas Presionar este botón para desplegar la caja de dialogo usada para especificar las estadísticas deseadas de bondad-de-ajuste: 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 10
11 Incluir Las estadísticas de bondad-de-ajuste que serán incluidas en la tabla. La lista incluye funciones de verosimilitud y varias estadísticas desplegadas en el panel Bondadde-ajuste. Ordenar Por Seleccione una de las estadísticas para ordenar las distribuciones de mejor a peor. Gráfico Cuantil El Gráfico Cuantil muestra la fracción de observaciones en o por debajo de X, junto con la función de distribución de acumulación de la distribución ajustada. Gráfico Cuantil probabilidad acumulada Distribución Normal Valor Extremo Inferior Weibull (X ) Distance Para crear la grafica, los datos son ordenados del más pequeño al más grande y los valores no censurados son graficados en las coordenadas ( ˆ ( p i ), x ) F (1) ( i) 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 11
12 donde p i son las probabilidades de Kaplan-Meier. Las probabilidades de Kaplan-Meier son calculadas de acuerdo a p i n c + 1 n j c + 1 = 1 (2) n 2c + 1 n j c + 2 R j S j i para todas las observaciones no censuradas mayores que el valor mas grande de los datos censurados por la izquierda, donde S R es el conjunto de todos los valores los cuales no son censurados por la derecha, y p i = n c + 1 n 2c + 1 j S j i L j c j c + 1 (3) para todas las observaciones no censuradas menores o iguales a el valor mas grande de los datos censurados por la izquierda, donde es el conjunto de todos los valores los cuales no son censurados por la izquierda, y c = Idealmente, los puntos deberían estar cerca de la línea de la distribución ajustada, como es el caso en la grafica anterior Áreas de Cola Este panel muestra el valor de la distribución de acumulación hasta en 5 valores de X. Áreas de Cola para Distance Área Cola Inferior (<=) X Normal Valor Extremo Inferior Weibull Área Cola Superior (>) X Normal Valor Extremo Inferior Weibull La tabla muestra: Área de Cola Inferior La probabilidad de que la variable aleatoria sea menor o igual a X. Área de Cola Superior La probabilidad de que la variable aleatoria sea mayor o igual a X por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 12
13 Por ejemplo, la probabilidad de ser menor o igual a X = 10,000 para la distribución normal es aproximadamente Opciones del Panel Valores Críticos: Valores de X en los cuales la probabilidad acumulada será calculada. Valores Críticos Este panel calcula el valor de una variable aleatoria X debajo del cual yace una probabilidad especificada. Valores Críticos para Distance Área Cola Inferior (<=) Normal Valor Extremo Inferior Weibull La tabla muestra los valores mas pequeños de X tal que la probabilidad de ser menor o igual a X es al menos el área de cola deseada. La tabla anterior muestra que la c.d.f. de una distribución normal ajustada es igual a 0.01 en X = 5, Opciones del Panel 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 13
14 Áreas de Cola: Valores de la c.d.f. por lo menos para determinar porcentajes de las distribuciones ajustadas. Gráfico Cuantil-Cuantil El gráfico Cuantil-Cuantil muestra la fracción de observaciones en o por debajo de X graficadas versus los percentiles equivalentes de las distribuciones ajustadas. (X ) 3 Distance Gráfica Cuantil-Cuantil Distribución Normal Valor Extremo Inferior Weibull (X ) Normal distribución Una distribución, seleccionada usando Opciones del panel, es usada para definir el eje X y es representada por la línea diagonal. Las otras son representadas por curvas. En la grafica anterior, la distribución ajustada normal ha sido usada para definir el eje X. Con una muestra pequeña, es muy difícil elegir entre las distribuciones. Opciones del Panel Distribución de Escala para el Eje X: La distribución usada para escalar el eje horizontal, correspondiente a la línea diagonal. Resolución del Eje X: El número de valores de X en los cuales las funciones son graficadas. Incrementa este valor si las líneas no son suficientemente suaves por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 14
15 Funciones de Distribución 1 y 2 Estos dos paneles grafica varias funciones para las distribuciones ajustadas. (X ) 8 6 Función de Densidad Distribución Normal Valor Extremo Inferior Weibull densidad (X ) Distance Usando Opciones del Panel, se pueden graficar cualquiera de las siguientes: 1. Densidad de Probabilidad o función de masa 2. Función de Distribución Acumulada 3. Función de Supervivencia 4. Log Función de Supervivencia 5. Función de Riesgo Para las definiciones de estas funciones, ver la documentación para Distribuciones de Probabilidad. Opciones del Panel Graficar: La función a graficar. Resolución del Eje X: El número de valores de X en los cuales las funciones son graficadas. Incrementa este valor si las líneas no son suficientemente suave por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 15
16 Cálculos Estimación de Parámetros Los estimadores de los parámetros son obtenido usando Estimación de Máxima Verosimilitud (EMV), donde la función de verosimilitud es dada por y L = n i= 1 l( ) (4) x i F( xi ) l ( xi ) = f ( xi ) if x i is 1 F( xi ) left censored uncensored right censored (5) Prueba Chi-Cuadrada Cuando realizamos esta prueba, después de que los intervalos iniciales son construidos, todas las clases incluyendo la observación más grande de las censuradas por la izquierda son combinadas en una sola clase inferior. Adicionalmente, todas las clases incluyendo la las observación mas pequeña de las censuradas por la derecha son combinadas en una sola clase superior. En algunos casos, esto puede no dejar suficientes clases para realizar la prueba. Prueba EDF Para la prueba Kolmogorov-Smirnov y otras pruebas EDF, las pruebas son realizadas modificando la c.d.f. empírica. Para censura aleatoria, las estadísticas Kolmogorov- Smirnov y Kuiper son calculadas remplazando la simple función de pasos i/n por el estimador de Kaplan-Meier F n ( x) = 0, x < x (1) (6) n j 1, x (1) x x (n) (7) n j + 1 j S x( j ) x 1 x > x (n) (8) donde S es el conjunto de todas las observaciones no censuradas. Ninguna de las otras estadísticas son calculadas en este caso. Para la censura de Tipo I y Tipo II, la muestra de los valores no censurados es transformada una muestra completa sobre la región no censurada modificando la c.d.f. ajustada de acuerdo a F X A F ˆ ˆ ( i ) * ( X i ) = (9) B A Para la censura de Tipo I, A es la c.d.f. ajustada evaluada en los valores de censura inferior (si hay), mientras que B es la c.d.f. ajustada evaluada en los valores de censura superior (si hay). Para la censura de Tipo II, A es la fracción de las observaciones que son censuradas por la izquierda, y B es la fracción de las observaciones que son censuradas por la derecha. Las 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 16
17 formulas usuales e.d.f. son entonces usadas, remplazando n por el numero de datos no censurados y definiendo z ( ) i Fˆ * x i = (10) 2005 por StatPoint, Inc. Ajustando Distribución (Datos Censurados) - 17
Gráficos de Probabilidad
Gráficos de Probabilidad Resumen El procedimiento Gráficos de Probabilidad grafica los datos de una sola columna numérica en gráficas con una escala específica tal que, si los datos provienen de una distribución
Más detallesHistogramas. Ejemplo StatFolio: histogram.sgp
s Resumen El ilustra la distribución de lo valores de una variable numérica agrupando los datos en intervalos y graficando barras en las cuales la altura es proporcional al numero de observaciones en cada
Más detallesTransformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
Más detallesAjustando Distribución (Datos No Censurados)
Ajustando Distribución (Datos No Censurados) STATGRAPHICS Rev. 9/14/2006 Resumen El procedimiento Ajustando Distribución (Datos No Censurados) ajusta cualquiera de las 45 distribuciones de probabilidad
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesGráfico de Probabilidad Normal
Gráfico de Probabilidad Normal Resumen El Gráfico de Probabilidad Normal se usa para ayudar a juzgar si una muestra de datos numéricos proviene o no de una distribución normal. De no ser el caso, frecuentemente
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesGráfico de Medias Móviles (MA)
Gráfico de Medias Móviles (MA) Resumen El procedimiento Gráfico de Medias Móviles crea cuadros de control para una sola variable numérica donde los datos se han recolectado ya sea individualmente o en
Más detallesGráfico de Desgaste de Herramientas
Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesGráficos X-Bar y S. StatFolio de Muestra: xbarschart.sgp
Gráficos X-Bar y S Resumen El procedimiento Gráficos X-Bar y S crea gráficos de control para una simple variable numérica cuando los datos han sido recabados en subgrupos. Crea un Gráfico X-bar para monitorear
Más detallesGráfico de Control T-Cuadrada Multivariada
Gráfico de Control T-Cuadrada Multivariada STATGRAPHICS Rev. 25/04/2007 Resumen El procedimiento Gráfico de Control T-Cuadrada Multivariada crea diagramas de control para dos o más variables numéricas.
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesAnálisis de Capabilidad (Porcentaje Defectuoso)
Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de
Más detallesAnálisis de Capacidad Multivariada
Análisis de Capacidad Multivariada Resumen El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los puntos caracterizados por dos o más variables se encuentren establecidos
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesMétodo de Análisis del Riesgo (Estudio del Calibrador Atributos)
Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos
Más detallesMétodo del Rango (Estudio del Calibrador Variables)
Método del Rango (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método del Rango calcula una estimación aproximada de la repetibilidad y reproducibilidad combinada para un sistema
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesMétodo del Rango y Promedio (Estudio del Calibrador - Variables)
STATGRAPHICS Rev. 9/14/006 Método del Rango y Promedio (Estudio del Calibrador - Variables) Resumen El Método del Rango y Promedio estima la repetibilidad y reproducibilidad de un sistema de medición basado
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #1 Determinar la Distribución de los datos de una Simulación Prof.: MSc. Julio Rito Vargas A. Grupo: Ingeniería Industrial
Más detallesEstadísticas por Filas
Estadísticas por s Resumen El procedimiento Estadísticas por s calcula estadísticas para datos en filas de la hoa de datos. Esto contrasta con la mayoría de los procedimientos de STATGRAPHICS que esperan
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesGrafico de Cajas y Bigotes
Grafico de Cajas y Bigotes Resumen El procedimiento del Gráfico de Cajas y Bigotes crea un gráfico diseñado para ilustrar propiedades importantes de una columna de datos numérica. El primero en describirlo
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Patricia Kisbye FaMAF 6 de mayo, 2010 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesElementos de probabilidad e inferencia estadística en el seguro
Elementos de probabilidad e inferencia estadística en el seguro Instructor: Act. Erick Mier Moreno. Director general y profesor de AMAT- Applied Mathematics and Actuary Training. Profesor de asignatura
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesParámetros Estadísticos básicos, Resumen y Presentación de datos. Jhon Jairo Padilla, PhD.
Parámetros Estadísticos básicos, Resumen y Presentación de datos Jhon Jairo Padilla, PhD. Motivación Los resúmenes y las representaciones de datos son esenciales porque: Enfocan al ingeniero en características
Más detallesGráfico Múltiple de Caja y Bigotes
Gráfico Múltiple de Caa y Bigotes Resumen El procedimiento Gráfico Múltiple de Caa y Bigotes crea un gráfico diseñado para ilustrar Características importantes de una columna de datos numéricos cuando
Más detallesMétodo Analítico (Estudio del Calibrador Atributos)
Método Analítico (Estudio del Calibrador Atributos) STATGRAPHICS Rev. 9/4/2006 Resumen El Método Analítico estima la repetibilidad y sesgo de un sistema de medición donde las observaciones consisten de
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesAnálisis de Subconjuntos
Análisis de Subconuntos Resumen El procedimiento de Análisis de Subconuntos calculará estadísticos para datos en una simple columna numérica cuando se agrupan en subconuntos definidos por los identificadores
Más detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...
Más detallesLA ESTADÍSTICA APLICADA AL ANÁLISIS ECONÓMICO. Introducción 1
LA ESTADÍSTICA APLICADA AL ANÁLISIS ECONÓMICO ÍNDICE CONCEPTO Página Introducción 1 I Generalidades... 3 I.1 Definiciones de Estadística... 4 I.2 Diferentes clases de Estadística... 8 II La Estadística
Más detallesESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.
1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.
Más detallesGráficos EWMA. Ejemplo StatFolio: ewmachart.sgp
Gráficos EWMA Resumen El procedimiento del Gráfico EWMA (Exponentially Weighted Moving Average - Promedios Móviles Exponencialmente Ponderados) construye un gráfico de control para una sola variable numérica
Más detallesDistribuciones de Probabilidad.
Práctica núm. 3 1 Distribuciones de Probabilidad. 3.1. Distribuciones de Probabilidad en Statgraphics El estudio de las distribuciones de probabilidad en Statgraphics se puede realizar en el menú Descripción/Distribuciones/Distribuciones
Más detallesDefinición de variable aleatoria
Variables aleatorias Instituto Tecnológico Superior de Tepeaca Agosto-Diciembre 2015 Ingeniería en Sistemas Computacionales M.C. Ana Cristina Palacios García Definición de variable aleatoria Las variables
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesMPG City (MPG en Ciudad)
Gráfica de Matriz Resumen El procedimiento Gráfica de Matriz crea gráficas de matriz para 3 o más variables numéricas. La diagonal de la matriz contiene gráficas de caja y bigotes para cada variable. Las
Más detallesModelos de Pérdidas Agregadas No Vida
Modelos de Pérdidas Agregadas No Vida XXVI Congreso Nacional de Actuarios Act. Patricio Belaunzarán Modelo de pérdidas agregadas El modelo de pérdidas agregadas tiene como objetivo obtener una función
Más detallesAsimetría Coeficiente de Asimetría de Fisher
Asimetría Si los valores de la serie de datos presenta la misma forma a izquierda y derecha de un valor central (media aritmética) se dice que es simétrica de lo contrario será asimétrica. Para medir el
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesMétodo ANOVA (Estudio del Calibrador Variables)
Método ANOVA (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método ANOVA estima la repetibilidad y reproducibilidad de un sistema de medición basándose sobre un estudio en el
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
Más detallesGráficos de Superficie y de Contorno
STATGRAPHICS Rev. 4/5/007 Gráficos de Superficie y de Contorno Resumen Este procedimiento crea gráficas de superficie y de contorno basadas en una función matemática que el usuario introduce. La función
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesDiagrama de Barras Múltiple
Múltiple El procedimiento Múltiple grafica dos o más columnas de totales o frecuencias ya sea utilizando barras horizontales o verticales. Si lo desea, pueden agregarse barras de error para desplegar el
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 6109 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesEsperanza Condicional
Esperanza Condicional Podemos obtener la esperanza de una distribución condicional de la misma manera que para el caso unidimensional: 129 Caso 2 v.a. discretas X e Y: Caso 2 v.a. continuas X e Y: Percentiles
Más detallesÁREAS DE LA ESTADÍSTICA
QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen
Más detallesTEMARIO PRUEBA DE SÍNTESIS MATEMÁTICA NIVEL SÉPTIMO BÁSICO
NIVEL SÉPTIMO BÁSICO Operatoria números naturales Operatoria números decimales Clasificación de números decimales Transformación de decimal a fracción Orden de números enteros Ubicación de números enteros
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesCentro Universitario de Tonalá
Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la
Más detallesInferencia estadística: Prueba de Hipótesis. Jhon Jairo Padilla A., PhD.
Inferencia estadística: Prueba de Hipótesis Jhon Jairo Padilla A., PhD. Justificación Es una etapa de análisis de datos de un experimento comparativo: Se compara un parámetro de una v.a. con un valor dado.
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detallesGráfico de Control de Aceptación
Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Más detallesModelos de distribuciones discretas y continuas
Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución
Más detallesDistribuciones Fundamentales de Muestreo y Descripciones de Datos
Distribuciones Fundamentales de Muestreo y Descripciones de Datos UCR ECCI CI-135 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Muestreo Aleatorio En este tipo de muestreo, todos
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detalles1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k
1. Estadística Definición: La estadística es un ciencia inductiva que permite inferir características cualitativas y cuantitativas de un conjunto mediante los datos contenidos en un subconjunto del mismo.
Más detallesCorrelaciones Canónicas
STATGRAPHICS Rev. 9/14/006 Correlaciones Canónicas Resumen El procedimiento Correlaciones Canónicas esta diseñado para ayudar a identificar asociaciones entre dos conjuntos de variables. Esto lo hace encontrando
Más detallesEstadística Descriptiva en SPSS
Estadística Descriptiva en SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 22 de
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesComparación de Muestras Pareadas
Comparación de Muestras Pareadas Resumen El procedimiento Comparación de Muestras Pareadas está diseñado para comparar datos en 2 columnas numéricas donde los valores en cada fila están pareados, i.e.,
Más detallesTema 1: Análisis de datos univariantes
Tema 1: Análisis de datos univariantes 1 En este tema: Conceptos fundamentales: muestra y población, variables estadísticas. Variables cualitativas o cuantitativas discretas: Distribución de frecuencias
Más detallesGráfico X-Y-Z. StatFolio de Muestra: xyzplot.sgp
Gráfico X-Y-Z Resumen El procedimiento Gráfica X-Y-Z grafica los datos en tres columnas numéricas para ilustrar la relación entre ellos. Los puntos pueden ser codificados de acuerdo con el valor de una
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesFamilias de distribuciones
Capítulo 2 Familias de distribuciones 2.1. Introducción Las distribuciones estadísticas son usadas para modelar poblaciones a través de un miembro de una familia de distribuciones. Cada familia se encuentra
Más detallesAnálisis Estadístico de Datos Climáticos. Distribuciones paramétricas de probabilidad (Wilks, cap. 4)
Análisis Estadístico de Datos Climáticos Distribuciones paramétricas de probabilidad (Wilks, cap. 4) 2013 Variables aleatorias Una variable aleatoria es aquella que toma un conjunto de valores numéricos
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesEstadística Económica y Estadística Empresarial
Universidad de Valladolid Facultad de Ciencias Económicas y Empresariales Departamento de Estadística y Econometría Licenciatura en Ciencias Económicas Sin docencia. Plan a extinguir Proyecto docente de:
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesTH. DE CHEBYSHEV DISTRIB. NORMAL.
f ( x) 1 2 2 ( x) e 2 2 TH. DE CHEBYSHEV DISTRIB. NORMAL El Desvío Estándar y el Teorema de Chebyshev Es conocida en el área de la probabilidad y estadística, la desigualdad de Chebyshev, matemático Ruso
Más detallesnorma española UNE-EN DOCUMENTO UNE-EN EXTRACTO DEL Análisis de Weibull Diciembre 2012 TÍTULO CORRESPONDENCIA OBSERVACIONES ANTECEDENTES
norma española UNE-EN 61649 Diciembre 2012 TÍTULO Análisis de Weibull Weibull analysis. Analyse de Weibull. CORRESPONDENCIA Esta norma es la versión oficial, en español, de la Norma Europea EN 61649:2008,
Más detalles