EL NÚMERO EFECTIVO DE GRADOS DE LIBERTAD

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

Download "EL NÚMERO EFECTIVO DE GRADOS DE LIBERTAD"

Transcripción

1 Smpoo de Metrología al 7 de Octubre EL NÚMERO EFECTIVO DE GRADOS DE LIBERTAD Enrque Vlla Dharce Centro de Invetgacón en Matemátca, A C Jalco /n, Mneral de Valencana, Guanajuato, Gto CP 3640 Tel: (473) ext 4956, Fax: (473) , Emal: vllad@cmatmx Reumen: En el anál de dato de medcón, preentamo el reultado de un proceo de medcón, motrando el reultado de la medcón y u ncertdumbre En la mayoría de lo cao el menurando no e drectamente medble, no que depende de otra cantdade medble, a travé de una funcón que generalmente e no lneal En ete cao, la determnacón de la ncertdumbre expandda de la etmacón del menurando, e obtene hacendo uo de una etadítca, cuya dtrbucón e deconoce, pero e aproxma por una dtrbucón t de Student, en la que el número de grado de lbertad e obtene, de acuerdo con la recomendacón de la GUM, utlzando la aproxmacón de Welch-Satterthwate A ete número de grado de lbertad e le conoce como el número efectvo de grado de lbertad En ete artículo comentamo el concepto de grado de lbertad y preentamo una dervacón de la expreón conocda para obtener el número efectvo de grado de lbertad INTRODUCCIÓN En el anál de dato de medcón, preentamo el reultado de un proceo de medcón, motrando el reultado de la medcón y u ncertdumbre Eta últma puede dare en forma etándar o expandda La convenenca de dar la verón expandda de la ncertdumbre, e que le aocamo una cobertura explcta, lo cual faclta u nterpretacón, ya ea en el terreno del enfoque frecuentta, o en el ubjetvo (grado de creenca) La ncertdumbre expandda correponde al rango de un ntervalo de confanza del menurando Para contrur tal ntervalo de confanza, utlzamo una etadítca T, dada por el cocente de una etadítca normal etándar entre una etadítca que ncluye a la ncertdumbre combnada de la varable de nfluenca del modelo de medcón Cuando la etadítca del denomnador tene aocada una dtrbucón j-cuadrada, entonce el cocente tene una dtrbucón t de Student, con un número de grado de lbertad gual a lo grado de lbertad de la etadítca j-cuadrada del denomnador Frecuentemente, la etadítca que nvolucra a la ncertdumbre combnada no tene una dtrbucón j-cuadrada exacta, por lo tanto la etadítca T no tene una dtrbucón t de Student exacta Eta complcacón no mpde tener un ntervalo de confanza para el menurando, con la cobertura nomnal deeada exacta Un procedmento recomendado por la GUM [], para etmar la ncertdumbre expandda, conte en aproxmar la dtrbucón de la etadítca T con una dtrbucón t de Student con un número de grado de lbertad dado por la aproxmacón de Welch Satterthwate A ete número de grado de lbertad e le denomna el número efectvo de grado de lbertad En la eccón, e muetra el orgen de lo grado de lbertad aocado a una ncertdumbre expandda En la eccón 3, preentamo el dearrollo de la formula de Welch - Satterthwate, para calcular el número efectvo de grado de lbertad En la eccón 4 e comentan la retrccone que tene la aproxmacón de Welch-Sattertwate y e comenta un procedmento alternatvo para la determnacón de la ncertdumbre expandda En la eccón 5, e dan la concluone del trabajo LOS GRADOS DE LIBERTAD En la mayoría de lo cao el menurando no e drectamente medble, no que depende de otra cantdade medble,,,, a travé de una funcón f (,,, ) Aí la ncertdumbre de la medcón del menurando, e el reultado de combnar la ncertdumbre de medcón de la dferente cantdade medda,,,, con

2 Smpoo de Metrología al 7 de Octubre dferente peo, que dependerán de la mportanca que cada componente tene en el modelo de medcón = f (,,, ) Una magntud que vara aleatoramente tene aocado do parámetro muy mportante: u eperanza µ = E ( ) que no ndca el valor alrededor de cual e tenen la obervacone de, y u varanza que exprea la magntud de µ la varabldad de la obervacone alrededor de u valor eperado Cuando e tenen n obervacone ndependente x, x,, xn de, etmamo u eperanza como el promedo x de la n obervacone, n = n x = mentra que la varanza e etma por x n = ( x ) = x n Cuando tenemo un menurando, del que tomamo medcone con un ntrumento, ocurre que obervamo dvero valore que varan aleatoramente, de acuerdo a alguna dtrbucón Generalmente aocamo el valor del menurando con el valor eperado de la dtrbucón, de aquí que etmar el valor del menurando equvale a etmar el valor eperado µ, La ncertdumbre de la etmacón x provene de la varabldad de x alrededor de µ, que cuantfcamo por u = x / n, y que etmamo como x = / n Tamben podemo tomar como varanza ncertdumbre de medcón la devacón etándar de la meda, x = x Cuando la nformacón que tenemo del menurando e un conjunto de n obervacone ndependente x, x,, x n, entonce tenemo que para un valor dado de la etmacón x = ( x + x + + x ) / n, tenemo olo n obervacone n, x que pueden tomar valore lbremente, ya que el térmno retante tene un valor determnado por eto n térmno elegdo y el promedo x A ete número de térmno ndependente e le conoce como el número de grado de lbertad De aquí que podemo nterpretar el número de grado de lbertad como la cantdad de nformacón útl en la determnacón de la etmacón En cambo la obervacone no on ndependente, tenemo nformacón redundante en la obervacone, por lo que la nformacón útl o efectva erá menor Otra nterpretacón del número de grado de lbertad, e el parámetro de la dtrbucón jcuadrada aocada al etmador de la varanza, calculada a partr de n obervacone ndependente En ete cao abemo que la etadítca ( n ) S W = ( x t, x + t () tene una dtrbucón j-cuadrada con n grado de lbertad Con ete enfoque entonce, el número efectvo de grado de lbertad vene a er el parámetro aocado a la dtrbucón j-cuadrada aocada al etmador de la ncertdumbre de la medcón conderada La etadítca anteror ntervene en la etadítca T utlzada para determnar la ncertdumbre expandda en forma de ntervalo de confanza, µ Z µ T = = = () W S S ( n ) Aí, ademá de exprear en forma numérca la ncertdumbre, ya ea como x, o x, podemo exprearla en forma expandda, como un ntervalo de confanza del menurando, ( n, α/ ) x ( n, α/) x), (3) donde x e la etmacón del menurando, x ( n, α / ) e la ncertdumbre de la medcón, y t el coefcente de confanza para la dtrbucón t de

3 Smpoo de Metrología al 7 de Octubre Student con = n grado de lbertad Ete ntervalo tene una cobertura nomnal de ( α)00% Cuando el menurando de nteré e reultado de vara magntude de nfluenca,,,, de acuerdo a un modelo de medcón dado por la funcón = f(,,, ), entonce hay que convertr la nformacón que tenemo obre lo reultado de medcón e ncertdumbre de,,,, en el reultado de medcón y la ncertdumbre de Hacer eto en forma exacta puede er un problema complcado, cuando la funcón f e nolneal, y ma dfícl todavía, ademá, la varable de nfluenca on correlaconada La manera de atacar ete problema conte en tomar una aproxmacón de Taylor, para, alrededor de u valor eperado µ De eta forma, cuando la varable de nfluenca on no correlaconada, obtenemo la aproxmacone µ y para y : µ = f ( µ, µ,, µ ), f = x = = y = f( x, x,, x ), = Eto valore on etmado por: f x ( y t α, y+ t y), (4) ( ef, /) y ( ef, α/) ( x, x,, x ) La ncertdumbre numérca etá dada por, mentra que la ncertdumbre expandda etá dada por el ntervalo de confanza donde e el reultado de medcón, u ncertdumbre combnada, t e el ( ef, α/) y coefcente de confanza y ef el número de grado de lbertad efectvo, dado por =, (5) 4 y ef 4 = endo,,, la ncertdumbre etándar de la varable de nfluenca y,,, u grado de lbertad correpondente Para entender el orgen del número efectvo de grado de lbertad, hay que conderar la etadítca T, utlzada para obtener el ntervalo de confanza (4) T y µ y µ = = = (6) S y S W ef Aquí, la etadítca Z tene una dtrbucón Normal etándar y la etadítca W S = / tene r Z ef y y aproxmadamente una dtrbucón j-cuadrada con grado de lbertad ef En ete cao, el número efectvo de grado de lbertad vene a er el parámetro de la ef dtrbucón j-cuadrada aocada a la ncertdumbre expandda, que e obtene como una combnacón lneal de la ncertdumbre,,,, de la medcone de la varable de nfluenca La expreón del número efectvo de grado de lbertad, e conoce como la aproxmacón de Welch- Satterthwate, que decrbmo en la guente eccón 3 APROIMACIÓN DE WELCH- SATTERTHWAITE W W W Sean,,,, varable aleatora ndependente e déntcamente dtrbuda como jcuadrada con r, r,, grado de lbertad 3

4 Smpoo de Metrología al 7 de Octubre repectvamente E un hecho conocdo [] que la uma W+ W + +W e dtrbuye tambén como j-cuadrada con r = r+ r + + r grado de lbertad Eta propedad de herenca de dtrbucón no e tene cuando, en lugar de una uma, conderamo una combnacón lneal de la varable aleatora La complcacón en la determnacón del número efectvo de grado de lbertad, e debe a que la ncertdumbre combnada y La lógca en el dearrollo de la aproxmacón, conte en uponer que la combnacón lneal + + +, tene aproxmadamente una dtrbucón j-cuadrada con un número de grado de lbertad que debemo determnar Para eto, procedemo ajutando una dtrbucón jcuadrada a la combnacón lneal, y etmamo u parámetro (grado de lbertad) por el método de momento Suponemo entonce, que la combnacón lneal e equvalente al cocente dado por una varable aleatora U dtrbuda j-cuadrada, dvdda entre U = a W e una combnacón lneal de la ncertdumbre de la varable de nfluenca S en lugar de una combnacón lneal, fuee una uma de térmno no correlaconado, entonce el número de grado de lbertad aocado a la ncertdumbre combnada era la uma de lo grado de lbertad de la varable de nfluenca Cuando la ncertdumbre combnada e una combnacón lneal de ncertdumbre, entonce la nformacón de cada una de ella dentro del total, tene un efecto modulado por la contante que multplca al térmno correpondente Eta combnacón no adtva de la nformacón proporconada por cada componente e lo que tenemo en la aproxmacón de Welch- Satterthwate u grado de lbertad, eto e, que y U = tenen la mma dtrbucón Eto e exprea como la relacón de equvalenca, Según el metodo de momento, para etmar el parámetro, gualamo lo do prmero momento de la varable que tenemo en ambo lado de la relacón de equvalenca anteror De eta forma obtenemo la ecuacone U E( ) = E( ), = (7) U E( ) ( = E ) = (8) Como la eperanza de una varable aleatora dtrbuda como j-cuadrada e gual a u grado de lbertad, y u varanza e do vece u grado de lbertad, entonce EU ( ) = [ ] VU ( ) = EU ( ) EU ( ) = De lo anteror obtenemo que U E( ) =, U E( ) = Suttuyendo eta eperanza en (7) y (8), obtenemo, E( ) = =, y (9) E( ) = = (0) De la ecuacón (9) no podemo deducr el valor de, olo obtenemo una retrccón para lo coefcente de la combnacón lneal Depejamo de la ecuacón (0) y obtenemo = () E( ) = De eta ecuacón obtenemo un etmador para el número de grado de lbertad, uttuyendo en el denomnador la eperanza del cuadrado de la combnacón lneal, por la combnacón lneal cuadrátca úncamente Aí tenemo, 4

5 Smpoo de Metrología al 7 de Octubre Suttuyendo ahora, la expreón (3) de la varanza ˆ = de la combnacón lneal, en la expreón () de ( ) = tenemo Ete etmador tene el nconvenente de que no puede dar valore negatvo, lo cual e nadmble Eta expreón para ˆ no condera la retrccón de lo coefcente de la combnacón lneal Eneguda conderamo una verón modfcada de ete etmador, ncluyendo la retrccón E( ) ( ) ( = V + E = = = ) V( ) E( ) = =, + = E( ) = y conderando de (9) que entonce V( ) = E( ) = = = E( ) E( ) =, = + Suttuyendo eto en la expreón () para, reulta E( ) = = V( ) = ] () Fnalmente, conderando que W, W,, W on varable aleatora ndependente dtrbuda como j-cuadrada, tenemo que ( ) ( ) = = V = a V W = [ = La últma gualdad e debe a que a E( W) [ ] VW ( ) EW ( ) / = (3) E( ) = = ( ) a = EW De eta expreón para lo grado de lbertad como funcón de eperanza de la varable aleatora, obtenemo u etmador ˆ, uttuyendo la eperanza por u obervacone, eto e, ( ) ˆ = = a = W (4) Eta aproxmacón obtenda en la década de lo 40, gue aún hoy endo de gran utldad, u uo e uttuye alguna vece por procedmento de mulacón para la determnacón de ncertdumbre expandda Cabe hacer notar que el procedmento de mulacón de obervacone de la varable de nfluenca, cuando éta etán correlaconada no e encllo La expreón (4) obtenda para etmar lo grado de lbertad concde con la expreón conocda para el número efectvo de grado de lbertad, depué de hacer la guente uttucone: a = ( f / x ), y W = Lo trabajo orgnale obre eta aproxmacón fueron dearrollado en forma ndependente por Welch [3,4,7] y Satterthwate [5,6] Ete problema e mlar al problema de nferenca para una dferenca de meda, cuando la varanza on deconocda y dferente Ete últmo problema conocdo en la lteratura etadítca como el problema de Behren-Fher [8], ha generado una polémca ntereante, y ha atraído la atencón de un gran número de etadítco, y por lo tanto e han propueto vara olucone dede dferente enfoque 4 RESTRICCIONES O LIMITACIONES El dearrollo de la aproxmacón de Welch- Satterthwate upone que la varable de nfluenca 5

6 Smpoo de Metrología al 7 de Octubre tenen dtrbucón normal y ademá on nocorrelaconada Eto upueto con frecuenca no e cumplen, ya que ademá de la dtrbucón normal, la dtrbucone unforme y trangular ntervenen como modelo de medcón de la varable de nfluenca ademá, la correlacón entre dcha varable en alguno cao e gnfcatva Frecuentemente, el upueto de no-correlacón no e cumple en la practca metrológca, ya que la medcone que e hacen de la dferente varable de nfluenca que ntervenen en un proceo de medcón, etán ujeta a un ambente común, lo cual genera una certa etructura de dependenca entre dcha varable M Ballco [9] compara la formula de Welch- Satterthwate con otro procedmento baado en ere de potenca utlzado para determnar la ncertdumbre expandda, y encuentra que la formula obreetma el número efectvo de grado de lbertad cuando una de la prncpale componente tene poco grado de lbertad Eto genera una ubetmacón del correpondente ntervalo de confanza, lo cual e aun ma notoro para alto nvele de confanza Una alternatva que e ha elegdo alguna vece para la determnacón de la ncertdumbre expandda o ntervalo de confanza, ha do la técnca de mulacón [0], tambén conocda como Monte Carlo Cuando la varable de nfluenca que e mulan on nocorrelaconada, ete procedmento e encllo, aun cuando e tengan dtrbucone dferente a la normal En cambo, la varable on correlaconada, el problema de mulacón en forma exacta e muy complcado, ya que e requere conocer la dtrbucón conjunta de la varable, lo cual no e fácl Exte oftware como por ejemplo, Crtal Ball [] y R [], que mulan obervacone de varable aleatora correlaconada, con cualquer conjunto de dtrbucone margnale, y con una relacón de correlacón defnda por el coefcente de correlacón por rango, guendo el procedmento de Iman y Conover [3] 5 CONCLUSIONES En ete artículo hemo comentado el concepto de grado de lbertad aocado a la determnacón de la ncertdumbre de medcón Se ha motrado el dearrollo de la aproxmacón de Welch-Satterthwte para obtener el número efectvo de grado de lbertad La etadítca de la ncertdumbre combnada no tene una dtrbucón j-cuadrada exacta, debdo a que en el numerador no tene una uma de cuadrado no una combnacón lneal de cuadrado Se han dcutdo lmtacone de eta aproxmacón, como on lo upueto de dtrbucón normal de la varable de nfluenca, aí como la no correlacón entre ella Ademá e ha comentado que una alternatva que e puede egur al evaluar la ncertdumbre de un proceo de medcón, cuando la varable de nfluenca on no-correlaconada, e la técnca de Monte Carlo Cuando e ua algún oftware para mular obervacone de varable correlaconada, e recomenda conocer el procedmento que dcho oftware gue para ntroducr la correlacón entre la varable, para etar eguro de que la correlacón que el oftware condera e la que nootro hemo determnado REFERENCIAS [] Gude to the Expreon of Uncertanty n Meaurement, Geneva, Internatonal Organzaton for tandardzaton, 993, ISBN [] Caella, G and Berger, R L, Stattcal Inference, Wadworth & Broo/Cole, Pacfc Grove, CA 990 [3] Welch, B L, The Specfcaton of Rule for Rejecton too Varable a Product, wth Partcular Reference to an Electrc Lamp Problem, Supplement to the Journal of the Royal Stattcal Socety, 3(), 936, 9-48 [4] Welch, B L, The Sgnfcance of the Dfference Between two Mean when the Populaton Varance are Unequal, 9, 938, Satterthwate,F E, Pychometra, 94, 6(5), [5] Satterthwate,F E, Pychometra, 94, 6(5), [6] Satterthwate,F E, An approxmate dtrbutón of etmate of varance component, Bometrc, Bull, (6), 946, 0-4 [7] Welch, B L, The generalzaton of Student problem when everal dfferent populaton varance are nvolved, Bometra 34, (947), 8-35 [8] Kendall, M and Stuart, A, The Advanced Theory of Stattc,, Vol II: Inference and 6

7 Smpoo de Metrología al 7 de Octubre Relatonhp, 4th Ed, Macmllan, New or, N, 979 [9] Ballco, M, Lmtaton of the Welch- Satterthwate aproxmaton for meaurement uncertanty calculaton, Metrologa, 37, 000, 6-64 [0] Cox, M G, Danton, A B, Forbe, A B, Harr, P M, Schwene, P M, Sebert, B R L, and Woger, W, Ue of Monte Carlo Smulaton for uncertanty evaluaton n metrology, n Carln, P, Cox, M G, Flpe, E, Pavee, F, and Rchter, D, edtor, Advanced Mathematcal Tool n Metrology V Sere on Advance n Mathematc for Appled Scence, Vol 57, World Scentfc, 00, [] Deconengneerng, Inc, Crytal Ball Veron 40 Uer Manual [] Wnton, W L, Smulaton Duxbury, Pacfc Grove CA 00 [3] Iman R L and Conover W J, A Dtrbuton- Free Aproach to Inducng Ran Correlaton Among Input Varable, Communcaton n Stattc - Smulaton and Computaton, (3), 98,

Para el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por:

Para el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por: Capítulo 5 La fórmula de Welch-Satterthwate Hemo vto como encontrar un ntervalo de confanza para una cantdad medda (tanto con N grande como con N peueño). La pregunta ue naturalmente urge e cómo encontrar

Más detalles

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón

Más detalles

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION

LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan

Más detalles

LECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION

LECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION Unverdad Católca Lo Ángele de Chmbote LECTURA 0 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón o de dperón

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO ) CAPÍTULO II.- AÁLISIS DE UA CARACTERÍSTICA (DISTRIBUCIOES UIDIMESIOALES) TEMA 5.- MEDIDAS DE DISPERSIÓ DE LA DISTRIBUCIÓ DIPLOMATURA E CIECIAS EMPRESARIALES UIVERSIDAD DE SEVILLA .

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

El CAT se calcula a partir de los flujos de recursos entre el cliente y la institución que otorga el crédito. t j

El CAT se calcula a partir de los flujos de recursos entre el cliente y la institución que otorga el crédito. t j Explcacón del cálculo del Coto nual Total (CT) El CT e calcula a partr de lo fluo de recuro entre el clente y la nttucón que otorga el crédto.. Fórmula para el cálculo del CT El CT e el valor numérco de,

Más detalles

P 1 = P 2 = P ambiente. h 1 -h 2 = H. Sistemas de control versión 2007 Página 1 de 10. Modelos de nivel de líquido.

P 1 = P 2 = P ambiente. h 1 -h 2 = H. Sistemas de control versión 2007 Página 1 de 10. Modelos de nivel de líquido. tema de control 67- verón 007 Págna de 0 Modelo de nvel de líudo. Bucamo una relacón entre Q y H, por el teorema de Bernoull tomemo la eccón en la uperfce lbre del tanue y la eccón en la alda, en ee cao

Más detalles

APLICACIONES ESTADÍSTICAS Y DIAGRAMAS DE CONTROL

APLICACIONES ESTADÍSTICAS Y DIAGRAMAS DE CONTROL APLICACIONES ESTADÍSTICAS Y DIAGRAMAS DE CONTROL Según un etadítco, la etadítca e una herramenta poderoa en el control de caldad que, a dferenca de mucho otra herramenta, e vuelve má floa con el uo. Otro

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

DESARROLLO PRÁCTICO Y EVALUACIÓN DE ESTUDIOS R&R PARA EL ASEGURAMIENTO DE LA CALIDAD DE LOS RESULTADOS

DESARROLLO PRÁCTICO Y EVALUACIÓN DE ESTUDIOS R&R PARA EL ASEGURAMIENTO DE LA CALIDAD DE LOS RESULTADOS DESARROLLO PRÁCTICO Y EVALUACIÓN DE ESTUDIOS R&R PARA EL ASEGURAMIENTO DE LA CALIDAD DE LOS RESULTADOS Ing. Raúl Monroy Pérez rmonroy@ance.org.mx NOTA IMPORTANTE: El CENAM no e reponable del contendo de

Más detalles

Diseño óptimo de un regulador de tensión en paralelo

Diseño óptimo de un regulador de tensión en paralelo Deño óptmo de un regulador de tenón en paralelo Federco Myara 1. egulador mple con un dodo de ruptura El cao má mple e el regulador con un dodo zener, ndcado en la fgura 1. S ben el crcuto parece muy encllo,

Más detalles

UN ANÁLISIS DE LA EFICACIA DE LOS MÉTODOS BASADOS EN RATIOS DE ENLACE, EN LA ESTIMACIÓN DE LA PROVISIÓN PARA SIENIESTROS PENDIENTES

UN ANÁLISIS DE LA EFICACIA DE LOS MÉTODOS BASADOS EN RATIOS DE ENLACE, EN LA ESTIMACIÓN DE LA PROVISIÓN PARA SIENIESTROS PENDIENTES Un anál de la efcaca de lo método baado en rato de enlace, en la etmacón de la Provón para Snetro Pendente UN ANÁLISIS DE LA EICACIA DE LOS MÉTODOS BASADOS EN RATIOS DE ENLACE, EN LA ESTIMACIÓN DE LA PROVISIÓN

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

ESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL

ESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL ESTADÍSTICA DESCRIPTIVA Y BIDIMESIOAL ÍDICE. Defncón de Etadítca. Concepto generale 3. Tratamento de la nformacón 4. Repreentacón de lo dato. Medda de centralzacón 6. Medda de dperón 7. Etadítca bdmenonal

Más detalles

INFLUENCIA DEL FLUJO DE HIDRÓGENO EN LA INCERTIDUMBRE DEL SISTEMA DE REFERENCIA PARA MEDICIÓN DE ph

INFLUENCIA DEL FLUJO DE HIDRÓGENO EN LA INCERTIDUMBRE DEL SISTEMA DE REFERENCIA PARA MEDICIÓN DE ph INFLUENCIA DEL FLUJO DE HIDRÓGENO EN LA INCERTIDUMBRE DEL SISTEMA DE REFERENCIA PARA MEDICIÓN DE ph Torres, M 1, y Godnez, L.A. 1 Centro Naconal de Metrología km 4,5 Carr A Los Cues, CP. 7641. Mpo. El

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

ELECTRONICA III (ELT 2782) CAPITULO II CIRCUITOS CON AMPLIFICADORES OPERACIONALES

ELECTRONICA III (ELT 2782) CAPITULO II CIRCUITOS CON AMPLIFICADORES OPERACIONALES ELECTONICA III (ELT 78) CAPITLO II CICITOS CON AMPLIFICADOES OPEACIONALES OBJETIVOS Analzar crcuto baado en amplfcadore operaconale Deñar un amplfcador que atfaga certa epecfcacone Grafcar la forma de

Más detalles

ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES UNIVERSIDAD DE SEVILLA

ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES UNIVERSIDAD DE SEVILLA ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES UNIVERSIDAD DE SEVILLA DEPARTAMENTO DE ECONOMÍA APLICADA I RENTAS (reumen de teoría y boletne de problema) MATEMATICAS DE LAS OPERACIONES FINANCIERAS 2004/2005

Más detalles

TEMA 13: Análisis de circuitos amplificadores 13.1

TEMA 13: Análisis de circuitos amplificadores 13.1 Índce TEM 13: nál de crcuto amplfcadore 13.1 13.1. NTODUCCÓN 13.1 13.2. MPFCDO EN EMSO COMÚN 13.3 13.3. MPFCDO EN COECTO COMÚN (SEGUDO DE EMSO) 13.6 13.4. MPFCDO EN BSE COMÚN 13.10 13.5. COMPCÓN ENTE S

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátca Etadítca Dtrbucone bdmenonale DISTRIBUCIOES BIDIMESIOALES. Varable etadítca bdmenonale. Tabla bdmenonale de recuenca.. Cálculo de parámetro. Covaranza.. Correlacón.. Regreón lneal. Ejemplo. Problema

Más detalles

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE II) MEDIDAS DE FORMA TEMA 19: MEDIDAS DE FORMA

LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE II) MEDIDAS DE FORMA TEMA 19: MEDIDAS DE FORMA Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : EDIDAS DE DISPERSIÓN Y DE FORA (PARTE II) EDIDAS DE FORA TEA 9: EDIDAS DE FORA. EDIDAS DE ASIETRIA Son medda que mden el grado de deformacón horzontal

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

Anál de ere temporale Fernando Berzal, berzal@acm.org Anál de ere temporale Caracterítca de la ere temporale Vualzacón de ere temporale Fltrado de ere temporale Meda móvle Suavzado exponencal Técnca de

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN

UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN Scenta et Technca Año XV, No 43, Dcembre de 2009. Unversdad Tecnológca de Perera ISSN 0122-1701 288 UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN Use of the central

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Simposio de Metrología 25 al 27 de Octubre de 2006

Simposio de Metrología 25 al 27 de Octubre de 2006 Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Capítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS

Capítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco

Más detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

= 1. junio-2007 Matemáticas Financieras LADE (Móstoles)

= 1. junio-2007 Matemáticas Financieras LADE (Móstoles) juno-007 Matemátca Fnancera LADE (Mótole Problema En el mercado cotzan lo guente bono: Bono A: Bono Cupón Cero a año y TIR del 0% Bono B: Bono Cupón Cero a año y TIR del 9% Bono C: Bono Cupón Explícto

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

Más detalles

ESTADÍSTICOS EN TÉRMINOS DE VECTORES Y MATRICES. José Carlos de Miguel Domínguez Agustín Ramos Calvo Julio Pallas González

ESTADÍSTICOS EN TÉRMINOS DE VECTORES Y MATRICES. José Carlos de Miguel Domínguez Agustín Ramos Calvo Julio Pallas González Docenca de Matemátca en la Economía la Emprea ESTADÍSTICOS E TÉRMIOS DE VECTORES Y MATRICES Joé Carlo de Mguel Domínguez Agutín Ramo Calvo Julo Palla González Dpto. de Método Cuanttatvo para la Economía

Más detalles

Desarrollo de un método para la solución de sistemas de tuberías abiertas

Desarrollo de un método para la solución de sistemas de tuberías abiertas Gamboa J. et. al. / Ingenería 8- (00) 7- Dearrollo de un método para la olucón de tema de tubería aberta Joé A. Gamboa Varga, Jorge García Soa, Roger I. Méndez Novelo. RESUMEN Se dearrolla un método para

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Estadistica No Parametrica

Estadistica No Parametrica Estadstca No Parametrca CLASE 3 Pruebas Basadas en la Dstrbucon Bnomal JAIME MOSQUERA RESTREPO Bnomal Test La prueba bnomal es quzás la prueba mas antgua encontrada en al lteratura. Se encuentra asocada

Más detalles

REGRESIÓN Y CORRELACIÓN Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

REGRESIÓN Y CORRELACIÓN Métodos Estadísticos Aplicados a las Auditorías Sociolaborales REGRESIÓ CORRELACIÓ Método Etadítco Aplcado a la Audtoría Socolaborale Francco Álvarez González francco.alvarez@uca.e DISTRIBUCIOES BIVARIATES El etudo de la relacón etente entre do varable e conduce a

Más detalles

ANÁLISIS DEL CRITERIO COSTE AMORTIZADO. APLICACIÓN A UN PRÉSTAMO CONCERTADO POR EL SISTEMA DE AMORTIZACIÓN FRANCÉS CON TIPO DE INTERÉS INDICIADO

ANÁLISIS DEL CRITERIO COSTE AMORTIZADO. APLICACIÓN A UN PRÉSTAMO CONCERTADO POR EL SISTEMA DE AMORTIZACIÓN FRANCÉS CON TIPO DE INTERÉS INDICIADO 87a ANÁLISIS DEL RITERIO OSTE AMORTIZADO. APLIAIÓN A UN PRÉSTAMO ONERTADO POR EL SISTEMA DE AMORTIZAIÓN FRANÉS ON TIPO DE INTERÉS INDIIADO Mª armen Vall Martínez Alca Ramírez Orellana Profeora Ttulare

Más detalles

Objetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá:

Objetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá: Objetvos El alumno conocerá y aplcará dversas técncas de dervacón e ntegracón numérca. Al fnal de esta práctca el alumno podrá:. Resolver ejerccos que contengan dervadas e ntegrales, por medo de métodos

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D. Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D. Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

FUNDAMENTOS DE INGENIERÍA ELÉCTRICA. José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo

FUNDAMENTOS DE INGENIERÍA ELÉCTRICA. José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo FUNDAMENTOS DE INGENIEÍA EÉCTICA Joé Francco Gómez González Benjamín González Díaz María de la Peña Faban Bendcho Erneto Pereda de Pablo Tema : Trantoro en Crcuto de Corrente Contnua PUNTOS OBJETO DE ESTUDIO

Más detalles

Tema 6 INTRODUCCIÓN A LOS MODELOS CON DATOS DE PANEL

Tema 6 INTRODUCCIÓN A LOS MODELOS CON DATOS DE PANEL ECONOMETRÍA II Prof.: Begoña Álvarez 007-008 Tema 6 INTRODUCCIÓN A LOS MODELOS CON DATOS DE PANEL. INTRODUCCIÓN Un conunto de dato de panel e aquél en el que dponemo de vara obervacone para cada una de

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3 PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO

Más detalles

ESTUDIO COMPARATIVO DE MODELOS DE FLUJO TRANSITORIO DE GAS EN TUBERÍA

ESTUDIO COMPARATIVO DE MODELOS DE FLUJO TRANSITORIO DE GAS EN TUBERÍA ESTUDIO COMPARATIVO DE MODELOS DE FLUJO TRANSITORIO DE GAS EN TUBERÍA Ronald E. Vera U. ronaldvera@ula.ve Pot Grado de Ingenería Mecánca, Unverdad de Lo Ande. Mérda, 50 Venezuela. Carlo F. Torre-Monzón

Más detalles