LA FUNCION CUANTIL: UNA APLICACIÓN AL ESTUDIO DE LA PROPORCIONALIDAD ENTRE CARACTERISTICAS POBLACIONALES.
|
|
- María Josefa Carrizo Redondo
- hace 6 años
- Vistas:
Transcripción
1 LA FUNCION CUANTIL: UNA APLICACIÓN AL ESTUDIO DE LA PROPORCIONALIDAD ENTRE CARACTERISTICAS POBLACIONALES. Catalejo García, Fracsco García Lopera, Fracsca Mola Ruz, Salvador Javer Profesores del Departameto de Ecoomía Aplcada (Uversdad de Málaga RESUMEN E este trabajo desarrollamos u breve estudo sobre la fucó cuatl y su estmacó segú u determado método e el caso de utlzar formacó aular. Presetamos el método de estmacó de la fucó cuatl que va acompañado de la estmacó de la fucó de dstrbucó. Cosderadas dos característcas de esa poblacó, defmos u estmador rato smple de la fucó cuatl que os va a servr para poder aalzar la relacó de proporcoaldad que pueda estr etre ambas, observado que cuato mayor es esta relacó más se aproma el estmador rato a la fucó cuatl de la poblacó, cocdedo ambas e el caso de que esta relacó de proporcoaldad sea total. Se acompaña dcho estudo de ua smulacó realzada sobre ua poblacó dode hemos aalzado las dos característcas. poblacoales. Palabras Clave: Fucó cuatl, Estmador rato smple, Proporcoaldad de datos Clasfcacó AMS:90C40 INTRODUCCION E este trabajo presetamos u método de aálss de la relacó de proporcoaldad que pueda estr etre las característcas o datos de ua poblacó, basado e la fucó cuatl de la msma, cuado se utlza formacó aular, medate la utlzacó de uos estmadores ratos tato de la fucó de dstrbucó, como de la fucó cuatl, que posee la propedad de cocdr co valores de la fucó de dstrbucó y de la fucó cuatl poblacoal, cuado este proporcoaldad etre los datos. E prmer lugar defmos la fucó cuatl de la sguete forma 1
2 Supogamos que X 1, X 2,..., X so varables aleatoras depedetes e détcamete dstrbudas, co fucó de dstrbucó F absolutamete cotua. La fucó cuatl Q ( t co 0 t 1, está defda por Q ( t = F 1 ( t = f { : F ( t } E cuato a las característcas podemos observar que 1 La fucó cuatl es o decrecete y cotua por la zquerda 2 Q [ F ( ] R 3 F [ Q ( t ] t R 4 F ( t s Q ( t També podemos afrmar que s F es absolutamete cotua, etoces se verfca P { ( k Q ( t ( k + 1 } = k t k ( 1 - t - k ESTIMACION DE LA F.DE DISTRIBUCION Y DE LA F. CUANTIL Y SU APLICACIÓN A LA PROPORCIONALIDAD DE POBLACIONES. Dada la defcó de fucó cuatl vamos a estmar la fucó de dstrbucó, cuado utlzamos formacó aular. Supogamos dos determadas característcas X e Y, aplcado el método propuesto por Chambers& Dusta, que os permte utlzar la formacó aular e las etapas de estmacó. Se observa co u estudo de smulacó que co u moderado tamaño de la muestra = 30, este estmador se puede cosderar más efcete que el usual estmador de la fucó de dstrbucó que o utlza formacó aular y esto co ua fuerte relacó leal etre la varable de terés y la varable aular estete. Supoemos para ello que la poblacó obedece u modelo de superpoblacó asumdo por Chambers & Dusta de la forma 2
3 y = β + v ( u ( = 1, 2,..., N 1 2 dóde N es el tamaño de la poblacó, β es u parámetro descoocdo, v ( = y u es la varable aleatora depedete e détcamete dstrbuda co meda cero. Para la estmacó de la fucó de dstrbucó, que posterormete os ayudará a la estmacó de la fucó cuatl, tedremos que como valor de terés e ua poblacó fta - 1 F ( t = N ( t - y U dode ( a = 1 cuado a 0 y ( a = 0 e cualquer otro caso y dode U deota a la poblacó. Supogamos que la muestra s, de elemetos es seleccoada de acuerdo co u pla de muestreo p ( s, co la probabldad de clusó π j Etoces el usual dseño de estmador basado e el método tradcoal será de la forma para F ( t sguete: $F( t = π - 1 ( t - y / s π - 1 s que como vemos o utlza formacó aular, para = 1, 2,..., N e las etapas de estmacó. So Chambers & Dusta los que propoe u modelo como alteratva para u modelo de superpoblacó y = β + v ( u co v( coocdo, y el estmador de F ( t es F$ ( t = 1 m ( t - y N s 1 ( t - b j + v ( j j s, s U dode es el tamaño de la muestra, b es el estmador mímo cuadrátco del peso β que vee dado por 3
4 b = s y v 2 2 s 2 ( v ( 1 y dode U ( y b = v ( y dode s = U - s es el cojuto de udades o muestreadas. El estmador F$ m ( t posee la propedad deseada de que F$ m ( t = F( t cuado y es proporcoal a para todo U, pero es depedete del dseño de muestreo. Los estmadores rato y dfereca del método tradcoal de F ( t so obtedos para resultados stadars, es decr, para totales y medas, tratado a ( t - y y ( t - R$ como y y varables respectvamete; dode a $R = y Π Π 1 es el usual estmador cosstete del rato poblacoal R = Y / X. U estmador rato de F ( t es 1 F$ ( -1 1 t = N ( t - y 1 ( t - R$ ( t - R$ r Π Π s s U El cual se reduce a F ( t cuado y es proporcoal a para todo U y de aquí la varaza se hace cero e posterores casos. Esto sugere que F $ r ( t os podría llevar a cosderables gaacas e efceca sobre $ F ( t cuado y es apromadamete proporcoal a. Vamos a cosderar el caso de la utlzacó de la formacó aular, para la estmacó de los cuatles poblacoales, aplcado a los datos de los gresos del Ayutameto de Málaga, dode vamos a utlzar el estmador de la fucó de dstrbucó que presetamos e la teoría y que represetamos por 4
5 $ 1 1 Fm ( t = ( t y + N j s ; s ( t b j v ( j u dode sabemos que es el tamaño muestral, dode el valor de b vee dado por la relacó b y = 2 2 v 2 ( v ( s s 1 dode el valor de u vee dado por u s = U s es el cojuto de udades o muestreadas. ( y b = v ( y dode sabemos que Sabemos que F $ m ( t posee la propedad de que F $ m ( t = F ( t cuado y es proporcoal a para todo U, sedo depedete del dseño de muestreo. Esta propedad os puede dar u camo váldo, para realzar u estudo sobre la relacó de proporcoaldad que puede guardar los dsttos mpuestos. E la hoja de cálculo Ecel hemos defdo la macro correspodetes para obteer las fucoes de dstrbucó y la macro para obteer los dsttos cuatles. Por tato, cuado los valores obtedos para F $ ( t so guales a F ( t quere decr que ambos mpuestos preseta ua relacó de proporcoaldad, auque osotros vamos a estudar esta relacó de otra forma, más drectamete relacoada co los cuatles e vez de co las fucoes de dstrbucó, s este ua mayor o meor proporcoaldad e los mpuestos, defmos para ello u estmador rato de θ( α de la sguete forma m $ θ$ ( α θ ( α = y θ$ ( α θ ( α dode 5
6 { t Fy t } θ$ ( α = f ; $ ( α y { t F t } θ$ ( α = f ; $ ( α y { t F t } θ ( α = f ; ( α todo Este estmador rato θ $ r ( α se reduce a θ ( α cuado y es proporcoal a para U, APLICACION DE ESTE ANALISIS DE PROPORCIONALIDAD A LA FISCALIDAD DEL AYUNTAMIENTO DE MALAGA. Vamos a comezar etoces estmado la fucó de dstrbucó y por tato los cuatles, utlzado formacó aular, es decr, medate F $ ( t, supogamos u determado mpuesto del que teemos ua muestra cuyos valores represetamos por y, y descoocemos su poblacó, por tato o podemos calcular drectamete sus cuatles, y teemos la formacó sobre otro mpuesto del que coocemos todos sus datos, vamos a obteer ua estmacó de la fucó de dstrbucó de la poblacó descoocda, que verfcará la propedad deseable de acercarse a la fucó poblacoal cuado los y so proporcoales a los. m Utlzamos para ello la macro, obteedo los valores de la fucó de dstrbucó, y a partr de aquí y medate la macro defda para el cuatl, obteemos los valores de los cuatles que presetamos a cotuacó, para el caso partcular, e que los y represeta ua muestra de los gresos del mpuesto de crculacó y los represeta los gresos obtedos por el Impuesto sobre Bees Imuebles ( IBI P 10 = 507 P 20 = 693 P 25 = 798 P 50 = 1824 P 75 = 4348 P 90 =
7 S ahora utlzamos como formacó aular los gresos obtedos por el Impuesto sobre actvdades ecoómcas ( IAE, dode los resultados de la estmacó de cuatles so los sguetes: P 10 = 507 P 20 = 533 P 25 = 798 P 50 = 1418 P 75 = 4813 P 90 = Como podemos aprecar este evdetes dferecas etre ambas estmacoes obtedas, y para comprobar la bodad de las dos vamos a obteer el valor de F ( t, para la poblacó de los gresos del mpuesto de crculacó, que ahora la supoemos coocda y presetamos los valores de los cuatles poblacoales que so los sguetes: P 10 = 532 P 20 = 763 P 25 = 798 P 50 = 1065 P 75 = 6804 P 90 = Como podemos aprecar s comparamos las tres tablas de valores os ecotramos co que los valores obtedos o so muy prómos lo cual os lleva a poder afrmar que la proporcoaldad que este etre los tres tpos de mpuestos es muy pequeña, puesto que e caso de estr, los valores obtedos debería de ser mucho más prómos, además podemos decr que el IAE parece u poco más relacoado que el IBI, pero e cualquer caso ada prómos etre ellos. Pasamos ahora a aalzar estas posbles relacoes etre los mpuestos, pero utlzado el cuatl rato, que hemos defdo co aterordad y que vamos a represetar por θ r ( α, este valor cocdrá co el valor θ( α, cuado los valores y sea proporcoales a para todo U. Vamos a trabajar co el msmo mpuesto, es decr, el mpuesto de crculacó y vamos a realzar estos cálculos co otros tpos de gresos, por ejemplo, los datos co los que obteemos los sguetes resultados o valores del cuatl rato para tres tpos de gresos dsttos: 7
8 1ª poblacó P 10 = 532 P 20 = 764 P 25 = 798 P 50 = 1065 P 75 = 6804 P 90 = ª poblacó P 10 = 532 P 20 = 978 P 25 = 600 P 50 = 1065 P 75 = 6856 P 90 = ª poblacó P 10 = 517 P 20 = 748 P 25 = 806 P 50 = 1075 P 75 = 6840 P 90 = Recordamos que los valores de los cuatles poblacoales θ( α so los sguetes: P 10 = 532 P 20 = 763 P 25 = 798 P 50 = 1065 P 75 = 6804 P 90 = CONCLUSIONES Como podemos observar, la prmera de las poblacoes ofrece bastate buea apromacó e los valores, es decr, podemos afrmar que los datos so bastate proporcoales y aalzado de que datos se trata e la prmera de las poblacoes, resulta ser los obtedos por gresos obtedos e la speccó trbutara, es decr valores que se obtee de los propos mpuestos, más u determado recargo aplcado segú ley, que evdetemete es u porcetaje de la cuatía del mpuesto, por tato resulta ser lógca la proporcoaldad detectada e los datos. 8
9 E las otras dos poblacoes los resultados so bastate más dspares, por tato, podemos coclur que la relacó de proporcoaldad etre estos tpos de gresos práctcamete o este, e la seguda poblacó los datos perteece també a la speccó trbutara, pero e este caso a otro mpuesto dstto del de crculacó, lo cual justfca el resultado obtedo y la tercera poblacó perteece a los datos de gresos del Impuesto sobre Bees Imuebles y podemos observar que efectvamete los valores de los cuatles so dsttos práctcamete e todos los casos, lo cual os coduce, como e el caso aterormete estudado, a ratfcar la ula proporcoaldad estete etre ambos mpuestos. 9
10 BIBLIOGRAFIA BABU, G.J.(1986: Estmato of desty quatle fucto, Sakhya, vol 48,Seres A, Pt. 2, pp CHAMBERS, R. L. & DUNSTAN, R.(1986: Estmatg dstrbuto fuctos from survey data. Bometrka 73, FALK, M (1987: O the estmato of the quatle desty fucto. Statstcs & Probablty Letters, 4, pp North-Hollad. HASKELL, J. ad SEDRANSK, J.(1980: Cofdece tervals for quatles ad tolerace tervals of fte populatos, Upublshed Techcal Report, SUNY at Albay, Departmet of Mathematcs ad Statstcs, Albay, NY. KAIGH, W. D. & LACHENBRUCH, P. A.(1983: A geeralzed quatle estmator, Commu. Statst. - Theor. Meth., vol. 11, º 19, pp KAIGH, W. D. (1983 : Quatle terval estmato, Commu.Statst., Theor. Meth., vol. 12, º 21, pp LOYNES, R. M.(1990: Some aspects of the estmato of quatles. Joural of the Royal Statstcal Socety Seres. B 28 ( 3, MUÑOZ, J. Y FERNANDEZ, A.(1987: Estmatg the quatle fucto by Berste polyomals. Computatoal Statstcs & Data Aalyss, vol. 5, pp PARZEN, E.(1991: Noparametrc statstcal data modelg. J.Amer. Statst. Assoc., vol. 74, pp SEDRANSK, J. Ad MEYER, J.(1978: Cofdece tervals for the quatles of a fte populato: Smple radom ad stratfed radom samplg. Joural of the Royal Statstcal Socety Seres B 40 ( 2, SMITH, P. J. Ad SEDRANSK, J.(1992: Lower bouds for cofdece coeffcets for cofdece tervals for fte populato quatles. Commucatos statstcs, Theory ad Methods 12 ( 12, WOODRUFF, R. S.(1952: Cofdece tervals for medas ad other posto measures. Joural of the Amerca Statstcal Assocato 47,
La inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detalles1 Estadística. Profesora María Durbán
Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el
Más detallesDivisión de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
Más detallesEstimación por intervalos de la mediana con estimadores de razón y de diferencia
E STUIOS E ECOOMÍA APLICAA V OL. 0 - I, 00. PÁGS. 4-60 Estmacó por tervalos de la medaa co estmadores de razó y de dfereca * UEA GACÍA, M. y ** ACOS CEBIÁ, A. epartameto de Estadístca e Ivestgacó Operatva.
Más detallesI. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS
Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesPARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesEn este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.
TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.
Más detallesUNIDAD DIDÁCTICA 13: Estadística Descriptiva
Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detallesRegresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
Más detallesUNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesAplicación de Boostrapping en Regresión I
Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesIntervalos de confianza alternativos para los cuantiles de una población finita(1)
ETADÍTICA EPAÑOLA Vol. 44, Núm. 49, 00, págs. 69 a 88 Itervalos de cofaza alteratvos para los cuatles de ua poblacó fta( por ANTONIO ARCO CEBRIÁN MARÍA DEL MAR RUEDA GARCÍA MARÍA DOLORE MARTÍNEZ MIRANDA
Más detallesIntensificación en Estadística
GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesESTADÍSTICA TEÓRICA: ESTIMADORES
Gestó Aeroáutca: Estadístca Teórca Facultad Cecas Ecoómcas y Empresarales Departameto de Ecoomía Aplcada Profesor: Satago de la Fuete Ferádez ESTADÍSTICA TEÓRICA: ESTIMADORES Estadístca Teórca: Estmadores
Más detallesCÁLCULO NUMÉRICO (0258)
CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesAnálisis de Regresión
Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o
Más detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesx θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra
Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de
Más detallesRespuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:
Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,
Más detalles( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Más detallesx x x x x Y se seguía operando
. INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces
Más detallesColegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA
Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesTeoría de Muestras e Inferencia
Teoría de Muestras e Ifereca TEORÍA DE MUESTRAS E INFERENCIA. Poblacó y muestra. Métodos de muestreo 3. Dstrbucoes asocadas al proceso de muestreo 3. Dstrbucó de la meda de ua poblacó ormal 3. Dstrbucó
Más detallesTEMA 9. Contrastes no paramétricos y bondad de ajuste
TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test
Más detalles2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple
. Muestreo Aleatoro mple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza proporcó muestrales: Propedades. Error de estmacó. Poblacó Y (, ). E V Muestra aleatora smple Y,..., Y (..d.) E V ( )
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detallesTEMA 3: ESTIMACIÓN PUNTUAL.
TEMA 3: ESTIMACIÓN PUNTUAL. 3..- FUNDAMENTOS. La fereca estadístca proporcoa u método objetvo que establece reglas base para crtcar, rechazar y aceptar "tems" de formacó cetífca cuado prevalece codcoes
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detallesTeoría de Muestras e Inferencia
Teoría de Muestras e Ifereca TEORÍA DE MUESTRAS E INFERENCIA. Poblacó y muestra. Métodos de muestreo 3. Dstrbucoes asocadas al proceso de muestreo 3. Dstrbucó de la meda de ua poblacó ormal 3. Dstrbucó
Más detallesDada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
Más detallesEstimación predictiva del índice de Gini en poblaciones finitas bajo muestreo aleatorio simple
ESTADÍSTICA ESPAÑOLA Vol. 46, úm. 56 004, págs. 89 a 04 Estmacó predctva del ídce de G e poblacoes ftas bao muestreo aleatoro smple por JOSÉ A. MAYOR GALLEGO Dpto. de Estadístca e Ivestgacó Operatva. Facultad
Más detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detalles1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesEvolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?
APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000
Más detallesque queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)
APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)
Más detallesG - Métodos de Interpolación
ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó
Más detallesUna revisión de la estimación de la función de distribución y métodos de remuestreo bootstrap en poblaciones finitas(*)(1)
ESTADÍSTICA ESPAÑOLA Vol. 46, Núm. 155, 2004, págs. 149 a 175 Ua revsó de la estmacó de la fucó de dstrbucó y métodos de remuestreo bootstrap e poblacoes ftas(*)(1) por LOMBARDÍA, M.J., GONZÁLEZ-MANTEIGA,
Más detallesCAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en
CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesTRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).
TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores
Más detallesTEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO
TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total
Más detallesTema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.
Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.
Más detallesEstadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo
Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza
Más detallesAPROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS
APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado
Más detallesEspecialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV
Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.
Más detalles(Véase el Ejercicio 13 Beneficio de los bancos )
étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó
Más detallesMUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesQué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN
Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas
Más detallesTema 2. Muestreo Aleatorio Simple Contenido
Tema. Muestreo Aleatoro Smple Cotedo 1) Defcó, seleccó otacó ) Estmadores de la meda el total. Propedades. Varazas error de estmacó. Límtes de cofaza. 3) Muestreo smple co resttucó 4) Estmadores de la
Más detallesGENERACION DE VARIABLES ALEATORIAS
GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más
Más detallesExpectativas del Mercado y Creación de Valor en la Empresa
2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea
Más detallesQué conclusión extraeremos trabajando con un nivel de significación del 5%?
sbb BB BBB Ejercco 1 Ua asocacó de defesa del cosumdor argumeta que el cotedo de las latas de atú de ua determada marca es feror a los 50 g que se dca e el paquete. ara cotrastarlo se coge ua muestra de
Más detallesDefinición La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral. La distribución muestral de un estadístico
V. Muestreo V.. Dstrbucoes de Muestreo Defcó La dstrbucó de probabldad de u estadístco recbe el ombre de dstrbucó muestral. La dstrbucó muestral de u estadístco depede del tamaño de la poblacó, del tamaño
Más detallesFUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA
VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge
Más detallesRegresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
Más detalles2.5. Área de una superficie.
.5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesLaboratorio de Simulación Práctica 1: GENERACIÓN DE SEÑALES Y ANÁLISIS DE DATOS INTRODUCCIÓN TEÓRICA
Laboratoro de Smulacó Práctca : GENERACIÓN DE SEÑALES Y ANÁLISIS DE DATOS INTRODUCCIÓN TEÓRICA 0. Itroduccó: * SIMULACIÓN: "Epermetar co modelos matemátcos e u computador" Esquema geeral: Geeracó de señales
Más detallesContraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño co meda 1 procede de ua poblacó N(14,3) co el vel de sgfcacó,5..- E ua propagada se auca que uas determadas plas proporcoa más horas de
Más detallesContraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas
Más detallesConsideraciones Previas
Uversdad Técca Federco Sata María Capítulo 7 Estmacó de arámetros Estadístca Computacoal II Semestre 005 rof. Héctor Allede ága : www.f.utfsm.cl/~hallede e-mal : hallede@f.utfsm.cl Cosderacoes revas Coceptos
Más detallesSEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN
Más detallesEstadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detalles10 MUESTREO. n 1 9/ / σ σ 1
10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,
Más detallesEstadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión
Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA
Más detallesTEMAS CUESTIONARIO DE AUTOEVALUACIÓN
TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera
Más detallesExperimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS
Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesDISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesCAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA
NÚMEROS COMPLEJOS E INDUCCIÓN MATEMATICA 55 CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA 4. INTRODUCCIÓN Los úmeros Complejos costtuye el mímo cojuto C, e el que se puede resolver la ecuacó x a
Más detallesAnálisis de la Varianza
Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca
Más detallesERRORES EN LAS MEDIDAS (Conceptos elementales)
ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas
Más detallesMETODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:
Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó
Más detallesEl valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad
Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesCOLEGIO DE POSTGRADUADOS
COLEGIO DE POSTGRADUADOS INSTITUCIÓN DE ENSEÑANZA E INVESTIGACIÓN EN CIENCIAS AGRÍCOLAS CAMPUS MONTECILLO SOCIOECONOMÍA, ESTADÍSTICA E INFORMÁTICA ESTADÍSTICA PRUEBA DE BONDAD DE AJUSTE PARA LA DISTRIBUCIÓN
Más detalles