Decimoctavas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística. Noviembre de 2013.

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

Download "Decimoctavas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística. Noviembre de 2013."

Transcripción

1 Pellegrn, José Lus Marna Platno Insttuto de Investgacones Económcas de la Escuela de Economía DETECCIÓN DE CONGLOMERADOS ESPACIALES DE ACTIVIDADES PRODUCTIVAS EN ÁREAS URBANAS POR MEDIO DE DATOS SOBRE MOVILIDAD DE LAS PERSONAS. UNA APLICACIÓN AL AGLOMERADO GRAN ROSARIO. 1. INTRODUCCIÓN La nformacón censal publcada sobre actvdades económcas en la provnca de Santa Fe (y algo smlar puede decrse de otras provncas) no permte conocer la localzacón de las msmas en áreas menores a las abarcadas por un dstrto, esto es, la ursdccón de un muncpo o comuna, y aun en este caso, a veces con restrccones debdas al secreto estadístco. A muchos efectos esta nformacón es sufcente, pero no lo es cuando el nterés se centra en áreas menores que un dstrto o que se extenden sobre varos dstrtos contguos. Tampoco lo es cuando se busca un nvel de detalle como el requerdo para la deteccón de lugares que por algún motvo son crítcos (por la exstenca de actvdades contamnantes, por eemplo) o para el ordenamento terrtoral, la elaboracón de la normatva edlca, etc. Por otra parte, exsten actvdades que se desarrollan fuera del local de la empresa que los presta, por lo que el conocmento de la ubcacón de aquél no basta para conocer dónde se eecuta realmente la actvdad. Esto ocurre con varas actvdades relaconadas con la ndustra manufacturera que son clasfcadas en rubros de servcos o construccón, como las de mantenmento, reparacones, montae de nstalacones, etc., que las empresas manufactureras compran a terceros para que las lleven a cabo, total o parcalmente, en las plantas de sus clentes. El conocmento del lugar donde se eecutan dchas actvdades, en partcular las de servcos puede proporconar, además, ndcos sobre otro tema acerca del cual hay muy poca nformacón cuanttatva: la magntud relatva que alcanzó la tercarzacón (eecucón por empresas del sector tercaro), medante la tercerzacón (contratacón a terceros) de actvdades que en el pasado realzaban las empresas manufactureras con su propo personal. Se ha señalado (Pellegrn y Platno, 2012) que lo que a veces se nterpreta como desndustralzacón, esto es, caída de la partcpacón relatva de la ndustra manufacturera en el producto y el empleo, es al menos en parte una lusón nducda por los crteros estadístcos de clasfcacón. Estos hacen que se computen como en ramas de servcos o construccones las msmas actvdades que hasta hace pocas décadas eran clasfcadas como manufactureras porque eran eecutadas por las empresas de esta rama con su propo personal, mentras que ahora están a cargo de contratstas especalzados. No exste nngún buen susttuto de la nformacón precsa y detallada, pero un conocmento aunque más no fuera aproxmado de las zonas donde se encuentran las actvdades de nterés no carece de valor, en sí msmo y como medo que permte lmtar las áreas de búsqueda en nvestgacones que puedan proporconar datos puntuales, como los que pueden surgr de censos por barrdo o muestreo espacal de áreas pequeñas, análss de fotografías sateltales, exploracón de bases de datos, encuestas telefóncas o por correo electrónco, etc. Con esas fnaldades en este artículo:

2 a) se propone un método basado en nformacón ndrecta para detectar las áreas urbanas donde se concentran dos tpos de actvdades: ndustrales manufactureras y servcos relaconados con la ndustra manufacturera, entenddos en un sentdo sufcentemente amplo como para nclur actvdades como montae y reparacón de nstalacones o mantenmento de éstas, que son o pueden ser clasfcados, respectvamente, en la rama de construccones; b) se aplca el método propuesto al aglomerado Gran Rosaro, un área urbana de la que se tene un consderable conocmento prevo sobre la dstrbucón y estructura espacal de la ndustra manufacturera, conocmento que permte realzar un contraste nformal de los resultados que se obtengan. La nformacón sobre el área estudada fue obtenda en numerosas nvestgacones realzadas a lo largo de un cuarto de sglo por equpos del Insttuto de Investgacones Económcas. En éstas se utlzaron tanto datos de fuentes secundaras (ncludas las censales) como resultados de encuestas, entrevstas a nformantes calfcados y vstas a establecmentos ndustrales. El método propuesto recurre a datos sobre movldad de la poblacón y a técncas de análss exploratoro espacal (ESDA, por sus sglas en nglés) utlzando el programa GeoDa Los datos fueron georeferencados utlzando el sstema ArcGs SUPUESTO E HIPÓTESIS DE TRABAJO. S ben hay personas que trabaan en sus propos domclos o muy cerca de éste y algunas de ellas lo hacen en las actvdades de nterés para este trabao, es plausble suponer la mayor parte de las msmas se desarrollan en locales dstntos y relatvamente dstantes de las vvendas de los trabaadores o de los lugares en los cuales éstos realzan otras actvdades cotdanas, lo cual da lugar a vaes que puede ser captado por una encuesta de orgen y destno de pasaeros. La Encuesta de Orgen y Destno 2008 (EOD 2008, en adelante) realzada en el Área Metropoltana de Rosaro en ese año captaba vaes hechos en cualquer modo de transporte o a pe, de más de cuatro cuadras. La corta dstanca de exclusón permte suponer que la EOD regstró una proporcón muy alta de todos los vaes realzados por motvos de trabao durante el día de referenca de la Encuesta, y que de ese modo captó tambén, de manera aproxmada, la localzacón de los locales en los que se desempeñan los trabaadores, a través del lugar de destno de los vaes. El lugar de orgen y destno de cada vae se presenta, en los datos publcados, geográfcamente referencados a rados censales, por lo que el área que éstos comprenden es la menor undad posble de análss espacal. La hpótess de trabao es que los locales en que se realzan actvdades manufactureras o servcos vnculados a la ndustra se encuentran en el msmo rado censal o en rados censales vecnos a aquellos en los que está el lugar de destno de vaes por motvos de trabao en las actvdades de nterés. En consecuenca, la exstenca de rados censales que son destno de dchos vaes en proporcones elevadas y estadístcamente sgnfcatvas es ndco de la exstenca de: a) Conglomerados espacales de actvdades manufactureras o de servcos asocados a la ndustra; b) Conglomerados espacales de actvdades manufactureras y de servcos asocados a la ndustra.

3 3. INFORMACIÓN PREVIA SOBRE LOS EL FENÓMENO ESTUDIADO 4. MATERIALES 4.1. Fuente de los datos Los datos sobre movldad de la poblacón fueron tomados de la EOD 2008 (PTUMA, s/f). Durante la segunda mtad de ese año el operatvo correspondente relevó, medante una encuesta domclara, a una muestra de hogares, personas y vaes. La poblacón bao estudo fue la que habta hogares de las zonas urbanas del Área Metropoltana de Rosaro, compuesta por la cudad central y otras 16 localdades, 10 de las cuales forman parte el aglomerado Gran Rosaro. Las restantes localdades están separadas de éste por zonas rurales. Una vez expanddos a la poblacón, los datos regstrados son representatvos de vaes, realzados por personas (60,1 % de la poblacón de 4 años de edad o más) que hacen al menos un vae por día hábl en la regón a una dstanca de 4 cuadras o más, ncluyendo vaes a pe. Los datos fueron georeferencados a los rados censales del Censo Naconal de Poblacón, Hogares y Vvendas Cartografía Se utlzó la cartografía electrónca del Censo 2010, proporconada por IPEC Santa Fe, adaptada al Censo En éste la cantdad de rados censales fue menor, ya que en 2010 varos fueron dvddos, pero como en la base de datos constaban los números que dentfcaban a los rados de ambos censos, fue posble fusonarlos y reconstrur aquellos de El IPEC proporconó mapas por localdades que no sempre eran del todo precsos, al punto que algunos límtes comunes no concdían exactamente, por lo que al unrlos para formar el aglomerado Gran Rosaro fue necesaro poner en práctca un procedmento de auste espacal que en ocasones oblgó, para reducr el tempo que nsumía la tarea, a elmnar vértces que unían lados muy cortos de los polígonos correspondentes formando lados más largos. De esta manera algunos límtes ntrcados (como son los determnados por cursos de agua) se smplfcaron consderablemente. Esto modfcó lgeramente el aspecto de los rados que se encuentran en o cerca de los bordes nterursdconales, pero en lo sustancal no altera las relacones espacales, ya que las modfcacones de la superfce de los polígonos que representan a los rados censales y, fundamentalmente, de la poscón de sus centrodes, son muy pequeñas Informacón utlzada e mputacón de la rama de actvdad La nformacón, que surge de la encuesta y resulta relevante para este trabao es el motvo de cada vae, el rado censal de destno y la actvdad laboral del vaero, expresada de manera descrptva (normalmente bao la forma del nombre de una ocupacón, ofco, profesón, pero a veces tambén medante la denomnacón de la empresa donde ser realza el trabao). La mputacón de la rama de actvdad como: 1. Industra manufacturera; 2. Servcos relaconados a la ndustra; 3. Otra rama;

4 fue realzada por los autores del trabao sobre la base a dcha nformacón aplcando un crtero de parsmona, según el cual ante la duda la actvdad se clasfcó en otra rama. No obstante, es posble que algunas actvdades relaconadas con la construccón, montae o mantenmento de nstalacones no manufactureras fueran mputadas ncorrectamente porque no se las pudo dentfcar como tales. Asmsmo, es posble que algunos servcos relaconados con la ndustra se presten tambén a empresas de otras ramas de actvdad. Estos factores pueden sesgar en menos o en más, respectvamente, el valor de la varable, y eventualmente compensarse, por lo que se hace la salvedad de que no se trata de una medda precsa, sno aproxmada. Los rados de destno a analzar se restrngeron a los ocupados por las zonas urbanas contnuas de las 11 localdades que conforman el aglomerado Gran Rosaro, con el propósto de trabaar con un área formada exclusvamente por rados urbanos y urbano-rurales contguos y relatvamente pequeños, para evtar las dstorsones en el análss espacal que podrían presentarse s las áreas urbanas fueran dscontnuas y se combnaran con rados rurales mucho más extensos, que fueron destno de algunos vaes por motvos de trabao aunque el ellos no se realzó la encuesta domclara. Naturalmente, la decsón de restrngr el análss al Aglomerado tuvo un costo: el de perder nformacón sobre rados rurales que pueden ser áreas de concentracón de las actvdades de nterés, ya que varas plantas manufactureras mportantes están localzadas en zonas rurales, especalmente al sur de aquél, pero se evaluó que las ventaas de tomarla superaban amplamente su costo. Los rados ncludos en la cartografía empleada en el estudo fueron En térmnos de poblacón, el aglomerado Gran Rosaro representaba en 2008 el 96% del Área Metropoltana de Rosaro (estmacón propa con datos de IPEC, s/f) y fue destno del 98% de los vaes regstrados en la EOD MÉTODOS 5.1. Introduccón Los métodos exploratoros utlzados son el análss de la autocorrelacón y de la correlacón espacal medante los estadístcos I de Moran global y local y la búsqueda de lugares crítcos medante mapas LISA (Local Indcators of Spatal Assocaton). A los efectos descrptvos se presentan tambén cartogramas, que representan los valores que toman las varables en cada localzacón medante círculos proporconales a su valor, stuados en el mapa en el centrode de cada área Relacones y regímenes espacales Los datos utlzados en este trabao están referdos a áreas (areal data), los cuales se georreferencan a un punto de la msma, que en este caso es el centrode porque así lo requere el programa de computacón utlzado. Las relacones espacales entre localzacones se representan por medo de una matrz de ponderacón W, que es una matrz cuadrada cuyos elementos w son los ponderadores espacales, donde los subíndces y ndcan a un área y sus áreas vecnas según el crtero de vecndad adoptado. Estos ponderadors, por convencón, toman valores nulos en la dagonal prncpal. En el caso de vecndad entendda como contgüdad o mayor próxmdada los ponderadores son unos y ceros según los stos sean o no vecnos de acuerdo con el crtero especfcado. En el caso de vecndad entendda como corta dstanca los ponderadores son las dstancas entre centrodes.

5 Las relacones de los valores de una varable referda a una localzacón respecto de localzacones vecnas se denomnan desfasaes o rezagos espacales (spatal lags). La matrz de ponderacón estandarzada por flas W S proporcona una nterpretacón de los desfasaes espacales como el promedo de los valores vecnos (Anseln et al., c.2002). Exsten varas clases de relacones espacales de vecndad, como contgüdad, proxmdad y dstanca. Éstas, a su vez, pueden defnrse según dferentes crteros y ser de dversos órdenes o grados. Tambén pueden consderarse vecnos los stos que se encuentran den-tro de zonas de cercanía (buffers) delmtadas por dstancas de corte o umbrales (thresholds). De manera que el concepto de relacón espacal de vecndad no es unívoco. Asmsmo, cuando se consderan dos varables, las relacones espacales pueden establecerse entre una varable en un sto y la otra en stos vecnos, o vceversa. Cada combnacón específca de tpo de relacón, crtero, orden, modo de cómputo, etc. se denomna régmen espacal. En general, no exste un crtero unívoco para determnar a pror el régmen espacal que corresponde aplcar, por lo que es prudente no trabaar con uno sno con varos. Aquí se emplearon cuatro muy comunes: contgüdad según los crteros de la rena y de la dama de prmer orden, cuatro vecnos más próxmos y una zona de cercanía con un escalón tal que todas las áreas tenen al menos un vecno. Según los crteros de la rena y de la torre dos áreas son vecnas s se tocan al menos en un punto y s tene al menos un lado en común, respectvamente. Prmer orden sgnfca que sólo esas áreas son vecnas y no las que tocan a cada una de éstas (pero no a las dos) de la msma manera, salvedad que cabe hacer porque ambos crteros pueden ser de orden mayor que 1. Los cuatro vecnos más próxmos y el escalón que defne la zona de cercanía se determnan en funcón de los centrodes Meddas de autocorrelacón y correlacón 1 Para estudar la autocorrelacón global se utlza como estadístco de contraste el índce I de Moran, que aquí se presenta sólo como ntroduccón a los estadístcos de prueba que se utlzarán efectvamente en el trabao. Dcho índce es una medda del grado de asocacón lneal entre los valores de la varable de nterés observados en cada sto y los promedos ponderados espacalmente de los valores observados en los stos vecnos. Cuando la matrz de ponderacón es W S se defne como: I w Z Z ; Z k X k X, k, (1) 2 Z donde donde X es la varable de nterés, X es la meda de X y w son los ponderadores espacales. El índce toma valores que van de -1 a 1 para autocorrelacón espacal negatva y postva fuertes, respectvamente, mentras que un valor 0 ndca ausenca de autocorrelacón, es decr, que los valores observados están aleatora e ndependentemente dstrbudos en el espaco. Autocorrelacón espacal postva (negatva) sgnfca que la varable estudada tene 1 La mayor parte de esta seccón fue tomada de Pellegrn (2011).

6 una tendenca a formar conglomarados de valores altos y baos mayor (menor) que las que se espera en condcones de aleatoredad espacal. Exsten dos modos de evaluar la sgnfcacón estadístca del resultado obtendo. En vrtud de que el estadístco I estandarzado se dstrbuye teórcamente como una normal cuando el tamaño muestral es sufcentemente grande, puede realzarse un contraste de tpo conven-conal cuya hpótess nula es que no exste autocorrelacón espacal entre los valores obser-vados en las dferentes localzacones. Alternatvamente, puede construrse en cada caso una dstrbucón empírca de referenca medante permutacones aleatoras, o aleatorzacón, en cuyo caso los valores de I ndcan autocorrelacón postva o negatva según sean mayores o menores que su valor esperado: E(I )= -1/(N-1) (2) donde N es el número de undades espacales. E(I ) es el que valor de I se obtendría en condcones de aleatoredad espacal. Los contrastes se realzan tomando como referenca a la dstrbucón empírca. Este temperamento fue propuesto ncalmente por Anseln (1994) para el coefcente local de Moran, que en general no se dstrbuye normalmente. El software utlzado en este trabao habltan una u otra alternatva a través de las posbldades que ofrecen las Herramentas de Análss Espacal de ArcGs, la prmera y GeoDa, desarrollado por L. Anseln, la segunda, que fue la adoptada. Para estudar la correlacón espacal para la razón de contgüdad de Moran se generalza para el caso bvarado 2 como I kl, que relacona los valores que toma una varable en cada sto con los valores de otra varable en sus alrededores (Anseln et al., c.2002). Cuando, como antes, la matrz de ponderacón está estandarzada por flas el estadístco de prueba se defne como: w I kl ; (3) Z Z k k Z l Como las varables Z están estandarzadas, la suma de cuadrados en el denomnador es constante e gual a N, sn mportar cual de las varables se utlce (Anseln et al., c.2002). Este estadístco ndca el grado de asocacón lneal, postva o negatva, entre el valor de una varable k en un sto y el promedo espacalmente ponderado de otra varable l en los stos vecnos. Una smltud mayor que la que se espera bao una dstrbucón aleatora sugere una conglomeracón espacal smlar en ambas varables, y a la nversa, una dsmltud bao las msmas condcones mplca una relacón negatva entre las dos varables. Con propóstos de nferenca tambén se recurre a la aleatorzacón para elaborar la dstrbucón empírca de referenca. 2 En el artículo orgnal Anseln et al.(c.2002) calfcan a la correlacón espacal de multvarada (multvarate), pero en la actualdad se emplea el térmno bvarado, ya que se trata sempre de una relacón entre dos varables solamente.

7 5.4. Asocacón espacal local Para detectar la presenca de conglomerados espacales (spatal clusters) y valores espacalmente aslados y (spatal outlers) se utlza aquí el ndcador local de asocacón espacal o LISA, que permte relaconar los valores de una varable en una localzacón con los valores de esa msma u otra varable en las localzacones vecnas. Este ndcador es una desagregacón del índce I de Moran. Aprovechando el hecho de que éste es una sumatora de productos cruzados ndvduales, en el caso unvarado se puede calcular un valor de Moran local para cada observacón y evaluar la sgnfcacón estadístca de I aplcando el método de aleatorzacón. Anseln (1994) defne este ndcador como: I Z w Z (4) donde las varables tenen el msmo sgnfcado que antes. La sumatora en es tal que sólo los valores vecnos a son ncludos. Un LISA tene dos requermentos teórcos que cumple este ndcador, conocdo como Moran local (Local Moran): el valor LISA para cada observacón debe dar una ndcacón de la extensón de un conglomerado espacal sgnfcatvo de valores smlares alrededor de esa observacón y la suma de los valores para todas las observacones debe ser proporconal al ndcador global de asocacón espacal. En otras palabras, éste debe poder descomponerse en sus partes consttutvas. Como ya se señaló, el estadístco I en general no se dstrbuye como una normal estandarzada, por lo cual los contrastes se practcan contra la dstrbucón empírca de referenca y los valores tenen un sgnfcado análogo a los del caso global. El valor estandarzado de la varable observado en una localzacón y el promedo de los valores estandarzados de las observacones en los stos vecnos (o valor espacalmente desfasado de la varable estandarzada) se representan en la abssa y la ordenada, respectvamente, de un dagrama de Moran. Dado que la varable fue prevamente estandarzada, este dagrama muestra desvíos. En consecuenca, s una varable en un sto muestra valores más altos (baos) que en el promedo de los stos vecnos, el punto correspondente estará en el prmer (tercer) cuadrante. S muestra valores más altos (baos) en un sto y más baos (altos) que el promedo en stos vecnos, el punto estará en el segundo (cuarto) cuadrante. La poscón de cada punto en los cuadrantes del dagrama combnada con la sgnfcacón estadístca de I en cada localzacón, genera una tpología de combnacones Alto-alto, Bao-bao, Alto-bao, Bao-alto y no sgnfcatvo puede ser representada en un mapa, denomnado mapa LISA. Los mapas LISA se utlzan para detectar lugres crítcos (hotspots) donde exsten conglomerados espacales de valores sgnfcatvamente altos y baos o ben, valores espacalmente aslados. Para el caso bvarado Anseln et al. (c.2002) defnen el ndcador local bvarado de Moran, que se obtene a partr del ndcador global multvarado cuyo denomnador puede ser descompuesto en las contrbucones de las observacones ndvduales. El estadístco de prueba es:

8 z k I (5) kl w z l Este estadístco da una ndcacón del grado de asocacón lneal (postva o negatva) entre el valor de una varable k en una localzacón dada y el promedo de otra varable l en stos vecnos. Su sgnfcacón se evalúa recurrendo al método usual de aleatorzacón para obtener la dstrbucón empírca de referenca. Tambén los índces bvarados pueden ser representados en un mapa LISA, aunque en este caso una varable corresponde a una localzacón y la otra a los stos vecnos. 6. INFORMACIÓN PREVIA SOBRE EL FENÓMENO ESTUDIADO En vrtud del conocmento adqurdo en proyectos de nvestgacón eecutados al lo largo de los años por ntegrantes del Insttuto de Investgacones Económcas de la Facultad de Cencas Económcas y Estadístca de la UNR, se sabe que los locales de la ndustra manufacturera dentro del aglomerado Gran Rosaro forman un conunto en heterogéneo desde dferentes puntos de vsta. En lo que aquí nteresa, cabe señalar que los pertenecentes a grandes empresas se localzan en lugares muy específcos, mentras que los pequeños y medanos establecmentos se encuentran amplamente dstrbudos en el área urbana, aunque con algunas zonas de mayor concentracón. Para smplfcar la exposcón el aglomerado Gran Rosaro se dvde en cnco subáreas: las cudades de Rosaro y Vlla Gdor. Gálvez y los cordones Norte, Oeste y Sudoeste, formados por cnco, dos y dos localdades, respectvamente stuadas en las dreccones cardnales correspondentes respecto de Rosaro (Gráfco 1). Gráfco 1. Aglomerado Gran Rosaro. Rados censales urbanos y urbano-rurales del Censo 2001 por localdad y subárea. Localdades Subáreas Fuente: Elaboracón propa con cartografía electrónca de IPEC. Los locales ndustrales correspondentes a grandes empresas se encuentran prncpalmente en los cordones Norte y Sudoeste, en el sudoeste de la cudad de Rosaro y en Vlla Gobernador Gálvez. Debe destacarse que en la época en que se realzó la EOD 2008 las ramas

9 de molenda de oleagnosas y bodesel estaban en expansón, construyéndose establecmentos prncpalmente en el extremo norte del cordón Norte. Los establecmentos pequeños y medanos, como se do, están amplamente dstrbudos, pero muestran certa concentracón, sobre o cerca de los corredores vales de Rosasro conformados por avendas como Provncas Undas o Crcunvalacón, así como Ovdo Lagos y Presdente Perón y sus alrededores, en la zona sudoeste de esa cudad, y tambén en Vlla Gobernador Gálvez A dferenca del sector ndustral, práctcamente no se cuenta con datos fehacentes sobre la dstrbucón espacal de los locales de servcos relaconados con la ndustra, pudéndose decr que es práctcamente desconocda. 7. EL ESTUDIO EXPLORATORIO ESPACIAL 7.1. Áreas del aglomerado Gran Rosaro 7.2. Descrpcón general de los datos Las varables analzadas son la cantdad de destnos de vaes por motvos de trabao en la ndustra manufacturera (DIM, en adelante) y en los servcos relaconados con la ndustra (DSR, en adelante), por rado censal. Cuadro 1. Destnos de vaes por motvos de trabao y rados censales de destno, por rama de actvdad de nterés y totales. Aglomerado Gran Rosaro, Destnos Cantdad Vaes Proporcón (%) Rados censales de destno Cantdad Proporcón (%) DIM , ,24 DSR , ,54 DIM en rados con DSR ,15 DSR en rados con DIM , ,71 Total de destnos Fuente: Elaboracón propa con datos de PTUMA y cartografía electrónca de IPEC. El cuadro 1 muestra la cantdad de vaes y de rados censales de destno. Como puede aprecarse, el total de DIM es muy superor al de DSR, pero en el pequeño número de rados que fueron destnos de ambos tpos de vae: las cantdades de DIM y DSR son muy smlares; los DIM son una parte pequeña de su total (12,4%); los DSR son una gran parte de su total (62,6%). En otras palabras, una gran proporcón de DSR se encuentran en un pequeño número de rados censales donde tambén hay DIM y en ellos ambos tpos de destno se encuentran en cantdades smlares.

10 7.3. Representacón medante cartogramas El Grafco 2 muestra la representacón de la dstrbucón espacal por rado censal de las varables DIM y DSR medante cartogramas. Puede notarse que los rados censales en los que se regstran DIM se encuentran dspersos a través de todo el Aglomerado, refleando la característca mbrcacón de la ndustra local en la trama urbana. Por el contraro, los DSR se concentran en un número mucho menor de rados censales, varos de los cuales se localzan en el cordón Norte, Vlla Gdor. Gálvez y sur y sudoeste de Rosaro. Asmsmo, varos se encuentran en el centro y en el límte este de Rosaro, esto es, en el área central de la cudad y la zona rbereña donde se encuentra el puerto. Gráfco 2. Cartogramas de centrodes y cantdad de destnos de vaes por motvos de trabao en la ndustra manufacturera y en los servcos asocados a la ndustra. Aglomerado Gran Rosaro, DIM DSR Fuente: Elaboracón propa con datos de PTUMA y cartografía electrónca de IPEC Análss de la correlacón global Como ya se señaló, la correlacón espacal global entre las varables estudadas es un ndcador de smltud o dsmltud en la dstrbucón espacal de las msmas, cuando el coefcente es sgnfcatvamente dferente (en el sentdo de seudosgnfcacón estadístca) de su esperanza matemátca y postvo o negatvo, respectvamente. En caso contraro la smltud o dsmltud no es mayor que la que se espera de aleatoredad e ndependenca entre las varables. El análss de la correlacón global entre DIM y DSR se realzó para los cuatro regímenes espacales enuncados y tomando alternatvamente a una o la otra varable como desfazada, es decr, comparando el valor de una en la localzacón con el promedo ponderado de la otra en las localzacones vecnas.

11 En un solo caso el índce I kl resultó postvo y seudo-sgnfcatvo al nvel del 5% y en todos los demás al nvel del 1%, lo que permte rechazar la hpótess de que ambas varables se dstrbuyen en el espaco de manera aleatora e ndependente. El sgno postvo ndca que sus dstrbucones tenen una smltud mayor que la que se espera bao aleatoredad espacal. Cuadro 1. Coefcente I kl de Moran (bvarado) para dferentes regímenes espacales. Cantdad de destnos vaes por motvos de trabao en la ndustra manufacturera (DIM ) y en los servcos asocados a la ndustra (DSR) según rado censal. Aglomerado Gran Rosaro, 2008 Régmen espacal I kl [E(I kl ) = -0,0009] Meda Desvío Estándar Valor z Seudo valor p k = DIM; l = DSR Rena 0,0864-0,0001 0,0131 5,2236 0, Torre 0,0724-0,0002 0,0136 5,3326 0, Umbral 0,0413-0,0000 0,0045 9,2894 0, vecnos 0,0436-0,0004 0,0153 2,8738 0, k = DSR; l = DIM Rena 0,0477-0,0002 0,0130 3,6848 0, Torre 0,0510-0,0005 0,0134 3,8513 0, Umbral 0,0315-0,0002 0,0043 7,4441 0, vecnos 0,0366-0,0002 0,0153 2,4083 0, Fuente: Elaboracón propa con datos de PTUMA y cartografía electrónca de IPEC. Notas: Después de permutacones. Después de 999 permutacones Identfcacón de conglomerados DIM o DSR y de valores espacalmente aslados En esta seccón se procura averguar s exsten ndcos de que exsten lugares crítcos con valores sgnfcatvamente más altos que el promedo de las varables DIM o DSR y en su caso, dónde se encuentran. Para ello se elaboraron mapas LISA de autocorrelacón espacal local al nvel de sgnfcacón del 5%. S ben los mapas LISA tambén muestran conglomerados de valores sgnfcatvamente baos, aquí sólo nteresa determnar la exstenca y localzacón de lugres crítcos donde hay valores altos porque ndcarían de manera ndrecta la presenca concentracones espacales de las actvdades de nterés. Los mapas elaborados muestran que en varos lugares se presentan esas lugares crítcos, con rados censales que presentan valores altos de las varables rodeados de rados con valores tambén altos o ben, con valores baos, en cuyo caso el valor alto está espacalmente aslado (spatal outler). Asmsmo, hay rados con valores baos que tenen como vecnos de otros con valores altos que no están a su vez rodeados de valores altos. En este caso el hecho que el valor bao esté aslado revela la presenca de valores altos que no se destacan por sí msmos porque no están, a su vez, rodeados de valores altos. De manera que hay tres combnacones posbles que revelan la presenca de valores altos: Alto-alto, Alto-bao y Bao-alto, aunque obvamente, la prmera es la que con más clardad lo hace.

12 Gráfco 3 Mapas LISA de autocorrelacón espacal local de destnos de vaes por motvos de trabao en la ndustra manufacturera (DIM ) y en los servcos asocados a la ndustra (DSR), por rado censal bao dferentes regímenes espacales. Aglomerado Gran Rosaro, Contgüdad s/ crtero de la rena de prmer orden Contgüdad s/ crtero de la torre de prmer orden Umbral de dstanca (al menos un vecno) Cuatro vecnos más próxmos DIM DSR Referencas Alto-alto Bao-bao Alto-bao Bao-alto No sgnf. Fuente: Elaboracón propa con datos de PTUMA y cartografía electrónca de IPEC Santa Fe. Notas: Después de permutacones. Después de 999 permutacones. Para una correcta nterpretacón de los mapas hay que recordar que los conglomerados se forman con rados censales en los cuales los valores del estadístco de Moran local (I) son sgnfcatvamente dferentes (en el sentdo se seudosgnfcacón) de su valor esperado en condcones de aleatoredad espacal Identfcacón de conglomerados de ambas varables y de valores atípcos El propósto de esta seccón es averguar s exsten áreas donde concden, en proporcones sgnfcatvamente altas, destnos de vaes con motvo de trabao en una u otra rama. En consecuenca se ndaga acerca de la exstenca de lugares crítcos donde exsta una asocacón lneal de valores sgnfcatvamente más altos que el promedo de las varables DIM en un área y DSR en el promedo de las áreas vecnas; y vceversa. Para ello se elaboraron mapas LISA de correlacón espacal local al nvel de sgnfcacón del 5%.

13 A dferenca de la seccón anteror, aquí nteresan solamente las combnacones Alto-alto. Para el propósto persegudo no tene nterés la combnacón Bao-alto y Alto-bao, que ndcan la presenca de valores altos aslados y no la concdenca buscada. Gráfco 4 Mapas LISA de correlacón espacal entre destnos de vaes por motvos de trabao en la ndustra manufacturera (DIM ) y en los servcos asocados a la ndustra (DSR), por rado censal bao dferentes regímenes espacales. Aglomerado Gran Rosaro, Contgüdad s/ crtero de la rena de prmer orden Contgüdad s/ crtero de la torre de prmer orden Umbral de dstanca (al menos un vecno) Cuatro vecnos más próxmos = DIM ; = DSR = DSR; = DIM Referencas Alto-alto Bao-bao Alto-bao Bao-alto No sgnf. Fuente: Elaboracón propa con datos de PTUMA y cartografía electrónca de IPEC Santa Fe. Notas: Después de permutacones. Después de 999 permutacones. La nspeccón del mapa revela la exstenca de algunos conglomerados de valores Alto-alto en el cordón norte, en el sudoeste de Rosaro y en Vlla Gobernador Gálvez, cuando la varable espacalmente desfasada es DSR, con resultados bastante smlares para los cuatro regímenes espacales. Cuando la varable desfasada es DIM, aparecen nuevamente conglomerados Alto-alto en el cordón norte, aproxmadamente en las msmas zonas que en el caso anteror, pero para el resto del área estudada los resultados varían mucho según el régmen espacal adoptado.

14 8. INTERPRETACIÓN DE LOS RESULTADOS Mentras los DIM se localzan en algo más de la cuarta parte de los rados censales, los DSR lo hacen en un número muy reducdo de éstos y la mayor parte se encuentra en aquellos que tambén presentan DIM, lo que sugere la exstenca de una asocacón espacal específca Los lugares crítcos con valores altos de DIM se encuentran en áreas del aglomerado Gran Rosaro en las que, según se sabe por otras nvestgacones, exsten concentracones de locales de la ndustra manufacturera y/o locales de gran tamaño: Pto. Gral. San Martín, San Lorenzo, Granadero Bagorra, en el cordón Norte; Pérez en el cordón Sudoeste y en el sudoeste de Rosaro, en la zona atravesada por la avenda Ovdo Lagos; noreste de Vlla Gdor. Gálvez; y en varas partes de Rosaro. En lo que se refere a DSR la dstrbucón es parecda excepto porque son mucho más raros en Rosaro y los de Vlla Gdor. Gálvez están en el sur, no en el noreste, de esa localdad. La asocacón espacal entre ambas varables, en cambo, se observa en zonas donde hay grandes establecmentos ndustrales, especalmente en los cordón norte y con mucha menos clardad (ya que los lugares camban o no exsten según sea la varable defasada) en el cordón sudoeste, sudoeste de Rosaro y Vlla Gdor. Gálvez. Es posble que ello se deba a que estos establecmentos subcontratan las tareas de mantenmento y reparacones, pero tambén a que en el momento en que se tomaron los datos sobre movldad varos de ellos, en partcular en el extremo septentronal del cordón Norte, estaban construyendo o amplando sus nstalacones. En cualquer caso, debe destacarse que en los rados censales que regstran ambos tpos de destno la cantdad es muy smlar, lo que sugere que al menos en lo que se refere a la gran ndustra, la actvdad manufacturera está asocada con más ocupacón que la que surgría de computar solamente a las personas drectamente empleadas por las empresas de esa rama. REFERENCIAS BIBLIOGRÁFICAS IPEC (s/f). Proyeccón y Estmacón de la Poblacón. Dsponble en PTUMA Proyecto de Transporte Urbano para Áreas Metropoltanas (s/f). Encuesta de Orgen / Destno 2008: Movldad en el Área Metropoltana de Rosaro. Mnstero del Interor y Transporte. Dsponble en Pellegrn, José Lus (2011). Ruraldad del empleo agropecuaro en la regón pampeana. Tess de Doctorado en Economía defendda el 11 de mayo de Unversdad Naconal de Rosaro. Pellegrn, José Lus y Platno, Marna (2012, novembre). La ndustralzacón durante la desndustralzacón y la dstrbucón espacal del sector manufacturero argentno. Ponenca presentada en XLVII Reunón Anual de la Asocacón Argentna de Economía Polítca, Unversdad Naconal de la Patagona "San Juan Bosco", Trelew.

15 FUENTES PTUMA Proyecto de Transporte Urbano para Áreas Metropoltanas (s/f). Bases de la Encuesta de Orgen y Destno Área Metropoltana de Rosaro. Mnstero del Interor y Transporte. Dsponble en

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

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

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

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

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

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

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

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

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

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

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

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

CLAVE - Laboratorio 1: Introducción

CLAVE - Laboratorio 1: Introducción CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2

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

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

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

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La adopción y uso de las TICs en las Microempresas Chilenas Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas

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

DISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 2017

DISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 2017 DISEÑO MUESTRAL TERCERA ENCUESTA DE CULTURA CONSTITUCIONAL 207 267 INTRODUCCIÓN Con la fnaldad de replcar la Segunda Encuesta Naconal de Cultura Consttuconal, se dseñó una muestra a nvel naconal, que sgue

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009 METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal

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

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

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

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

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

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

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

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

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

Método de reponderación aplicado en la EPA

Método de reponderación aplicado en la EPA Método de reponderacón aplcado en la EPA La Encuesta de Poblacón Actva (EPA), como cualquer otra encuesta a hogares, puede tener dstorsones en las estmacones que produce, debdo a una sere de causas lgadas

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

CAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón

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

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

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

Midiendo la Asociación lineal entre dos variables

Midiendo la Asociación lineal entre dos variables Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

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

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

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

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

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

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

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 DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL: Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).

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

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

Modelo de interacción espacial para estimar la cuota de mercado insular de Aqua Mágica

Modelo de interacción espacial para estimar la cuota de mercado insular de Aqua Mágica Modelo de nteraccón espacal para estmar la cuota de mercado nsular de Aqua Mágca Report de recerca Nº 4 Jorge Cerda Troncoso Agosto 009 Problema de nvestgacón La ampla lteratura exstente en el tema de

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

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

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

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

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

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

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

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

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.

5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. 5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

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

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

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN 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 b + e, explcar la forma

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

Solución Taller No. 10 Econometría II Prof. Bernal

Solución Taller No. 10 Econometría II Prof. Bernal Solucón Taller No. 0 Econometría 2007 II Prof. Bernal. a. El modelo que hay que estmar es el sguente: partcpa = B + B edad _ nno + B genero _ nno + B * edad _ mama + B secundara + B casada + B trabaja

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

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

Metodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1

Metodología del Índice de Excedente Bruto Unitario de la Industria Exportadora (IEBU) 1 Metodología del Índce de Excedente Bruto Untaro de la Industra Exportadora (IEBU) 1 En forma general, el rato del Excedente Bruto de Explotacón por undad de costos para la ndustra exportadora para el período

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

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

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra 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

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

Boletín de la Tendencia Laboral del Desarrollo Humano

Boletín de la Tendencia Laboral del Desarrollo Humano Boletín de la Tendenca Laboral del Desarrollo Humano Notas técncas AÑO 05 NÚMERO 6 PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO MÉXICO Nota técnca Índce de Compettvdad Socal (cs) El cs es una medda

Más detalles

Estadística Descriptiva Análisis de Datos

Estadística Descriptiva Análisis de Datos El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:

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

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.

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

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

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

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 2) CAPÍTULO II.-ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA.- DISTRIBUCIONES DE FRECUENCIAS DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA . DISTRIBUCIÓN

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

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

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

MEMORIA TÉCNICA. Dinámica del agua en el suelo a través del contenido de humedad edáfica H Paoli y J Diez

MEMORIA TÉCNICA. Dinámica del agua en el suelo a través del contenido de humedad edáfica H Paoli y J Diez MEMORIA TÉCNICA Dnámca del agua en el suelo a través del contendo de humedad edáfca H Paol y J Dez Análss estadístco: Lc. Ruben Cardoso 1. INTRODUCCIÓN El suelo es el recpente de donde las plantas extraen

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

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

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca

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