Regresión y correlación lineal.
|
|
- Lourdes Fidalgo Peña
- hace 6 años
- Vistas:
Transcripción
1 Regresó y correlacó leal. Este procedmeto proporcoa medos legítmos, modelos matemátcos a trabes de los cuales, se puede establecer asocacoes etre varables de terés e las cuales la relacó usual o es casual. Las meddas de varabldad a estudar so;, Coefcete de correlacó.- regresó. So dos coceptos estadístcos que auque está relacoados, represeta dferetes aspectos. CORRELACION: Establece la relacó mutua etre dos varables de modo que sea posble obteer formacó de ua de ellas a trabes de la otra. REGRESION: Es u cocepto matemátcamete más fuerte debdo a que busca establecer la relacó fucoal (fucó matemátca) etre dos varables. CORRELACION: ASOCIACION DE VARIABLES CUALITATIVAS.: E estadístcas se dce que dos varables está correlacoadas, s ua de ellas etrega formacó acerca de la otra; se lustra este cocepto a trabes del sguete ejemplo: Ejemplo:U geero e costruccó esta teresado e establecer la relacó que exste etre la dureza del acero medda e Kg./mm y la deformacó de este medda e mm.para este propósto estuda ua muestra de 9 trozos de acero de guales característcas y los sometó a u expermeto de laboratoro, obteedo los sguetes datos: acero Dureza/ (Kg./mm Deformacó mm S cosderamos: X: dureza del materal (varable depedete) Y: deformacó del materal (varable depedete) Se elabora u grafco de dspersó para estudar la relacó que exste etre las varables. Se observa leal la fgura.
2 La dureza explca la deformacó. El dagrama de dspersó, solo os srve para teer ua dea del tpo de asocacó leal (drecta o versa), pero es dfícl cuatfcar el grado de dcha asocacó Para este propósto se utlza el coefcete de correlacó, el que se basa e u estadístco deomado covaraza y que esta dado por : Sx Cov(X,Y) ( X X )( Y Y ) X * Y XY Este estadístco deomado covaraza tee alguas desvetajas debdo a que; *por u lado o se ecuetra acotado y por ede es dfícl saber cuado u valor de la covaraza, dca u alto o bajo grado de asocacó. - psxy p *este dcador posee udades, es decr, o es admesoal. Estos dos aspectos dfculta la terpretacó de la covaraza, rescatado de ella solo su sgo (+,-), el que dca s la relacó es drecta (+) o versa (-). La solucó de este problema se cosgue, estadarzado la covaraza, de modo que sea acotada y admesoada.este uevo coefcete recbe el ombre de COEFICIENTE DE CORRELACION DE PEARSON, EL QUE VIENE DADO POR :
3 r p X X * Y XY X Y Y Este estadístco esta acotado etre - r.cuado r p o r p -, se p dce que exste correlacó leal perfecta (drecta o versa), etre las varables, respectvamete. estado Coefcete de Pearso Correlacó drecta r p f 0 Correlacó versa r p p 0 No exste correlacó leal r p 0 Correlacó baja 0 p 0. 3 Correlacó meda 0.3 r p p 0.8 Correlacó alta 0.8 r r p p Del ejemplo ateror: Acero Suma Dureza (x) Deformacó(y) X*Y
4 ( X X ) ( Y Y ) Sx Sy X ( )48,89 Y ( ) 0.33 r p r p 9 ( XY XY ) : ( ) S * S x [( 70 9*(48.89) * (0.33))] y 4.66 *0.86 : X ; S ( ), S ( ) " x X Y Y *Exste ua alta correlacó leal versa etre la deformacó del materal y la dureza de dcho materal. Es decr, a mayor dureza del materal, meor es la deformacó del msmo. ASOCIACION EN ESCALA ORDINAL. Para establecer asocacó e escala ordal, se utlzara el coefcete de correlacó de SPEARMAN. Para varables cuattatvas emplearemos el coefcete de PEARSON ( r p ), s embargo este coefcete exge que las varables que se correlacoa sea realmete úmeros o catdades medbles, por lo que o se puede aplcar cuado la escala es ordal. E este caso ocuparemos el coefcete de correlacó de SPEARMAN ( r s ), el cual se basa e los ragos (o poscoes que ocupa los datos) e lugar de úmeros o datos drectamete de correlacó de SPEARMAN vee dado por: r s 6 * ( ( D ) ) Dode: D R( X) R( Y) R (X) : Represeta el rago o poscó que ocupa el dato e la muestra. R(Y) : Represeta el rago o poscó que ocupa el dato e la muestra.
5 OBSEREVACION: La terpretacó del coefcete de SPEARMAN es gual al coefcete de PEARSON. EJEMPLO: Dez opostores obtee putuacoes regstradas e el cuadro, e cada uo de los dos ejerccos realzados. Estude la relacó que exste e las putuacoes de ambos ejerccos. CUADRO OPOSITOR EJE. EJE. A 5 46 B C D E F 55 4 G 4 38 H I 7 8 J SOLUCION: Debdo a que la varable volucrada (putaje) esta medda e ua escala ordal, se aplca el coefcete de SPEARMAN. El cuadro sguete muestra la asgacó de los ragos y las dferecas D CUADRO. Ordeacó de los putajes obtedos por los opostores. OPOSITOR EJEM EJEM R R D D E J D F B C H I A G Calculado el coefcete de correlaco: rs 6 * *(00 ) El coefcete de correlacó de SPEARMAN dca que exste ua moderada correlacó leal etre los putajes obtedos por opostores. OBS: Los ragos de la varable x, R(x), se obtee ordeado los datos de esta varable, e forma ascedete o descedete, asgado u al valor más pequeño y u valor al valor máxmo. (de
6 gual maera para la varable y).e caso de haber empates, el rago que se asga es el promedo de las poscoes que sus datos ocupa. Como ejemplo cosderemos, que tres datos tee el msmo valor y estos debería ocupar, las poscoes, 3, y 4, etoces el rago úco que se les asga a estos datos sera (+3+4)/3; el dato sguete pasaría a ocupar la poscó 5. Regresó leal smple. Esta teoría permte a través de u modelo estadístco PREDECIR O PRONOSTICAR el valor de ua varable (Y, deomada varable depedete o repuesta) e fucó de ua o más varables depedetes o predoctoras (X, coocda como covarables). Para establecer el modelo de regresó, debe exstr correlacó etre X e Y.S el cojuto de varables predoctoras cotee u solo elemeto, la regresó se deoma regresó smple, e caso cotraro se deoma regresó múltple. S la relacó que exste etre X e Y es leal, el modelo se deoma REGRESION LINEAL SIMPLE. Cosderemos el sguete modelo estadístco; Y f(x) +ε, co ε u error aleatoro (varable aleatora).la forma de f(x) geeralmete se obtee a partr del dagrama de dspersó. Leal cuadrátca expoecal F(X) A+BX FX) AX +BX+C F(X) Ae BX Se defe la suma de cuadrados del error (SCE); como: SCE. ε Además se defe u modelo de regresó leal como: Y A + BX + ε ; Co A coocdo como INTERCEPTO y B como la pedete de la recta. Para u modelo de regresó smple, la SCE vee dada por: SCE ε (Y A BX )
7 Para ecotrar los valores de A y B se ocupa el método de los mímos cuadrados, el cual se basa e la mmzacó de la suma del cuadrado del error (SCE).Para mmzar la SCE se debe dervar respecto de A y de B e gualar a cero, de la sguete forma. d ( Y A BX) da 0 d ( Y A BX) db 0 Las dervadas vee dadas por: d d da db ε ε Y A B ε X XY AY B ε X Igualado a cero las ecuacoes aterores despejado A y B se tee: - ; X X X XY X De esta maera la pedete B es proporcoal al coefcete de correlacó de PEARSON de la sguete maera: Sy r p. Sx De esta maera, la recta estmada, medate mímos cuadrados, vee dada por: + X. COMENTARIO: Lo ateror se deoma, MODELO AJUSTADO, y sempre es posble obteerlo, depedete de que este sea u bue modelo o o. BONDAD DE AJUSTE DEL MODELO. L adecuacdad de los datos al modelo se puede determar a través de ua tabla deomada TABLA DE ANALISIS DE VARIANZA (ANOVA, ANDEVA, ANVA), cuya estructura es la sguete.
8 Cuadro: Tabla de aálss de varaza. Fuete de varacó Suma de Cuadrados Grados de lbertad Regresó SRC p- error SCE -p TOTAL SCT - Del cuadro se desprede que: *Descomposcó de la varaza Y Cuadrados medos CMR SCR/P- CMESCE/-p Estadístco F FCMR/CME SCR SCE SCT (Y-Y ) (Y- ) ( Y Y ) Las ecuacoes aterores se deduce de la sguete dea, DESVIO MAX DESVIO MODELO + DESVIO ERROR. ( Y y) ( -Y ) + (Y- ) elevado al cuadrado, se obtee, ( Y Y ) ( -Y ) +( Y- -Y*Y + Y ) + (Y- ) ( Y ) Y ( -Y ) + (Y- ) / ( Y Y ) ( I-Y ) + (Y- ) SCT SCR + SCE La expresó ateror se cooce como la descomposco de la varaza de Y. Decsó del modelo. CMR S el estadístco F f 5 CME FUNCION DE x., EL MODELO ES ADECUADO PARA PREDECIR y EN COEFICIENTE DE DETERMINACION DEL MODELO. El prmer paso para realzar u aálss de REGRESION SIMPLE es realzar u dagrama de dspersó. E base a este dagrama se postula u modelo de la forma Y f(x) +ε, posterormete este modelo se ajusta a través del método de los mímos cuadrados, obteedo el modelo ajustado; Y A + BX. Ua vez hecho el ajuste se debe establecer su bodad, a través de la tabla ANOVA.S la tabla dca que el modelo es adecuado, etoces se debe determar el porcetaje de la varabldad total de Y que es explcada por el modelo. Para este hecho se ocupa el coefcete de determacó (R ), el cual vee dado por;
9 SCR R *00% SCT r *00 R ( ) % p U valor alto de R dcaría que el modelo explca ua alta varabldad de Y. Ejemplo: U geero e costruccó esta teresado e establecer la relacó que exste etre la dureza del acero medda e kg/mm y la deformacó de este medda e mm.para este propósto estuda ua muestra de 9 trozos de acero de guales característcas y los sometó a u expermeto de laboratoro, obteedo los sguetes datos: acero Dureza/ (kg/mm Deformacó mm Se pde ajustar u modelo de regresó leal. Para ellos se defe las varables. Sea: X: Dureza de materal (varable depedete) Y: Deformacó de materal (varable depedete) *modelo propuesto, de acuerdo al dagrama de dspersó. Y A + BX + ε ;,,3,4,..9 Deformacó A + B*Dureza +ε Modelo ajustado vía mímos cuadrados; 770 (9 * 48.89* 0.33) * (48.89) * Cuadro de resultados del problema del acero Dureza Deformacó X*Y X Y (Y-Y ) (Y-Y ) X Y (Y-Y) suma
10 Y Etoces el modelo postulado es: + X ;,,3,4, 9 I X INTERPRETACION: : Bajo la auseca de la dureza del materal, se espera ua deformacó promedo de 55.7 mm. : Cuado exste u aumeto de ua udad de medda de la dureza, se espera ua dsmucó de 0.7 de deformacó (Y) BONDAD DE AJUSTE. FUENTE DE SUMA DE VARIACION CUADRADOS REGRESION 90 ERROR 4 TOTAL GRADOS DE LIBERTAD 7 CUADRADOS ESTADISTICO MEDIOS F El modelo propuesto es adecuado para predecr la deformacó e fucó de la dureza del materal (50.33f 5) COEFICIENTE DE DETERMINACION. El 95.55% de la varabldad total es explcada por el modelo propuesto. Es decr, cerca del 90% de la varabldad presete e las deformacoes del materal es explcada por la dureza de dcho materal, metras que aproxmadamete el 4% restate es explcada por otras varables o cosderadas. VISUALMENTE TENEMOS LO SIGUIENTE; EL GRAFICO MUESTRA LOS VALORES OBSERVADOS, PREDICHOS Y RECTA MINIMOS CUADRADOS, EN EL EJEMPLO DEL ACERO.
11 Aplcacó º.- Supoga que los sguetes datos correspoda a 0 pacetes co hábtos de fumar. A estos pacetes se les preguto Cuátos años ha fumado? Y se les mdó el daño sufrdo e los pulmoes, medate u test de esfuerzo físco; PACIENTE AÑOS QUE HA FUMADO DAÑO EN LOS PULMONES DEFINA Y CLASIFIQUE LAS VARIABLES INVOLUCRADAS. X: AÑOS QUE HA FUMADO ( CUANTITATIVA DISCRETA) Y: DAÑO. (Ordal, cualtatva depedete). ORDEN: PACIENTE AÑOS DAÑO R R D D COEFICIENTE DE SPEARMAN:
12 0 6 D rs ( ) 6* 73 r s ; 0 r s (00 ) 990 Exste ua baja correlacó Ejercco de aplcacó.- La sguete tabla relacoa las velocdades e km/hr, de certo tpo de vehculo, co los cosumos e Lts cada 00 km. Velocdad cosumo Establezca s puede o o aceptar ua depedeca estadístca del tpo Y A +B X SOLUCION: SEAN X: Varable depedete cuattatva (velocdad) Y: Varable depedete cuattatva (Cosumo) km/h lts/00km lts/km. ) (X- (Y- ) ( X X ) ; Sx * ( Y Y ) 4. ; Sy * X Y X*Y X *Y 6688 X COEFICIENTE DE PEARSON: ( X * Y X * Y ): ( ) rp Sx * Sy
13 ( 6688 *8.5* 6.7) : ( ) : r p 9.* Como 0.3 r p 0. 8 exste ua correlacó meda p p 55 : ESTIMACION DE LOS PARAMETROS MEDIANTE EL METODO DE LOS MINIMOS CUADRADOS. N I X * Y X * Y X * X 6688 *8.5* *(8.5) Como: + ; luego * Luego el modelo leal será : Y X. INTERPRETACION :.- Bajo la auseca de aumeto de velocdad, se espera u cosumo promedo de 7.85 lts por cada 00 km..- Para u aumeto de la velocdad e km / hr, se espera u aumeto e el cosumo de 0.04 lts. COEFICIENTE DE DETERMINACION DEL MODELO. ( ) SCR Y Y 4. R *00 00% SCT ( Y Y ) 4. Tabla : Y (orde) ( -Y ) Y 6.7 ( - Y ) 4.
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
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 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 detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres
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 detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detalles1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
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 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 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 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 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 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 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 detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
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 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 detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
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 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 detallesUNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1
ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua
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 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 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 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 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 detallesNo debe entregar los enunciados
Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)
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 detallesInferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Más detallesLos Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
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 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 detallesLa 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 detallesANALISIS DE DATOS EN PSICOLOGÍA I FEBRERO ª P.P. 2ª SEMANA UNIÓN EUROPEA
ANALII DE DATO EN PICOLOGÍA I FEBRERO 007 1ª P.P. ª EANA UNIÓN EUROPEA 30 5 15 35 0 30 40 5 30 45 5 10 50 18 10 55 7 5 Tabla 1. Dstrbucó de u grupo de mujeres () y otro de hombres () e ua prueba de compresó
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
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 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 detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor
árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad
Más detallesSERIE TEMA 7 ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN
FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SERIE TEMA ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN. Los datos
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 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 detallesal nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.
5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de
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 detallesANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez
ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA TRATA DE DESCRIBIR CONJUNTOS DE DATOS RESUMIENDO LA INFORMACIÓN QUE ESTOS PROPORCIONAN, UTILIZANDO: TABLAS DE FRECUENCIAS GRÁFICAS MEDIDAS NUMÉRICAS REPRESENTATIVAS (POSICIÓN, DISPERSIÓN
Más detallesMáximos y Mínimos de funciones de dos variables
Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores
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 detallesCorrelación y regresión lineal. Ejemplos
Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9
Más detallesColegio Sagrada Familia Matemáticas 4º ESO
Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
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 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 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 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 detallesESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA
Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería
Más detallesEstadística aplicada al Periodismo
Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:
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 detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s)
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE
Más detalles02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C
Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesEL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN
CAPÍTULO VIII EL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN 8. INTRODUCCIÓN A través del Dagrama Causa - Efecto establecemos las posbles causas que provoca u problema de caldad, estas aseveracoes
Más detallesPyE_ EF1_TIPO2_
SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos
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 detallesComportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.
Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),
Más detallesTema 2: El modelo básico de regresión lineal múltiple (I)
Tema : l modelo básco de regresó leal múltple I Casaldad la ocó de cetrs parbs e el aálss ecoométrco Repaso del cocepto de regresó smple: Recta de regresó poblacoal p verss recta de regresó estmada Motvacó
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 detallesLECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
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 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.
TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)
Más detallesEstimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.
Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl
Más detallesAGRO Examen Parcial 1
AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para
Más detalles3 Metodología de determinación del valor del agua cruda
3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos
Más detallesAnálisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos
Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores
Más detallesGENERALIDADES ESTADISTICA DESCRIPTIVA
MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:
Más detallesGráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:
:: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales
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 detalles1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.
Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
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 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 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 detallesRELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.
RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el
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 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 detallesDefinición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:
Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados
Más detallesCapítulo V Análisis de regresión y correlación
Capítulo V Aálss de regresó y correlacó Itroduccó E la vestgacó estadístca es muy frecuete ecotrar varables que está relacoadas o asocadas etre sí de algua maera, como se estudó e el capítulo ateror. Exste
Más detallesEJERCICIOS RESUELTOS TEMA 3.
INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.
Más detallesFÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA. Medición de la longitud del largo del cuaderno:
FÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA Medcó de la logtud del largo del cuadero: 9,5, cm,cm represeta la certdumre asoluta de la medda Qué ta sgfcatva es esa certdumre? 9,5, cm puede ser
Más detallesSi los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
Más detalles2.4 Pruebas estadísticas para los números pseudoaleatorios
Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto
Más detalles6 El modelo de regresión lineal
6 El modelo de regresó leal 1. Coceptos báscos sobre el aálss de regresó leal. Ajuste de la recta de regresó 3. Bodad de ajuste. La regresó leal múltple 5. Descrpcó estadístca de la relacó etre dos varables:
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 detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detalles