Física del Medio Ambiente
|
|
- Raquel Calderón Vera
- hace 6 años
- Vistas:
Transcripción
1 Físca del Medo Ambente Teoría de Errores (Programa de Práctcas) Sara Marañón Jménez Andy Kowalsk 1
2 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón.
3 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 3
4 Teoría de Errores Qué edad tenes? Cuál es la dstanca entre Granada y Málaga? Google maps 15 km km 4
5 Granada Málaga: Es nteresante decr km? Es eacto/centífco? Sgnfca km? km Google maps 15 km Precsón de 0 metros? Es necesara? Cuál es la dstanca Real? 131,0 km? 15 km? m mm Más vale acertar apromadamente que errar eactamente John Maynard Keynes Economsta Dstanca entre 110 y 150 km 5
6 Qué edad tenes? (mentr al profe mplca suspenso automátco) Se puede aceptar un error de 100 años en la edad? El error: relatvo a la magntud Un bebé : «Tene 16 meses» (error de un mes) Un nño: «Tengo 8 años y medo» (error de 6 meses) Adulto: «Tengo 30 años» (error de 1 meses) Cuántas cfras podemos escrbr? Edad: 16,6794 meses; 8,58545 años; 31,8543 años Cuántas cfras debemos escrbr? Qué undad debemos usar? 6
7 Teoría de Errores: conteto Esta pequeña ntroduccón nos ha plantado algunas preguntas Cómo epresar el valor y el error de una magntud físca? Cómo debemos tratar los errores? Qué undades debemos emplear? Ahora pasamos a algunas defncones nteresantes para empezar a contestar 7
8 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 8
9 Error Absoluto Δ = m D = error absoluto m = valor meddo o apromado = la verdad 9
10 Error Relatvo e= / 100% e = error relatvo (%) = error absoluto = valor real 10
11 Intervalos de confanza = m { ma + δ δ mn m δ + δ mn m ma δ mn = mínmo posble (subestmacón) δ ma = mámo posble (sobreestmacón) m = valor meddo o apromado = la verdad Más vale acertar apromadamente que errar eactamente 11
12 Smetría En el caso que δ = δ ma mn (lo que pasa con frecuenca) Solemos escrbr la medda así = ± Δ m = Δ 1
13 Ejemplo asmétrco Dstanca sol-terra : (150 ± 3) 10 6 km En realdad no es smétrco: km < < km Nosotros trabajaremos con casos smétrcos 13
14 Defncones Eacttud - grado de concordanca entre el valor verdadero y el epermental Precsón - concordanca entre una medda y otras de la msma magntud, realzadas en condcones sensblemente guales Sensbldad - el valor mínmo de la magntud que un aparato es capaz de dferencar 14
15 Eacttud y Precsón Trando flechas 15
16 N precso n eacto 16
17 Precso 17
18 Eacto 18
19 Eacttud y Precsón A) N precso n eacto B) Precso y eacto C) Imprecso y eacto D) Precso pero neacto 19
20 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 0
21 Epresón de cantdades 1º Elegr la magntud DISTANCIA GRANADA-MÁLAGA º Determnar el valor y un error aceptable 3º Adaptar las cfras del valor y el error 1
22 Epresón de cantdades 1º Elegr la magntud EDAD DEL PROFESOR DE PRÁCTICAS º Determnar el valor y un error aceptable 3º Adaptar las cfras del valor y el error Seguremos un conveno por el cual pérdda de nformacón nunca será mayor del 0%
23 Paso 3º: Adaptar las cfras del valor y el error Conveno para la Epresón de cantdades Pérdda de nformacón nunca será mayor del 0% El conveno para epresar correctamente las cantdades usa el concepto de CIFRA SIGNIFICATIVA: Las cfras sgnfcatvas son aquellas que aportan nformacón útl tanto del error como del valor de la cantdad: o Caso del error: Las cfras sgnfcatvas son la prmera o segunda cfra desde la zquerda dependendo del valor del error (ejemplo: de ±3,4567 es el «3»; de ±0, es el «5»; de ±1,5681 son el «1» y el «5»). o Caso del valor: Las cfras sgnfcatvas dependen del error. Un esquema nos ayudará a epresar correctamente las cantdades 3
24 Conveno para la epresón de cantdades del error OLVIDARLO = PERDER PUNTOS (PRÁCTICAS) 4
25 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 5
26 Epresón de cantdades 1º Elegr la undad de la magntud físca º Determnas el valor y el error 3º Adaptar las cfras del valor y el error (redondeo) OLVIDARLO = PERDER PUNTOS (PRÁCTICAS) 6
27 Qué sabemos? Aceleracón de gravedad, g= Constante de Avogadro, N= Velocdad de luz, c= 7
28 Epresón de magntudes físcas Cantdad Undad (!!!!!) Grado de confabldad índce de eacttud error 8
29 Ejemplos de Magntudes Incorrectos (U) Correctos (U) Mejor? (U) 3.418± ± ± ± ± ± ±0.1 ó 3.4± ± ± ± ±0.006 (34±1) 10 - (630±9) 10 - (463±16)10-1 (4835±15) 10 - (17±6)
30 Errores Se desconoce la verdad Sempre hay presente algún tpo de error Objetvos: Caracterzar/conocer los errores Mnmzarlos cuando es posble 30
31 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 31
32 Tpos de Errores Errores aleatoros Inevtables y desconocdos Asummos dstrbucón de frecuencas normal (hpótess) Errores pequeños; más frecuentes Promedo de cero Errores sstemátcos Dfícl de caracterzar S los conocemos, los corregmos Pueden ser constantes: afectan todas meddas 3
33 Errores aleatoros Errores de dscernmento Cambos en las condcones epermentales Errores de especfcacón en los procesos de fabrcacón (por ejemplo, una bola esférca metálca puede estar lgeramente ovalada) Se pueden reducr ( cómo?) 33
34 Error cuadrátco medo (MSE) σ = 1 N N 1 ( ) 34
35 Deduccones Una estmacón de una magntud físca es mejor cuanto Menor sea el error sstemátco Menor sea el error aleatoro Aunque Los errores son nevtables Cómo mejorar la estmacón? Medr con cudado, y precsón Muchas meddas Cuántas meddas necestamos? 35
36 Reglas práctcas para medr una magntud en el laboratoro y determnar su error drecto 1) Solo es posble una medda: error es la sensbldad del nstrumento: ±s ) Se pueden realzar varas meddas: Realzar para empezar 3 meddas y obtener la sensbldad del nstrumento (s). Se toma 3 como valor de la varable Para calcular el error: 3) Se calcula la dspersón de 3 meddas (D 3 = ma mn ) y se compara con (s) a) S D 3 s à Error de tpo sstemátco o lmtacón de nstrumento, no se puede hacer mucho! Tomar como valor del error ± s b) S D 3 > s à Error es tpo aleatoro Hacen falta más meddas? Cuantas? Segur con el paso 4. 4) Calcular el porcentaje de dspersón (T): 36
37 Porcentaje de dspersón T = D 100 T<% %<T<8% 8%<T<15% T>15% N Error s Epresón ±s α = má(d 6 / 4, s) ±α σ = 1 N N 1 ± ( ) σ 37
38 Meddas drectas versus ndrectas Meddas drectas: Aquellas meddas de forma epermental, medante un nstrumento de medda. Errores a partr de la dspersón o sensbldad del aparato Medda ndrecta: Se obtene medante cálculos a partr de las otras medcones drectas. Errores medante dervadas parcales Atencón! Una msma medda puede ser drecta o ndrecta según cómo se haya obtendo! Ej: Longtud con metro ó a partr de : L= V t 38
39 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 39
40 Propagacón de errores en meddas ndrectas: Motvacón Granada Jaén: 94±1 km Dgamos que se sabe que el tempo promedo para el vaje es 1.0± 0.1 horas Cuál es la velocdad promeda para el vaje? Recordad: para escrbr un resultado, hay que empezar con el error! Cómo podemos determnar el error en esta estmacón? 40
41 Propagacón lneal de errores -Sea f = f (, y, z, c) La funcón f lga a la magntud que nos nteresa hallar (f) con las magntudes ndependentes que se obtenen del epermento (,y,z) y con una constante (c). Dferencando: df = f d f + dy y f + z dz f + dc c S dentfcamos los ncrementos con los errores absolutos de las varables correspondentes, en el caso más desfavorable se obtendrá: Δf = f Δ + f y Δy + f z Δz + f Δc c Sensbldad de f al determnante z Error en z 41
42 Dervadas parcales Son mprescndbles en esta asgnatura A revsar! : Estudarse las fórmulas de dervacón No solemos trabajar con ejemplos muy dfícles y = a n y' y = n a n 1 4
43 Ejemplo numérco Densdad de flujo radatvo emtda por un cuerpo negro E = st 4 s = 5.67 ± W m - K -4 (constante de Stephan-Boltzmann) Para un cuerpo negro con T = 300 ± 1 K Cómo podemos epresar E? 4 valores 43
44 Ejemplo numérco ΔE = E E ΔT + T s Δs = 4sT 3 1K ( ) + T Wm K 4 ( ) = Wm E = 459 ± 7 W m - E = st 4 ( ) 44
45 Resumen: propagacón lneal de los errores ),,, ( c z y f f = c c f z z f y y f f f Δ + Δ + Δ + Δ = Δ Tenemos que pensar en esta ecuacón en muchas ocasones (en todas las práctcas) 45
46 Ej: (ntutvamente) Como pesar una cantdad de H O (l) Botella vacía: 90.04g 70.04g (Msma) botella con agua: Escala con sensbldad = 0.01g Claro, el agua pesa: 0g pero ERROR? 0.00 ± 0.01g 46
47 Como pesar una cantdad de H O (l) (centífcamente) Botella vacía: = ± 0.01g 90.04g 70.04g (Msma) botella con agua: y= ± 0.01g z = y z z Δz = Δy + Δ y Δz = Δy + Δ ± 0.0g
48 Resumen: propagacón lneal de los errores ),,, ( c z y f f = c c f z z f y y f f f Δ + Δ + Δ + Δ = Δ Ahora un ejemplo epermental 48
49 Altura de un acantlado Cómo medr? Dfícl mantener un metro en vertcal Otra opcón h = v t gt 49
50 Hacemos una medda 1 h = v 0 t + gt t = /- 0.01s 1 Posbles errores (aleatoros): v 0 0 Pulgar torpe o errátco A la salda A la entrada al agua A repetr! t = /- 0.01s t 3 = /- 0.01s 50
51 Cuantas veces medmos y cómo calcular el error de una medda drecta? t = / s 1 t =1.47s D = 0. 0s t = / s t = / s 3 T = D 100 = 1.4% T<% %<T<8% 8%<T<15% T>15% N Error s Epresón ±s α = má(d 6 / 4, s) ±α σ = 1 N N 1 ± ( ) σ t = / s Valor epermental 51
52 Nuestro valor epermental t = / s Para poder escrbr h, 1º calculo su error: 0 1 gt t v h + = 1 gt h = c c f z z f y y f f f Δ + Δ + Δ + Δ = Δ t t h g g h h Δ + Δ = Δ t Δg = 1 gt Δt + 5
53 Errores, dstanca frente a tempo h = v t gt +/ s Δh = gtδt = vδt v = h t t (s) h (m) v (m/s)
54 Altura de un acantlado Valor epermental y error drecto 1 er paso: calculo el error dervado Δh = gtδt = 0.14m º paso: calculo la magntud y la ajusto a su error h = 1 gt =10.57± 0.14 t = / s g = / m s - 54
55 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 55
56 Interpolacón en tablas Qué valor tene el calor latente (z) a una temperatura de =1+/-1ºC? Qué error tene este valor? T (ºC) Calor latente de evaporacón (J/g) ( 1 ) ( ) (z 1 ) (z ) 56
57 Interpolacón Lneal z z z 1 z = Δz z = z z z 1 1 z Δ ( ) Hpótess: A. Error provene de B. Relacón lneal 57
58 En tablas de doble entrada y 1 y 1 z 11 z 1 z 1 z z = z z z ( ) ( y ) y1 1 y y1 Δz = z 1 z 11 1 Δ + z y 1 z z y 11 1 z Δy 58
59 Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas. Mnmzacón de errores. Propagacón de errores. Interpolacón en tablas. Regresón y correlacón. 59
60 Regresón y Correlacón (Métodos cuanttatvos de análss gráfco) Importanca de las representacones gráfcas Utldad de las versones lnealzadas de los gráfcos (X, Y) Dstntas maneras de llevar a cabo una lnealzacón 60
61 Regresón Lneal El método se llama tambén mínmos cuadrados La relacón analítca que mejor se ajusta a nuestros datos La mportanca de la eleccón del varable ndependente 61
62 En que dreccón? Y y = a + b X Error desprecable 6
63 Suma de cuadrados (Sum of squares) Es útl defnr la funcón χ (Ch-cuadrado): χ = ( y ( a b) ) + Una medda de la desvacón total de los valores observados y respecto de los predchos por el modelo lneal. Los mejores valores de la pendente a y la ordenada en el orgen b son aquellos que mnmzan esta desvacón total. 63
64 Mínmos cuadrados (Least Squares) 0 = a χ 0 = b χ = N y y N a = N y y b Como buscar el mínmo de una funcón cuadrátca: Prmera dervada = 0 64
65 Bondad del ajuste (Goodness of ft) El crtero de mínmos cuadrados es objetvo; reemplaza el juco personal de quen mre los gráfcos determnando cuál es la mejor recta. Además, da una posbldad de estmar la bondad del ajuste, a través el coefcente de correlacón (r) entre las varables X e Y Muchas veces se presenta su cuadrado (R ). 65
66 El coefcente de correlacón ) ( ) ( ), ( y Var Var y Cov = ρ > >< > < =< = = = = y y N y y N y Cov N N N ), ( 1 1 ) ( > > < =< = = = N N Var N N 1 1 ) ( > > < =< = = = y y N y N y y Var N N 1 +1 ρ 66
67 El coefcente de correlacón Descrbe la correlacón entre los varables r = 0, los varables no son correlaconados r < 0, los varables son ant-correlaconados r > 0, los varables son correlaconados r = 0.95, mucha correlacón r = 0.7, correlacón, pero no mucho 67
68 El cuadrado del coefcente de correlacón (R ) epresa el porcentaje de la varanza en los varables X y Y que eplca el modelo lneal r=0.95, el modelo eplca 90% de la varanza r=0.7, eplca 49% de la varanza r=0.3, eplca 9% de la varanza 68
69 Otra ventaja del método Podemos estmar los errores asocados con los parámetros a y b σ = a χn NVar ( ) σ b = χ N N = 1 N Var ( ) 69
70 En funcón de r Las ncertdumbres de a y b tambén pueden descrbrse así: σ a = a 1 ( ) 1 N ρ σ b = σ a Estas ecuacones son muy útles, ya que la mayoría de las hojas de cálculo y programas de ajuste ndcan a, b y r (ó a veces R ). 70
71 Incertdumbre de los parámetros de un modelo general Al gual que en el caso del modelo lneal, mnmzacón de la funcón Ch-cuadrado: a* χ ( a, b, c,... ) a a=a* de modo que χ mn = χ (a*, b*, ) Cómo determnar a*, b*,? Procedmento sofstcado Dversas teorías y opnones Depende de cómo es de no-lneal = 0 71
72 Es preferble transformar (a lo lneal) En general, es preferble Método: suponemos un modelo y = a ln()+b Defnmos z=ln() Entonces: y = a z + b Buscamos ajuste lneal entre y & z Podemos estmar los errores asocados con los parámetros a y b 7
73 No gusta hacer muchos cálculos (tocar botones calculadora) Muchos cálculos Por eso tenemos ordenadores = N y y N a = N y y b ) ( NVar N a χ σ = ) ( 1 N Var N N b = = χ σ 73
74 74
Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesProblemas 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 detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesMª 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 detallesRelaciones 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 detallesMedidas 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 detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
Más detalles3. 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 detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesMétodo cuantitativos de análisis gráfico
Ejemplos Ejerccos Msceláneas Evaluacón Método cuanttatvos de análss gráfco Método de cuadrados mínmos. Regresón lneal. Funcón χ. Obtencón de los parámetros de un modelo. Correlacón lneal. Incertdumbre
Más detallesTema 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 detallesEfectos 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 detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesREGRESION 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 detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesunidad 12 Estadística
undad 1 Estadístca Qué es una tabla de frecuencas Págna 1 Al número de veces que se repte un dato se le denomna frecuenca de ese dato. Una tabla de frecuencas es una tabla en la que cada valor de la varable
Más detallesAnálisis estadístico de incertidumbres aleatorias
Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesUNIDAD I. Introducción al Análisis Numérico
UNIDAD I Introduccón al Análss Numérco Métodos Numércos Son técncas medante las cuales es posble formular problemas matemátcos, de tal forma que puedan resolverse utlzando operacones artmétcas. Requeren
Más detallesINTRODUCCIÓN AL LABORATORIO DE FÍSICA
INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL A. MEDIDA E INCERTIDUMBRE Págna 1 A- MEDIDA E INCERTIDUMBRE A.1. INCERTIDUMBRE EN LAS MEDIDAS Medr consste en comparar una magntud con otra que utlzamos
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesTEMA 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 detallesDescripción 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 detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesINTRODUCCIÓN. 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 detallesHistogramas: 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 detallesTema 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 detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesESTADISTÍCA. 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 detallesMaestría 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 detallesApéndice F - Método de cuadrados mínimos análisis avanzado
Apéndce F - Método de cuadrados mínmos análss avanzado Método de cuadrados mínmos. Regresón lneal. Funcón χ. Obtencón de los parámetros de un modelo. Incertdumbre de los parámetros de un ajuste. Bondad
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesH 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 detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesUSOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES
Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa
Más detallesTema 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 detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca www.aulatecnologa.com 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesHidrología superficial
Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras
Más detallesFORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA
FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA TÍTULO DE LA PONENCIA: Heterogenedad en los perfles de ngreso y retornos a la educacón superor en el Perú AUTOR: Gustavo Yamada, Juan F. Castro y
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesLaboratorio de Física con soporte interactivo en Moodle
Laboratoro de Físca con soporte nteractvo en Moodle Laboratoro de Físca con soporte nteractvo en Moodle Javer Ablanque Ramírez Rosa María Bento Zafrlla Juan Carlos Losada González Departamento de Físca
Más detallesESTADÍSTICA. 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 detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detalles1 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 detallesApéndice 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 detallesEjercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.
Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo
Más detallesTema 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 detallesPronósticos. 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 detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesGERENCIA 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 detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesEXPERIMENTACIÓN 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 detallesPoblación: 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 detallesESTADÍSTICA (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 detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesREGRESION 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 detallesAnálisis de ruido en detectores ópticos.
Análss de rudo en detectores óptcos. La corrente real generada en un fotododo es de carácter aleatoro, cuyo valor fluctúa entre el valor promedo defndo por la foto-corrente: p = RP Dchas fluctuacones se
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesEJERCICIO 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 detallesTema 1. Conceptos generales
Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS
Más detallesEstadística 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 detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detalles6 Impacto en el bienestar de los beneficiarios del PAAM
6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda
Más detallesMEDIDAS DESCRIPTIVAS
Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detallesMETODOLOGÍA 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 detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesTEMA 4. TRABAJO Y ENERGIA.
TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesEcuaciones diferenciales ordinarias
Ecuacones derencales ordnaras Motvacón Las ecuacones que se componen de una uncón desconocda de sus dervadas son llamadas ECUACIONES DIFERENCIALES ales ecuacones desempeñan un papel mportante en ngenería
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES
Más detallesPráctica 2 Caracterización de un dinamómetro
Págna 1/9 Práctca Caracterzacón de un dnamómetro Págna 1 Págna /9 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Peso de las masas patrón Resgo asocado Al manpular las masas nadecuadamente se
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesRiesgos Proporcionales de Cox
Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detalles