Tema 3 Modelo de regresión lineal simple (I)
|
|
- Manuela Córdoba Sánchez
- hace 6 años
- Vistas:
Transcripción
1 Itroduccó a la Ecoometría. Curso 7-8 3º de Ecoomía Tema 3 Modelo de regresó leal smple (I. EL MODELO: MOTIVACIÓN DEFINICIONES El modelo de regresó leal smple trata de capturar la relacó etre dos varales y, x. y f(x,u y es la varale depedete, o varale explcada o regresado. x es la varale depedete, o varale explcatva, o regresor. u es el térmo de error o perturacó aleatora o oservale. Cotee todos los factores dsttos de x que afecta a y. Qué recoge u? - Alguas varales que explca la varale depedete y, pero que o so oservales o o se puede medr. - Errores de especfcacó, es decr, varales explcatvas mportates que hemos omtdo por error, o porque o las podamos medr. - Errores de medcó de la varale depedete.
2 . EL MODELO: MOTIVACIÓN DEFINICIONES Para oteer u modelo útl que os permta cuatfcar cómo x explca y, teemos que respoder a las sguetes cuestoes: Qué forma fucoal supoemos para f(x,u? Supodremos que la relacó que vcula x e y es leal e parámetros y que el térmo oservale etra de forma adtva. y β β x u β es la costate (tercept parameter β es la pedete (slope parameter. EL MODELO: MOTIVACIÓN DEFINICIONES β β β 3 4 Supogamos que la varale es ua fucó leal de otra varale, dode la relacó etre y depede de parámetros β y β descoocdos. S uestro terés fuera coocer la relacó que ue a co, etoces deeríamos estmar los parámetros descoocdos.
3 . EL MODELO: MOTIVACIÓN DEFINICIONES β β β Q Q Q 3 Q Supogamos que teemos ua muestra de 4 oservacoes de (,. Supoemos que esas oservacoes procede de ua muestra aleatora smple. S la relacó etre e fuera exacta, solo astaría dos putos para hallar ua solucó para los parámetros β y β. 3. EL MODELO: MOTIVACIÓN DEFINICIONES β β β P Q Q Q 3 P P 3 Q S emargo, las relacoes ecoómcas o so exactas: muchos de los putos que oservamos o va a estar e la recta 4
4 . EL MODELO: MOTIVACIÓN DEFINICIONES β β β P Q Q Q 3 P P 3 Q Para permtr dvergeca etre la varale de la recta de terés, troducmos u térmo de perturacó al modelo, que o es oservale: β β u. Por ejemplo, s es el salaro y la educacó, u puede represetar la haldad ata para gaar más dero: así dos dvduos co la msma educacó puede teer u salaro dferete. 5. EL MODELO: MOTIVACIÓN DEFINICIONES β β β β β u P Q Q Q 3 P P 3 Q Cada valor de tee etoces u compoete o aleatoro o sstemátco β β y u compoete aleatora, u. La prmera oservacó la hemos descompuesto e estas dos partes. 6
5 . EL MODELO: MOTIVACIÓN DEFINICIONES P P P E el mudo real, úcamete oservamos los putos P para cada. 7. EL MODELO: MOTIVACIÓN DEFINICIONES ˆ P P P Naturalmete, podríamos utlzar los putos P para dujar ua líea que aproxme β β. ^ Podemos escrr esta líea como, dode es ua estmacó de β y es ua estmacó de β. 8
6 . EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho ˆ P R R 3 R 4 R P 3 P 3 4 A esta líea aproxmada se la cooce como el modelo ajustado, y a los valores de la varale e esa líea se le llama valores predchos o ajustados (so los putos R. 9. EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho ˆ e (resduo e 4 ˆ R 3 R 4 R P e e 3 e R P 3 P 3 4 Oservad que hay ua dscrepaca etre el valor de realmete oservado (los putos P y el valor predcho por la líea aproxmada (R. A esta dscrepaca se le llama resduo.
7 . EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho P R R 3 R 4 ˆ β β β R P P Es mportate oservar que los valores que toma los resduos so dsttos a los valores del térmo de perturacó. Esto es dedo a que la aproxmacó que hacemos uca va a cocdr exactamete co la verdadera líea que relacoa a estas varales.. EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho ˆ β β β P Q 3 Q Q P 3 P Q La perturacó es la resposale de la desvacó que exste etre el compoete o aleatoro y las verdaderas oservacoes.
8 . EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho P R R 3 R 4 ˆ β β β R P P Los resduos so la dfereca etre el valor real y el valor predcho por la recta estmada e ase a la aproxmacó de los parámetros descoocdos 3. EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho P R R 3 R 4 ˆ β β β R P P Etoces, es atural que cuado los resduos sea pequeños el ajuste sea ueo y los resduos teda a estar cerca de la perturacó. Pero lo que dee quedar claro es que los dos coceptos represeta cosas dsttas. 4
9 . EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho u 4 ˆ β β Q 4 β β β Amas líeas, la aproxmada y la verdadera, so mportates e el aálss de regresó, puesto que permte descompoer el valor oservado de e dos partes. Usado la relacó téorca, o verdadera, se descompoe e su parte o estocástca β β y su parte estocástca u. 5. EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho u 4 ˆ β β Q 4 β β β Esta es ua descomposcó teórca dado que o coocemos los valores exactos de β o β, los del térmo de perturacó. 7
10 . EL MODELO: MOTIVACIÓN DEFINICIONES (valor real ˆ (valor predcho e 4 R 4 ˆ β β β La seguda descomposcó del valor real de se hace e fucó de la líea ajustada: es la suma del valor predcho de y de su resduo. Esta descomposcó la utlzaremos para oteer fórmulas que os permta aproxmar los valores descoocdos de los parámetros 8. EL MODELO: MOTIVACIÓN DEFINICIONES Cómo podemos oteer ueas estmacoes de los parámetros del modelo? Más adelate mostraremos que sólo podemos oteer estmadores fales de β y β, partedo de u muestreo aleatoro de datos, cuado estalecemos supuestos que restrge el modo e el que el térmo de error u se relacoa co x. Dado quex y u so varales aleatoras, ecestamos realzar supuestos mportates sore su dstrucó cojuta. Es decr, ecestamos hacer supuestos sore cómo es la relacó etre x y u. Ates de estalecer el supuesto clave, vamos a estalecer u supuesto sore cómo se comporta u. Sempre y cuado troduzcamos u térmo costate e la regresó, o perdemos ada al supoer que E(u
11 . EL MODELO: MOTIVACIÓN DEFINICIONES Cómo podemos oteer ueas estmacoes de los parámetros del modelo? Por Porqué decmosque queeste este supuestoo o es es restrctvo: β β u Supoed E(u µ u. u. Defmos Etoces v u- - µ u, u, etoces u v µ u u v µ uu ( ( u µ u v dode E(v E(u E(u- - µ u - E(µ u u E(u - E(µ u. EL MODELO: MOTIVACIÓN DEFINICIONES Cómo podemos oteer ueas estmacoes de los parámetros del modelo? Pero el supuesto clave para poder detfcar el efecto de x sore y es que x y u o está relacoadas. Para garatzar esto astaría co supoer cov(x,u? Queremosquex o os dé gua formacó sore u, es decr, queremos que estas dos varales o tega gú tpo de relacó. Supuesto: E(u x E(u Este supuesto mplca: E(y x β β x
12 . EL MODELO: MOTIVACIÓN DEFINICIONES Es decr, estamos supoedo que E(y x es ua fucó leal de x tal que, para cualquer x, la dstrucó de y está cetrada e E(y x f(y E(y x β β x. EL MODELO: MOTIVACIÓN DEFINICIONES EJEMPLO: Ecuacó de salaros wage β β educ u Supogamos que u es la capacdad ata del dvduo (para gaar dero. El supuesto de meda codcoal gual a cero mplca que: E( alty educ E( alty educ 6 Es decr, el vel medo de capacdad dee ser el msmo para todos los veles educatvos. S la gete co más capacdad tede a educarse más, etoces este supuesto o se cumple. ESTO ES UN PROBLEMA IMPORTANTE.
13 EJERCICIO Sea kds el úmero de ños que ua mujer ha tedo y educ el úmero de años de educacó que la mujer ha recdo. El sguete es u modelo smple que relacoa la fertldad co el úmero de años de educacó. kds β β educ u Dode u es el error o oservado. a Qué tpo de factores está e u? Puede estos estar correlacoados co el vel de educacó? E el aálss de regresó osotros estamos teresados e hacer terpretacoes de efectos causales. Para ello deemos medr relacoes etre educ y kds ceters parus, es decr, s lo demás permaece costate. De acuerdo co lo que respodste e el apartado ateror, crees que e este modelo el β mde el efecto causal de educ sore kds?. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS S u ajuste ueo es aquél que tee los resduos pequeños, por qué o uscar uos valores para los parámetros que haga mímo este resduo? Mmzar la SCR (suma de cuadrados de los resduos, dode SCR e e... e Por qué o mmzamos? e e... e 9
14 . ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS P P P La respuesta está e que los errores postvos y egatvos se compesaría. El ajuste perfecto e este caso sería ua líea recta e la meda del valor de. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS Verdadero : β β u Qué pasa s teemos oservacoes? 3
15 . ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS Verdadero Ajustado : : ˆ β β u ˆ ˆ Dada uestra eleccó de y, la recta ajustada es la que se muestra e el gráfco. 4. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS Verdadero Ajustado : : ˆ β β u ˆ e ˆ e e... ˆ ˆ Defmos el resduo para la prmera oservacó 5
16 . ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS Verdadero Ajustado : : ˆ β β u e ˆ e ˆ e e... ˆ ˆ Del msmo modo, defmos los resduos para el resto de oservacoes. E la gráfca se señala el correspodete a la últma oservacó. 6. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS SCR ( e ( Oservad que los resduos depede de y y que, por lo tato, se puede elegr sus valores de forma tal que haga míma dcha suma de resduos al cuadrado 7
17 . ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS m, SCR ( e ( SCR ( (. SCR ( y ( 7. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS SCR Se dvde por. 6
18 SCR ( Se susttuye por la expresó oteda aterormete, de maera que la ecuacó queda sólo e fucó de. 7. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS SCR ( ( Utlzamos la defcó de la meda muestral 8. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS
19 SCR ( ( ( Los térmos que o cotee se pasa a la parte de la derecha y se dvde la ecuacó por. 9. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS SCR ( ( (, Cov( Var( Var(, Cov( Así, oteemos ua expresó para.. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS
20 . ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS Verdadero Ajustado : : ˆ β β u ˆ ˆ De uevo, mostramos el gráfco para lustrar lo que hemos hecho. Hemos especfcado u modelo de regresó y, a partr de los datos, hemos ajustado la recta que aparece e el gráfco. 3. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS Verdadero Ajustado : : ˆ β β u ˆ ˆ Cov(, Var( Hemos elegdo los parámetros de la recta ajustada de modo que mmce la suma de cuadrados de los resduos. 3
21 Expresoes alteratvas para Var(, Cov( E fucó de las expresoes de la varaza y covaraza muestral ( ( ( ( ( (. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS Var(, Cov( ( ( ( ( ( ( 35 Expresoes alteratvas para...y utlzado las expresoes alteratvas de la varaza y covaraza muestral que calculamos e clases aterores.. ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS
22 3. INTERPRETACIÓN DE LA REGRESIÓN 8 7 Salaro por hora ($ Estudos Este gráfco muestra el salaro por hora de 57 dvduos. 3. INTERPRETACIÓN DE LA REGRESIÓN. Regresó Salaro- Estudos Source SS df MS Numer of os F(, Model Pro > F. Resdual R-squared Adj R-squared. Total Root MSE SALARIO Coef. Std. Err. t P> t [95% Cof. Iterval] S _cos Esta es ua salda de ordeador de u programa ecoométrco típco. 5
23 3. INTERPRETACIÓN DE LA REGRESIÓN 8 7 ^ Salaro S 6 5 Salaro Estudos Qué sgfca los coefcetes? 5 3. INTERPRETACIÓN DE LA REGRESIÓN 4 3 $.49 Salaro $.4 U año $ Estudos Qué mde la pedete?
24 3. INTERPRETACIÓN DE LA REGRESIÓN 8 7 ^ Salaro S 6 5 Igreso Estudos Qué sgfca el térmo costate? E este caso, su valor tee setdo? La razó por la que oteemos ese valor egatvo es porque e uestra muestra sólo hay dvduos co u vel de estudos gual o superor a 6 años. Etoces INTERPRETACIÓN DE LA REGRESIÓN 8 7 ^ Salaro S 6 5 Salaro Estudos ésta sería la parte de la regresó que se correspode co las oservacoes dspoles. 8
25 EJERCICIO El sguete cuadro cotee los resultados de la pruea de apttud para el acceso a la uversdad e EE.UU. (ACT, Amerca College Testg y la ota meda e la uversdad (GPA, Grade Pot Average de 8 estudates. El GPA se asa e ua escala de a 4. Estudate GPA ACT a Estmar la relacó etre GPA y ACT empleado MCO, es decr, oteer los valores estmados de los parámetros del modelo GPA β β ACT u El térmo costate tee ua terpretacó útl e este caso? Cuáto aumeta GPA s ACT aumeta 5 putos? Calcula los valores ajustados y los resduos para cada oservacó. c Calcular el valor predcho para GPA cuado ACT. 4. BONDAD DE AJUSTE Tres resultados relevates: e ˆ Cov ( ˆ, e
26 4. BONDAD DE AJUSTE Tres resultados relevates: e ˆ Cov ( ˆ, e Demostrar e Resduo ˆ e ˆ 3 4. BONDAD DE AJUSTE Tres resultados relevates: e ˆ ˆ Cov ( ˆ, e e Demostrar e e ˆ ˆ ˆ e ˆ ˆ
27 4. BONDAD DE AJUSTE Tres resultados relevates: e ˆ Cov ( ˆ, e Cov( ˆ, e Cov([ ˆ ], e Cov(, e Cov( [ Cov(, Cov(, Cov(, ] [ Cov(, Cov(, ] Demostrar Cov(, e Cov(,[ Cov(, Cov(, Var( Var( Demostrad que es gual a, e ] e ˆ ˆ e 4. BONDAD DE AJUSTE Para aalzar la odad del ajuste, descompoemos el valor oservado e el valor ajustado y el resduo. 3
28 e ˆ ˆ e Var( Var( ˆ e Var( ˆ Var( e Cov( ˆ, e Var( ˆ Var( e ( 4. BONDAD DE AJUSTE ( ˆ ˆ ( ˆ ( e ( e e R SCT SCE SCE ( ˆ e SCT ( SCR ( U crtero de odad de ajuste de ajuste es el coefcete de determacó BONDAD DE AJUSTE r, ˆ Cov(, ˆ Cov([ ˆ e], ˆ Var( Var( ˆ Var( Var( ˆ Cov( ˆ, ˆ Cov( e, ˆ Var( ˆ Var( Var( ˆ Var( Var( ˆ Var( ˆ Var( ˆ Var( ˆ Var( Var( ˆ Var( Otro crtero de odad de ajuste es la correlaco etre el valor oservado y ajustado de la varale R. 37
29 4. BONDAD DE AJUSTE r, ˆ Cov(, ˆ Cov([ ˆ e], ˆ Var( Var( ˆ Var( Var( ˆ Cov( ˆ, ˆ Cov( e, ˆ Var( ˆ Var( Var( ˆ Var( Var( ˆ Var( ˆ Var( ˆ Var( ˆ Var( Var( ˆ Var( R 43
Modelos 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 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 detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detallesREGRESIÓN LINEAL SIMPLE
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 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 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 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 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 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 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 detalles( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Más 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 detallesINGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS
INGENIERÍA INDUTRIAL A meudo, e la práctca, se requere resolver prolemas que clue cojutos de varales, cuado se sae que este algua relacó herete etre ellas, esa relacó se puede ecotrar a partr de la formacó
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 detallesAnálisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1
Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más 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 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 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 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 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 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 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 detallesAnálisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears
Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.
Más detallesAPROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS
APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado
Más 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 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 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 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 detallesTema 1: Introducción: Generalización y Extensión del Modelo de Regresión
Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Itroduccó Especfcacó del Modelo de Regresó Leal 3 Supuestos del Modelo Clásco de Regresó
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más 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 detallesAnálisis de la Varianza
Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca
Más 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 detallesFigura 1
Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
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 detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detallesCAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en
CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo
Más 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 detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
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 detallesINSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
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 detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesIncertidumbre en las mediciones directas e indirectas
Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:
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 detallesAnálisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205
Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detalles2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesDada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesRegresión Simple. Resumen. Ejemplo de StatFolio: simple reg.sgp
STATGRAPHICS Rev. 4/5/7 Regresó Smple Resume El procedmeto de Regresó Smple está dseñado para costrur u modelo estadístco que descrba el mpacto de u solo factor cuattatvo X sobre ua varable depedete Y.
Más detallesEnsayos de control de calidad
Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de
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 detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más 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 detallesDISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Más detallesObjetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética
Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado
Más detallesTema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS
Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo
Más detallesTema 2: Errores de Especificación y Problemas con la Muestra
Tema : Errores de Especfcacó y Problemas co la Muestra TEMA : ERRORES DE ESPECIFICACIÓN ) Itroduccó ) Omsó de Varables Relevates 3) Iclusó de Varables Superfluas 4) Mala Especfcacó de la Forma Fucoal 5)
Más detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detallesQué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.
Estadístca Alguos Coceptos Itroduccó Qué es la estadístca? La estadístca, e geeral, es la ceca que trata de la recoplacó, orgazacó presetacó, aálss e terpretacó de datos umércos co e f de realzar ua toma
Más detalles2.5. Área de una superficie.
.5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesMUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad
Más detallesTema 16: Modelos de distribución de probabilidad: Variables Continuas
Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesCALCULO DIFERENCIAL E INTEGRAL II. Figura 1
TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El
Más detallesR-C CARGA Y DESCARGA DE UN CONDENSADOR
RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecuddad y su relacó co varables socoecoómcas, demográfcas y educatvas aplcado el Modelo de Regresó Posso
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 detallesTEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.
1. Dstrbucoes Bdmesoales de Frecuecas. 1.1. Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca. 1.3. Dstrbucoes Margales. 1.4. Dstrbucoes Codcoadas. 1.5. Idepedeca Estadístca..
Más detallesSerie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
Más detallesFórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función
Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más 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 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 detallesEL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003
8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura
Más detallesFórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función
Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL
Más detallesLínea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V
Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó
Más detalles3 Regresión lineal múltiple: estimación y propiedades
3 Regresó leal múltple: estmacó y propedades Ezequel Urel Uversdad de Valeca Versó 09-013 3.1 El modelo de regresó leal múltple 1 3.1.1 Modelo de regresó poblacoal y fucó de regresó poblacoal 3.1. Fucó
Más detallesMétodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
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 detallesUNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL
UNIERSIDAD NACIONAL EXERIMENAL OLIECNICA ANONIO JOSÉ DE SUCRE ICERRECORADO BARQUISIMEO DEARAMENO DE INGENIERÍA QUÍMICA QUÍMICA GENERAL UNIDAD I CLASE Nº EL ESADO GASEOSO GAS IDEAL Es el estado de la matera
Más detallesÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO
6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.
Más detallesMETODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:
Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó
Más detallesEVALUACIÓN ECONÓMICA.
EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva
Más detallesMedidas de Tendencia Central
Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo
Más detallesESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos
Más detallesFUNCIONES ALEATORIAS
Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode
Más detallesESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:
SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó
Más detallesProblemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011
Problemas de Polímeros Químca Físca Avazada Iñak Tuñó / POL.-U polímero moodsperso de masa molecular. gmol - está cotamado e u % e peso co ua mpureza de peso molecular. gmol -. Calcular z,, Co los datos
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 detallesSOLUCIONES A LOS EJERCICIOS DE LA UNIDAD
Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detalles