ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA

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

Download "ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA"

Transcripción

1 Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz ESTADÍSTICA TEÓRICA: CHI-CUADRADO TABLAS DE APLICACIONES CONTINGENCIA Estadístca Tórca: Aplcacos Ch-cuadrado

2 Estadístca Tórca: Aplcacos Ch-cuadrado

3 Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz PRINCIPALES APLICACIONES DE LA CHI CUADRADO Al aalzar ua poblacó u caráctr cualtatvo o cuattatvo l studo rsulta muy tdoso por l gra úmro d lmtos dl qu costa la poblacó. Gralmt, s xama ua mustra tomada d la poblacó, lo qu llva a tr ua sr d datos, y vr hasta qué puto la mustra s pud cosdrar prtct a ua dstrbucó tórca coocda. Smpr xstrá dsvacos tr la dstrbucó mpírca u obsrvada y la dstrbucó tórca. S plata la custó d sabr s stas dsvacos so dbdas al azar o al habr tomado ua dstrbucó tórca adcuada. CONTRASTE DE BONDAD DEL AJUSTE El objtvo dl cotrast d bodad dl ajust s sabr s ua mustra procd d ua poblacó tórca co dtrmada dstrbucó d probabldad. Sa ua poblacó, dod s aalza u caráctr X co (x, x,, x k) modaldads xcluyts, dotado por s l úmro d lmtos qu prsta la modaldad x (frcuca obsrvada dx ), k Por otra part, sa modaldad x.p la frcuca sprada o tórca d cada S orga la TABLA DE CONTINGENCIA: X x x x xk Frcuca obsrvada k Frcuca sprada ( ) ( ) ( ) ( k) Estadístca Tórca: Aplcacos Ch-cuadrado 3

4 La dstrbucó tórca rprsta a Hpótss ula H 0 : la dstrbucó mpírca u obsrvada Para u vl d sgfcacó (o rsgo) S acpta H 0 : stadístco obsrvado k ( ) stadístco tórco,(k ) S rchaza H 0 : stadístco obsrvado k ( ) stadístco tórco,(k ) El stadístco k k ( ) (útl l cálculo) OBSERVACIONES DE LA APLICACIÓN a) El tst d la s pud aplcar stuacos dod s dsa dcdr s ua sr d datos (obsrvacos) s ajusta o o a ua fucó tórca prvamt dtrmada (Bomal, Posso, Normal, tc.) b) Es csaro qu las frcucas spradas d las dsttas modaldads o sa frors a cco. S algua modaldad t ua frcuca sprada mor qu cco s agrupa dos o más modaldads cotguas ua sola hasta cosgur qu la frcuca sprada sa mayor qu cco. c) Los grados d lbrtad d la dpd dl úmro d parámtros qu s csta hallar para obtr las frcucas spradas. E st stdo, s s rqur hallar p parámtros, los grados d lbrtad so (k p) s las modaldads so dpdts y (k p ) cuado las modaldads so xcluyts. Estadístca Tórca: Aplcacos Ch-cuadrado 4

5 TABLAS CONTINGENCIA: CONTRASTE DE DEPENDENCIA INDEPENDENCIA Cuado s dsa comparar dos caractrs (X, Y) ua msma poblacó qu admt las modaldads: X(x,x,,x,,x k) Y(y,y,,y j,,y m), s toma ua mustra d tamaño, rprstado por l úmro d lmtos d la poblacó qu prsta la modaldad x d X y j d Y. X Y y y y j ym k x j m x j m x m x k m j j k k kj km j m No xst dfrca tr las Hpótss ula H 0 : dstrbucos mpírcas d X Y Bajo la hpótss ula, cada frcuca obsrvada dod (,, k ; j,, m) d la tabla d cotgca (k x m) hay ua frcuca sprada ( ) qu s obt mdat la xprsó: p x j p. x j k Agrupado frcucas obsrvadas y spradas la TABLA DE CONTINGENCIA k x m Estadístca Tórca: Aplcacos Ch-cuadrado 5

6 X x Y y y y j ym ( ) ( ) j ( j) m ( m ) ( ) j m ( ) ( ) k x ( ) j m x ( ) ( ) ( ) m ( ) x k m j j k ( ) k k ( ) kj ( ) km ( ) k kj m km j m Las codcos csaras para aplcar l tst d la Ch cuadrado xg qu al mos l 80% d los valors sprados d las cldas sa mayors qu 5. Cuado sto o ocurr hay qu agrupar modaldads cotguas ua sola hasta lograr qu la uva frcuca sa mayor qu cco. E ua TABLA DE CONTINGENCIA d x s csaro qu todas las cldas tga frcucas spradas mayors qu cco, s b la práctca sul prmtrs qu ua d llas tga frcucas spradas lgramt por dbajo d 5. El stadístco d cotrast obsrvado aproxmadamt ua Ch cuadrado co lbrtad. k ( ) sgu k m (k ).(m ) j (k ) x (m ) grados d Para u vl d sgfcacó s pud cotrastar la dfrca sgfcatva tr las dos dstrbucos mpírcas o la dpdca d las dstrbucos mpírcas. Estadístca Tórca: Aplcacos Ch-cuadrado 6

7 CONTRASTE DE HOMOGENEIDAD S acpta H o sí: stadístco obsrvado ( ) stadístco tórco k m,(k).(m) j S rchaza H o sí: stadístco obsrvado ( ) stadístco tórco k m,(k).(m) j CONTRASTE DE INDEPENDENCIA Hpótss ula H o : Las dstrbucos mpírcas X Y so dpdts S acpta S rchaza H o sí: H o sí: stadístco obsrvado ( ) stadístco tórco k m,(k).(m) j stadístco obsrvado ( ) stadístco tórco k m,(k).(m) j Estadístca Tórca: Aplcacos Ch-cuadrado 7

8 TABLAS CONTINGENCIA x y x 3 Para las tablas d cotgca x y x 3 s obt fórmulas scllas d la utlzado úcamt las frcucas obsrvadas X Y y y x x (.. )... S acpta H o : H :, S rchaza o, X Y y y y3 x 3 x S acpta H o : S rchaza H o :,, Cofct d CONTINGENCIA Es ua mdda dl grado d rlacó o dpdca tr dos caractrs la tabla d cotgca, s df: C 0C Mayor valor d C dca u grado d dpdca mayor tr X Y Estadístca Tórca: Aplcacos Ch-cuadrado 8

9 FACTOR d corrccó d YATES Advértas qu como la mustra 40 s hac acosjabl l uso d la Ch cuadrado co l factor d corrccó d cotudad d Yats: Factor corrccó 0,5 0,5 Para ua tabla d cotgca d x la corrccó d Yats:..... La corrccó o s válda cuado.. E gral, la corrccó d Yats s hac cuado l úmro d grados d lbrtad s. Tst G d la razó d vrosmltud El tst d cotrast d dpdcas por la razó d vrosmltuds (tst G) s ua pruba d hpótss d la Ch cuadrado qu prsta mjors rsultados qu l d Parso. S dstrbuy astótcamt co ua varabl alatora co (k ) x (m ) grados d lbrtad. S df l stadístco S acpta la hpótss ula G l k m j H o sí: k m G l j, (k ). (m ) Estadístca Tórca: Aplcacos Ch-cuadrado 9

10 Tst d McNmar El tst d McNmar s utlza para dcdr s s pud acptar o o qu dtrmado tratamto duc u cambo la rspusta d los lmtos somtdos al msmo, y s aplcabl a los dsños dl tpo ats dspués los qu cada lmto actúa como su propo cotrol. Cosst obsrvacos d ua varabl alatora bdmsoal (X,Y). La scala d mdcó para X Y s omal co dos catgorías, tals como postvo o gatvo, hmbra o macho, prsca o ausca, qu s pud domar 0 y. X Y Total a b a b c d c d Total a c b d Los casos qu mustra cambos tr la prmra y sguda rspusta aparc las cldllas b y c U dvduo s clasfcado la cldlla b s camba d a, la cldlla a cuado la rspusta s ats y dspués, la cldlla d cuado la rspusta s ats y dspués. E l tst d McNmar para la sgfcacó d cambos solamt trsa coocr las cldas b y c qu prsta cambos. Pusto qu (b c) s l úmro d dvduos qu cambaro, bajo l supusto d la hpótss ula, s spra qu (b c) / casos camb ua drccó y (b c) / casos camb otra drccó. Hpótss ula H : El tratamto o duc cambos sgfcatvos las rspustas 0 Estadístco d cotrast sí b c 0: S acpta H o sí b McNmar /, Estadístco d cotrast s b c 0: Estadístca Tórca: Aplcacos Ch-cuadrado 0

11 S acpta H o sí (b c) b c McNmar /, La aproxmacó mustral a la dstrbucó Ch cuadrado s más prcsa s s ralza la corrccó d cotudad d Yats (ya qu s utlza ua dstrbucó cotua para aproxmar ua dstrbucó dscrta). El stadístco corrgdo: S acpta H o sí bc b c McNmar /, COEFICIENTES EN DISTRIBUCIONES DICOTÓMICAS Los cofcts más utlzados varabls dcotómcas so los d corrlacó ph y Q d Yul. Estos cofcts t alguas propdads comus d trés: a) Está ormalzados, las magtuds o dpd dl tamaño d la tabla. b) So muy ssbls a la dstrbucó mpírca obsrvada, traducdo coctracos d casos alguas cldas magtuds. c) T u rcorrdo tórco tr [,] dcado stuacos d asocacó prfcta y d dpdca stadístca. Los cofcts y Q d Yul s dfrca la ssbldad rcoal: El cofct alcaza su máxmo valor sólo cuado ua d las dos dagoals s ha vacado. El cofct Q s muy ssbl a la xstca d ua clda qu térmos rlatvos s stá vacado. Su valor máxmo s alcaza cuado ua clda o hay gú caso, sto s lo qu s cooc como ssbldad rcoal. Estadístca Tórca: Aplcacos Ch-cuadrado

12 X Y y y Total x a b a b x c d c d Total a c b d Cofct Ph: ad bc 0 (a b)(c d)(a c)(b d) Cofct Q d Yul: ad bc Q 0Q ad bc TEST EXACTO DE FISHER S las dos varabls qu s stá aalzado so dcotómcas, y la frcuca sprada s mor qu 5 más d ua clda, o rsulta adcuado aplcar l tst d la auqu sí l tst xacto d Fshr. El tst xacto d Fshr prmt aalzar s dos varabls dcotómcas stá asocadas cuado la mustra a studar s dmasado pquña y o cumpl las codcos csaras para qu la aplcacó dl tst d la Ch cuadrado sa dóa. X Y y y Total x a b a b x c d c d Total a c b d E ua TABLA DE CONTINGENCIA d x s csaro qu todas las cldas tga frcucas spradas mayors qu cco, s b la práctca sul prmtrs qu ua d llas tga frcucas spradas lgramt por dbajo d 5. El tst xacto d Fshr s basa valuar la probabldad asocada a cada ua d las tablas x qu s pud formar matdo los msmos totals d flas y columas qu los d la tabla obsrvada. Cada uo d Estadístca Tórca: Aplcacos Ch-cuadrado

13 stas probabldads s obt bajo la hpótss d dpdca d las dos varabls qu s stá aalzado. La probabldad asocada a los datos qu ha sdo obsrvados v dada por: p (a b)! (c d)! (a c)! (b d)!! a! b! c! d! La fórmula gral d la probabldad dscrta dbrá calculars para todas las tablas d cotgca qu puda formars co los msmos totals d flas y columas d la tabla obsrvada. El valor d la p asocado al tst xacto d Fshr pud calculars sumado las probabldads d las tablas qu rsult mors o guals a la probabldad d la tabla qu ha sdo obsrvada. El platamto s blatral, s dcr, cuado la hpótss altratva asum la dpdca tr las varabls dcotómcas, pro s spcfcar d atmao qué stdo s produc dchas dfrcas, l valor d la p obtdo s multplca por. Estadístca Tórca: Aplcacos Ch-cuadrado 3

14 EJERCICIOS APLICACIONES DE LA CHI CUADRADO INTERPRETACIÓN DE DATOS S ha ralzado u studo sobr la stuacó laboral d las mujrs y su stado cvl, los datos obtdos furo: Trabajo Estado cvl rmurado Casada Soltra Total S No Total Los rsultados obtdos l aálss d la tabla d cotgca furo: Estadístcos Valor p valor Ch cuadrado Parso 5, ,075 Ch cuadrado d Yats 4, ,0357 Tst G 5, ,089 Ch cuadrado NcNmar,94 0,0978 Corrlacó Ph 0, ,078 Q d Yul 0,8345 Co u vl d sgfcacó 0,05, s pd: a) S cutra asocada la stuacó laboral d la mujr a su stado cvl? b) Gralmt, las mujrs qu ralza u trabajo rmurado co soltras? Solucó: a) Para aalzar la dpdca o o d la stuacó laboral d la mujr co su stado cvl (asocacó tr varabls catgórcas ua tabla d ) x s utlza l tst d la d Parso, co o s corrccó d Yats, l tst G d razó d vrosmltuds. El tst d McNmar o s pud utlzar st caso por o tratars d mustras paradas (ats dspués). Estadístca Tórca: Aplcacos Ch-cuadrado 4

15 Establcdo la hpótss ula: H : La stuacó laboral d la mujr s dpdt d su stado cvl. 0 Los trs stadístcos prmros, basados la, prsta u p valor < 0,05, co lo qu s rchaza la hpótss ula H 0, cocluydo qu la stuacó laboral d la mujr stá asocada a su stado cvl. b) Partdo d qu la stuacó laboral d la mujr s cutra asocada a su stado cvl, falta por dtrmar la drccó d dcha asocacó, para lo qu s rcurr al cofct d corrlacó Ph y la Q d Yul. Ambos stadístcos so gatvos, co p valor < 0,05, puddo afrmar qu la corrlacó tr la stuacó laboral y l stado cvl d las mujrs s vrsa y sgfcatva al 5%. S pud coclur qu la stuacó laboral d la mujr (sí sta trabajado) sta asocada a las soltras, co u vl d sgfcacó dl 5%. CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Para comprobar s los opraros cotraba dfcultads co ua prsa maual d mprmr, s hzo ua pruba a cuatro opraros aotado l úmro d atascos sufrdos al troducr l msmo úmro d hojas, dado lugar a la sgut tabla: Opraro A B C D Total Obstruccos Co u vl d sgfcacó dl 5%, xst dfrca tr los opraros? Solucó: Establcdo la hpótss ula H 0 : No xst dfrca tr los opraros. La probabldad d qu s atascas ua hoja sría 4 / para todos los opraros. Estadístca Tórca: Aplcacos Ch-cuadrado 5

16 D st modo, l úmro d atascos sprados para cada uo d llos ( 0) sría,, 4 Tabla d Cotgca x 4: Opraro A B C D Total Obstruccos (0) (0) (0) (0) (40) S acpta la hpótss ula, a u vl d sgfcacó sí k k ( ) k ; k stadístco cotrast stadístco tórco k Númro trvalos Rgó d rchazo d la hpótss ula: R co lo cual, k ( ) ;k Co l vl d sgfcacó 0,05 l stadístco tórco: Sdo 9 7,85 s vrfca la rgó d rchazo. 3 0,05 ; 3 0,05 ; 3 7,85 E coscuca, s rchaza la hpótss ula, cocluydo qu xst dfrca sgfcatva tr los opraros rspcto al úmro d atascos la prsa d mprmr. Estadístca Tórca: Aplcacos Ch-cuadrado 6

17 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE A UNA DISTRIBUCIÓN DE POISSON CON PARÁMETRO DESCONOCIDO E u laboratoro s obsrvó l úmro d partículas qu llga a ua dtrmada zoa procdt d ua sustaca radactva u corto spaco d tmpo smpr gual, obtédos los sguts rsultados: Númro partículas Númro príodos d tmpo S pud ajustar los datos obtdos a ua dstrbucó d Posso, co u vl d sgfcacó dl 5%? Solucó: Hpótss ula H 0 : La dstrbucó mpírca s ajusta alaposso La hpótss ula s acpta, a u vl d sgfcacó sí ( ) k k k p ; k p stadístco cotrast stadístco tórco k Númro trvalos p Númro parámtros a stmar Rgó d rchazo d la hpótss ula: R k ( ) χ α ;kp La dstrbucó d Posso s caractrza porqu sólo dpd dl parámtro qu cocd co la mda. Sa la varabl alatora X = Númro d partículas y Númro d príodos d tmpo Estadístca Tórca: Aplcacos Ch-cuadrado 7

18 x x P(xk) p , , , , , ,006 = x 590 x, 49, P(x k) k! k, k 0,,5 Las probabldads co qu llga las partículas k 0,,5 s obt k,, susttuydo los valors d k P(x k) o las tablas co k!, Para vrfcar s l ajust d los datos a ua dstrbucó d Posso s acpta o o, mdat ua, hay qu calcular las frcucas spradas (. p ) x Fr , 77,8 06,7 3 4, ,8 49.0,30 48, 49.0,364 77, ,69 06,7 49.0,0867 4,7 49.0,060,8 49.0,006 3,05 5 3,05 Dado lugar a ua tabla d cotgca x 6, dod hay qu agrupar las dos últmas columas por tr la últma columa frcucas spradas mors qu cco. S t la tabla d cotgca x 5: x y 5 Frcucas , 77,8 06,7 3 4,7 Así, los grados d lbrtad so trs: k p ,8 Estadístca Tórca: Aplcacos Ch-cuadrado 8

19 El stadístco d cotrast: 5 5 ( ) ,3 48, 77,8 06,7 4,7 5,8 El stadístco tórco: 0,05 ; 3 7,85 El stadístco d cotrast (bodad d ajust) s mayor qu l stadístco tórco (7,85), rchazádos la hpótss ula, s dcr, la dstrbucó NO s pud ajustar a ua dstrbucó d Posso a u vl d sgfcacó dl 5%. S vrfca la rgó d rchazo: k ( ) R ;kp3,3 7,85 Estadístca Tórca: Aplcacos Ch-cuadrado 9

20 La tabla rflja l úmro d accdts mortals d tráfco qu s produc ua carrtra a lo largo d u príodo d tmpo. Accdts mortals por día Númro d días S ajusta los datos a ua dstrbucó d Posso?. Utlzar u vl d sgfcacó 0,05 Solucó: Hpótss ula H 0 : La dstrbucó mpírca s ajusta alaposso La hpótss ula s acpta, a u vl d sgfcacó sí ( ) k k k p ; k p stadístco tórco stadístco cotrast k Númro trvalos p Númro parámtros a stmar La dstrbucó d Posso s caractrza porqu sólo dpd dl parámtro qu cocd co la mda. Sa la varabl alatora X = Númro d accdts mortals por día y Númro d días x x P(xk) p , , , , , ,0 = x 756 x,4 540,4 P(x k) k! k,4 k 0,,5 Las probabldads co qu llga las partículas k 0,,5 s obt k,4,4 susttuydo los valors d k P(x k) o las tablas co k!,4 Estadístca Tórca: Aplcacos Ch-cuadrado 0

21 Para vrfcar s l ajust d los datos a ua dstrbucó d Posso s acpta o o, mdat ua, hay qu calcular las frcucas spradas (. p ) x Fr 3 33, , , , ,3 9 5, ,466 33, ,345 86, ,47 30, ,8 60, ,0395, ,0 5,97 Dado lugar a ua tabla d cotgca x 6, o tdo qu agrupar columas cotguas al o aparcr frcucas spradas mor qu cco. Los grados d lbrtad so cuatro: k p64 Estadístco d cotrast: 6 6 ( ) ,87 33,6 86,43 30,5 60,9,3 5,97 Estadístco tórco: 0,05 ; 4 9,488 El stadístco d cotrast (bodad d ajust) s mor qu l stadístco tórco (9,488), por lo qu s acpta la hpótss ula, s dcr, co u vl d sgfcacó 0,05, los accdts mortals d tráfco daros la carrtra s ajusta a ua dstrbucó d Posso. Estadístca Tórca: Aplcacos Ch-cuadrado

22 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE A UNA NORMAL CON PARÁMETROS DESCONOCIDOS. Para ua mustra alatora smpl d 350 días, l úmro d urgcas tratadas daramt u hosptal A quda rfljado la sgut tabla: Nº urgcas Total días Nº días Cotrastar, co u vl d sgfcacó dl 5%, s la dstrbucó dl úmro d urgcas tratadas daramt l hosptal A s ajusta a ua dstrbucó ormal. Solucó: Para ajustar los datos obtdos a ua dstrbucó ormal N(, ) d parámtros dscoocdos, s csta stmar los dos parámtros rcurrdo a los stmadors máxmo vrosímls: ( ˆ x, ˆ x ), dod la varabl alatora X = Númro d urgcas daras. S stablc la hpótss ula: H 0 : La dstrbucó mpírca s ajusta alaormal S acpta la hpótss ula, a u vl d sgfcacó sí ( ) k k k p ; k p stadístco tórco stadístco cotrast k Númro trvalos p Númro parámtros a stmar S obt la mda y la dsvacó típca: Estadístca Tórca: Aplcacos Ch-cuadrado

23 Itrvalos x x x 0 5, , ,5 3656,5 0 5, , ,5 9093,75 0 5, , , = 350 x = 5075 x ,5 = = x (x x) x. x x 4,5 (x) 36,7 x 6, S procd al ajust d ua dstrbucó ormal N(4,5; 6,06), hallado las probabldads d cada uo d los trvalos: Itrvalos p p. ( ) ( ) / ,0498 7,43 6,6 0, ,74 59,99 5, 0, ,303 05,8 33,76 0, ,867 00,35 8,6 0, ,396 48,86 4,, ,0366,8 7,9 0, ( ) 0 4,5 x 4,5 54,5 P(0 x 5) P P(,39 z,57) 6,06 6,06 6,06 P(,57 z,39) P(z,57) P(z,39) 0,058 0,0084 0, ,5 x 4,5 0 4,5 P(5 x 0) P P(,57z0,74) 6,06 6,06 6,06 P(0,74 z,57) P(z 0,74) P(z,57) 0,96 0,058 0,74 4,57 Estadístca Tórca: Aplcacos Ch-cuadrado 3

24 0 4,5 x 4,5 5 4,5 P(0 x 5) P P( 0,74 z 0,08) 6,06 6,06 6,06 P(0,08 z 0,74) P(z 0,74) P(z 0,08) 0,468 0,96 0, ,5 x 4,5 0 4,5 P(5 x 0) P P(0,08 z 0,9) 6,06 6,06 6,06 P(z 0,08) P(z 0,9) 0,468 0,84 0, ,5 x 4,5 5 4,5 P(0 x 5) P P( 0,9 z,73) 6,06 6,06 6,06 P(z 0,9) P(z,73) 0,84 0,048 0,396 54,5 x 4,5 30 4,5 P(5 x 30) P P(,73z,56) 6,06 6,06 6,06 P(z,73) P(z,56) 0,048 0,005 0,0366 S calcula las frcucas spradas, multplcado las probabldads por l úmro total d datos p. E l stadístco d cotrast, l úmro d grados d lbrtad s 0 0 k p ( trvalos) ( parámtros a stmar) 6 3, co lo cual, 6 ( ) 3 4,57 Por otra part, l stadístco tórco 0,05 ; 3 7,85 Sdo 3 4,57 0,05 ; 3 7,85, s acpta la hpótss ula a u vl d sgfcacó dl 5%. E coscuca, la varabl alatora úmro d urgcas l hosptal A sgu ua dstrbucó N(4,5; 6,06). Estadístca Tórca: Aplcacos Ch-cuadrado 4

25 La tabla rflja l úmro d accdts mortals d tráfco qu s produc ua carrtra a lo largo d u príodo d tmpo. Accdts mortals por día Númro d días S ajusta los datos a ua dstrbucó d Posso?. Utlzar u vl d sgfcacó 0,05 Solucó: Hpótss ula H 0 : La dstrbucó mpírca s ajusta alaposso La hpótss ula s acpta, a u vl d sgfcacó sí ( ) k k k p ; k p stadístco cotrast stadístco tórco k Númro trvalos p Númro parámtros a stmar La dstrbucó d Posso s caractrza porqu sólo dpd dl parámtro qu cocd co la mda. Sa la varabl alatora X = Númro d accdts mortals por día y Númro d días x x P(xk) p , , , , , ,0 = x 756 x,4 540,4 P(x k) k! k,4 k 0,,5 Las probabldads co qu llga las partículas k 0,,5 s obt k,4,4 susttuydo los valors d k P(x k) o las tablas co k!,4 Estadístca Tórca: Aplcacos Ch-cuadrado 5

26 Para vrfcar s l ajust d los datos a ua dstrbucó d Posso s acpta o o, mdat ua, hay qu calcular las frcucas spradas (. p ) x Fr 3 33, , , , ,3 9 5, ,466 33, ,345 86, ,47 30, ,8 60, ,0395, ,0 5,97 Dado lugar a ua tabla d cotgca x 6, o tdo qu agrupar columas cotguas al o aparcr frcucas spradas mor qu cco. Los grados d lbrtad so cuatro: k p64 El stadístco d cotrast: 6 6 ( ) ,87 33,6 86,43 30,5 60,9,3 5,97 El stadístco tórco: 0,05 ; 4 9,488 El stadístco d cotrast (bodad d ajust) s mor qu l stadístco tórco (9,488), por lo qu s acpta la hpótss ula, s dcr, co u vl d sgfcacó 0,05, los accdts mortals d tráfco la carrtra s ajusta a ua dstrbucó d Posso. Estadístca Tórca: Aplcacos Ch-cuadrado 6

27 CONTRASTE DE HOMOGENEIDAD Para coocr la opó d los cudadaos sobr la actuacó dl alcald d ua dtrmada cudad, s ralza ua custa a 404 prsoas, cuyos rsultados s rcog la sgut tabla: Dsacurdo D acurdo No cotsta Mujrs Varos Cotrastar, co u vl d sgfcacó dl 5%, qu o xst dfrcas d opó tr hombrs y mujrs at la actuacó dl alcald. Solucó: S trata d u cotrast d homogdad l qu s dsa comprobar s las mustras procd d poblacos dsttas. S t dos mustras clasfcadas trs vls, dod s dsa coocr s los hombrs y mujrs procd d la msma poblacó, s dcr, s s comporta d mara smjat rspcto a la opó d la actuacó dl alcald. Hpótss ula: H 0 : No xst dfrca tr hombrs y mujrs rspcto a la opó. Rgó d rchazo hpótss ula: Rrchazo (k).(m) ; (k).(m) O b s acpta H 0 cuado (k ). (m ) ; (k ).(m ) S forma ua tabla d cotgca x 3: E cada frcuca obsrvada ( ),, k ; j,, m s t ua frcuca tórca o sprada qu s x j calcula mdat la xprsó: p., dod p so las probabldads d qu u lmto tomado d la mustra prst las modaldads x d X y j d Y. Estadístca Tórca: Aplcacos Ch-cuadrado 7

28 Dsacurdo D acurdo No cotsta Mujrs 99,5 68, , Varos 0, 5 7,03 3 3, = 404 j ,5 68, , ,5 7,03 3 3, Estadístco d cotrast: j ( ) 3 ( ).(3 ) j 3 ( ) (84 99,5) (78 68,96) (37 30,53) 99,5 68,96 30,53 (8 0,5) (6 7,03) (5 3,46) 9,76 0,5 7,03 3,46 sgu ua co dos grados d lbrtad s s crta la hpótss ula co 5, j. E caso cotraro sría csaro agrupar flas o columas cotguas. El stadístco tórco 0,05 ; 5,99 Como 9, 76 0,05 ; 5,99 s cumpl la rgó d rchazo, cocluydo qu las mustras o so homogéas, s dcr, o procd d la msma poblacó, hombrs y mujrs o opa lo msmo. Estadístca Tórca: Aplcacos Ch-cuadrado 8

29 CONTRASTE DE INDEPENDENCIA Novctos ccuta scolars s clasfcaro d acurdo a sus hábtos almtcos y a su cofct tlctual: Cofct Itlctual < Total Nutrcó bua Nutrcó pobr Total A u vl d sgfcacó dl 0%, hay rlacó tr las dos varabls tabuladas? Solucó: S trata d u cotrast d dpdca tr l cofct tlctual y los hábtos almtcos. Hpótss ula: H: 0 Las dos varabls aalzadas so dpdts Estadístco d cotrast: ( ) k m k m j = j= E la tabla d cotgca x 4 para cada frcuca obsrvada ( ),, k ; j,, m s t ua frcuca tórca o sprada qu s x j calcula mdat la xprsó: Cofct Itlctual < Nutrcó bua 5,46 33,5 3 73,8 4 09, Nutrcó pobr 3,53,74 3 6, 4 9, j , 46 33,5 3 73,8 4 09, Estadístca Tórca: Aplcacos Ch-cuadrado 9

30 ,53,74 3 6, 4 9, ,46 33,5 73,8 09,47 3,53,74 j ,75 6, 9,5 O b, 3 4 j ( ) (45 5,46) (8 33,5) (77 73,8) (9 09,47) 5,46 33,5 73,8 09,47 (3 3,53) (7,74) (3 6,) (0 9,5) 9,75 3,53,74 6, 9,5 sgu ua co trs grados d lbrtad s s crta la ( ). (4 ) 3 hpótss ula co 5, j. E caso cotraro sría csaro agrupar flas o columas cotguas. Estadístco tórco 0,0 ;3 6,5 Como 3 9,75 0,0 ; 3 6,5 s rchaza la hpótss ula, habdo por tato dpdca stadístca tr l cofct tlctual y la almtacó. Estadístca Tórca: Aplcacos Ch-cuadrado 30

31 E u studo sobr la opó d fumar lugars públcos s ralza ua custa a 350 prsoas, obtdo los sguts rsultados: Opó Muy Muy a E cotra A Favor cotra favor Fumador No Fumador j Co u vl d sgfcacó d 0,05 s dsa coocr s xst dfrca d opó tr fumadors y o fumadors. Solucó: S stablc las hpótss: H 0: La opó s dpdt d su codcó d fumador o o fumador H : La opó o s dpdt d su codcó d fumador o o fumador S acpta Fumador No Fumador j H o sí: stadístco obsrvado stadístco tórco ( ) 4 c,().(4) 0,05,3 j Muy cotra E cotra Opó A Favor Muy a favor Estadístca Tórca: Aplcacos Ch-cuadrado 3

32 4 4 ( ) c j j , Estadístco tórco: 0,05,3 7,85 Sdo c 33,46 0,05,3 7,85 s rchaza la hpótss ula, s acpta por tato la hpótss altratva, puddo afrmar co ua sgfcacó 0,05 qu la opó sobr l tabaco dpd d sí s o o fumador. Cofct d cotgca: 33,46 C 0,55 33, c c El grado d dpdca s dl 5,5% por lo qu la asocacó tr las varabls s alta. E las tablas d cotgca x k k l valor máxmo d C s Cmáxmo k k Cofct Ph: c 33,46 0, El stadístco Ph md l grado d asocacó tr las varabls. Cofct V d Cramr: c c 33,46 VCramr 0,68.mí(k,m) 350 E las tablas d cotgca x s détco al stadístco Ph, prsta l problma d substmar l grado d asocacó tr las varabls. Tst G d la razó d vrosmltud: G l k m j Estadístca Tórca: Aplcacos Ch-cuadrado 3

33 S acpta la hpótss ula H o sí: G l, ( ). ( 4 ) 4 j Fumador No Fumador j Muy cotra 60 8 g 45,7 0 4 g 4,3 E cotra 50 3 g, g 4, Opó A Favor g, g 8, 3 Muy a favor g 4, g 4, g 60l 45,7 g 50l,3 g3 0 l,7 g4 0 l 4, g 0 l 4,3 g 30 l 4, g3 70 l 8, g4 00 l 4, ,7,3,74,84,34,8,4,6 45,475 4 G l j El tst G da la razó d vrosmltud s ua Pruba d hpótss d la Chcuadrado qu prsta mjors rsultados qu l Tst d la Ch cuadrado d Parso. Cofct Lambda (λ) d Goodma y Kruskal, coocdo també como cofct d Goodma Prdccó, s basa la rduccó proporcoal dl rror la prdccó la moda, d s dcr l úmro d acrtos qu proporcoa l coocr la dstrbucó dvdo por l úmro d rrors s coocrla. MY Frcuca modal global my MY YX my Suma d frcucas modals M Y Númro total d casos Estadístca Tórca: Aplcacos Ch-cuadrado 33

34 També, E E E E M y E m y Valors Lambda (λ) próxmos a 0 mplca baja asocacó y valors próxmos a dota furt asocacó. Dos varabls so dpdts cuado λ = 0. S mbargo λ = 0 o mplca dpdca stadístca. Opó Muy Muy a E cotra A Favor cotra favor Fumador No Fumador j my MY 80 0 Y M 0 YX 0,5 my M Y E y E E M YX 0,5 E 40 E m y mx MX 60 0 X M 0 XY 0,08 mx M E X E E M XY 0,08 E 40 E m X U Fumador qu stuvra Muy cotra d fumar lugars públcos acrtaría 60 vcs d 70, s dcr fallaría 0 ocasos. U fumador qu stuvra cotra tdría rrors. X Estadístca Tórca: Aplcacos Ch-cuadrado 34

35 Cofct Tau d Goodma y Kruskal: Al gual qu l cofct Lambda (λ) s u cofct asmétrco, auqu a dfrca dl Lambda part d los rrors comtdos al asgar alatoramt los casos a las catgorías d la varabl dpdt. E E E dod E ( ) k y E m k ( j ) j j Para coocr los rrors s coocr la dstrbucó d la varabl dpdt: S supo qu cada catgoría s clasfcara rróamt por azar u úmro d casos, qu cada catgoría s gual al úmro d casos qu o prtc a la msma. k úmro total d casos ( ) E kúmro d catgorías d la varabl frcuca d la catgoría ésma Opó Muy Muy a E cotra A Favor cotra favor Fumador No Fumador j E la catgoría d Fumadors d 40 d u total d 350 s comtría rrors. Ittado dsgar al azar los 40 casos d Fumadors s ( ) comtría u rror promdo d: x x E la catgoría d No Fumadors d 0 d u total d 350 s comtría rrors. Ittado dsgar al azar los 0 casos d No Fumadors s ( ) comtría u rror promdo d: x x Estadístca Tórca: Aplcacos Ch-cuadrado 35

36 (350 ) E Para coocr los rrors coocdo la dstrbucó d la varabl dpdt: j E m k ( j ) j j frcuca d cada cldlla la catgoría ésma varabl dpdt m úmro d catgorías d la varabl dpdt total parcal d las catgoras d la varabl dpdt Catgoría co la opó Muy cotra: ( ) (70 60) 60 Fumadors: 8,57 70 ( ) (70 0) 0 No Fumadors: 8,57 70 Errors la catgoría E 8,578,577,4 Catgoría co la opó E cotra: Fumadors: No Fumadors: ( ) (80 50) 50 8,75 80 ( ) (80 30) 30 8,75 80 Errors la catgoría E 8,75 8,75 37,5 Catgoría co la opó A favor: Fumadors: No Fumadors: ( 3 3) 3 (90 0) 0 5, ( 3 3) 3 (90 70) 70 5, Estadístca Tórca: Aplcacos Ch-cuadrado 36

37 Errors la catgoría E3 5,56 5,56 3, Catgoría co la opó Muy a favor: ( 4 4) 4 (0 0) 0 Fumadors: 9, ( 4 4) 4 (0 00) 00 No Fumadors: 9, Errors la catgoría E4 9,099,098,8 4 ( j ) E 7,4 37,5 3, 8,8 03,94 j j E E 6803,94 E 68 0,38 Estadístca Tórca: Aplcacos Ch-cuadrado 37

38 E l gráfco s prsta la valuacó dl stado gral d salud d ua mustra d prsoas adultas mayors, sgú sa su pso ormal o sobrpso. Aalzar la xstca d ua rlacó sgfcatva tr l pso y l stado gral d salud l adulto mayor, co u vl d sgfcacó dl 5%, Solucó: S trata d dos varabls dcotómcas co datos d frcuca, pudédos aplcar ua pruba d cotrast d asocacó co la Chcuadrado. La hpótss ula H : El stado d salud y l pso so dpdts 0 Llvado la formacó a ua tabla d cotgca d Estado d Salud Pso Normal Sobrpso Buo 8 0 9,4 0,59 0 Malo ,59 7, j x La frcuca obsrvada 4 s mor qu lo acosjabl cada clda ( 5), lo qu podría hacr psar ua stabldad dl cálculo. Estadístca Tórca: Aplcacos Ch-cuadrado 38

39 Como la frcuca sprada 6,59, todas las cldas cumpl co l mímo acosjabl d 5 su valor sprado. E la práctca s acpta hasta u 0% d las cldas qu o cumpl co l rqusto d qu la frcuca sprada sa 5 S calcula los valors d corrspodts a las dos obsrvacos, x j sdo la frcuca sprada , ,59 34 Estadístco d cotrast: j , , (). () 34 3,65 9, 4 0,59 6,59 7, 4 Estadístco tórco: 0,05, 3,84 Como 3,65 3,84 0,05, s acpta la hpótss ula, cocluydo qu l stado gral d salud dl adulto mayor o stá asocado a su pso. Advértas qu como la mustra 40 s hac acosjabl l uso d la Ch cuadrado co l factor d corrccó d cotudad d Yats: Factor corrccó Para ua tabla d cotgca d 0,5 0,5 x la corrccó d Yats:..... La corrccó o s válda cuado.. Estadístca Tórca: Aplcacos Ch-cuadrado 39

40 E gral, la corrccó d Yats s hac cuado l úmro d grados d lbrtad s. E st caso, 34 x0 8 x4 0 x4 x6 x8 34,5 Como,5 3,84 s acpta la hpótss ula. 0,05, La valdz dl cotrast també s pud hacr co l p valor ( p ): P,5 0,73 p p, 0,90 p 0,0 0,058,5,706 p p 0,90 0,0 0,058,706 0,0,5,706 ( 0,0) x (0,058,706) (0,90 0,0) x (,5,706) 0,73 Al sr p 0,73 0,05 s acpta la hpótss ula, afrmado qu l stado gral d salud dl adulto mayor s dpdt d su pso. Tst G d la razó d vrosmltud: G l j l 8l 4l 0l 3,344 9, 4 0,59 6,59 7,4 Cofct Ph: c 3,65 0,30 34 El stadístco Ph md l grado d asocacó tr las varabls. Cofct V d Cramr: c 3,65 3,65 VCramr 0,30.mí(k,m) 34.mí(,) 34 p E tablas d cotgca msmo valor. x l stadístco Ph y V d Cramr t l Estadístca Tórca: Aplcacos Ch-cuadrado 40

41 Gamma d Goodma y Kruskal: C D 0 3 0,579 C D 0 3 Estado d Salud Pso Normal Sobrpso Buo 8 0 Malo j Pars Cocordats: C 0 0 Pars Dscordats: D 8 43 ( ) TX Parjas mpatadas X: j ( ) TY j j Parjas mpatadas Y:.mí(k, m).(c D)..(0 3) Tau C d Kdall: C 0,304 mí(k, m ). 34 Tau B d Kdall: B B x33 34 x C D ( ) ( ) T T X Y 0,30 Lambda d Goodma y Kruskal: (X,Y) (Estado Salud, Pso) M 0 Y my MY 0 Y YX 0,43 my 0 M M Frcuca modal global m Suma d frcucas modals Y Y Estadístca Tórca: Aplcacos Ch-cuadrado 4

42 MX 8 mx MX 8 XY 0,50 mx 0 MX Tau d Goodma y Kruskal: E E 6,47 4,89 Pso dpdt: YX 0,096 E 6,47 E E ( ) (34 0)0 (34 4) ,47 ( j ) j j (6 ) (6 4)4 (8 8)8 (8 0)0 4, E E 6,94 5,3 Estado Salud dpdt: YX 0,096 E 6,94 E E ( ) j j j (34 6)6 (34 8) ,94 ( ) j (0 ) (0 8)8 (4 4)4 (4 0)0 5, Cofct d Icrtdumbr I(X) l l l 0, j j I(Y) l l l 0,69 j Estadístca Tórca: Aplcacos Ch-cuadrado 4

43 I(XY) l l l l l j,39 Cofct smétrco: I(X) I(Y) I(XY) 0,677 0,69,39 I 0,07 I(X) I(Y) 0,677 0,69 Estado d salud como varabl dpdt: I(X) I(Y) I(XY) 0,677 0,69,39 IX/Y 0,073 I(X) 0,677 Pso como varabl dpdt: I(X) I(Y) I(XY) 0,677 0,69,39 IY/X 0,07 I(Y) 0,69 El cofct o ídc d Kappa s ua mdda d cocordaca propusta por Coh 960, s basa comparar la cocordaca obsrvada u cojuto d datos, rspcto a lo qu podría ocurrr por pura casualdad. S pud calcular tablas d cualqur dmsó, l caso d tablas d x t alguas pculardads. X Y y y x x p0 p Ídc d Kappa: p p0 p x Dod p 0 s la proporcó d cocordaca obsrvada y p s la proporcó d cocordaca sprada por azar. Cuado s da la máxma cocordaca posbl. El valor 0dca qu la cocordaca obsrvada s prcsamt la qu s spra por pura casualdad. Estadístca Tórca: Aplcacos Ch-cuadrado 43

44 0 p 0, x6 4 x8 p x 0, p p 0,647 0,495 0 p 0,495 0,30 E l caso d más d dos valuadors, clasfcacos, métodos, tc., Josph L. Flss gralzó l método d Coh, dado lugar a la Kappa d Flss. Estadístca Tórca: Aplcacos Ch-cuadrado 44

45 E la tabla s rflja la dad d los mplados d ua mprsa y l grado d satsfaccó l trabajo, co u vl d sgfcacó dl 5%, cotrastar s l grado d satsfaccó l trabajo o dpd d la dad d los mplados. Edad Satsfaccó l trabajo A B C D E > Solucó: Varabls: X 'dad d los mplados' Y 'satsfaccó l trabajo' Hpótss ula H:'El 0 grado d satsfaccó l trabajo o dpd d la dad d los mplados' S acpta H: 0 ;( ).( ) ( ) c 3 5 j j S forma la tabla d cotgca 3 x 5 dod cada frcuca obsrvada ( ),,3 ; j,,5 t ua frcuca tórca o sprada caso d x j dpdca Satsfaccó l trabajo Edad A B C D E > 36 33,75 0, ,87 3 6,5 0 6,6 50 7, 3 4, , , , ,6 0 7, 34 39, , , (50) 95 (95) 55 (55) j Estadístca Tórca: Aplcacos Ch-cuadrado 45

46 ,75,37 34, ,5 6,6 7, ,37 5, 44 5, ,5 6,6 7, ,37 4,94 40, Estadístco obsrvado: ( ) c j j ,75 6,5 4,37 6,5 39,37,37 6,6 5,44 6,6 4, , ,87 7, 5,9 7, 40,69 Estadístco tórco: 0,05 ; (3).(5) 0,05; 8 5,507 Como 8 43, 458 5,507 0,05 ; 8 s rchaza la hpótss ula d dpdca tr la dad y la satsfaccó l trabajo. E coscuca, la dad fluy sgfcatvamt la satsfaccó l trabajo. ESTADÍSTICOS VARIABLES NOMINALES: FUERZA DE LA RELACIÓN c 43,5 Cofct Ph: 0, El stadístco Ph md l grado d asocacó tr las varabls. Cofct V d Cramr: c 43,5 43,5 VCramr 0, 43. mí(k, m ) 400.mí(3, 5 ) 400. Estadístca Tórca: Aplcacos Ch-cuadrado 46

47 El stadístco V d Cramr s ua mdda smétrca qu cuatfca la rlacó tr dos o más varabls d la scala omal. Quzás s l stadístco más utlzado. U valor dl stadístco V d Cramr próxmo a 0 dca la falta d asocacó d las varabls, mtras qu próxmo a rflja mayor asocacó tr las varabls studo. Como VCramr 0,43 s dtcta ua rlacó modrada d las varabls. Cofct d cotgca: c 43,5 C 0,54 43,5 400 c El grado d dpdca s dl 5,4% por lo qu la asocacó tr las varabls s alta. Tst G d la razó d vrosmltud: S acpta la hpótss ula H 0 sí: G l k m j G l, ( 3 ). ( 5 ) 3 5 j Satsfaccó l trabajo Edad A B C D E > 36 j 33,75 g,6 0,37 g, ,87 3 g 3,56 3 6,5 g 9,65 0 6,6 g 5, , 3 g 30,59 3 4,37 3 g 3, ,44 g 0, ,9 g 5, ,5 g 6, ,6 g 3, , g 9, ,37 g 40, ,94 g 5, ,69 g 0, (50) (3,37) 95 (95) (,4) 55 (55) (47,93) (8,7) 3 5 G l.8,667 63,334 5,507 j 0,05;8 Estadístca Tórca: Aplcacos Ch-cuadrado 47

48 S rchaza la hpótss ula d dpdca tr la dad y la satsfaccó l trabajo, cocluydo qu la dad fluy sgfcatvamt la satsfaccó l trabajo. 0 g 0l,6 33,75 0 g 0 l 9,65 6,5 0 g3 0l 3,95 4,37 40 g4 40 l 6,85 6,5 70 g5 70l 40,8 39,37 0 g 0 l,33,37 0 g 0l 5,08 6,6 5 g3 5l 0,43 5,44 0 g4 0l 3,7 6,6 30 g5 30 l 5,54 4,94 60 g3 60 l 3,56 34,87 50 g3 50 l 30,59 7, 30 g33 30 l 5,4 5,9 0 g34 0l 9,98 7, 5 g35 5l 0,48 40,69 El tst G da la razó d vrosmltud s ua Pruba d hpótss qu prsta mjors rsultados qu l Tst d la Ch cuadrado d Parso. MEDIDAS DE ASOCIACIÓN DE VARIABLES ORDINALES Satsfaccó l trabajo Edad A B C D E > j Estadístca Tórca: Aplcacos Ch-cuadrado 48

49 Pars Cocordats: C Pars Dscordats: D La Gamma d Goodma y Kruskal md la furza d asocacó d los datos cuado las varabls s md l vl ordal. 0 dca la ausca d asocacó. C D C D C D ,66 C D Estadístca Tórca: Aplcacos Ch-cuadrado 49

50 El cofct d rago d Kdall ( C) a mudo s utlza como u stadístco cotrol ua pruba d hpótss stadístca para stablcr s dos varabls pud cosdrars stadístcamt dpdts. Es ua pruba o paramétrca, ya qu o s basa suposcos sobr las dstrbucos d X o Y o la dstrbucó d (X, Y). Bajo la hpótss ula d dpdca d X Y, la dstrbucó mustral d Tau C ( ) t u valor sprado d cro. C.mí(k, m).(c D) Para mustras pquñas: C mí(k, m ). E mustras grads, s utlza ua aproxmacó a N(0, ): C ( 5) 9( ).mí(k, m).(c D).mí(3, 5).( ).3.( 745) C 0,54 mí(k, m ). mí(3, 5 ) Parjas mpatadas X o Y: T X k ( ) T Y m j ( ) j j 3 ( ) TX j(j ) TY j El cofct Tau B d Kdall ( B) s ua mdda o paramétrca d la corrlacó para varabls ordals o d ragos qu t cosdracó los mpats. El sgo dl cofct dca la drccó d la rlacó y su valor absoluto dca la furza d la rlacó. Varía tr y sgú sa l stdo d la asocacó tr las varabls. Los valors mayors dca qu la rlacó s más strcha. Estadístca Tórca: Aplcacos Ch-cuadrado 50

51 Cuado la tabla o s cuadrada st cofct o pud llgar a valr dado qu xstrá más pars mpatados la varabl qu tga más catgorías. B B C D ( ) ( ) T T X Y ,477 El stadístco D d Somrs stablc s las varabls ordals so dpdts o dpdts tr sí. El cofct D d Somrs varía tr y, s ua mdda asmétrca como l cofct Lambda, los dos valors qu s pud obtr d la tabla dpd d qu s tom como dpdt la varabl X o Y. Valors dl stadístco D crcaos a 0 dca qu o hay gua o muy poca asocacó tr las varabls. D d Somrs: D Númro d pars: X C D ( ) TX D Y C D ( ) TY ( ) 400(400 ) C D DX 0,55 ( ) T X C D DY 0,43 ( ) T X Estadístca Tórca: Aplcacos Ch-cuadrado 5

52 MEDIDAS BASADAS EN EL ERROR PROPORCIONAL Cofct Lambda (λ) d Goodma y Kruskal, coocdo també como cofct d Goodma Prdccó, s basa la rduccó proporcoal dl rror la prdccó la moda. Estadístco utlzado para dtrmar s usar los rsultados d ua d las varabls pud utlzars para prdcr los rsultados d la otra varabl. Valors Lambda (λ) próxmos a 0 mplca baja asocacó y valors próxmos a dota furt asocacó. Dos varabls so dpdts t λ = 0. S mbargo λ = 0 o mplca dpdca stadístca. Satsfaccó l trabajo Edad A B C D E > j MY Frcuca modal global my MY YX my Suma d frcucas modals M Y Númro total d casos E També, E E E M y E m y MY 55 my MY YX 0,388 my MY Estadístca Tórca: Aplcacos Ch-cuadrado 5

53 MX 05 mx MX XY 0,86 mx MX Tau d Goodma y Kruskal ( ) cosdra todas las catgorías d rspusta y o úcamt la qu cotmpla más casos tr dos varabls omals (varabls cualtatvas). El valor d Tau d Goodma y Kruskal ( ) s trprta como l porctaj qu mjora l rror al clur la varabl dpdt la prdccó d los valors d la varabl dpdt. S parc a la Lambda (λ), sdo su cálculo más compljo. Lo msmo qu Lambda adopta valors tr 0 y, dód 0 s dpdca y l total d dpdca. E E E Errors s coocr la dstrbucó d la varabl dpdt: k úmro total d casos ( ) E k úmro d catgorías d la varabl frcuca d la catgoría ésma Errors coocdo la dstrbucó d la varabl dpdt: j E m k ( j ) j j frcuca d cada cldlla la catgoría ésma varabl dpdt m úmro d catgorías d la varabl dpdt total parcal d las catgoras d la varabl dpdt Estadístca Tórca: Aplcacos Ch-cuadrado 53

54 Satsfaccó l trabajo Edad A B C D E > j E ( ) 3 (400 50)50 (400 95)95 (400 55)55 6, E 5 3 j ( ) j j (90 0)0 (90 0)0 (90 60) (70 0)0 (70 0)0 (70 50) (65 0)0 (65 5)5 (65 30) (70 40)40 (70 0)0 (70 0) (05 70)70 (05 30)30 (05 5) ,93 E E 6,5 06,93 E 6,5 0,08 dad varabl dpdt Cuado la varabl dpdt s la satsfaccó l trabajo: E ( ) 5 j j j (400 90)90 (400 70)70 (400 65)65 (400 70)70 (400 05)05 37, Estadístca Tórca: Aplcacos Ch-cuadrado 54

55 E ( ) 3 5 j (50 0)0 (50 0)0 (50 0)0 (50 40)40 (50 70) (95 0)0 (95 0)0 (95 5)5 (95 0)0 (95 30) (55 60)60 (55 50)50 (55 30)30 (55 0)0 (55 5) ,38 E E 37,5 85,38 E 37,5 0,00 satsfaccó varabl dpdt El Cofct d Icrtdumbr s ua mdda d asocacó basada la rduccó proporcoal dl rror. Es ua mdda smjat a Lambda cuato a su cocpcó d la asocacó d las varabls, rlacó a la capacdad prdctva y la dsmucó dl rror d dcha prdccó. El cofct d crtdumbr (I) dpd d toda la dstrbucó y o sólo d los valors modals (caso d Lambda), varía tr 0 y, tomado l valor 0 l caso total d dpdca. Es más dfícl d trprtar qu Lambda. T vrsos asmétrcas (dpddo d cual d las dos varabls sa dpdt) y ua smétrca (dod o s dstgu tr varabl dpdt dpdt). La vrsó asmétrca s trprta como la proporcó d crtdumbr rducda al prdcr los valors d ua varabl a partr d los d valors d la otra varabl. La vrsó smétrca s trprta como la proporcó d crtdumbr rducda al prdcr los valors d cualqura d las dos varabls mdat la tabla d cotgca. S obt mdat la fórmula: I Y/X I(X) I(Y) I(XY) I(Y) Para obtr I X/Y basta co trcambar los papls d I(X) I(Y). Estadístca Tórca: Aplcacos Ch-cuadrado 55

56 I(X) I(Y) I(XY) La vrsó smétrca: I I(X) I(Y) dod: k m k m j j I(X) l I(Y) l I(XY) l j j Satsfaccó l trabajo Edad A B C D E > 36 0,09 0 0, ,84 90 j 0,335 0,09 0 0, , ,305 0, , , ,95 4 0, , , ,305 0, , , , , , , l 0,368 l 0,34 3 l 0, I(X) l 0,368 0,34 0,367, l 0,335 l 0,305 3 l 0, l 0,305 5 l 0, j j I(Y) l 0,335 0,305 0,95 0,305 0,35,59 j l 0,09 l 0,50 3 l 0, l 0,09 l 0,09 3 l 0, Estadístca Tórca: Aplcacos Ch-cuadrado 56

57 l 0,50 3 l 0,3 3 l 0, l 0,30 4 l 0,50 34 l 0, l 0,305 5 l 0,94 35 l 0, I(XY) l, 463 j Cofct d Icrtdumbr, Satsfaccó como varabl dpdt: I(X) I(Y) I(XY),076,59, 463 IY/X 0,8 I(Y),59 Cofct d Icrtdumbr, Edad como varabl dpdt: I(X) I(Y) I(XY),076,59, 463 IX/Y 0,90 I(X),076 Cofct d Icrtdumbr smétrco: I(X) I(Y) I(XY),076,59,463 I 0,53 I(X) I(Y),076,59 Estadístca Tórca: Aplcacos Ch-cuadrado 57

58 H: Las varabls so dpdts 0 Ch cuadrado d Parso Prubas sgfcacó stadístca Razó d vrosm ltud Ch cuadrado H: La asocacó tr las varabls s ula (so dpdts) 0 Ph Cofct d Cotgca Estadístcos NomalsV d Cramr Varabls Cualtatvas Lambda Cofct d Icrtdumbr Q d Yul H: La asocacó tr las varabls s ula (so dpdts) 0 Estadístcos Ordals Varabls Cuattatvas Gamma d Goodma y Kruskal D d Somrs Tau B d Kdall Tau C d Kdall Rsgo rlatvo Aálogos a las mddas d asocacó, aplcabls a las varabls qu s computa fucó d acurdos dsacurdos o cocordacas dscrpacas Ídc d Cocordaca Prubas d Cocordaca Cofct Kappa d Coh Estadístca Tórca: Aplcacos Ch-cuadrado 58

59 La tabla adjuta rflja u aálss d la obsdad 4 sujtos. Co u vl d sgfcacó d 0,05, s dsa aalzar s xst dfrcas la prvalca d obsdad tr hombrs y mujrs o s, por l cotraro, l porctaj d obsos o varía tr sxos. Sxo Obsdad Sí No Total Mujrs 4 5 Hombrs 7 9 Total Solucó: El tst xacto d Fshr prmt aalzar s dos varabls dcotómcas stá asocadas cuado la mustra a studar s dmasado pquña y o cumpl las codcos csaras para qu la aplcacó dl tst d la Ch cuadrado sa dóa. Las codcos csaras para aplcar l tst d la Ch cuadrado xg qu al mos l 80% d los valors sprados d las cldas sa mayors qu 5. D st modo, ua tabla d cotgca d x srá csaro qu todas las cldas vrfqu sta codcó, s b la práctca sul prmtrs qu ua d llas tga frcucas spradas lgramt por dbajo d 5. S las dos varabls qu s stá aalzado so dcotómcas, y la frcuca sprada s mor qu 5 más d ua clda, o rsulta adcuado aplcar l tst d la, auqu sí l tst xacto d Fshr. El tst xacto d Fshr s basa valuar la probabldad asocada a cada ua d las tablas x qu s pud formar matdo los msmos totals d flas y columas qu los d la tabla obsrvada. Cada uo d stas probabldads s obt bajo la hpótss d dpdca d las dos varabls qu s stá aalzado. Probabldad asocada a los datos qu ha sdo obsrvados: (a b)! (c d)! (a c)! (b d)! p! a! b! c! d! Estadístca Tórca: Aplcacos Ch-cuadrado 59

60 La fórmula gral d la probabldad dscrta dbrá calculars para todas las tablas d cotgca qu puda formars co los msmos totals d flas y columas d la tabla obsrvada. El valor d la p asocado al tst xacto d Fshr pud calculars sumado las probabldads d las tablas qu rsult mors o guals a la probabldad d la tabla qu ha sdo obsrvada. El cotrast blatral asum qu la hpótss altratva stablzca la dpdca tr las varabls dcotómcas, pro s spcfcar d atmao qué stdo s produc dchas dfrcas. Hpótss ula H: 0 El sxo y sr obso so dpdts Sxo Obsdad Sí No Total Mujrs (a) 4 (b) 5 (a+ b) Hombrs 7 (c) (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () (a b)! (c d)! (a c)! (b d)! 5! 9! 8! 6! p 0,0599!a!b!c!d! 4!!4!7!! Las sguts tablas mustra todas las posbls combacos d frcucas qu s pud obtr co los msmos totals d flas y columas: Sxo Obsdad Sí No Total Mujrs 4 (a) (b) 5 (a+ b) Hombrs 4 (c) 5 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () p = 0,098 (a b)! (c d)! (a c)! (b d)! 5! 9! 8! 6! p 0,098!a!b!c!d! 4!4!!4!5! Estadístca Tórca: Aplcacos Ch-cuadrado 60

61 Sxo Obsdad Sí No Total Mujrs (a) 3 (b) 5 (a+ b) Hombrs 6 (c) 3 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () Sxo Obsdad Sí No Total Mujrs 3 (a) (b) 5 (a+ b) Hombrs 5 (c) 4 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () p = 0,797 p = 0,496 (a b)! (c d)! (a c)! (b d)! 5! 9! 8! 6! p 0, 496!a!b!c!d! 4!3!!5!4! Sxo Obsdad Sí No Total Mujrs 0 (a) 5 (b) 5 (a+ b) Hombrs 8 (c) (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () Sxo Obsdad Sí No Total Mujrs 5 (a) 0 (b) 5 (a+ b) Hombrs 3 (c) 6 (d) 9 (c + d) Total 8 (a + c) 6 (b + d) 4 () p = 0,0030 p = 0,080 Sumado las probabldads d las tablas qu so mors o guals a la probabldad d la tabla obsrvada (p = 0,0599 ) s t: p = 0, , ,080 = 0,0909 Sdo p valor = 0,0909 > 0,05 s acpta la hpótss ula, cocluydo qu l sxo y l hcho d sr obso so dpdts, s dcr, o xst asocacó tr las varabls studo, co u vl d sgfcacó α =0,05 Otro método d calcular l p valor cosst sumar las probabldads asocadas a aqullas tablas qu sa más favorabls a la hpótss Estadístca Tórca: Aplcacos Ch-cuadrado 6

62 altratva d los datos obsrvados. La tabla xtrma d los datos obsrvados s la qu o s obsrva gua mujr obsa, p = 0,0030 p = 0, ,0030 = 0,069 SPSS para l cómputo dl tst d Fshr, calcula l p valor corrspodt a u cotrast blatral (p = 0,0909) y l p valor asocado a u cotrast ulatral (p = 0,069). Estadístca Tórca: Aplcacos Ch-cuadrado 6

63 Para aalzar la rprcusó qu t los dbats tlvsvos la tcó d voto, u qupo d vstgacó rcogó datos tr 40 dvduos ats y dspués dl dbat, rsultado la sgut tabla: Dspués dl dbat Ats dl dbat (caddatos) (caddatos) A B Total A B Total S dsa sabr s l dbat tlvsvo cambó la tcó d voto, co u vl d sgfcacó dl 5%. Solucó: S trata d ua mustra parada ua stuacó ats dspués, co lo qu s dóo u cotrast stadístco Ch cuadrado d McNmar. Dspués dl dbat Ats dl dbat (caddatos) (caddatos) A B Total A 46 (a) 50 (b) 96 (a+b) B 85 (c) 59 (d) 44 (c + d) Total 3 (a + c) 09 (b + d) 40 () Hpótss ula H: La tcó d voto s la msma ats y dspués dl dbat 0 E sta pruba para la sgfcacó d cambos solo trsa coocr las cldas qu prsta cambos (cldas b y c) y sdo (b c) l úmro d prsoas qu cambaro, d acurdo co la hpótss ula platada s b c spra qu casos camb ua drccó y b c casos a otra drccó. Estadístco d cotrast sí b c 0 S acpta H o sí b McNmar /, Estadístca Tórca: Aplcacos Ch-cuadrado 63

64 Estadístco d cotrast sí b c 0: McNmar bc b c La aproxmacó mustral a la dstrbucó Ch cuadrado llga a sr muy bua s s ralza ua corrccó por cotudad, cosdrado qu s utlza ua dstrbucó cotua para aproxmar ua dstrbucó dscrta (bomal), por lo qu s ralza la corrccó d Yats. S acpta H o sí bc b c McNmar /, E st caso, b c Estadístco mustral: Estadístco tórco: McNmar 8, /, 0,05, 5,04 Como McNmar 8,563 5,04 0,05, s rchaza la hpótss ula, cocluydo qu la tcó d voto cambó sgfcatvamt dspués dl dbat, co u vl d sgfcacó dl 5%. Estadístca Tórca: Aplcacos Ch-cuadrado 64

65 E ua mustra alatora d prsoas s aalza alguos hábtos d la vda, habdo rcogdo datos d las sguts varabls: X= Estado gral d salud: muy buo (3), buo (), rgular (), malo (0) X= Sxo: mujr (), hombr (0) X= 3 Nvl dl jrcco daro: tso (), modrado (), guo (0) Ralzadas las tablas d cotgca corrspodts, s calcularo los sguts stadístcos para cotrastar la asocacó: a) (X, X ) 8 b) (X, X 3) 4,5 c) (X, X ) 6, 3 Co la formacó facltada, a u vl d sgfcacó dl 5%, laborar u dagóstco para cada ua d las parjas d varabls. Solucó: Calculado los p valor ( p ) d cada stadístco s obt: a) H: 0 X X so dpdts E (X, X ) 8 l úmro d grados d lbrtad s (4 ) x( ) 3 P( 8). Itrpolado la tabla d la Ch cuadrado: p p,3 0,05 p 0,05 0,05 0,05 7,85 9,348 7,85 8 9,348 p 0,05 8 9,348 ( 0,05) x (7,85 9,348) (0,05 0,05) x (8 9,348) 0,0469 p Sdo p 0,0469 0,05 s rchaza la hpótss ula, cocluydo qu l stado gral d salud stá asocado al sxo. b) H: 0 X X 3 so dpdts E (X, X ) 4,5 l úmro d grados d lbrtad s ( ) x(3 ) 3 P( 4,5). Itrpolado la tabla d la Ch cuadrado: p p, 0,90 p 0,0 0,90 0,0 0, 4,605 0, 4,5 4,605 p 0,0 4,5 4,605 p Estadístca Tórca: Aplcacos Ch-cuadrado 65

66 ( 0,0) x (0, 4,605) (0,90 0,0) x (4,5 4,605) 0,9 p Sdo p 0,9 0,05 s acpta la hpótss ula, cocluydo qu l sxo s dpdt dl vl dl jrcco daro. c) H: 0 X X 3 so dpdts E (X, X ) 6, l úmro d grados d lbrtad s (4 ) x(3 ) 6 3 P( 6,). Itrpolado la tabla d la Ch cuadrado: p p,6 0,90 p 0,0 0,90 0,0,04 0,645,04 6, 0,645 p 0,0 6,0,645 ( 0,0) x (,04 0,645) (0,90 0,0) x (6, 0,645) 0,530 p Sdo p 0,530 0,05 s acpta la hpótss ula, cocluydo qu l stado gral d salud s dpdt dl vl dl jrcco daro. p p Gstó Aroáutca: Estadístca Tórca Facultad Ccas Ecoómcas y Emprsarals Dpartamto d Ecoomía Aplcada Profsor: Satago d la Fut Frádz Estadístca Tórca: Aplcacos Ch-cuadrado 66

Estadística Teórica II

Estadística Teórica II Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad. 5.4 PRUEBS CHI-CUDRDO CONTENIDOS: OBJETIVOS: 5.4.1. Pruba d bodad d aust. 5.4. Pruba d dpdca. 5.3.3 Pruba d hoogdad. Platar hpótss para dfrts propóstos. Dtrar los pasos a sgur al ralzar ua pruba ch-cuadrado.

Más detalles

10 REGRESIÓN LINEAL SIMPLE

10 REGRESIÓN LINEAL SIMPLE Part stadístca Prof. María B. Ptarll GIÓN LINAL IMPL. Itroduccó muchos problmas st ua rlacó tr dos o más varabls, rsulta d trés studar la aturalza d sa rlacó. l aálss d rgrsó s la técca stadístca para

Más detalles

Tema 5. Contraste de hipótesis (II)

Tema 5. Contraste de hipótesis (II) Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast.

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES EJERCICIO Rcordmos prmro la sgut dfcó: U stmador T s dc ssgado rspcto a u parámtro μ ET μ a E T laldad d la spraza [ EX + EX ] + [ EX3 + EX ] 6 3 μ

Más detalles

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π xo. Bpurtos rudosos NEXO BIPUERTOS RUIDOSOS.. REPRESENTCIÓN DE BIPUERTOS RUIDOSOS U bpurto rudoso, sgú la toría prstada [], s pud rprstar como u bpurto lbr d rudo co dos futs quvalts d rudo, coctadas a

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UIDAD.- Estadístca. Tablas y grácos (tma dl lbro). ESTADÍSTICA: CLASES Y COCEPTOS BÁSICOS E sus orígs hstórcos, la Estadístca stuvo lgada a custos d Estado (rcutos, csos, tc.) y d ahí prov su ombr. Hoy

Más detalles

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas

Más detalles

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km) 3. Rgrsó lal Curso - Estadístca Rgrsó smpl cosumo pso d automóvls Núm. Obs. Pso Cosumo g ltros/ m 98 878 3 78 8 4 38 5 64 3 6 655 6 7 73 4 8 485 7 9 366 8 35 8 635 9 3 888 7 4 766 9 5 98 3 6 79 7 7 34

Más detalles

9 Momentos y funciones generatrices de Momentos

9 Momentos y funciones generatrices de Momentos 9 omos y fucos grarcs d omos Edgar Acua ESA 400 Edgar Acua 9. omos Sa ua varabl alaora s df su smo momo co rspco al org como μ E[ ], smpr qu l caso dscro y qu p < f d < l caso couo. Obvam, μμ..tamb, s

Más detalles

Elementos de Probabilidad y Estadística

Elementos de Probabilidad y Estadística Capítulo 3 Elmtos d robabldad y Estadístca 3.. Itroduccó E st capítulo s prsta cocptos báscos d robabldad y Estadístca, ya u dtro dl dsño y plaacó d ua obra hdráulca juga u papl mportat l aálss hdrológco

Más detalles

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d

Más detalles

3. Cálculo y dimensionado

3. Cálculo y dimensionado Documto Básco HE Ahorro d Ergía. Codsacos 1 Las codsacos suprfcals los crramtos y partcos trors qu compo la volvt térmca dl dfco, s lmtará d forma qu s vt la formacó d mohos su suprfc tror. Para llo, aqullas

Más detalles

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL Cotrasts d sgfcacó cojuta /4 APUNTE DE CLAE ECONOMETRÍA I. UDI ECONOMETRÍA E INFORMÁTICA CONTRATE DE IGNIFICACIÓN CONJUNTA EN EL MBRL Prof. Rafal d Arc Prof. Ramó Mahía rafal.darc@uam.s ramo.maha@uam.s

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA 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 detalles

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL Apts d Clas d cootría Prof Rafal d Arc STMADORS D LA VARANZA D LAS PRTURBACONS ALATORAS N L MBRL rafaldarc@as Ua vz ddcda a fórla para la stacó para la dtracó d los parátros dl odlo, a través d los MCO

Más detalles

I. MEDIDAS DE TENDENCIA CENTRAL

I. MEDIDAS DE TENDENCIA CENTRAL I. MEDIDAS DE TENDENCIA CENTRAL 1. La MEDIA ARITMETICA o PROMEDIO o smplmnt LA MEDIA Es la mdda d tndnca cntral más utlzada, la cual s rprsnta mdant l símbolo X y corrspond al promdo d todos los valors

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS 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 detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 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 detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 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 detalles

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares. Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS 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 detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. 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 detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 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

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 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 detalles

Multicupón no garantizado 07/09 1

Multicupón no garantizado 07/09 1 ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco

Más detalles

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas Uivrsidad d Purto Rico Rcito Uivrsitario d Mayagüz Dpartamto d Cicias Matmáticas Eam III Mat - Cálculo II d abril d 8 Nombr Númro d studiat Scció Profsor Db mostrar todo su trabajo. Rsulva todos los problmas.

Más detalles

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.: RIESGO MORA Comportamto accos dl A o obsrvabl para l o, smplmt, o vrfcabl.. j.: s A pd jrcr dsttos vls d sfrzo, co RM l o sab cál d llos llva a cabo. acr sfrzo spo dstldad para l A Úca varabl cotratabl:

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. 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 detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 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 detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada 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 detalles

Ampliació de Química-Física Curs Introducció

Ampliació de Química-Física Curs Introducció Itroduccó F Curs 7-8 mplacó d uímca-físca Curs 7-8 Itroduccó Cotdo ma : Cocptos báscos d Mcáca Cuátca Postulados d la Mcáca Cuátca Sstmas scllos Caja Cuátca rdmsoal Rotor Rígdo Osclador armóco promacó

Más detalles

Procesamiento Digital de Señales de Voz

Procesamiento Digital de Señales de Voz Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS 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 detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis 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 detalles

Intensificación en Estadística

Intensificación 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 detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

Administración de inventarios. Ejercicio práctico.

Administración de inventarios. Ejercicio práctico. Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo

Más detalles

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA : Problma Nº 5.3 Opphim Obsrv l siguit sistma: Dtrmi y() Solució: El traycto d arriba produc, al multiplicar por Cos(/), traslació dl spctro

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

V II Muestreo por Conglomerados

V 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 detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA 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 detalles

Santiago de la Fuente Fernández. Análisis de variables categóricas

Santiago de la Fuente Fernández. Análisis de variables categóricas Satago de la Fuete Ferádez Aálss de varables categórcas Satago de la Fuete Ferádez Aálss de varables categórcas VARIABLES CUALITATIVAS Aálss de varables categórcas Las varables cualtatvas so aquellas cuyos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS 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 detalles

OPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA

OPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA OPMZACÓN ESRUCURAL CON MALLAS FJAS Y ANALSS DE SENSBLDAD ULZANDO VARAS APROXMACONES A LOS ELEMENOS DE FRONERA Wllam Ramírz Bítz, Maul Julo García Ruíz Prgrado gría Mcáca Uvrsdad EAF, Colomba. Ph.D. gría

Más detalles

Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.

Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta. PRUEBAS DE BONDAD DE AJUSTE Estas prubas prmitn vrificar qu la población d la cual provin una mustra tin una distribución spcificada o supusta. Sa X: variabl alatoria poblacional f 0 (x) la distribución

Más detalles

Análisis del caso promedio El plan:

Análisis del caso promedio El plan: Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas

Más detalles

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,

Más detalles

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,... TEMA SUCESIONES. CONCEPTO DE SUCESIÓN DEFINICIÓN DE SUCESIÓN S llama sucsió a u cojuto d úmros dados ordadamt d modo qu s puda umrar: primro, sgudo, trcro,... Los lmtos d la sucsió s llama térmios y s

Más detalles

Prueba ji-cuadrado: χ 2. Estudiar la relación entre dos variables cualitativas. Estudiar la relación entre dos variables cualitativas

Prueba ji-cuadrado: χ 2. Estudiar la relación entre dos variables cualitativas. Estudiar la relación entre dos variables cualitativas ÁNALISIS BIVARIADO Estudiar la rlación ntr dos variabls cualitativas ANALISIS DE FRECUENCIAS, INDEPENDENCIA Estudiar la rlación ntr dos variabls cuantitativas CORRELACIÓN Y REGRESIÓN LINEAL Estudiar la

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS 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 detalles

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción Vrsó 014 CAITULO 4 OYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE Dvsó Mcáca d Torllos Torllos d trasmsó Torllo d ajust y sujcó UTN-BB Cátdra: Elmtos d Máquas. rofsor: Dr. Ig. Marclo Tulo ova Vrsó 014

Más detalles

TEMA 4: REGRESIÓN Y CORRELACIÓN.

TEMA 4: REGRESIÓN Y CORRELACIÓN. TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------

Más detalles

Tema IV: Ruidos e Interferencias: Técnicas de reducción.

Tema IV: Ruidos e Interferencias: Técnicas de reducción. SCUA TÉCNICA SUPIO D INGNIOS INDUSTIAS Y D TCOMUNICACIÓN UNIVSIDAD D CANTABIA INSTUMNTACIÓN CTÓNICA D COMUNICACIONS (5º Curso Igría d Tlcomucacó) Tma IV: udos Itrrcas: Téccas d rduccó. José María Drak

Más detalles

TEMA 9. Contrastes no paramétricos y bondad de ajuste

TEMA 9. Contrastes no paramétricos y bondad de ajuste TEMA 9. Cotrastes o paramétrcos y bodad de ajuste 9. Al falzar el tema el alumo debe coocer... fereca etre u cotraste parámetrco y uo o paramétrco Característcas de la estmacó utlzado los cotrastes o test

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación 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 detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN 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 detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso 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 detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES 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 detalles

CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO...

CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN ESPECIFICACIÓN DEL MODELO ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO... CAPÍTULO 13. INTRODUCCION AL ANALISIS DE REGRESIÓN... 487 13.1. ESPECIICACIÓN DEL MODELO... 487 13.. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO... 489 13..1 LA INTERPRETACIÓN DE LOS PARÁMETROS ESTIMADOS...

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

8 Límites de sucesiones y de funciones

8 Límites de sucesiones y de funciones Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...

Más detalles

TEMA 1: CALCULO DIRECTO DE LÍMITES

TEMA 1: CALCULO DIRECTO DE LÍMITES INSTITUCION EDUCATIVA DISTRITAL RODRIGO DE BASTIDAS Rsolució Nº 88 d ovimbr.8/ ScrtariaD Educació Distrital REGISTRO DANE Nº-99 Tléfoo Barrio Bastidas Sata Marta DEPARTAMENTO DE MATEMATICAS ACTIVIDAD ESPECIAL

Más detalles

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

Qué 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 detalles

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r. (Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En 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 detalles

APUNTE Y PROBLEMAS DE FÍSICA III

APUNTE Y PROBLEMAS DE FÍSICA III APUE Y PROBLEMAS DE FÍSICA III CARRERA: LICECIAURA E QUÍMICA PROFESOR Mg. CARLOS A. CAAEO AUILIAR Lc. ERIQUE M. BIASOI COEIDOS: Mcáca Clásca: Mcáca Cuátca: Mcáca Estadístca: Problmas: Cmátca Dámca Prcpos

Más detalles

CONTRASTES NO PARAMÉTRICOS (I) Antonio Morillas

CONTRASTES NO PARAMÉTRICOS (I) Antonio Morillas CONTRASTES NO PARAMÉTRICOS (I) Atoo Morllas. Itroduccó. Cotrastes de ajuste. Cotraste χ. Cotraste de Kolmogorov-Smrov 3. Cotrastes específcos de ormaldad 3. Cotraste de ormaldad de Lllefors 3. Cotraste

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

INTEGRAL INDEFINIDA. Derivación. Integración

INTEGRAL INDEFINIDA. Derivación. Integración TEMA 8 Itgral Idfiida INTEGRAL INDEFINIDA. FUNCIÓN PRIMITIVA F() s ua primitiva d f() si F ()= f(). Esto s prsa así: La itgració s la opració ivrsa a la drivació, d modo qu: f() F'() F() FUNCIONES PRIMITIVAS

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

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 detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles

CÁLCULO 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. 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 detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3 Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más

Más detalles

Cap. II: Principios Fundamentales del Flujo de Tránsito

Cap. II: Principios Fundamentales del Flujo de Tránsito Cap. II: Pricipios Fudamtals dl Flujo d Trásito Diagrama Espacio-Timpo Distacia 1 2 Itralo (i) 3 4 5 6 Espaciamito () Timpo Flujo, q Dsidad, Vlocidad, Tasa horaria quialt a la cual trasita los hículos

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS 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 detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TMS D MTMÁTICS Ooscos d Scudara TM 65 DISTRIBUCIOS D PROBBILIDD D VRIBL DISCRT. CRCTRÍSTICS Y TRTMITO. LS DISTRIBUCIOS BIOMIL Y D POISSO. PLICCIOS.. Itroduccó.. Fucos d Cuatía.. Dstrbucos Multvarats..

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD 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 detalles

DISCRETIZACION DE VARIABLES ALEATORIAS CONTINUAS DE DOMINIO NEGATIVO

DISCRETIZACION DE VARIABLES ALEATORIAS CONTINUAS DE DOMINIO NEGATIVO ISCRETIZCION E VRIBLES LETORIS CONTINUS E OMINIO NEGTIVO ERNESTO JESUS VERES ERRER pto. Ecoomía plcada/uvrsdad d Valca v d los Narajos s/ 6 - VLENCI JOSE MNUEL PVI MIRLLES pto. Ecoomía plcada/uvrsdad d

Más detalles

EL MÉTODO DEL CUBO: APLICACIONES DEL MUESTREO EQUILIBRADO EN LA ORGANIZACIÓN ESTADISTICA VASCA. Aritz Adin Urtasun

EL MÉTODO DEL CUBO: APLICACIONES DEL MUESTREO EQUILIBRADO EN LA ORGANIZACIÓN ESTADISTICA VASCA. Aritz Adin Urtasun EL MÉTODO DEL CUBO: APLICACIOES DEL MUESTREO EQUILIBRADO E LA ORGAIZACIÓ ESTADISTICA VASCA Artz Ad Urtasu EUSKAL ESTATISTIKA ERAKUDEA ISTITUTO VASCO DE ESTADISTICA Doosta-Sa Sbastá, VITORIA-GASTEIZ Tl.:

Más detalles

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1: .- a) Hallar a y b para qu la siguit fució sa cotiua = : b L( ) < f = a = > L b) Para sos valors d a y b, studiar la drivabilidad d f =. Solució: a) f s cotiua l puto = lim f = f() E st caso f () = a lim

Más detalles

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen. Uivrsidad d Costa Rica Istituto Tcológico d Costa Rica Tma: Itgrals impropias. Objtivos: Clasificar las itgrals impropias sgú su spci: primra, sguda o trcra spci. Calcular itgrals impropias utilizado su

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS 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 detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO

TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Facultad d Ccas Ecoómcas y Admstratvas TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Rafal Sarmto Lotro RESUMEN La Toría d Cotratos també coocda como Ecoomía d la Iformacó, studa las coscucas d la xstca

Más detalles

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes 3. Modlos Uivariats d Probabilidad Curso - Estadística Modlos Uivariats Procso d Broulli El rsultado d u rimto admit dos catgorías: Actabl y Dfctuoso. S rit l rimto vcs. La robabilidad d dfctuoso s la

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE 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 detalles

V Muestreo Estratificado

V 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 detalles

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso

Más detalles

6. ESTIMACIÓN PUNTUAL

6. 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 detalles

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT

ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT ANÁLISIS DISCRIMINANTE CON METODOLOGÍA LOGIT. ANÁLISIS DISCRIMINANTE INTRODUCCIÓN A LA MODELIZACIÓN LOGIT Conocda la dstrbucón d un conjunto d ndvduos ntr dos o más grupos, s busca ntndr la naturalza d

Más detalles

desarrollo del enfoque

desarrollo del enfoque có dl poblma y dsaollo dl oqu Lccó 4 1 José Lus Solózao - Ivstgacó d Mcados Objtvos 1. stgu t l poblma d dcsó admstatva y l poblma d vstgacó d mcados. 2. Explca y aplca téccas paa stuctua l poblma d vstgacó

Más detalles