2.4 Pruebas estadísticas para los números pseudoaleatorios

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

Download "2.4 Pruebas estadísticas para los números pseudoaleatorios"

Transcripción

1 Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto resultate debe ser sometdo a ua sere de pruebas para valdar s los úmeros que lo tegra so aptos para usarse e u estudo de smulacó.

2 .4 Pruebas estadístcas para los úmeros pseudoaleatoros A cotuacó se aalzará las pruebas estadístcas báscas que se emplea geeralmete para determar s u cojuto de úmeros pseudoaleatoros etre cero y uo cumple co las propedades báscas de depedeca y uformdad. El objetvo, e otras palabras, es valdar que el cojuto r realmete está coformado por úmeros aleatoros. Es mportate mecoar que las pruebas que se dscutrá o so úcas; s desea coocer otras, cosulte Baks, Carso, Nelso y Ncol. [].4. Prueba de medas Ua de las propedades que debe cumplr los úmeros del cojuto r, es que el valor esperado sea gual a.5. La prueba que busca determar lo ateror es la llamada prueba de medas, e la cual se platea las sguetes hpótess: H :m r.5 H : m r.5 La prueba de medas cosste e determar el promedo de los úmeros que cotee el cojuto r, medate la ecuacó sguete: r r Después se calcula los límtes de aceptacó feror y superor co las ecuacoes sguetes: LI r z a/ LS r + z a/ S el valor de r se ecuetra etre los límtes de aceptacó, coclumos que o se puede rechazar que el cojuto r tee u valor esperado de.5 co u vel de aceptacó de a. E caso cotraro se rechaza que el cojuto r tee u valor esperado de.5. Para el cálculo de los límtes de aceptacó se utlza el estadístco z a/, el cual se determa por medo de la tabla de la dstrbucó ormal estádar (ver apédce). Ejemplo. Cosdere los 4 úmeros del cojuto r que se preseta a cotuacó, y determe s tee u valor esperado de ½ co u vel de aceptacó de 95 por ceto. 35

3 Capítulo Números pseudoaleatoros El cojuto r cotee 4 úmeros, por lo tato, 4. U vel de aceptacó de 95% mplca que a 5%. Eseguda procedemos a calcular el promedo de los úmeros y los límtes de aceptacó: r r 4 r 4 r r. 435 LI z a r / z 5. / ( 4) LI r (. 96) ( 4) LS + z a + z r / 5. / ( 4) LS r + (. 96) (4) Como el valor del promedo: r. 435 se ecuetra etre los límtes de aceptacó, se cocluye que o se puede rechazar que el cojuto de 4 úmeros r tee u valor esperado de.5, co u vel de aceptacó de 95 por ceto..4. Prueba de varaza Otra de las propedades que debe satsfacer el cojuto r, es que sus úmeros tega ua varaza de /. La prueba que busca determar lo ateror es la prueba de varaza, que establece las sguetes hpótess: H : s / r H : sr / 36

4 .4 Pruebas estadístcas para los úmeros pseudoaleatoros La prueba de varaza cosste e determar la varaza de los úmeros que cotee el cojuto r, medate la ecuacó sguete: ( r r) Vr () Después se calcula los límtes de aceptacó feror y superor co las ecuacoes sguetes: LS LI V( r) V( r) x a /, ( ) x ( a)/, ( ) S el valor de V(r) se ecuetra etre los límtes de aceptacó, decmos que o se puede rechazar que el cojuto r tee ua varaza de /, co u vel de aceptacó de a; de lo cotraro, se rechaza que el cojuto r tee ua varaza de /. Para obteer valores de los factores Ch-cuadrada vea los aexos del lbro. Ejemplo. Realzar la prueba de varaza a los 4 úmeros r del ejemplo.. Cosderado que 4 y a 5%, procedemos a calcular la varaza de los úmeros, y los límtes de aceptacó correspodetes: 4 ( r r) r (. 435) Vr () Vr () [(.. ) + ( ) ( ) + ( )] Vr () x α /, x 539. /, LS V( r) ( ) 39 ( ) 468 LI V( r) x ( ) ( α )/, x 5. / 3, 9 ( 39) Dado que el valor de la varaza: V(r) está etre los límtes de aceptacó, podemos decr que o se puede rechazar que el cojuto de 4 úmeros r tee ua varaza de /

5 Capítulo Números pseudoaleatoros.4.3 Pruebas de uformdad Ua de las propedades más mportates que debe cumplr u cojuto de úmeros r es la uformdad. Para comprobar su acatameto se ha desarrollado pruebas estadístcas tales como las pruebas Ch-cuadrada y de Kolmogorov-Smrov. E cualquera de ambos casos, para probar la uformdad de los úmeros de u cojuto r es ecesaro formular las sguetes hpótess: H : r U(,) H : r o so uformes Veamos a cotuacó cómo fucoa cada ua de estas pruebas Prueba Ch-cuadrada La prueba Ch-cuadrada busca determar s los úmeros del cojuto r se dstrbuye de maera uforme e el tervalo (,). Para llevar a cabo esta prueba es ecesaro dvdr el tervalo (,) e m sub-tervalos, e dode es recomedable m. Luego se clasfca cada úmero pseudoaleatoro del cojuto r e los m tervalos. A la catdad de úmeros r que se clasfca e cada tervalo se le deoma frecueca observada (O ), y a la catdad de úmeros r que se espera ecotrar e cada tervalo se le llama frecueca esperada (E ); teórcamete, la E es gual /m. A partr de los valores de O y E se determa el estadístco x medate la ecuacó m ( E O ) x E S el valor del estadístco x es meor al valor de tablas de x a,m, etoces o se puede rechazar que el cojuto de úmeros r sgue ua dstrbucó uforme. E caso cotraro, se rechaza que r sgue ua dstrbucó uforme. Ejemplo.3 Realzar la prueba Ch-cuadrada a los sguetes úmeros de u cojuto r, co u vel de cofaza de 95 %

6 .4 Pruebas estadístcas para los úmeros pseudoaleatoros Ates de proceder, es recomedable crear ua tabla smlar a la tabla., e dode se resume los pasos que debe llevarse a cabo e la prueba Ch-cuadrada. Tabla. Cálculos para la prueba Ch-cuadrada. Itervalo O E m ( E O) E [.-.) 7.9 [.-.) 9. [.-.3) 8.4 [.3-.4) 9. [.4-.5) 4.6 [.5-.6) 7.9 [.6-.7). [.7-.8) 4.6 [.8-.9) 9. [.9-.).4 El estadístco ( E ) O x 6. es meor al estadístco correspodete de la E 6. 9., Ch-cuadrada x. E cosecueca, o se puede rechazar que los úmeros r 59 sgue ua dstrbucó uforme Prueba Kolmogorov-Smrov Propuesta por Kolmogorov y Smrov, ésta es ua prueba estadístca que també os srve para determar s u cojuto r cumple la propedad de uformdad. Es recomedable aplcarla e cojutos r pequeños, por ejemplo, <. El procedmeto es el sguete:. Ordear de meor a mayor los úmeros del cojuto r r r r 3... r. Determar los valores de: D +, D y D co las sguetes ecuacoes: D D + máx r máx r D D D máx ( +, ) 39

7 Capítulo Números pseudoaleatoros 3. Determar el valor crítco D a, de acuerdo co la tabla de valores crítcos de Kolmogorov-Smrov para u grado de cofaza a, y segú el tamaño de la muestra. 4. S el valor D es mayor que el valor crítco D a,, se cocluye que los úmeros del cojuto r o sgue ua dstrbucó uforme; de lo cotraro se dce que o se ha detectado dfereca sgfcatva etre la dstrbucó de los úmeros del cojuto r y la dstrbucó uforme. Ejemplo.4 Realzar la prueba Kolgomorov-Smrov, co u vel de cofaza de 9%, al sguete cojuto r de úmeros: r {.97,.,.65,.6,.98,.3,.3,.89,.,.69} El vel de cofaza de 9% mplca a %. S se ordea los úmeros r de meor a mayor, la secueca es: Para determar los valores de D +, D y D es recomedable realzar ua tabla como la sguete. Tabla. Cálculos de la prueba Kolmogorov-Smrov r r r D +.4 D -.9 D.4 4

8 .4 Pruebas estadístcas para los úmeros pseudoaleatoros De acuerdo co la tabla de valores para la prueba Kolmogorov-Smrov, el valor crítco D., correspodete a es D.,.368, que resulta mayor al valor D.4; por lo tato, se cocluye que los úmeros del cojuto r se dstrbuye uformemete..4.4 Pruebas de depedeca Recuerde que las dos propedades más mportates que debe satsfacer los úmeros de u cojuto r so uformdad e depedeca. E la seccó ateror cometamos las pruebas que busca determar s los úmeros del cojuto r so uformes. A cotuacó hablaremos de las pruebas estadístcas que trata de corroborar s los úmeros e el tervalo (,) so depedetes o, e otras palabras, s parece pseudoaleatoros. Para probar la depedeca de los úmeros de u cojuto r prmero es precso formular las sguetes hpótess: H : los úmeros del cojuto r so depedetes H : los úmeros del cojuto r o so depedetes.4.4. Prueba de corrdas arrba y abajo El procedmeto de esta prueba cosste e determar ua secueca de úmeros (S) que sólo cotee uos y ceros, de acuerdo co ua comparacó etre r y r. Después se determa el úmero de corrdas observadas, C O (ua corrda se detfca como la catdad de uos o ceros cosecutvos). Luego se calcula el valor esperado, la varaza del úmero de corrdas y el estadístco Z, medate las ecuacoes: m s CO CO Z C O m s CO CO S el estadístco Z es mayor que el valor crítco de Z a/, se cocluye que los úmeros del cojuto r o so depedetes. De lo cotraro o se puede rechazar que el cojuto de r sea depedete. Cosdere el sguete cojuto r de úmeros: r {.89,.6,.,.98,.3,.,.69,.,.5,.65,.,.4,.3,.,.7,.97,.7,.,.95,.,.6} La secueca de uos y ceros se costruye de esta maera: se coloca u cero s el úmero r es meor que o gual al úmero r ateror; e caso de ser mayor que el úmero r 4

9 Capítulo Números pseudoaleatoros ateror, se poe u uo. S se cosdera la secueca de los úmeros del cojuto r que se do ates, la secueca de uos y ceros es: S {,,,,,,,,,,,,,,,,,,,} Observe que la secueca S cotee úmeros, e este caso. Esto se debe a que el prmer úmero r.89 o tee úmero ateror co el cual compararlo. Recuerde que ua corrda se forma co uos cosecutvos o ceros cosecutvos. Por ejemplo los prmeros dos ceros de la secueca forma la prmer corrda, que se dce que tee ua logtud de dos; el tercer úmero de la secueca, uo, forma la seguda corrda co logtud de uo; después sgue dos ceros, los cuales forma la tercera corrda co logtud de dos; después sgue u uo, que forma la cuarta corrda co logtud de uo, etcétera. Medate el proceso ateror se determa r que el úmero de corrdas de la secueca es C O 4. Ejemplo.5 Realzar la prueba de corrdas arrba y abajo co u vel de aceptacó de 95% al sguete cojuto de 4 úmeros r : Realzaremos la asgacó de uos y ceros por regló (o fla). Por lo tato, la secueca S es: S {,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,} obteédose u valor de C O 4 y a 5%. A cotuacó se preseta los cálculos correspodetes al valor esperado y a la varaza del úmero de corrdas: 4 4 ( C O ) m ( 4) 9 sc O 9 9 CO m Z s CO CO Como el estadístco Z es meor que el valor de tabla de la ormal estádar para Z a/ Z 5%/.96, se cocluye que o se puede rechazar que los úmeros del cojuto r so depedetes. Es decr, de acuerdo co esta prueba, los úmeros so aptos para usarse e smulacó.

10 .4 Pruebas estadístcas para los úmeros pseudoaleatoros.4.4. Prueba de corrdas arrba y abajo de la meda El procedmeto de esta prueba cosste e determar ua secueca de uos y ceros, de acuerdo co ua comparacó etre los úmeros del cojuto r y.5. Después se determa el úmero de corrdas observadas, C O, y los valores de y. C O es el úmero de corrdas e la secueca, el cual está determado de la msma maera que e la prueba de corrdas arrba y abajo; es gual a la catdad de ceros e la secueca, y es gual a la catdad de uos e la secueca, y se cumple que +. (Recuerde que ua corrda se detfca como la catdad de uos o ceros cosecutvos). Luego se calcula el valor esperado, la varaza del úmero de corrdas, y el estadístco Z co las sguetes ecuacoes: O mc + O ( ) sc O ( ) C m Z O CO sc O S el estadístco Z está fuera del tervalo: Z Z Z o, se cocluye que los úmeros a a del cojuto r o so depedetes. De lo cotraro o se puede rechazar que el cojuto de r es depedete. Cosdere la sguete secueca de úmeros de u cojuto r : r {.67,.6,.5,.49,.59,.4,.5,.,.74,.67} La secueca de uos y ceros se costruye de la sguete maera: se asga u uo s el úmero r es mayor que o gual a.5. E caso cotraro se asgará u cero. Al segur esta regla, la secueca de uos y ceros es: S {,,,,,,,,,} El úmero de corrdas se determa de la msma maera que e la prueba de corrdas arrba y abajo. E este caso se tee que el úmero de corrdas de la secueca S es C O 5. Por otra parte, la secueca tee 5 ceros y 5 uos, así que 5 y 5. Ejemplo.6 Realzar la prueba de corrdas arrba y abajo, co u vel de aceptacó de 95%, al sguete cojuto de 5 úmeros r :

11 Capítulo Números pseudoaleatoros Costruremos la secueca de uos y ceros por regló quedado de la sguete maera: S {,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,} A partr de la secueca ateror se determa que hay corrdas, 3 ceros y 7 uos. Por lo tato, C O, 3 y 7. A cotuacó se preseta los cálculos del valor esperado y de la varaza del úmero de corrdas: m s CO + ( )( ) ( ) ( ) CO ( )( )[ ( )( ) ] ( ) ( ) Z C m O C s CO O Como el valor de Z cae detro del tervalo.96 Z , se dce que o se puede rechazar que los úmeros del cojuto r so depedetes co u vel de cofaza de 95 %. De acuerdo co esta prueba, el cojuto de úmeros r se puede usar e u estudo de smulacó Prueba póker Esta prueba cosste e vsualzar el úmero r co cco decmales (como s fuera ua mao del juego de póker, co 5 cartas), y clasfcarlo como: todos dferetes (TD), exactamete u par (P), dos pares (P), ua terca (T), ua terca y u par (TP), póker (P) y qutlla (Q). Por ejemplo, s r.6965 se le clasfca como par, porque hay dos úmeros 6. Ahora be, cosderemos el caso de r.33, el cual debe clasfcarse como dos pares (dos úmeros y dos úmeros 3). Falmete, r debe clasfcarse como ua terca y u par, porque hay tres úmeros 8 y dos úmeros 9. La prueba póker se puede realzar a úmeros r co tres, cuatro y cco decmales. Para r co tres decmales sólo hay tres categorías de clasfcacó: todos dferetes (TD), u par (P) y ua terca (T). Cuado se cosdera r co cuatro decmales se cueta co cco opcoes para clasfcar los úmeros: todos dferetes (TD), exactamete u par (P), dos pares (P), ua terca (T) y póker (P). Las tablas.3 a.5 preseta la probabldad esperada para cada ua de las categorías de clasfcacó de esta prueba para cojutos r que cotee úmeros co 3, 4 y 5 decmales. 44

12 .4 Pruebas estadístcas para los úmeros pseudoaleatoros Tabla.3 Prueba póker para úmeros co 3 decmales. Categoría Probabldad E Todos dferetes (TD).7.7 Exactamete u par (P).7.7 Terca (T).. Tabla.4 Prueba póker para úmeros co 4 decmales. Categoría Probabldad E Todos dferetes (TD) Exactamete par (P) pares (P).7.7 Terca (T) Póker (P).. Tabla.5 Prueba póker para úmeros co 5 decmales. Categoría Probabldad E Todos dferetes (TD) Exactamete par (P) pares (P).8.8 terca y par (TP).9.9 Terca (T).7.7 Póker (P) Qutlla (Q).. La prueba póker requere el estadístco de la dstrbucó Ch-cuadrada x a,6 para úmeros co 5 decmales, x a,4 para úmeros co 4 decmales, y x a, para úmeros co 3 decmales. x a,6 tee 6 grados de lbertad, debdo a que los úmeros se clasfca e 7 categorías o clases: todos dferetes, exactamete u par, dos pares, ua terca y u par, ua terca, póker y qutlla. El procedmeto de la prueba cosste e: a) Determar la categoría de cada úmero del cojuto r. b) Cotablzar los úmeros r de la msma categoría o clase para obteer la frecueca observada (O ). 45

13 Capítulo Números pseudoaleatoros c) Calcular el estadístco de la prueba x co la ecuacó m x ( ) E E O, dode E es la frecueca esperada de úmeros r e cada categoría, y m represeta la catdad de categorías o clases e las que se clasfcaro los úmeros r, sedo m 7, m 5, y m 3 los úmeros de categorías para la prueba póker co 5, 4 y 3 decmales, respectvamete. Por últmo: d) comparar el estadístco de x co x a,m. S x es meor que x a,m, se dce que o se puede rechazar la depedeca de los úmeros del cojuto r. E caso cotraro la depedeca de los úmeros del cojuto r se rechaza. Ejemplo.7 Realce la prueba póker, co u vel de aceptacó de 95%, a los sguetes 3 úmeros etre cero y uo, co 5 decmales Prmero hay que clasfcar cada úmero del cojuto r, asgádole las claves que se mecoaro ates. El resultado es el que se muestra e la tabla.6: Tabla.6 Clasfcacó de los úmeros de u cojuto r, de acuerdo co la prueba póker..64 P.7484 P.947 TD T.44 TP P.879 TD T.859 TD.66 TP.3 P P.5953 P.55 P.3444 T.7688 P.5357 P.3555 T.47 TD P.83 TD P P P.783 TD.68 P.8578 P.8593 TD.5483 TD.999 TP Para segur co la prueba se recomeda hacer ua tabla como la sguete: 46

14 .4 Pruebas estadístcas para los úmeros pseudoaleatoros Tabla.7 Cálculos de la prueba póker. ( E O) Categorías O E E Todos dferetes (TD) 8 (.34)(3) Exactamete par (P) (.54)(3) pares (P) 3 (.8)(3) terca y Par (TP) 3 (.9)(3) Terca (T) 4 (.7)(3) Póker (P) (.45)(3) Qutlla (Q) (.)(3) El estadístco ( E ) O x es mayor que el estadístco correspodete E de la Ch-cuadrada: x.59. E cosecueca, se rechaza que los úmeros del cojuto r.5, 6 so depedetes Prueba de seres Esta prueba cosste e comparar los úmeros co el propósto de corroborar la depedeca etre úmeros cosecutvos. Las hpótess báscas so: H o : r Idepedetes H : r Depedetes La prueba fucoa de esta maera: se ca al crear ua gráfca de dspersó etre los úmeros cosecutvos (r, r + ); luego se dvde la gráfca e m casllas, como se muestra e la fgura.3, co m como el valor etero más cercao a que permta formar de prefereca, auque o ecesaramete, ua matrz cuadrada Fgura.3. Gráfca de dspersó: prmer paso de la prueba de seres. 47

15 Capítulo Números pseudoaleatoros Eseguda se determa la frecueca observada O, al cotablzar el úmero de putos e cada caslla y su correspodete frecueca esperada E, de acuerdo co E ( )/m, dode es el úmero total de pares ordeados o putos e la gráfca. Se procede m etoces a calcular el error o estadístco de prueba ( E O ) x ; falmete, s el E valor del error es meor que o gual al estadístco de tablas x a,m, o podemos rechazar la hpótess de depedeca etre úmeros cosecutvos. Ejemplo.8 Realce la prueba de seres a los sguetes 3 úmeros, co u vel de cofaza de 95 % Para empezar, geeramos la gráfca de dspersó (vea la fgura.4) co la secueca de los 9 pares ordeados (x, y) (r, r + ) sguetes: (r, r ) (.87,.9) (r, r 3 ) (.9,.57) (r 3, r 4 ) (.57,.68) (r 4, r 5 ) (.68,.9) (r 5, r 6 ) (.9,.93) (r 6, r 7 ) (.93,.95) (r 8, r 9 ) (.3,.868) (r 9, r 3 ) (.868,.879).999 y r( + ) Fgura.4 Gráfca de dspersó del ejemplo.8. 48

16 .4 Pruebas estadístcas para los úmeros pseudoaleatoros E la tabla.8 se preseta el resto del procedmeto: se cotablza el úmero de putos e cada caslla O, y se calcula la frecueca esperada E de acuerdo co E 9/9; e la últma columa se preseta el cálculo del estadístco de prueba x E m 9 ( E O) ( 3. ) O 3. Tabla.8 Cálculos de la prueba de seres. 9 E Itervalo O m 9 X m ( E O) E Total El valor de tablas x58., es mayor que el error total de 7.935, por lo cual o podemos rechazar la hpótess de depedeca Prueba de huecos Esta prueba cosste e comparar los úmeros co el propósto de verfcar el tamaño del hueco que exste etre ocurrecas sucesvas de u úmero. Las hpótess fudametales so: H : r Idepedetes H : r Depedetes La prueba se ca al defr u tervalo de prueba (a, b), dode (a, b) (, ), posterormete se costruye ua secueca de uos y ceros de esta maera: se asga u uo s el r perteece al tervalo (a, b), y u s o perteece a dcho tervalo. Por ejemplo, s se defe u tervalo (a, b) (.6,.7) y se tee la muestra de úmeros r {.67,.6,.5,.49,.59,.4,.64,.6,.74,.67}, 49

17 Capítulo Números pseudoaleatoros se asgará u uo s el r está etre.6 y.7; e caso cotraro se asgará u cero. S se sgue la regla ateror, la secueca bara es: S {,,,,,,,,, } El tamaño de hueco se defe como el úmero de ceros exstetes etre uos cosecutvos. E el caso de la secueca de uestro ejemplo teemos h 3 huecos, el prmero de tamaño, el segudo de tamaño 4, y el tercero de tamaño de acuerdo co: S,,,,,,,,, 4 A partr del cojuto ateror se determa la frecueca observada O, al cotablzar el úmero de ocurrecas de cada tamaño de hueco y su correspodete frecueca esperada E, de acuerdo co E (h)(b a)( (b a)), dode h es el úmero total de huecos e la muestra. La frecueca del últmo tervalo se puede calcular medate la dfereca etre el total y la suma de las frecuecas esperadas de los tervalos aterores. E la tabla.9 se muestra u resume de estos cálculos. Tabla.9 Frecuecas observadas y esperadas e la prueba de huecos. Tamaño del hueco E (h)(b A)( (B A)) O E (3)(.7.6)( (.7.6) E (3)(.)(.9).3 (3)(.)(.9).7 (3)(.)(.9).43 3 (3)(.)(.9) (3)(.)(.9) (3)(.)(.9) Total h 3 h 3 h 3 m Se procede etoces a calcular el error o estadístco de prueba x ( E O ) ; por E últmo, s este valor es meor que o gual al estadístco de tablas a,m, o podemos rechazar la hpótess de la depedeca etre los úmeros. x 5

18 .4 Pruebas estadístcas para los úmeros pseudoaleatoros Ejemplo.9 Realzar la prueba de huecos a los sguetes 3 úmeros, co u vel de cofaza de 95% para el tervalo (a b) (.8,.) Tomado los úmeros por regló (o fla) y teedo e cueta el tervalo (.8,.), la secueca de uos y ceros es: { } S,,,,,,,,,,,,,,,,,,,,,,,,,,,,, S calculamos los huecos de la muestra, teemos: S,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 7 El úmero de ocurrecas de cada tamaño de hueco O, su correspodete frecueca esperada E y el cálculo del estadístco de prueba se muestra e la tabla.. 3 Tabla. Ejemplo de la prueba de huecos. Tamaño del hueco E (h)(b A)( (B A)) ( E O) O E (7)(.)(.8) E (.8) Total h 7 h Ya que el estadístco de prueba ( E ) O x es meor que el estadístco E de tablas x a, m x55.,. 7, o podemos rechazar la hpótess de depedeca etre los úmeros. 5

19 Aexo 4 Dstrbucoes de probabldad

20 Aexo 4 Dstrbucoes de probabldad Probabldades acumuladas para la dstrbucó Normal Estádar a Z a Z a Z a Fuete: Valores calculados co Excel. 33

21 Aexo 4 Dstrbucoes de probabldad Probabldades acumuladas para la dstrbucó Normal Estádar a Z a Z α Z α S S S o SO S Fuete: Valores calculados co Excel. 333

22 Aexo 4 Dstrbucoes de probabldad Valores crítcos para la dstrbucó t-studet? a t? t a? y grados de lbertad t. t.5 t.5 t. t.5 t Fuete: Valores calculados co Excel. t a 334

23 Aexo 4 Dstrbucoes de probabldad Valores crítcos para la dstrbucó X a x a x a y grados de lbertad x. x.5 x.5 x. x.5 x Para y > usar χ 5 Z + y, a. a y Fuete: Valores calculados co Excel. 335

24 Aexo 4 Dstrbucoes de probabldad Valores crítcos para la dstrbucó X (cotuacó) a x a x a y grados de lbertad x.9 x.95 x.975 x.99 x.995 x Para y > usar χ 5 Z + Fuete: Valores calculados co Excel. y, a. a y 336

25 Aexo 4 Dstrbucoes de probabldad Valores crítcos de la dstrbucó F co A.5 Grados de lbertad para el umerador Grados de lbertad para el deomador x Fuete: Valores calculados co Excel. Valores crítcos de la dstrbucó F co A. Grados de lbertad para el umerador Grados de lbertad para el deomador x Fuete: Valores calculados co Excel. 337

26 Aexo 4 Dstrbucoes de probabldad Valores crítcos de la prueba de Kolmogorov-Smrov y grados de lbertad D a. D a.5 D a Para valores mayores a Fuete: Massey, F. J. (95). The Kolmogorov-Smrov Test for Goodess of Ft, The Joural of the Amerca Statstcal Assocato (úmero 46), pp

27 Aexo 4 Dstrbucoes de probabldad Estadístcos de prueba y valores crítcos para la prueba de Aderso-Darlg. Valores crítcos a Dstrbucó Estadístco de prueba ajustado Parámetros coocdos 5 A Normal A Expoecal Webull Log-logístca A A A Fuete: Law, A.M. y Kelto, W.D. (), Smulato Modelg ad Aalyss, (3th. ed). pp. 368, McGraw Hll. 339

28 Aexo 4 Dstrbucoes de probabldad Valores de la fucó Gamma x Γ(x) x Γ(x) x Γ(x) x Γ(x) Valores calculados a partr de la ecuacó de aproxmacó de Laczos Para valores de x o tabulados, usar la relacó Γ(x + ) x Γ(x) Para valores aturales de x, usar Γ(x) (x )! Fuete: A Precso Aproxmato of the Gamma Fucto; J SIAM Numer. Aal. Ser. B., Vol.; pp 68-96; (964). 34

29 Aexo 4 Dstrbucoes de probabldad Probabldades acumuladas de la dstrbucó Posso Meda x Meda x Meda x Fuete: Valores calculados co Excel. 34

30 Aexo 4 Dstrbucoes de probabldad Probabldades acumuladas de la dstrbucó Posso (cotuacó) Meda x Fuete: Valores calculados co Excel. 34

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

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

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

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

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más 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

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

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

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

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN 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 detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más 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

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

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

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

CAPÍTULO 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. 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 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

4º MEDIO: MEDIDAS DE POSICIÓN

4º 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 detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más 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

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA 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 detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

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

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División 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

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015

ESTADÍSTICA. Tercera Prueba de Evaluación continua 30 de noviembre de 2015 Tercera Prueba de Evaluacó cotua 30 de ovembre de 05.- Se ha tomado valores de ua varable físca X, que se supoe ormal, resultado: 30,; 30,8; 9,3; 9; 30,9; 30,8; 9,7; 8,9; 30,5; 3,; 3,3; 8,5. a) Costrur

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

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más 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

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

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. 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 detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.

al nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5. 5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más 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

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 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 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 detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

Estadística Contenidos NM 4

Estadística 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 detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más 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

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

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

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS 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 detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

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

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo Lues Jueves PM4 :00-:00 :00-3:00 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo PM4 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados Prof. Mguel Hesquo Garduño. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

Más detalles

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

Más detalles

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11

ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 1.1. Probabldad, espaco muestral y sucesos... 11 1.1.1. Espaco muestral y sucesos... 11 1.1.. Probabldad... 14 1.1.3. Varable aleatora y fucó de dstrbucó...

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. 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 detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS

INGENIERÍA 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 detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA 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 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

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

(Véase el Ejercicio 13 Beneficio de los bancos )

(Véase el Ejercicio 13 Beneficio de los bancos ) étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso 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 detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

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

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Uversdad de oora Departameto de Matemátcas Área Ecoómco Admstratva Matera: Estadístca I Maestro: Dr. Fracsco Javer Tapa Moreo emestre: 05- Hermosllo, oora, a 5 de septembre de 05. Itroduccó E la clase

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:

Más detalles