Facultad de Matemáticas FORMULARIO NORMALIZADO OFERTA TRABAJOS FIN DE GRADO EN MATEMÁTICAS POR PARTE DE LOS DEPARTAMENTOS
|
|
- Ramona Macías Toro
- hace 6 años
- Vistas:
Transcripción
1 Dpto.: Estadística e Investigación Operativa Profesor Tutor: Inmaculada Barranco Chamorro Tema de trabajo ofertado: Distribución Multinomial. Teoría y aplicaciones Requisitos (opcional): El alumno debe tener conocimientos de Inferencia Estadística. Así mismo es adecuado que esté familiarizado con el software R, y la lectura de textos en lengua inglesa. Breve descripción del trabajo propuesto 1 : La distribución multinomial desempeña un papel relevante en el análisis de datos multivariantes discretos. En este trabajo se realizará un estudio teórico detallado de este modelo, en particular de los resultados de inferencia estadística, tanto desde el punto de vista asintótico, como para tamaño muestral pequeño. Se expondrán aplicaciones en las que se destaque la importancia de este modelo al tratar con tablas de contingencia. Las aplicaciones se desarrollarán con el software RStudio. En Sevilla, a 12 de octubre de Extensión máxima permitida del formulario completo: una carilla.
2 Dpto.: Estadística e Investigación Operativa Profesor Tutor: Rafael Blanquero Bravo y Emilio Carrizosa Priego Tema de trabajo ofertado: Inferencia bayesiana Requisitos (opcional) 1 : Se describirán los problemas básicos de la inferencia paramétrica desde una perspectiva bayesiana. En Sevilla, a 13 de octubre de 2017.
3 Dpto.: Estadística e Investigación Operativa Profesor Tutor: Rafael Blanquero Bravo y Emilio Carrizosa Priego Tema de trabajo ofertado: Optimización estocástica. La aproximación de la media muestral Requisitos (opcional) 1 : Se describirá teóricamente el método de la aproximación de la media muestral (sample average approximation), y se analizará su comportamiento práctico en problemas clásicos de la Investigación Operativa. En Sevilla, a 13 de octubre de 2017.
4 Dpto.: Estadística e Investigación Operativa Profesor Tutor: Rafael Blanquero Bravo y Emilio Carrizosa Priego Tema de trabajo ofertado: Regresión lasso Requisitos (opcional) 1 : Se analizará teóricamente el método lasso y se estudiará su comportamiento empírico en datos reales. En Sevilla, a 13 de octubre de 2017.
5 Dpto.:..Estadística e Investigación Operativa... Profesor Tutor:...Eduardo Conde... Tema de trabajo ofertado:...aplicaciones de la inferencia no paramétrica en Big Data Requisitos (opcional) 1 :...Haber aprobado la asignatura de Inferencia Estadística. Conocimientos del software de edición Latex y de R Se describirán algunas técnicas estadísticas de inferencia no paramétrica y posibles modificaciones. El objetivo es mejorar la eficiencia de estos métodos en aquellas situaciones en las que la adquisición de grandes cantidades de datos represente un desafío para su utilización en el análisis estadístico de los mismos. En Sevilla, a 10 de octubre de 2017.
6 Dpto: Estadística e I.O Profesor Tutor: Fernando López Blázquez Tema de trabajo ofertado: Clasificación y su implementación en R. Requisitos (opcional): Latex, Conocimientos básicos de R e Inferencia Estadística Breve descripción del trabajo propuesto 1 : Los problemas de clasificación surgen cuando la variable respuestas es de tipo cualitativo. Predecir la respuesta en este caso conlleva la asignación de cada individuo observado en alguna de las categorías de la variable respuesta. En el presente trabajo se estudiarán procedimientos básicos para la clasificación y las implementaciones existentes en R para la aplicación práctica de dichos procedimientos. En Sevilla, a 11 de Octubre de Extensión máxima permitida del formulario completo: una carilla.
7 Dpto.: Estadística e I.O. Profesor Tutor: Fernando López Blázquez Tema de trabajo ofertado: Elementos de Inferencia Bayesiana usando R Requisitos (opcional) 1 : Conocimientos básicos de R, Latex, buen dominio de las asignaturas EP, TP e IE del Grado de Matemáticas. La modelización Bayesiana de los fenómenos aleatorios combina el conocimiento a priori sobre los parámetros del modelo con los datos observados. El conocimiento a priori se refleja a través de una función de densidad sobre el espacio paramétrico y la verosimilitud asociada a los datos se considera condicionada a los valores del parámetro, combinando ambas mediante el Teorema de Bayes se obtienen las distribución a posteriori de los parámetros una vez observados los datos. La premisa básica de la Inferencia Bayesiana es que la inferencia debe realizarse con tales distribuciones a posteriori. En el trabajo se pretende estudiar modelos estadísticos básicos desde la perspectiva bayesiana junto con las rutinas de R que facilitan la aplicación de los mismos. En Sevilla, a 11 de Octubre de 2017.
8 Dpto.: Estadística e I.O. Profesor Tutor : Fernando López Blázquez Tema de trabajo ofertado: Introducción a los procedimientos Bootstrap. Requisitos (opcional: Latex, R, Inferencia Estadística Breve descripción del trabajo propuesto 1 : El Bootstrap es un procedimiento computacional para la resolución de problemas de inferencia estadística. Inicialmente fue propuesto como un procedimiento para la reducción del sesgo y la estimación del error standard en la estimación. Desde entonces la metodología Bootstrap se ha extendido de tal manera que casi cualquier técnica estadística de inferencia tienen su réplica Bootstrap. El objetivo de este trabajo es presentar la metodología Bootstrap básica y cómo esta es implementada usando el paquete R. En Sevilla, a 11 de Octubre de Extensión máxima permitida del formulario completo: una carilla.
9 Dpto.: Estadística e Investigación Operativa Profesor Tutor: Inmaculada Barranco Chamorro Tema de trabajo ofertado:.modelos de regresión para datos de tiempo vida Requisitos (opcional) 1 : Es deseable que el alumno tenga una formación estadística básica, así como conocimientos de programación en R. En este trabajo nos centraremos en el estudio de técnicas estadísticas para tratar con datos de tiempo de vida. Se estudiarán distribuciones de tiempo de vida, métodos de inferencia paramétrica y no paramétrica, centrándonos en los modelos de regresión y sus aplicaciones. En Sevilla, a 12 de octubre de 2017.
10 Dpto.: ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Profesor Tutor: JOSÉ LUIS PINO MEJÍAS Tema de trabajo ofertado: Modelos Estadísticos en Inmunología Requisitos (opcional): Haber cursado la asignatura de Modelos Lineales y Diseño de Experimentos. Breve descripción del trabajo propuesto: El objetivo del Trabajo Fin de Grado es realizar una revisión de las bases teóricas de las técnicas estadísticas más aplicadas en Inmunología, su programación en las librerías específicas de R y la aplicación a conjuntos de datos extraídos de fuentes estadísticas oficiales. En Sevilla, a 13 de octubre de 2017.
11 Dpto.: ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Profesor Tutor: JOSÉ LUIS PINO MEJÍAS Tema de trabajo ofertado: TÉCNICAS ESTADÍSTICAS EN MINERÍA DE TEXTOS Requisitos (opcional) : Breve descripción del trabajo propuesto: El objetivo del Trabajo Fin de Grado es realizar una revisión de las bases teóricas de las técnicas estadísticas aplicables a la Minería de Textos, la programación en R de las principales técnicas y la aplicación a conjuntos de datos extraídos mediante el uso de las librerías específicas. En Sevilla, a 9 de octubre de 2017.
12 Dpto.: Estadística e Investigación Operativa Profesor Tutor: José María Fernández Ponce Tema de trabajo ofertado: Teoría de Juegos: el penalty de Nash Requisitos (opcional) 1 : Conocimientos básicos de Inglés, de LaTeX La Teoría de Juegos es una rama de la Estadística e IO cuyo objetivo es analizar las situaciones de conflicto entre decisores con intereses comunes o diferentes. Fue introducida por Émile Borel en 1921 y desarrollada posteriormente por von Neumann y Morgenstern en 1928 como soporte en la toma de decisiones en Economía. En 1949, John Forbes Nash demostró la existencia de un punto de equilibrio en un juego de n jugadores. La teoría desarrollada por Nash se ha aplicado en diversos campos científicos desde la Economía hasta la Biología, en esta última para explicar la teoría de la evolución. Por sus aplicaciones económicas, se le concedió el premio Nobel en 1994 a John Nash compartido con John C. Harsanyi y Reinhard Selten. Este trabajo constará de dos partes bien diferenciadas. En la primera se hará un desarrollo teórico de los conceptos básicos en teoría de juegos de suma nula y de suma no nula. En particular para los juegos de suma nula, se estudiará la existencia de una solución de los juegos matriciales con estrategias mixtas, las propiedades de las estrategias óptimas y el valor del juego. De igual forma se desarrollará el concepto de juegos simétricos y completamente mixtos. Para los juegos de suma no nula se definirá el concepto de juegos no cooperativos en forma normal y los principios de optimalidad. Se demostrará la existencia del punto de equilibrio de Nash, el teorema del punto fijo de Kakutani y la demostración de la existencia del punto de equilibrio en juegos n personales. La segunda parte del TFG será la aplicación de los conceptos teóricos vistos anteriormente en dos situaciones reales en el ámbito de las Ciencias del Deporte. En primer lugar se desarrollará lo que se conoce con el nombre de el penalty de Nash. Situación básica de juego bipersonal de suma nula donde aplicando correctamente los
13 resultados teóricos de la teoría de juegos se puede realizar un análisis con vistas a tomar la decisión óptima tanto para el portero como para el lanzador. Una posible segunda aplicación sería usar los conceptos de los juegos de suma no nula en la toma de decisión para la selección de las mejores estrategias ofensivas y defensivas durante un partido de fútbol. En Sevilla, a 9 de octubre de 2017.
14 Dpto.:. DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA. Profesor Tutor:.. Juan Manuel Muñoz Pichardo. Tema de trabajo ofertado: Modelo de regresión ordinal y sus aplicaciones Requisitos (opcional) 1 : Tener aprobado la asignatura Inferencia Estadística. Recomendable: haber cursado la asignatura Modelos Lineales y Diseño de Experimentos. En muchas aplicaciones socio-económicas y bio-sanitarias las variables respuestas son ordinales. El Trabajo Fin de Grado consistirá en la elaboración de una memoria que contenga los modelos básicos para respuestas ordinales, la inferencia estadística sobre los mismos (estimación de parámetros, contrastes de hipótesis fundamentales y medidas de ajuste y adecuación de los datos). A partir del mismo, se deberá incluir aplicaciones bio-sanitarias y/o socio-económicas del modelo y su implementación en R Program. La memoria deberá incluir una o varias aplicaciones a conjuntos de datos reales a través R Program. En Sevilla, a 4 de octubre de 2017.
15 Dpto.:. DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA. Profesor Tutor:.. Juan Manuel Muñoz Pichardo. Tema de trabajo ofertado: Modelos de regresión para datos espaciales Requisitos (opcional) 1 : Tener aprobado la asignatura Inferencia Estadística. Recomendable: haber cursado la asignatura Modelos Lineales y Diseño de Experimentos. En muchas aplicaciones socio-económicas, biológicas y medioambientales se ha de utilizar la dimensión espacial de los fenómenos bajo estudio. El Trabajo Fin de Grado consistirá en la elaboración de una memoria que contenga técnicas básicas para el análisis de datos geográficos y diversos modelos de regresión para este tipo de datos (Regresión Espacial, Modelo Espacial de Durbin, ), con la inferencia estadística sobre los mismos (estimación de parámetros, contrastes de hipótesis fundamentales y medidas de ajuste y adecuación de los datos). Se deberá incluir aplicaciones biológicas, medioambientales y/o socio-económicas de las técnicas y su implementación en R Program. La memoria deberá incluir una o varias aplicaciones a conjuntos de datos reales a través R Program. En Sevilla, a 4 de octubre de 2017.
16 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Profesor Tutor: Juan Manuel Muñoz Pichardo. Tema de trabajo ofertado: Técnicas de reducción de la dimensión para datos con mixtura de variables cualitativas y cuantitativas: PCAMIX. Requisitos (opcional) 1 : Tener aprobado la asignatura Inferencia Estadística. Recomendable: haber cursado las asignaturas Modelos Lineales y Diseño de Experimentos y Análisis de Datos Multivariantes. En la actualidad, numerosos estudios e investigaciones utilizan conjuntos de datos de grandes dimensiones, por lo que las técnicas de reducción de la dimensión son cada vez más utilizadas y necesarias. Además, tales conjuntos de datos contienen tanto variables cualitativas como cuantitativas, por lo que se han de aplicar técnicas adaptadas a estas mixturas de variables. Una de las más utilizadas es PCAMIX. El Trabajo Fin de Grado consistirá en la elaboración de una memoria que contengan la descripción de esta técnica, y de su implementación en R. Deberá incluir una revisión bibliográfica de aplicaciones socio-económicas y bio-sanitarias, así como una o varias aplicaciones a conjuntos de datos reales a través de R. En Sevilla, a 5 de octubre de 2017.
17 Dpto.:...Estadística e Investigación Operativa... Profesor Tutor:...Justo Puerto Albandoz... Tema de trabajo ofertado:...problemas de rutas de vehículos por vértices Requisitos (opcional) 1 :...Tener aprobada Programación Matemática y estar cursando o tener aprobada Modelos de la Investigación Operativa En este trabajo se analizarán los principales modelos de rutas de vehículos sin capacidades que tienen que recorrer todos los vértices de una red: Problema del viajante de comercio y problemas VRP con múltiples depósitos, en sus diversas versiones. Así mismo se realizarán las correspondientes implementaciones de estos modelos en solvers de programación entera y se llevarán a cabo experiencias computacionales con datos reales o aleatorios. En Sevilla, a 10 de octubre de 2017
18 Dpto.:...Estadística e Investigación Operativa... Profesor Tutor:...Justo Puerto Albandoz... Tema de trabajo ofertado:...problemas de rutas de vehículos por arcos Requisitos (opcional) 1 :...Tener aprobada Programación Matemática y estar cursando o tener aprobada Modelos de la Investigación Operativa En este trabajo se analizarán los principales modelos de rutas de vehículos sin capacidades que tienen que recorrer todos los arcos de una red: Problema de cartero chino y problemas del cartero rural, en sus diversas versiones. Así mismo se realizarán las correspondientes implementaciones de estos modelos en solvers de programación entera y se llevarán a cabo experiencias computacionales con datos reales o aleatorios. En Sevilla, a 10 de octubre de 2017
19 Dpto.:...Estadística e Investigación Operativa... Profesor Tutor:...M. Dolores Jiménez Gamero... Tema de trabajo ofertado:...el problema de las k muestras cuando k crece Requisitos (opcional) 1 : Un problema clásico en Estadística es el de la comparación de k muestras, donde k es un número fijo de distribuciones y se permite que el tamaño de la muestra de cada distribución aumente sin límite. En el ANOVA de una vía con la suposición de varianza homogénea y normalidad, la prueba F proporciona una prueba exacta. Un tema recurrente en la estadística moderna es tratar con un gran número de conjuntos de datos bastante pequeños. Por ejemplo, los microarrays producen datos que pueden ser enmarcados de esta manera. En este trabajo se estudian métodos para el problema de las k-muestras cuando k crece y los tamaños de muestra en cada población son pequeños. En Sevilla, a 9 de octubre de 2017.
20 Dpto.: ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Profesor Tutor: PEDRO LUIS LUQUE CALVO Tema de trabajo ofertado: El análisis envolvente de datos (DEA). Modelo con rendimientos a escalas variables y el índice de Malmquist Requisitos (opcional) 1 : En este trabajo se estudiará cómo medir la eficiencia de las unidades productivas al tener en cuenta tanto los recursos utilizados como los resultados obtenidos. Se usará la metodología no parámetrica conocida como Análisis Envolvente de Datos (DEA). A partir de esta metodología es posible precisar la frontera tecnológica basada en unidades productivas que, por sus buenos resultados, son consideradas como aquellas que realizan las mejores prácticas productivas en relación al resto de unidades. También se utilizará el índice de Malmquist para cuantificar los cambios de la eficiencia a lo largo del tiempo. Con ayuda de software, AMPL y/o R, se resolverán e interpretarán algunos casos prácticos. En Sevilla, a 13 de octubre de 2017.
21 Dpto.:...Estadística e Investigación Operativa... Profesor Tutor:...M. Dolores Jiménez Gamero... Tema de trabajo ofertado:...estimadores de mínima phi-divergencia... Requisitos (opcional) 1 :...haber cursado la asignatura Inferencia Estadística... En la asignatura Inferencia Estadística se estudia, como método para la obtención de estimadores, el método de máxima verosimilitud. Este método puede verse como un caso particular de un método más general, basado en minimizar una función que mide la disimilaridad entre la muestra y el modelo de probabilidad paramétrico. Este trabajo estudia las propiedades de los estimadores obtenidos mediante este método más general, los estimadores de mínima phi-divergencia. En Sevilla, a 9 de octubre de 2017.
22 Dpto.:...Estadística e Investigación Operativa... Profesor Tutor:...Rafael Pino Mejías... Tema de trabajo ofertado: Modelos de Clasificación con datos no balanceados... Requisitos (opcional) 1 : Se habla de clasificación con datos no balanceados cuando una o más clases de la variable respuesta se presenta en el conjunto de entrenamiento en proporciones muy inferiores a las del resto de categorías. La construcción directa de modelos de clasificación sobre estos datos suele conllevar bajas tasas de acierto esperadas sobre las clases minoritarias. El alumno estudiará las principales técnicas existentes y las aplicará sobre varias bases de datos con la ayuda de las librerías existentes en R. En Sevilla, a 9 de Octubre de 2017
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
INDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Planificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 6109 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Planificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 8104 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
DISEÑO EXPERIMENTAL Biología, 2º Ciclo Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO
DISEÑO EXPERIMENTAL Biología, 2º Ciclo 2005-2006 Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO Tema 1 Introducción Diseño experimental e inferencia estadística: las dos caras de una misma
Guía docente de Estadística
Guía docente de Estadística Asignatura Materia Módulo Titulación Estadística Matemáticas y Estadística Básico Grado en Enología Plan 444 Código 42030 Periodo de impartición 1 er Cuatrimestre Tipo/Carácter
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
Diplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
INDICE. Capitulo Uno.
INDICE Prefacio XIII Capitulo Uno. 1 Introducción 1.1. Estadística: La ciencia de los datos 2 1.2. Tipos de datos 5 1.3. El papel de la estadística 7 1.4. Resumen 8 Laboratorio de Computación. Introducción
Nota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Teórica básica. Incluimos. - Temas
Teórica básica Incluimos - Temas 1 - Tema 1: Fenómenos aleatorios. Conceptos de probabilidad. Propiedades. Independencia de sucesos. Teorema de Bayes. - Tema 2: Variables aleatorias. Variables discretas.
PROGRAMA DE LA ASIGNATURA
PROGRAMA DE LA ASIGNATURA Curso académico: 2012/13 Identificación y características de la asignatura Código Créditos ECTS Denominación Métodos Estadísticos Aplicados en Enfermería Titulaciones Grado en
PROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
PROYECTO DOCENTE ASIGNATURA: "Estadística"
PROYECTO DOCENTE ASIGNATURA: "Estadística" Grupo: Clases Teór. Estadística Grupo 3(942466) Titulacion: Grado en Ingeniería Informática-Ingeniería del Software Curso: 2017-2018 DATOS BÁSICOS DE LA ASIGNATURA/GRUPO
DEPARTAMENTO DE MATEMÁTICAS Página 1
DEPARTAMENTO DE MATEMÁTICAS Página 1 APROBADO EN EL CONSEJO DE LA FACULTAD DE CIENCIAS EXACTAS ACTA 13 DEL 21 ABRIL 2010 PROGRAMAS DEL DEPARTAMENTO DE MATEMÁTICAS El presente formato tiene la finalidad
Unidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
FACULTAD DE CIENCIAS DEL TRABAJO
Curso 8/9 DENOMINACIÓN DE LA ASIGNATURA Denominación: ESTADÍSTICA Código: 878 Plan de estudios: GRADO DE RELACIONES LABORALES Y RECURSOS HUMANOS Denominación del módulo al que pertenece: Materia: ESTADÍSTICA
PROGRAMA DE CURSO. Código Nombre ESTADÍSTICA PARA LA ECONOMÍA Y GESTIÓN Nombre en Inglés Statistics for Economics and Management Unidades
PROGRAMA DE CURSO Código Nombre IN3401 ESTADÍSTICA PARA LA ECONOMÍA Y GESTIÓN Nombre en Inglés Statistics for Economics and Management es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar
ESTRATEGIAS EN JUEGOS MATRICIALES Y LA MÁXIMA PROBABILIDAD DE OBTENER AL MENOS UN OBJETIVO
UNIVERSIDAD NACIONAL DEL SANTA FACULTAD DE CIENCIAS DEPARTAMENTO DE MATEMATICAS INFORME DE INVESTIGACION: ESTRATEGIAS EN JUEGOS MATRICIALES Y LA MÁXIMA PROBABILIDAD DE OBTENER AL MENOS UN OBJETIVO RESPONSABLE
DESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Nombre de la asignatura : Estadística Aplicada. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9308
. D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Estadística Aplicada Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-908 Horas teoría-horas práctica-créditos
INDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Benemérita Universidad Autónoma de Puebla Vicerrectoría de Docencia Dirección General de Educación Superior Facultad de Ciencias Físico Matemáticas
PLAN DE ESTUDIOS (PE): Licenciatura en Física ÁREA: Matemáticas ASIGNATURA: Estadística CÓDIGO: CRÉDITOS: 6 FECHA: Noviembre de 2016 1. DATOS GENERALES Nivel Educativo: Licenciatura Nombre del Plan de
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA
GUÍA DOCENTE 2012-2013 ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA 1. Denominación de la asignatura: ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA Titulación GRADO EN FINANZAS Y CONTABILIDAD Código 5592
Titulación(es) Titulación Centro Curso Periodo Grado de Fisioterapia FACULTAT DE FISIOTERÀPIA 1 *
FICHA IDENTIFICATIVA Datos de la Asignatura Código 33005 Nombre Estadística Ciclo Grado Créditos ECTS 6.0 Curso académico 2017-2018 Titulación(es) Titulación Centro Curso Periodo 1202 - Grado de Fisioterapia
PROGRAMA DE LA ASIGNATURA. Curso académico: 2009/2010
PROGRAMA DE LA ASIGNATURA Curso académico: 2009/2010 Identificación y características de la asignatura Código 500736-2 Créditos ECTS 6 Denominación Bioestadística Titulaciones Grado en Medicina, Grado
DEPARTAMENTO DE MATEMÁTICAS Página 1
DEPARTAMENTO DE MATEMÁTICAS Página 1 APROBADO EN EL CONSEJO DE LA FACULTAD DE CIENCIAS EXACTAS ACTA 13 DEL 21 ABRIL 2010 PROGRAMAS DEL DEPARTAMENTO DE MATEMÁTICAS El presente formato tiene la finalidad
Estadística /Química 2004
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:
FACULTAD DE CIENCIAS DEL TRABAJO
DENOMINACIÓN DE LA ASIGNATURA Denominación: Código: 878 Plan de estudios: GRADO DE RELACIONES LABORALES Y RECURSOS HUMANOS Denominación del módulo al que pertenece: Materia: Carácter: BASICA Créditos ECTS:
PROGRAMA. 2. MATERIA/ SEMINARIO/OBLIGACION ACADEMICA: Estadística
UNIVERSIDAD DEL SALVADOR Delegación Provincia de Corrientes Campus San Roque González de Santa Cruz Plan. Res. Rec. 60/006 PROGRAMA 1. CARRERA: Agronomía. MATERIA/ SEMINARIO/OBLIGACION ACADEMICA: Estadística
Part VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Planificaciones Estadística Aplicada I. Docente responsable: BURSKY JORGE CESAR CARLOS. 1 de 6
Planificaciones 9103 - Estadística Aplicada I Docente responsable: BURSKY JORGE CESAR CARLOS 1 de 6 OBJETIVOS Transmitir al alumno los conocimientos necesarios para analizar situaciones y comprender los
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Información general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
MÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA PROGRAMA DE LA ASIGNATURA DE: PROBABILIDAD Y ESTADÍSTICA IDENTIFICACIÓN
Unidad V: Estadística aplicada
Unidad V: Estadística aplicada 5.1 Inferencia estadística: Concepto, Estimación, Prueba de hipótesis La Inferencia Estadística es la parte de la estadística matemática que se encarga del estudio de los
Titulación(es) Titulación Centro Curso Periodo Grado de Fisioterapia FACULTAT DE FISIOTERÀPIA 1 Primer cuatrimestre
FICHA IDENTIFICATIVA Datos de la Asignatura Código 33005 Nombre Estadística Ciclo Grado Créditos ECTS 6.0 Curso académico 2016-2017 Titulación(es) Titulación Centro Curso Periodo 1202 - Grado de Fisioterapia
EXPERIENCIA PILOTO DE CRÉDITOS EUROPEOS UNIVERSIDAD DE CÓRDOBA CURSO FICHA DE ASIGNATURA DATOS BÁSICOS DE LA ASIGNATURA
EXPERIENCIA PILOTO DE CRÉDITOS EUROPEOS UNIVERSIDAD DE CÓRDOBA FACULTAD DE DERECHO Y CIENCIAS ECONÓMICAS Y EMPRESARIALES GUÍA DOCENTE DE LA LICENCIATURA EN DERECHO Y ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN HORAS SEMANA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN PROGRAMA DE ASIGNATURA SEMESTRE:6 (SEXTO) Estadística
1. PROGRAMACION 2º CURSO BACHILLERATO CCSS
1. PROGRAMACION 2º CURSO BACHILLERATO CCSS Esta programación incluye las indicaciones del Armonizador de la Universidad de Zaragoza 1.1. CONTENIDOS Se estructuran en tres grandes bloques: BLOQUE 1: ÁLGEBRA
MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO
GUIA DOCENTE DE LA ASIGNATURA ( ) ESTADÍSTICA Y OPTIMIZACIÓN Curso 2017-2018 (Fecha última actualización: dd/mm/aaaa) (Fecha de aprobación en Consejo de Departamento: 20/06/2017) MÓDULO MATERIA CURSO SEMESTRE
Guía Docente: ESTADÍSTICA APLICADA
ESTADÍSTICA APLICADA FACULTAD DE CIENCIAS QUÍMICAS UNIVERSIDAD COMPLUTENSE DE MADRID CURSO 2017-2018 I.- IDENTIFICACIÓN NOMBRE DE LA ASIGNATURA: NÚMERO DE CRÉDITOS: 6 CARÁCTER: Obligatoria MATERIA: Estadística
Plan de Estudios 1994
LINEA DE ESTUDIO: MÉTODOS CUANTITATIVOS Programa de la asignatura: ESTADISTICA Objetivo Que el educando aplique la inferencia estadística en los problemas económicos, y pueda tomar decisiones en estimaciones,
Guía Docente: ESTADÍSTICA Y CÁLCULO MATEMÁTICO
ESTADÍSTICA Y CÁLCULO MATEMÁTICO FACULTAD DE CIENCIAS QUÍMICAS UNIVERSIDAD COMPLUTENSE DE MADRID CURSO 2014-2015 I.- IDENTIFICACIÓN NOMBRE DE LA ASIGNATURA: NÚMERO DE CRÉDITOS: 6 CARÁCTER: Obligatoria
Page 1 of 5 Departamento: Dpto Matematica Nombre del curso: PROBABILIDAD Y ESTADÍSTICA Clave: 003872 Academia a la que pertenece: Probabilidad y Estadística Requisitos: Requisito de Probabilidad y Estad
FIE - Fundamentos de Inferencia Estadística
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 200 - FME - Facultad de Matemáticas y Estadística 1004 - UB - Universitat de Barcelona 715 - EIO - Departamento de Estadística
Planificaciones Probabilidad y Estadística A. Docente responsable: MANCILLA AGUILAR JOSE LUIS. 1 de 5
Planificaciones 6106 - Probabilidad y Estadística A Docente responsable: MANCILLA AGUILAR JOSE LUIS 1 de 5 OBJETIVOS 1) Introducir al alumno en la comprensión de la necesidad y oportunidad de la aplicación
Guía Docente: ESTADÍSTICA APLICADA
ESTADÍSTICA APLICADA FACULTAD DE CIENCIAS QUÍMICAS UNIVERSIDAD COMPLUTENSE DE MADRID CURSO 2018-2019 I.- IDENTIFICACIÓN NOMBRE DE LA ASIGNATURA: NÚMERO DE CRÉDITOS: 6 CARÁCTER: Obligatoria MATERIA: Estadística
Planificaciones Probabilidad y Estadística A. Docente responsable: MANCILLA AGUILAR JOSE LUIS. 1 de 6
Planificaciones 8103 - Probabilidad y Estadística A Docente responsable: MANCILLA AGUILAR JOSE LUIS 1 de 6 OBJETIVOS 1) Introducir al alumno en la comprensión de la necesidad y oportunidad de la aplicación
CUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
ANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Probabilidad y estadistica. CURSO ACADÉMICO - SEMESTRE Segundo semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Probabilidad y estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Segundo semestre GA_61CI_615000302_2S_2016-17 Datos Descriptivos Nombre de la Asignatura
Universidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Folleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Asignatura: BIOESTADISTICA. Curso: º de Medicina.
Asignatura: BIOESTADISTICA. Curso: 2002-2003. 1º de Medicina. Profesores: Agustín García Nogales, Miguel González Velasco y Jesús Montanero Fernández. Introducción sobre la Estadística y las Ciencias de
Guía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
Conocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Información general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura E S T A D I S T I C A Código 73210011 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
Presentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro
Presentación de la Asignatura Estadística II Prof. Sergio Jurado Chamorro Estadística II: La asignatura Contexto Enfoque Nivel matemático Conocimientos básicos Otro requerimientos Herramienta de apoyo
PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016
PROGRAMA DE ASIGNATURA Prosecución de estudios en Economía Segundo semestre de 2016 ECONOMETRIA I Asignatura Carrera Ingeniería Comercial Código 351472 Créditos 7 SCT Tbjo. Directo: 6 hrs. pedag. Tbjo.
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA
GUÍA DOCENTE 2016-2017 ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA (SEGUNDO CURSO) 1. Denominación de la asignatura: ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA Titulación GRADO EN FINANZAS Y CONTABILIDAD
CURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
GUÍA DOCENTE DE LA ASIGNATURA
Grado en Ingeniería Química GUÍA DOCENTE DE LA ASIGNATURA Estadística Curso Académico 2011-2012 1 1. DATOS IDENTIFICATIVOS DE LA ASIGNATURA Título/s Centro Módulo / materia Código y denominación Créditos
BIOSESTADÍSTICA AMIGABLE
BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Asignatura: ESTADISTICA I (1024) Programa aprobado por Resolución UNM-R Nº 285/11
Asignatura: ESTADISTICA I (1024) Programa aprobado por Resolución UNM-R Nº 285/11 Carrera: LICENCIATURA EN RELACIONES DEL TRABAJO (Plan de estudios aprobado por Resolución UNM-R Nº 21/10) 1 Carrera: LICENCIATURA
Introducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
OBJETIVOS DE LAS MATEMÁTICAS APLICADAS A LAS CIENCIAS
2º BACHILLERATO DE CIENCIAS SOCIALES OBJETIVOS DE LAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SICIALES II CONTENIDOS DE LAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II CRITERIOS DE EVALUACIÓN DE LAS
Matemáticas Aplicadas a las Ciencias Sociales II. Comisión Permanente
Matemáticas Aplicadas a las Ciencias Sociales II. Comisión Permanente Centro de Profesores y Recursos Mérida, 22 febrero 2012 Enrique García, Jacinto Martín Índice 1 Informe 2 Contenidos 3 Criterios de
LICENCIATURA EN ECONOMÍA Y LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS
DEPARTAMENT D ECONOMIA APLICADA UNIVERSITAT DE VALENCIA LICENCIATURA EN ECONOMÍA Y LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA TEMA 1: INTRODUCCIÓN
RESUMEN PROGRAMACIÓN ESTADÍSTICA II. 2. Calcular permutaciones, variaciones y combinaciones.
RESUMEN PROGRAMACIÓN ESTADÍSTICA II OBJETIVOS 1. Conocer las principales técnicas de recuento. 2. Calcular permutaciones, variaciones y combinaciones. 3. Conocer y aplicar el lenguaje de los sucesos y
GRADO EN INGENIERÍA MECÁNICA ESTADÍSTICA. Información general. Idiomas de impartición. Competencias que se trabajan. Básica.
2017-07-09 23:11:12 GRADO EN INGENIERÍA MECÁNICA 101231 - ESTADÍSTICA Información general Tipo de asignatura : Básica Coordinador : Pablo Alb. Genovese Curso: Segundo Trimestre: Tercero Créditos: 6 Profesorado:
Teoría y problemas resueltos de matemática aplicada y estadística para farmacia
Teoría y problemas resueltos de matemática aplicada y estadística para farmacia Editorial: Paraninfo Autor: VIRGILIO GOMEZ RUBIO, EMILIO LÓPEZ CANO Clasificación: Universidad > Matemáticas Tamaño: No disponible
Teoría y problemas resueltos de matemática aplicada y estadística para farmacia
Teoría y problemas resueltos de matemática aplicada y estadística para farmacia Editorial: Paraninfo Autor: VIRGILIO GOMEZ RUBIO, EMILIO LÓPEZ CANO Clasificación: Universidad > Matemáticas Tamaño: No disponible
Desirée Romero, Dpto. de Estadística e I. O., 1ª planta, Facultad de Ciencias, despacho 23, Desirée Romero Molina
GUIA DOCENTE DE LA ASIGNATURA Estadística Curso 2014-2015 (Fecha última actualización: 25/07/14) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO MATERIAS BÁSICAS INSTRUMENTALES PARA LA BIOTECNOLOGÍA PROFESOR(ES)
SEGUNDO DE BACHILLERATO MATEMÁTICAS II
SEGUNDO DE BACHILLERATO MATEMÁTICAS II La asignatura Matemáticas II, de segundo de bachillerato, en una materia troncal de acuerdo con el Real Decreto 1105/2104, de 26 de diciembre, (BOE 3-I- 2015), por
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA CIVIL DEPARTAMENTO DE INGENIERÍA HIDROMETEOROLÓGICA LABORATORIO:
17 o 1765 5 FUNDAMENTACION En un sentido general la estadística es la ciencia que se ocupa de la colección, clasificación, análisis e interpretación de hechos o datos numéricos. Esta ciencia puede aplicarse
NOMBRE DE LA ASIGNATURA Muestreo estadístico. Curso
muestreo GUIA DOCENTE DE LA ASIGNATURA NOMBRE DE LA ASIGNATURA Muestreo estadístico. Curso 2015-2016 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Estadística PROFESOR(ES) Muestreo estadístico y diseño de
DEPARTAMENTO DE MATEMÁTICAS PLAN DE TRABAJO PARA LA CONVOCATORIA DE SEPTIEMBRE º BACHILLERATO DE CIENCIAS SOCIALES.
DEPARTAMENTO DE MATEMÁTICAS PLAN DE TRABAJO PARA LA CONVOCATORIA DE SEPTIEMBRE 2017 UNIDAD 1.-Matrices. Conceptos: 2º BACHILLERATO DE CIENCIAS SOCIALES. Tipos de matrices. Tipos de matrices cuadradas.
CM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Pontificia Universidad Católica Argentina Facultad de Ciencias Sociales y Económicas
MATERIA Estadística II CARRERA /S Licenciatura en Economía PROFESORES Lic. Carlos A. Barbosa Lic. Silvina D Angelo CURSO 1ero A Tarde SEMESTRE AÑO 1er Semestre - 2010 PAGINAS 5 1 UNIVERSIDAD CATOLICA ARGENTINA
PROYECTO DOCENTE ASIGNATURA: "Optimización de Sistemas"
PROYECTO DOCENTE ASIGNATURA: "Optimización de Sistemas" Grupo: Clases Teóricas Optimizacion de Sistemas(972203) Titulacion: Grado en Ingeniería Informática-Ingeniería del Software Curso: 2016-2017 DATOS
matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
PROBABILIDAD Y ESTADÍSTICA ECON 2302 Sección 4 HAROLD CORONADO ARANGO
PROBABILIDAD Y ESTADÍSTICA ECON 2302 Sección 4 HAROLD CORONADO ARANGO hcoronad@uniandes.edu.co hcoronad@hotmail.com 2010-1 Las clases inician el 18 de enero de 2010 y culminan el 7 de mayo de 2010. 1.
GRADOS EN CIENCIAS MATEMÁTICAS: MATEMÁTICAS Y ESTADÍSTICA FACULTAD DE CIENCIAS MATEMÁTICAS UCM
GRADOS EN CIENCIAS MATEMÁTICAS: MATEMÁTICAS Y ESTADÍSTICA FACULTAD DE CIENCIAS MATEMÁTICAS UCM MARCO DE DESARROLLO La Facultad de Ciencias Matemáticas es, en la actualidad, la facultad de España que más
NOMBRE DE LA ASIGNATURA Muestreo estadístico. Curso
GUIA DOCENTE DE LA ASIGNATURA NOMBRE DE LA ASIGNATURA Muestreo estadístico. Curso 2014-2015 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Estadística PROFESOR(ES) Muestreo estadístico y diseño de encuestas
Reunión Plenaria Matemáticas Aplicadas a las Ciencias Sociales II
Reunión Plenaria Matemáticas Aplicadas a las Ciencias Sociales II Centro de Profesores y Recursos Mérida, 8 de Noviembre de 2011 Enrique García, Jacinto Martín Índice 1 Currículo de Matemáticas Aplicadas
INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial