Análisis de la varianza de un factor
|
|
- Rodrigo Miguel Montes Salas
- hace 5 años
- Vistas:
Transcripción
1 Aálss de la varaza de u factor El test t de muestras se aplca cuado se quere comparar las medas de dos poblacoes co dstrbucoes ormales co varazas guales y se observa muestras depedetes para cada poblacó (modelo B). Ahora cosderaremos u problema smlar, pero cuado se quere comparar tres o más medas. Ejemplo 7: E la tabla sguete se muestra los resultados obtedos e ua vestgacó acerca de la establdad de u reactvo fluorescete e dferetes codcoes de almaceameto. Se coservaro tres muestras e cada ua de 4 codcoes. Supogamos (porque a veces puede ocurrr) que para ua de las codcoes, la medcó o pudo realzarse o se detectó u error grosero y fue elmada. Los datos observados so: 11
2 Codcoes Recetemete preparada Ua hora e la oscurdad Ua hora co luz teue Ua hora co luz brllate Medcoes observadas (señales de fluoresceca) Meda Muestral 10, 100, , 101, , 95, , Mrado las medas muestrales se ve que so dferetes. Pero os pregutamos, s las codcoes de almaceameto o fluyero sobre la fluoresceca de las muestras (ésta será uestra H 0 ), cuál es la probabldad de que por azar smplemete se observe dferecas etre las medas muestrales de estas magtudes? 113
3 Para geeralzar supogamos que observamos k muestras (e el ejemplo k=4). Supoemos el sguete modelo, que es ua geeralzacó del modelo B de la clase ateror: Modelo de k muestras ormales depedetes co varazas guales. Muestra 1: X 11, X 1,..., X 1 1 vs. as...d N(μ 1, σ )... Muestra : X 1, X,..., X vs. as...d N(μ, σ )... Muestra k: X 1, X k,..., X k k vs. as...d N(μ k, σ ) y las vs. as. de ua muestra so depedetes de las vs. as. de otra muestra. Llamemos X y s a la meda y la varaza muestrales de la muestra (para = 1,,...,k) 114
4 115
5 Parece atural que el estmador de σ se obtega calculado u promedo poderado de las varazas de cada muestra s. Se puede demostrar que el mejor estmador sesgado de σ bajo el modelo ateror es: s p ( = 1 1) * s ( k k k 1)* s k = k = ( 1) * s k (3) E la últma expresó hemos llamado al úmero total de observacoes. = k = Vamos a estudar la hpótess ula: H 0 : μ 1 = μ =...= μ k La hpótess alteratva es H 1 : o es certa H 0 Llamemos 116
6 X = k = X = k = j = 1 X j a la meda geeral de todas las observacoes El estadístco para el test óptmo para este problema, tee al estmador de la varaza (dado por (3)) e el deomador y ua medda de las dferecas (smlar a la varaca) etre las medas de las dsttas muestras e el umerador. Esta medda es: k ( X X ) = (4) k 1 El estadístco del test se obtee dvdedo (4) sobre (3): 117
7 F = k = ( X X ) s p / ( k 1) (5) 118
8 Test F: 1er. paso: Calculo el estadístco F dado por (5) Nota: S H 0 : μ 1 = μ =...= μ k es certa, este estadístco tee dstrbucó F co k-1 grados de lbertad e el umerador y -k g.l. e el deomador. do. paso: S F > F k-1,-k;α rechazo H
9 Las cuetas de este test puede hacerse co el Statstx. Para ello hay que r a "Statstcs", "Oe, Two, Mult-Sample Tests", "Oe-Way AOV" y se obtee: 10
10 ONE-WAY AOV FOR FLUORESCE BY CONDICION SOURCE DF SS MS F P BETWEEN WITHIN TOTAL CHI-SQ DF P BARTLETT'S TEST OF EQUAL VARIANCES Para que srve este test? SAMPLE GROUP CONDICION MEAN SIZE STD DEV TOTAL
11 por lo que se rechaza la hpótess H 0 : μ 1 = μ = μ 3 = μ 4 y se cocluye que la meda de la fluoresceca depede de las codcoes de almaceameto. Cometaros sobre la tabla del aálss de la varaza. Se puede demostrar que vale la sguete gualdad: k = j= 1 ( X j X ) = k = ( X X ) + k = j= 1 ( X j X ) E la expresó ateror aparece tres sumas de cuadrados : suma de cuadrados etre grupos, suma de cuadrados detro de grupos suma de cuadrados total. Statstx calcula estas tres sumas de cuadrados para el ejemplo y las muestra e la tabla que aparece al prcpo de la salda ateror (llamada tabla del aálss de la varaza). DF es la abrevatura de degrees of freedom, SS de sum of squares y MS de mea square. E castellao sera gl, SC y CM. 1
12 Aalyss of Varace Source SS Df MS F Prob > F Betwee SSB k-1 MSB = SSB/k-1 Wth SSW N-k MSW = SSW/N-k MSB/MSW Total SST N-1 MST = SST/N-1 13
13 Suposcoes del modelo. Dagóstco. El test F se ha deducdo supoedo el modelo de k muestras ormales depedetes co varazas guales. Cuado el tamaño de la muestra de cada grupo es grade, el test F es váldo (el valor p calculado es aproxmado) auque la varable o tega dstrbucó ormal, gracas al Teorema Cetral del Límte. E la practca o es esperable que el modelo sea completamete certo, pero sí aproxmadamete. Al gual que co el test t, hay que observar los datos para detectar s el modelo es aproxmadamete certo o es falso. 14
14 Normaldad: S, luego de obteer la salda ateror, vamos a "Results", "Plots", "Normal Probablty Plot", obteemos el sguete gráfco: Cómo se calcula los resduos que se represeta e el gráfco ateror? Tato este gráfco como el test de Shapro-Wlk (que se muestra abajo del msmo), srve para decdr s puede rechazarse la ormaldad. 15
15 ~ d j = Y j Y. FCEyN - Estadístca para Químca Dra. Marta García Be Test para estudar s las varazas so guales: Para estudar la suposcó de gualdad de varazas, además del gráfco també se puede hacer algú test. Alguos paquetes estadístcos hace automátcamete algú test de la hpótess de gualdad de varazas cuado uo le pde el aálss de la varaza de u factor. El problema es cosderar el modelo X j N(μ,σ ) (=1,...,k; j=1,..., ) depedetes y la hpótess H: σ 1 = σ =... = σ k. Hay varos tests. El más atguo es el test de Bartlett (es el que hace Statstx). Se basa e u estadístco que tee dstrbucó aproxmadamete χ k-1 bajo H. Tee u coveete sero: es muy sesble a la falta de ormaldad. 16
16 Otro test que es poco sesble a la falta de ormaldad es el test de Levee. Para aplcarlo, prmero se calcula d j = X ~ X j dode X ~ deota la medaa del tratameto. Luego se calcula el estadístco F del aálss de u factor a los d j. S la hpótess H: σ 1 = σ =... = σ k es certa y todos los o so muy pequeños, el estadístco tee dstrbucó aproxmadamete F co k-1 y -k g.l. Esto permte aplcar u test aproxmado de la hpótess de gualdad de varazas. Para aplcarlo co el Statstx, habría que calcular prmero los valores d j. 17
17 Test o paramétrco para comparer 3 o más muestras: test de Kruskal-Walls. Este test es ua geeralzacó del test de Wlcoxo- Ma Whtey al caso de más de muestras. Igual que el test de Ma Whtey o requere que los datos sea ormales, y el estadístco de este test o se calcula co los datos orgales, so co los ragos de los datos. Los supuestos e que se basa el test so: Los datos so por lo meos ordales. Además de la depedeca etre las observacoes de ua msma muestra supoemos depedeca etre las observacoes de las dsttas muestras. De cada ua de las k poblacoes teemos ua muestra aleatora de tamaño, es decr: 18
18 Muestra de la poblacó Tamaño de muestra Y 11, Y 1,..., Y 11 1 Y 1, Y,..., Y Y k1, Y k,..., Y kk k Total de observacoes N = k 19
19 La hpótess ula a testear es H o : todas las poblacoes tee la msma dstrbucó Bajo H o, todas las observacoes provee de poblacoes détcas. S hacemos u pool co todas las N observacoes Y j y las ordeamos de meor a mayor, obtedremos los ragos R j S H o es certa, las observacoes Y j provee de ua msma dstrbucó y por lo tato, todas las asgacoes de los ragos a las k muestras tee la msma chace de ocurrr. S H o es falsa, alguas muestras tederá a tomar los ragos más pequeños, metras que otras tederá a tomar los ragos más grades. El test de Kruskal-Walls mde la dscrepaca etre los promedos observados. R para cada tratameto y el valor que esperaríamos s Ho fuera certa. 130
20 El SX os da el valor del estadístco G KW. E este test rechazamos la hpótess ula de gualdad de medas s G KW es grade. El estadístco puede calcularse como G KW = SSB SSTO dode SSB y SSTO so, respectvamete, la suma de cuadrados betwee y la suma de cuadrados total para la tabla de aálss de la varaza correspodete a los ragos de las observacoes. χ SX os da el p-valor usado la aproxmacó por ua dstrbucó: k 1 Esta aproxmacó es válda cuado: k=3 6 para las k muestras o be k>3 5 para las k muestraspara el caso e que k=3 y los 5 se debe usar la tabla co los percetles de la dstrbucó exacta. Veamos saldas de SX para el ejemplo de FEV1 N 1 131
21 KRUSKAL-WALLIS ONE-WAY NONPARAMETRIC AOV FOR FEV1 BY HOSPITAL MEAN SAMPLE HOSPITAL RANK SIZE TOTAL KRUSKAL-WALLIS STATISTIC P-VALUE, USING CHI-SQUARED APPROXIMATION PARAMETRIC AOV APPLIED TO RANKS SOURCE DF SS MS F P BETWEEN WITHIN TOTAL TOTAL NUMBER OF VALUES THAT WERE TIED 4 MAX. DIFF. ALLOWED BETWEEN TIES CASES INCLUDED 60 MISSING CASES 0 13
22 Como vemos la salda de SX cluye la tabla de ANOVA para los ragos de las observacoes. Esto se basa e que los dos estadístcos está relacoados. S llamamos F R al estadístco del test de F aplcado a los ragos teemos que: F R = ( k ( N k) GKW 1)( N 1 G KW ) 133
23 Comparacó de pares de medas Supogamos que hemos aplcado el test F y hemos rechazado la H 0. Qué quere decr la alteratva? Que o todas la medas so guales pero, cuáles so dferetes? Cuado o se puede rechazar H 0 geeralmete el aálss terma ahí, pero cuado se rechaza geeralmete el expermetador o se coforma co esa respuesta, so que desea comparar las medas, frecuetemete (o sempre) de a pares. 134
24 135 Itervalo de cofaza para la dfereca de dos medas. Queremos comparar las medas de los grupos y j. Empecemos por costrur u IC para μ - μ j El estmador putual es j X X Cuál es su varaza? Como se estma? Puede demostrarse que ] 1 1 ; 1 1 [ /, /, j p k j j p k j s t X X s t X X α α (6) es u Itervalo de Cofaza co vel 1-α. S e vez de tervalo queremos estudar la H 0 : μ = μ j també es fácl deducr u test.
25 Se puede calcular muchos IC o aplcar muchos tests? Cuál es la crítca que se suele hacer a los IC usado la dstrbucó t (de la forma (6)) y a los tests deducdos de estos tervalos? S hacemos uos pocos tervalos elegdos a pror (ates de observar los datos) la probabldad de equvocaros será >5%, pero o será ta alta... S por ejemplo teemos 6 tratametos y hacemos todas las comparacoes de a pares, el ro. de IC será 15, cuál será la probabldad de que alguo o cotega al verdadero valor del parámetro? Auque o la sepamos calcular, es evdete que esta probabldad es mucho > que Por eso cuado uo plaea de atemao hacer uo o muy pocos tervalos o tests puede usar (6), pero e caso cotraro covee utlzar u método de tervalos de cofaza smultáeos. 136
26 Itervalos de cofaza smultáeos (cocepto geeral, o sólo para el aálss de varaza de u factor) Cuál es la defcó de IC para u parámetro θ? Recordemos que s X=(X 1,X,...,X ) es la muestra observada, u tervalo [a(x),b(x)] es u IC para θ co vel 1-α s P( a(x) θ b(x) ) = 1-α Ahora deseamos calcular IC para cada uo de los parámetros θ j (dgamos j=1...,m). Se dce que el tervalo [a j (X),b j (Y)] es u IC para θ j calculado por u método smultáeo s (7) P I m j = 1 [ a j ( X ) θ j b j ( X )] 1 α o sea que la probabldad de que todos los IC sea correctos (cotega al verdadero valor del parámetro) es 1-α. La probabldad de que alguo sea correcto es α. 137
27 Método de Boferro. U método muy geeral (para cualquer modelo) para obteer tervalos de cofaza smultáeos es calcular cada uo de ellos co vel 1-α/m, dode m es el úmero de IC que se desea calcular. (Ej.: demostrar que de este modo se cosgue (7), usado la desgualdad de Boferro). Este método tee la vetaja de ser muy smple y muy geeral, pero sólo se usa e la práctca s m es muy pequeño, porque para valores moderados de m da IC de mucha logtud. Para el caso partcular del aálss de la varaza de u factor, basta usar (6), pero reemplazado t -k,α/ por t -k,α/m dode m es el úmero de IC que se desea calcular: [ X X j t k , / ;, / ] + α m s p + X X j t + k α m s p j j 138
28 Método de Tukey. Los tervalos de Tukey so smlares a los dados e (6) pero reemplazado t -k,α/ por el valor q k, -k,α / 1 1 X X j ± q,, ( k N k α S p + dode los valores "q" está tabulados y correspode a la dstrbucó estudada por Tukey, llamada dstrbucó del "rago studetzado" de k varables ormales depedetes. El que aparece se debe smplemete a como se costruyó la tabla. Para el caso orgalmete pesado por Tukey e el que los tamaños de muestras so guales ( 1 = =...= I ), este método hace que se cumpla el = e vez del e (7) cuado se realza todas los comparacoes de a pares. El método de Tukey es óptmo (da IC de la meor logtud posble) cuado se desea calcular IC para todos los pares posbles y los j s so guales. Para el caso e que los tamaños de muestras o so guales, se demostró que sgue valedo (7) pero co >. E este caso el método se cooce també como método de Tukey-Kramer. 1 j ) 139
29 Tests smultáeos: so los dervados de IC smultáeos. Tee la propedad de que la probabldad de cometer algú error tpo I es meor o gual que α. Comparacó de los métodos cosderados S se desea calcular u IC o aplcar u test para ua sola dfereca de medas elegda a pror, evdetemete el método de eleccó es el basado e la dstrbucó t. S so uos pocos, elegdos a pror covee usar Boferro. S se hace muchas comparacoes de a pares (o alguas elegdas a posteror, que es gual que hacer muchas ) covee usar Tukey (da tervalos de meor logtud que Boferro). Para elegr etre Boferro y Tukey, o es "trampa" elegr el método que da IC de meor logtud. No se ecesta hacer las cuetas del IC para elegr el método: basta comparar que es meor etre los valores de la tabla de "t" y de la tabla de "q" (etre t -k,α/m y q k, -k,α / ). 140
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 detallesAnálisis de la varianza de un factor
Aálss de la varaza de u factor El test t de muestras se aplca cuado se quere comparar las medas de dos poblacoes co dstrbucoes ormales co varazas guales y se observa muestras depedetes para cada poblacó.
Más detallesAnálisis de la varianza de un factor
Aálss de la varaza de u factor El test t de muestras se aplca cuado se quere comparar las medas de dos poblacoes co dstrbucoes ormales co varazas guales y se observa muestras depedetes para cada poblacó.
Más detallesLa 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 detallesAnálisis de la varianza de un factor
FCEyN - Etadítca ara Químca er. cuat. 007 - Dra. Marta García Be Aál de la varaza de u factor El tet t de muetra e alca cuado e quere comarar la meda de do oblacoe co dtrbucoe ormale co varaza guale y
Más detallesANalysis 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 detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesQué 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 detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesMétodos 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 detallesEspecialista 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 detallesModelos 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 detallesRELACIÓN 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 detallesEstadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
Más detallesESTADÍSTICA. 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 detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesDada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detallesGRADO 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 detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesOrden 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 detallesInferencia 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 detallesTest 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 detallesRegresión - 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 detallesEstimación 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 detallesAnálisis de la Varianza
Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca
Más detallesal 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 detallesGENERALIDADES ESTADISTICA DESCRIPTIVA
MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:
Más detallesObjetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética
Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado
Más detalles02 ) 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 detallesModelos 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 detallesIntroducción 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 detallesRegresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
Más detallesTEMA 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 detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detallesAnálisis 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 detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesLos 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 detalles2.4 Pruebas estadísticas para los números pseudoaleatorios
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
Más detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesAPROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS
APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado
Más detallesTema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.
Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesEstadística 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 detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detalles1 Estadística. Profesora María Durbán
Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el
Más detallesDivisión de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
Más detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:
Más detallesGRADO 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 detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesMUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesDel correcto uso de las fracciones parciales.
Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos
Más detallesDefinición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:
Defcó Número obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco) S calculados
Más detallesEstadística 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 detallesLa 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 detallesNo 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 detalles3 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 detalles7. 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 detalles13/08/2015 ANÁLISIS DE LA VARIANZA ANOVA. Cajas Negras 1. INTRODUCCION PLANIFICACIÓN DE LA INVESTIGACIÓN ANALISIS DE LA VARIANZA
3/08/05 ANÁLISIS DE LA VARIANZA. INTRODUCCION PLANIFICACIÓN DE LA INVESTIGACIÓN COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES Es comú e el estudo de las cecas aturales tomar datos de dos o más muestras,
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesUNIDAD DIDÁCTICA 13: Estadística Descriptiva
Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó
Más detallesF.V. SC gl CM F Bloque Tratamiento Error Total AGRO Examen Parcial 1. Nombre:
Exame Parcal 1 Nombre: AGRO 66 1 Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro y la calculadora. Para obteer crédto parcal las respuestas debe ser cosstetes.
Más detallesSEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN
Más detallesDISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Más detallesANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez
ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre
Más detallesNOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesI. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS
Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2
Más detalles10 MUESTREO. n 1 9/ / σ σ 1
10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,
Más detallesEl valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad
Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Más detallesPARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
Más detallesUNIDAD 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 detallesIntensificación en Estadística
GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro
Más detallesTEMAS 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 detallesTeoría de Muestras e Inferencia
Teoría de Muestras e Ifereca TEORÍA DE MUESTRAS E INFERENCIA. Poblacó y muestra. Métodos de muestreo 3. Dstrbucoes asocadas al proceso de muestreo 3. Dstrbucó de la meda de ua poblacó ormal 3. Dstrbucó
Más detallesx 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 detallesEsta t d a í d s í titcos o TEMA 3.3
TEMA 3.3 Defcó úmero obtedo a partr del aálss de ua varable estadístca. Procedmeto de cálculo be defdo: aplcacó de fórmula artmétca Cuatfca uo o varos aspectos de la formacó (cofrmacó de tabla o gráfco)
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesTEMA 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 detallesEl análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras.
Anova Dra. Diana elmansky 85 6. ANÁLISIS DE LA VARIANZA DE UN FACTOR El análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar muestras. Hemos
Más detallesContraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño co meda 1 procede de ua poblacó N(14,3) co el vel de sgfcacó,5..- E ua propagada se auca que uas determadas plas proporcoa más horas de
Más detallesTransformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas
5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal
Más detallesTrata 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 detallesAplicación de Boostrapping en Regresión I
Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores
Más detallesERRORES 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