Breves apuntes sobre la teoría de errores.

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

Download "Breves apuntes sobre la teoría de errores."

Transcripción

1 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 903 Aexo 6 Breves aputes sobre la teoría de errores. A6.. Itroduccó. Se troduce breveete los coceptos fudaetales de la teoría de errores para esayos experetales. Se trata de errores coetdos e la edda de ua varable y errores coetdos e la edda drecta de ua fucó que depede de varas varables. Las varables eddas puede ser estadístcas o o estadístcas. E el setdo estrcto de la palabra ua varable se cosdera estadístca cuado se ha obtedo u elevado úero de eddas de la sa. Este úero, e geeral, se cosdera que tee que ser superor a 00 (Box, Huter y Huter, 988; Gaberardo, 97?). Alguos autores cosdera ua varable estadístca cuado su valor se ha eddo u úero de veces superor a 30 (Martíez y Macá, 988). E la práctca o se suele realzar ás de 0 ó 0 eddas de cada varable. E este caso los errores estadístcos perde sgfcado y queda coo defcoes covecoales que se utlza para expresar los resultados experetales

2 904 Aexo6. Breves aputes sobre la teoría de errores. (Gaberardo, 97?). Por este otvo, juto co el valor asocado a ua varable hay que dcar el úero de eddas experetales realzado sobre la sa. S el úero de eddas efectuadas es feror a 0 se cosdera que la varable es o estadístca y o se puede teer gua cofaza e los errores estadístcos calculados. Los errores asocados a ua varable puede ser de dferetes tpos: Errores ssteátcos. Se repte e todas las eddas experetales realzadas. Puede estar ocasoados por: - Errores e la calbracó de los struetos de edda. - Codcoes experetales o adecuadas. - Téccas experetales perfectas. - órulas o teorías correctas. Errores casuales. So aleatoros. Está presetes e todas las eddas que se realza. Detro de éstos se cluye: - Los errores de aprecacó que depede de la ía dvsó de la escala del aparato de edda. - Los errores debdos a las codcoes de trabajo. Varacoes e las codcoes del laboratoro (huedad, teperatura, presó atosférca, etc...) puede producr osclacoes e las eddas. - Errores producdos por la falta de defcó de la agtud que se quere edr. Errores legítos. Aquellos que o so casuales y que o se coete de fora ssteátca e el expereto. Se puede agrupar e: - Errores persoales. Ocasoados por u uso correcto de los struetos o por lecturas exactas. - Errores de cálculo. Debdos a eudo a la falta de precsó del strueto o prograa utlzado para el cálculo. - Errores caótcos. Puede ocurrr ua perturbacó que, e uas eddas deteradas geere u error superor al error casual. E

3 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 905 estos casos es ecesaro desestar estas eddas. Puede ocurrr, por ejeplo, e el caso de u cable al coectado, ua sobretesó, u cotacto al hecho, etc... E este aexo se aalza, báscaete, la estacó de errores aleatoros. A6.. Errores de ua varable. A6... Proedo, errores aparetes, errores verdaderos y error sobre el proedo. Cuado se de experetalete ua varable V se realza eddas de su valor, u co,... El valor real de esta varable e u certo U real descoocdo. Se deoa errores verdaderos a la dfereca etre cada ua de las eddas experetales y el valor real de la varable: real ε u U, co,...,. (A6.) Se deoa valor proedo de la varable U a: u u (A6.) Este valor proedo se dce que es el valor ás probable de la varable U. Se cosdera que, para poder teer u valor estadístco de û, ha de ser ayor o gual a 0. El error aparete o resduo es la dfereca etre cada ua de las eddas realzadas y el valor proedo de la varable: e u u co,..., (A6.3)

4 906 Aexo6. Breves aputes sobre la teoría de errores. Estos errores, a dfereca de los errores verdaderos, so ua catdad que se puede calcular. El deoado error sobre el valor proedo es tabé ua catdad descoocda y se defe coo: E real u U (A6.4) A6... Hstograa, dstrbucó oral, t de Studet, c y curva de Gauss. Se deoa hstograa al esquea que uestra e úero de veces que se obtee valores deterados de ua sa agtud. S el úero de eddas realzadas es uy grade y los tervalos cosderados para el hstograa so pequeños se tee ua dstrbucó f(x). La probabldad de que ua sola de las eddas realzadas, toada aleatoraete, esté copredda e el tervalo etre x y x+dx se calcula coo f(x)dx. Coo la probabldad de que ua edda cualquera tega u valor cualquera ha de ser la udad, se cuple que: + f (x)dx (A6.5) Se defe el proedo de ua certa catdad x coo: + x (A6.6) + xf (x)dx f (x)dx La fucó f(x) se puede defr de tal aera que sea depedete de la aturaleza de la edda y de los struetos utlzados. Dferetes defcoes de esta fucó proporcoa dferetes dstrbucoes. Ua de las ás utlzadas es la dstrbucó de Gauss, llaada tabé dstrbucó oral, defda coo: h h x f (x) e (A6.7) π

5 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 907 Sedo h u paráetro de precsó que detera lo aguda que es la curva sétrca defda por esta fucó. Ua edda de la varable U es tato ás precsa cuato ayor es el valor de h, lo que equvale a que los errores aparetes de las eddas so pequeños, por lo que estas eddas se cocetra alrededor del su valor proedo. Valores elevados de h proporcoa ua curva aguda. Para obteer la fucó de Gauss se cosdera la probabldad de obteer ua certa edda detro de u tervalo etre x y +x : + x x + x x + x h h x h h x f (x)dx e dx e dx (A6.8) π π 0 Realzado el cabo de varables: t hx (A6.9) La ecuacó 6.8 queda coo: θ (z) e dt (A6.0) π t z A la expresó 6.0 se le cooce coo tegral de Gauss y se evalúa edate étodos uércos o por aproxacoes. Sus valores está tabulados (ver, por ejeplo, Gaberardo, 97?). No sepre los datos experetales se ajusta a ua dstrbucó oral. Se cosdera etoces otros odelos, coo el defdo por la dstrbucó t de Studet: + + Γ x f (x) + (A6.) π Γ

6 908 Aexo6. Breves aputes sobre la teoría de errores. Dode es el úero de grados de lbertad de la varable x porque ésta es la sua de varables aleatoras depedetes etre las que o exste gú tpo de relacó que restrja su capo de varabldad. Cada ua de estas varables puede toar u valor cualquera etre - e (Martez y Macà, 986). Γ es la fucó gaa. Otra dstrbucó bastate coú es la χ. Sea u co,...,, varables aleatoros co dstrbucó oral. Se cosdera ua ueva varable aleatoro defda coo: χ u (A6.) Esta ueva varable sgue ua dstrbucó χ probabldad se defe por: s su fucó de desdad de f (x) 0 Γ x e x para 0 < x para x < 0 (A6.3) Sedo el coefcete, coo e la ecuacó 6., el úero de grados de lbertad y Γ la fucó gaa. A6..3. Error cuadrátco edo y error estádar. Error cuadrátco edo. El error cuadrátco edo de ua sere de eddas de la varable U represeta el error que se supoe se ha coetdo sobre cada ua de las eddas u k. Se defe coo: µ c k e k (A6.4)

7 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 909 Sedo el úero de eddas de la varable U realzadas y e k el error aparete de u k. Cuado se detfca el paráetro h de la fucó de Gauss ua fucó del error cuadrátco dada por: h (A6.5) µ c Etoces la probabldad de que el error sobre la edda de U esté copreddo etre dos valores x y x+dx vee dado por: f (x)dx µ c e π x µ c dx (A6.6) Aalzado esta expresó se llega a que la probabldad de que ua edda u k dfera del valor proedo û e ás de 3µ c es de u 0.7%. Error estádar. Se calcula el error cuadrátco edo del proedo: - Se detera los proedos û, û,..., û. - Se costruye la curva de Gauss de los proedos, que resulta sétrca a u valor u. Se cosdera que la dfereca etre u proedo cualquera y u proedo de proedos se dstrbuye segú la ley de Gauss. - Co estas cosderacoes el error cuadrátco edo o error estádar vee dado por:

8 90 Aexo6. Breves aputes sobre la teoría de errores. µ c µ c σ (A6.7) Esta expresó es certa para eddas estadístcas, es decr aquellas para las cuales el valor (repetcó de eddas) es uy elevado. Idetfcado el paráetro h de la dstrbucó de Gauss por: h (A6.8) σ Se tee que la fucó de dstrbucó de probabldad A6.6 puede escrbrse coo: f (x)dx e σ x σ dx (A6.9) Que represeta la probabldad de que el proedo de ua cualquera de esta sere de eddas efectuadas dfera del valor proedo de todas ellas, cosderado uy próxo al valor verdadero de la varable, e ua catdad copredda etre x y x+dx. El valor del error defdo e la ecuacó A6.7 resulta ser la catdad ás adecuada porque da ua dea de la probabldad de que el proedo û de ua sere de eddas dfera del valor verdadero U real de la varable U. A su vez, la expresó A6.7 es equvalete a: σ k e k ( ) (A6.0) Sedo σ el error coocdo coo estádar, que tabé recbe el obre de desvacó típca, sedo ua edda de la dspersó de los datos.

9 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 9 S se tee ua sere de eddas de ua certa varable U: u, u,..., u, el valor verdadero de esta varable, U real tee ua probabldad de estar copreddo etre: ) (û - σ) y (û + σ) del 68.3%. ) (û - σ) y (û + σ) del 95.45%. 3) (û - 3σ) y (û + 3σ) del 99.73%. Esto dca que el proedo û tee ua probabldad de eos del 0.7% de dferr e ás de 3σ del valor verdadero de la varable U real. Este error estádar, que o se escrbe co ás de dos cfras decales, se puede cosderar coo el error absoluto cuado la varable aalzada es estadístca, es decr, que este trataeto es váldo cuado el úero de veces que se ha repetdo ua sa edda es elevado. Se suele cosderar que todo lo expuesto hasta este puto es váldo cuado 00. A6..4. Evaluacó del error cuado es pequeño. Varables o estadístcas. E la práctca o se suele efectuar ás de 0 ó 0 eddas de ua sa varable. Cuado esto ocurre, los errores troducdos hasta este puto perde su sgfcado y queda úcaete coo defcoes covecoales que geeralete se utlza para expresar los resultados experetales (Gaberardo, 97?). S el úero de eddas es feror a 0 se observa que el error que afecta al error estádar es ta grade coo su propo valor, lo que dca que o se puede teer cofaza algua e los errores estadístcos. Por este otvo se utlza las expresoes estadístcas para los casos e los que >0, teedo e cueta que para valores eores a 00 (Box, Huter y Huter, 988) o a 30 (Martíez, Macá y Pérez, 988) estas expresoes o proporcoa el error estadístco y se coverte e uas defcoes utlzadas covecoalete.

10 9 Aexo6. Breves aputes sobre la teoría de errores. S el úero de eddas es <0 la varable edda o se puede cosderar estadístca. Para trabajar co ella se sgue e sguete procedeto: ) Se obtee u valor de eddas de ua certa varable U, co <0. ) Se calcula el valor proedo de las eddas (ecuacó A6.). 3) El error presutaete coetdo se calcula coo la dfereca etre los dos valores ás extreos de las eddas realzadas dvdda etre : u áx u í u M (A6.) 4) El valor de la varable U se da coo: U u ± (A6.) u M 5) No se toa uca u error feror al u M. E el caso que las eddas u k realzadas tega u error propo asocado u k ayor que u M se toa el prero coo error de la varable. A6.3. Errores e ua fucó de varas varables. E uchas ocasoes el paráetro calculado,, se obtee drectaete coo ua fucó de varables experetales (z, z,..., z ). Se dce e este caso que este paráetro es ua edda drecta: (z, z,..., z ). Las varables utlzadas para obteer la fucó puede ser estadístcas (catdades eddas coo ío 0 veces) o o estadístcas (eddas eos de 0 veces). El error coetdo al estar la fucó se evalúa a partr de las varables eddas que tervee. Puede darse tres stuacoes: ) Las agtudes eddas so estadístcas.

11 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 93 ) Ngua de las agtudes es estadístca. 3) Alguas z k so estadístcas y las deás o lo so. A6.3.. Trataeto estadístco. Este trataeto se realza cuado la varables so estadístcas. Para trabajar co ellas se procede de la sguete aera: ) Se calcula los proedos de las varables z, z,..., z, a partr de todas las eddas efectuadas estarlas (co >0). ) Se obtee los errores cuadrátcos edos asocados co cada ua de las varables estadístcas: µ c, µ c,..., µ c. 3) Se calcula los errores estádar de cada ua de las varables: σ, σ,..., σ. 4) Co los errores cuadrátcos de cada ua de las varables se esta el error cuadrátco de la fucó coo: µ j f µ j z j (A6.3) 5) Co los errores estádar de cada varable se calcula el error estádar de la fucó : σ j f σ j z j (A6.4) 6) La fucó que represeta la probabldad de que el error del paráetro buscado (z, z,..., z ) esté copreddo etre x y x+dx es:

12 94 Aexo6. Breves aputes sobre la teoría de errores. (x)dx µ e π x µ dx (A6.5) Las ecuacoes A6.3 y A6.4 da lugar a la ley de propagacó de errores estadístcos. El error cuadrátco edo y el error estádar de la fucó tee el so sgfcado que el que presetaba para ua varable, por lo que el resultado fal el paráetro se suele escrbr coo: ± 3σ (A6.6) Al aalzar los errores cuadrátco edo y estádar se preseta dos stuacoes extreas: ) Cuado los dferetes errores σ, σ,..., σ (o los errores µ c, µ c,..., µ c ) o tee gua relacó etre ellos. Se dce etoces que so estadístcaete depedetes. E este caso se calcula a partr de la expresó A6.6 y sus errores asocados co las ecuacoes A6.3 y A6.4. ) Cuado varas de las varables z k puede depeder uas de otras y sus errores asocados puede estar relacoados etre sí. E este caso los errores estádar de estas varables so estadístcaete o depedetes. Cuado los errores so estadístcaete depedetes se supoe que se produce ua copesacó de errores ya que éstos so totalete aleatoros de ua varable a otra. La desvacó típca de se calcula a partr de la ecuacó A6.4. Cuado los errores so estadístcaete depedetes se supoe que o se produce copesacó y las cotrbucoes de los σ k se sua algebracaete. Por lo tato, e este caso, el error asocado a se expresa coo: σ σ σ σ + Lj j z j z z j (A6.7)

13 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 95 Dode los coefcetes L j so los deoados factores de correlacó etre las varables y j (sedo,,..., ; j,,..., ). E el caso de que todas las eddas sea estadístcaete depedetes, los coefcetes de correlacó so ulos, y la ecuacó A6.7 se trasfora e la ecuacó A6.4. Cuado todas las eddas so o depedetes, la correlacó etre varables es áxa y los coefcetes de correlacó so la udad. E este caso la expresó A6.7 se splfca quedado: σ σ z (A6.8) Cuado los coefcetes de correlacó está etre 0 y se aplca la expresó A6.7. El error que proporcoa la ecuacó A6.8 es ayor que el de A6.7 que, a su vez tabé es ayor que el obtedo por la expresó A6.4. Los coefcetes de correlacó se puede estar a partr de la expresó: L j z k z jk zz j (A6.9) ( ) σσ j k Dode es el úero de veces que se ha realzado la edda de las varables z y z j, que tee que ser el so para abas. A6.3.. Trataeto o estadístco. Cuado las eddas realzadas para algua de las varables so pocas (covecoalete se cosdera pocas para <0), el trataeto estadístco ya o es correcto y toda aquella varable que sea o estadístca tee u error asocado que o es la desvacó típca. Se preseta tres stuacoes:

14 96 Aexo6. Breves aputes sobre la teoría de errores. ) Todas las varables se de varas veces s superar e gú caso las 9 eddas. ) Todas las varables plcadas se de ua úca vez. 3) Parte de las varables se de ua úca vez (varables o estadístcas), otras se de u úero de veces feror a 0 (varables o estadístcas) y el resto se de u úero de veces superor a 0 (varables estadístcas). Para cosderar el error de la fucó hay que teer e cueta el valor de cada ua de las varables plcadas y su error absoluto asocado, estado a partr de: ) Los errores estádar (s la varable es estadístca). ) Los errores áxos (s la varable o es estadístca). 3) Los errores de aprecacó (s se realza ua úca edda o s el error de lectura o sesbldad del aparato es ayor que los errores áxos). Todas las varables se de varas veces s superar e gú caso 9. E este caso o se puede producr gua copesacó etre los errores y el error asocado co la fucó se esta a partr de la ecuacó A6.8. Por lo tato se obtee coo: z z + z z + K + z z (A6.30) z z Coo las varables z k o so estadístcas, su error se evalúa a partr de la ecuacó A6. coo: k áx k í z k (A6.3) O be utlzado el error de precsó(de lectura o sesbldad del aparado) de la varable z k s este es ayor que el resultate de A6.3.

15 Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 97 S de ua deterada varable z k se hace ua úca lectura, el error utlzado para esta varable e la ecuacó A6.30 es el asocado co la lectura o sesbldad del aparato, z 0. El utlzar las dervadas parcales para estar los errores es uy práctco porque los dferecales puede cosderarse coo los errores co la codcó de que estos últos sea pequeños y se pueda realzar la aproxacó x dx. Todas las varables se de ua úca vez. E este caso los errores de cada ua de las varables plcadas so los de sesbldad o lectura del aparato. No se puede producr gua copesacó etre los errores, de aera que el error de la fucó se esta utlzado la ecuacó A6.30, dode cada uo de los z k so errores de sesbldad del aparato de edda. Meddas ezcladas de varables. E este caso parte de las varables se esta a partr de ua úca edda. Otra parte edate u úero de eddas feror a 0, etras que el resto so varables estadístcas (>0). Este caso es el ás coplejo de tratar. El error justo correspodete a la varable sería * tal que estaría copreddo etre los proporcoados por las expresoes A6.4 y A6.30, cuplédose que: σ j σ f z j j < * < z z (A6.3) De tal aera que * se tee que calcular edate la ecuacó A6.7, calculado los coefcetes de correlacó a partr de la ecuacó A6.9. S ebargo es dfícl que se pueda estar estos coefcetes y, e caso de cosegurlo, el valor de * solo tedría setdo s las varables estadístcas se hubera estado a partr de u úero de eddas uy elevado (>00). Por ello se cosdera correcto el cosderar que *.

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

MEDICIONES Y CÁLCULO DE ERRORES

MEDICIONES Y CÁLCULO DE ERRORES 7. OBJETIVOS: MEDICIONES Y CÁLCULO DE ERRORES. Efectuar edcoes drectas: edr el perodo del pédulo sple. Efectuar edcoes drectas: edr el volue de u paralelepípedo.. Aplcar el cálculo de errores e las edcoes

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

2. Hay alguna diferencia entre decir que la masa de una persona es 75 kg o g?

2. Hay alguna diferencia entre decir que la masa de una persona es 75 kg o g? Físca y Quíca ºBachllerato UNIDAD : La actvdad cetífca CUESTIONES INICIALES-PÁG. 9. Sabrías expresar la velocdad de 0,0 /s e k/h? k 000 v = 0,0 = 0,0 s h s 3600s k 36,0 h. Hay algua dfereca etre decr que

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más 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

ANEXO D. Cálculo del cortante basal

ANEXO D. Cálculo del cortante basal Cálculo del cortate basal CÁLCULO DEL CORANE BASAL El cálculo del cortate basal perte deterar la fuerza lateral total coo cosecueca de las fuerzas erca que se duce a u sstea de N rados de lbertad, dstrbuyédolo

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más 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

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

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

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

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

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012 Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal

Más detalles

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor GNRCIÓN TRMOLÉCTRIC. Cálculo de la toa de las extraccoes de u cclo de apor ISML PRITO ÍNDIC D MTRIS CÁLCULO D LOS PUNTOS D TOM D LS XTRCCIONS PR QU L MJOR DL RNDIMINTO DL CICLO RGNRTIVO S MÁXIM. MJOR N

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

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

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

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

Facultad de Ciencias Exactas y Naturales y Agrimensura - UNNE - TEORÍA DE ERRORES

Facultad de Ciencias Exactas y Naturales y Agrimensura - UNNE - TEORÍA DE ERRORES Facultad de Cecas Eactas y aturales y Agresura - UE - TEORÍA DE ERRORES El error e las edcoes Su clasfcacó La edcó de toda agtud está afectada por u error. Pero error o sgfca equvocacó, so ua deteracó

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

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

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

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

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

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

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA.

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. Saber, Uversdad de Orete, Veeuela.Vol. 2. Nº 2: 44-49. (2000) DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. NELSON BRACHO Departaeto de Estadístca Uversdad de Orete. RESUMEN E este artículo se descrbe el esquea de

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados. Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral

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

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

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

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

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

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

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

1 Estadística. Profesora María Durbán

1 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 detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

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

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

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 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 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

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

UNIVERSIDAD NACIONAL DE QUILMES INGENIERÍA EN AUTOMATIZACIÓN Y CONTROL INDUSTRIAL Cátedra de Instrumentos y Mediciones Docente: Adrián E.

UNIVERSIDAD NACIONAL DE QUILMES INGENIERÍA EN AUTOMATIZACIÓN Y CONTROL INDUSTRIAL Cátedra de Instrumentos y Mediciones Docente: Adrián E. Cátedra de Istruetos y Medcoes Docete: Adrá E. Roco Medcó y Error.. Defcoes: Istrueto: Dspostvo para deterar el valor o agtud de ua catdad o varable. Eacttud: Aproacó co la cual la lectura de u strueto

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

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más 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

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

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

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

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

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

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

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

El algoritmo EM para las estimacion de parametros en mezclas gaussianas. Una mezcla de distribuciones con K componentes tiene la forma

El algoritmo EM para las estimacion de parametros en mezclas gaussianas. Una mezcla de distribuciones con K componentes tiene la forma E agorto EM para as estaco de paraetros e ezcas gaussaas Edgar Acua. Ua ezca de dstrbucoes co copoetes tee a ora x π x... π x dode cada copoete es ua ucó de probabdad Posso, Boa, etc o ua uco de desdad

Más detalles

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

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

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

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

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. 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 detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

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

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

MEJORAMIENTO ANIMAL - ANEXO T.P. # 3 HERENCIA SIMPLE EN FAMILIAS

MEJORAMIENTO ANIMAL - ANEXO T.P. # 3 HERENCIA SIMPLE EN FAMILIAS Mejoraeto Aal Dto. Agrooía, UN Rev. 5// MEJORAMIENTO ANIMAL - ANEXO T.. # HERENCIA IMLE EN FAMILIA Cálculos de Nveles de egurdad y de Catdad de Tests de Apareaetos Requerdos. U descedete por apareaeto

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA IE Cocepto de fereca estadístca INFERENCIA ESTADÍSTICA ESTIMACIÓN PUNTUAL DE PARÁMETROS IE I a. Sea u expereto aleatoro exstete e el udo físco. Se drá que dcho expereto preseta peraeca estadístca s, a

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

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

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

Tema 6: Introducción al muestreo. Estimadores

Tema 6: Introducción al muestreo. Estimadores Facultad de Ecoomía y Empresa Práctcas ema 6.- Itroduccó al muestreo. Estmadores ema 6: Itroduccó al muestreo. Estmadores VARIABLE Certa varable aleatora X se dstrbuye segú la fucó de desdad: sedo E(X)

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

Incertidumbre de las medidas.

Incertidumbre de las medidas. Icertdumbre de las meddas. Al realzar el proceso de medcó, el valor obtedo y asgado a la medda dferrá probablemete del valor verdadero debdo a causas dversas, algua de las cuales ombraremos más adelate.

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

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT Trasforacoes quícas Adrés s Cedllo, AT-50 cedllo@xau.ua.x www.fqt.zt.ua.x/cedllo 3. Estequoetría 3.1. Masa atóca 3.. El cocepto de ol 3.3. Relacoes e fórulas f quícas 3.4. Relacoes e reaccoes quícas Cap.

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

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

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

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

Algoritmo de Aproximación por Peso para el Cambio de Base de un Número

Algoritmo de Aproximación por Peso para el Cambio de Base de un Número Alejadro Jose Raudales Baegas Algorto de Aproxacó por Peso para el Cabo de Base de u Núero Alejadro José Raudales Baegas Itroduccó Cabar u úeró de ua base partcular a otra deseada es u problea cuyo algorto

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

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

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

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 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 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

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

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA

PARTE SEGUNDA: INFERENCIA ESTADÍSTICA ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2013 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2013 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 01 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO 1 a) (5 puto) Racoalce la epreoe 5 8 b) (5 puto) Halle el cojuto de olucoe de la ecuacó 5 8 EJERCICIO

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

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

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

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

APUNTS DE CLASSE: TEMA 1

APUNTS DE CLASSE: TEMA 1 Curs 04-05 MODEL LINEAL GENERALIZA APUNS DE CLASSE: EMA Grau d Estadístca UB - UPC Lída Motero Josep Ato Sáchez Model Leal Geeraltzat ABLA DE CONENIDOS - EMA : INRODUCCIÓN A LOS MODELOS LINEALES GENERALIZADOS

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles