Análisis Factorial de Correspondencias Un Ejemplo:

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

Download "Análisis Factorial de Correspondencias Un Ejemplo:"

Transcripción

1 Análss Factoral de Corresondencas Un Eemlo: FJ Callealta ; LR Rvera UAH Preerencas or los Comonentes de un Menú Varables cualtatvas: Prmer Plato: Ensalada Soa Macarrones 3 Segundo Plato: Carne Pescado Postre: Flan Helado Fruta 3 Bebda: Agua Vno Cerveza 3 Caso Prmer Plato Segundo Plato Postre Bebda Cómo elcar de orma smle cómo se atraen o reelen las modaldades de estas varables? Análss Factoral de Corresondencas Nº

2 Análss Factoral de Corresondencas Obetvo: FJ Callealta ; LR Rvera UAH Vsualzar de orma smle las relacones atraccónreulsón estentes entre las dstntas modaldades de varas varables cualtatvas, enrentadas en una tabla de contngenca. El Análss de Corresondencas Smle estuda el caso de varables enrentadas en una Tabla de Contngenca. El Análss de Corresondencas Múltle de > varables. estuda el caso Análss Factoral de Corresondencas Nº

3 Atrbuto A modaldades FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle: deado or Benzecr en 973 Enrenta dos varables cualtatvas en una tabla de contngenca. Atrbuto B modaldades B B... B Total A... A A... Total... Modaldades de A en esaco de dmensón, Modaldades de B en esaco de dmensón,,...,,..., Análss Factoral de Corresondencas Nº 3

4 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle: Notacones entonces: Análss Factoral de Corresondencas Nº 4 F F F y, F F F

5 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Análss or Flas: Para medr el grado de romdad entre las modaldades de A en el esaco -dmensonal se utlza la dstanca de Benzecr, la cual eucldza el esaco. y en el esaco eucldzado, la nube de untos está ormada or los untos de coordenadas: Análss Factoral de Corresondencas Nº 5 d, con esos,...,,..., /,,...,,...,,,...,, F

6 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Análss or Flas: Esaco Cualtatvo de las Observacones Esaco -dmensonal las de las modaldades de A A A A stanca de Benzecr = stanca Eucldea Análss Factoral de Corresondencas Nº 6

7 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Análss or Flas: La nube de untos está contenda en el herlano de dmensón -: su centrode es: la matrz de datos centrada es,...,,...,,...,,..., con esos / / c,,,...,,..., / Análss Factoral de Corresondencas Nº 7

8 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Análss or Flas: y su matrz de Varanzas y Covaranzas, S=S lk, con S lk l l k k l S k c c Para obtener el esaco más smle ue ermta vsualzar las relacones, alcamos el ACP. Hay un autovalor = asocado al autovector centrode El resto de autovalores de S serán... - con autovectores asocados w, w,..., w - Análss Factoral de Corresondencas Nº 8

9 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle: Análss de las Flas. Esaco Cualtatvo de las Observacones A,B Esaco -dmensonal las de las modaldades de A Esaco actoral las de las modaldades de A A r B s A m B k Análss Factoral de Corresondencas Nº 9

10 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Análss or Columnas: Para medr el grado de romdad entre las modaldades de B en el esaco -dmensonal se utlza la dstanca de Benzecr, la cual eucldza el esaco. y en el esaco eucldzado, la nube de untos está ormada or los untos de coordenadas: Análss Factoral de Corresondencas Nº d, con esos,...,,..., /,,...,,,...,,...,, F

11 Análss Factoral de Corresondencas Smle. Análss or Columnas: FJ Callealta ; LR Rvera UAH La nube de untos está contenda en el herlano de dmensón -:,...,,..., / con esos su centrode es:,...,,..., / Su matrz de datos centrada es: c,,...,,,..., / Análss Factoral de Corresondencas Nº

12 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Análss or Columnas: y su matrz de Varanzas y Covaranzas, S =S lk, con S lk l l k k l k S c c Para obtener el esaco más smle ue ermta vsualzar las relacones, alcamos el ACP. Hay un autovalor = asocado al autovector centrode Los autovalores de S son... -,con autovectores asocados u, u,..., u - Análss Factoral de Corresondencas Nº

13 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle: Análss de las Flas y de las Columnas Prncal. Esaco -dmensonal las de las modaldades de A Esaco actoral las de las modaldades de A Esaco Cualtatvo de las Observacones A,B A r B s A m B k Esaco -dmensonal columnas de las modaldades de B Esaco actoral columnas de las modaldades de B Análss Factoral de Corresondencas Nº 3

14 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Relacón entre esacos. En el Análss or Flas: S denmos la matrz V=V lk, con V lk l k l k V el mayor autovalor de V es, asocado al autovector los demás autovalores y autovectores de V concden con los corresondentes a los... - de S. La matrz V dentca el Esaco de Comonentes Prncales de las modaldades las Análss Factoral de Corresondencas Nº 4

15 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle. Relacón entre esacos. En el Análss or Columnas: S denmos la matrz V =V lk, con V lk l k l k V el mayor autovalor de V es, asocado al autovector los demás autovalores y autovectores de V concden con los corresondentes a los... - de S. La matrz V dentca el Esaco de Comonentes Prncales de las modaldades columnas Análss Factoral de Corresondencas Nº 5

16 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle: Relacón entre esacos. S Y Relacón entre autovalores y autovectores de V y V S,w son de V, entonces,yw lo son de V, y S,u son de V, entonces,y u lo son de V. En consecuenca: / F / V=Y Y y V =YY Los autovalores de Y Y V y de YY V son guales: = = =... k = k, sendo kmn, y el resto de autovalores nulos. Las modaldades de ambas varables A y B ueden ser reresentadas en un msmo esaco áclmente, ya ue las comonentes autovectores se relaconan medante los cambos de bases: w= Y u y u= Yw Análss Factoral de Corresondencas Nº 6

17 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Smle: Relacón entre esacos. Esaco -dmensonal las de las modaldades de A Esaco actoral las de las modaldades de A Esaco Cualtatvo de las Observacones A,B A r B s A m B k Esaco -dmensonal columnas de las modaldades de B Esaco actoral columnas de las modaldades de B Esaco actoral común Análss Factoral de Corresondencas Nº 7

18 mensón Análss Factoral de Corresondencas Un Eemlo: FJ Callealta ; LR Rvera UAH,6,4, Punt. de la y columna Carne Vno Cerv eza, -, -,4 -,6 -,8 -, Canónca normalzaton Pescado Agua Segundo Plato Bebda Análss Factoral de Corresondencas Nº 8

19 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas: nercas en el Análss Factoral de Corresondencas nerca de un unto, sobre el ue actúa un eso w, con resecto de otro unto O: nerca de la nube de untos, con resecto de otro unto O: nerca de la dmensón -ésma a lo largo de la dmensón ésma: contrbucón absoluta del unto a la nerca de la dmensón -ésma contrbucón absoluta de la dmensón -ésma a la nerca del unto Análss Factoral de Corresondencas Nº 9 O w O ; n n n O O w O w O O ; n O w O O w

20 FJ Callealta ; LR Rvera UAH Análss Factoral de Corresondencas Las nercas en el Análss Factoral de Corresondencas nercas en el esaco de las Flas con resecto del centrode ue uede dentcarse con: nercas en el esaco de las Columnas con resecto del centrode ue uede dentcarse con: Análss Factoral de Corresondencas Nº n k n ; k h h n n ;

21 Análss Factoral de Corresondencas Múltle: FJ Callealta ; LR Rvera UAH Enrenta varas varables cualtatvas, alcando el Análss Factoral de Corresondenca Smle a la Tabla de Burr, construda con todas las resectvas tablas de contngenca de cada varables. Var Var Var3 m... m k n... n... r... r m... Var... T... T3 m k... n... Var... T... T3 n r... Var3 T3 T3... r... Análss Factoral de Corresondencas Nº

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Análisis en Componentes Principales

Análisis en Componentes Principales Análss en Componentes Prncpales ACP ACP: resumen Stuacón: se tene una tabla de datos cuanttatvos Obetvo: obtener una representacón en pocas dmensones de los obetos, perdendo el mínmo de nformacón obtener

Más detalles

Extracción de Atributos. Dr. Jesús Ariel Carrasco Ochoa Oficina 8311

Extracción de Atributos. Dr. Jesús Ariel Carrasco Ochoa Oficina 8311 Extraccón de Atrbutos Dr. Jesús Arel Carrasco Ochoa arel@naoep.mx Ofcna 8311 Contendo Introduccón PCA LDA Escalamento multdmensonal Programacón genétca Autoencoders Extraccón de atrbutos Objetvo Preprocesamento

Más detalles

PUNTOS, RECTAS Y PLANOS. 2º Bachillerato SISTEMA DE REFERENCIA EN EL ESPACIO APLICACIONES DE LOS VECTORES APLICACIONES DE LOS VECTORES

PUNTOS, RECTAS Y PLANOS. 2º Bachillerato SISTEMA DE REFERENCIA EN EL ESPACIO APLICACIONES DE LOS VECTORES APLICACIONES DE LOS VECTORES UNTS, RECTAS Y LANS EN EL ESACI º Bachllerato SISTEMA DE REFERENCIA EN EL ESACI Sstema de referenca en el esaco. Un sstema de referenca ara el lano consste en el conunto R {, {,, }} formado or: - Un unto

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Contactar:

Contactar: Mecánca Teórca Mao 009 Tema: Transformacones Canóncas Contactar: telegama@gmal.com Una transformacón canónca es un cambo de las coordenadas generalzadas tal ue dan lugar a un nuevo amltonano ( amltonano

Más detalles

Análisis de Componentes Principales. El análisis de componentes principales (ACP) tiene sus antecedentes en Psicología, a través

Análisis de Componentes Principales. El análisis de componentes principales (ACP) tiene sus antecedentes en Psicología, a través Caítlo 3 Análss de Comonentes Prncales El análss de comonentes rncales (ACP) tene ss antecedentes en Pscología, a través de las técncas de regresón lneal ncadas or Galton Esecífcamente, Pearson (90) resentó

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

TODO ECONOMETRIA. Variables cualitativas

TODO ECONOMETRIA. Variables cualitativas TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,

Más detalles

3. Análisis de Factores

3. Análisis de Factores 3. Análss de Factores 3.. Introduccón y objetvos. El análss de factores es un procedmento estadístco que crea un nuevo conjunto de varables no correlaconadas entre sí, llamadas factores subyacentes o factores

Más detalles

Un ejemplo de Análisis Factorial de Correspondencias

Un ejemplo de Análisis Factorial de Correspondencias Estadístca Anàls de Dades (curs 001-00) Un ejemplo de Análss Factoral de Correspondencas Se trata de estudar la estructura de las ventas de una empresa que dstrbuye 10 productos en 8 mercados. Para ello

Más detalles

La representación Denavit-Hartenberg

La representación Denavit-Hartenberg La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado

Más detalles

TEMA 1.- CONCEPTOS BÁSICOS

TEMA 1.- CONCEPTOS BÁSICOS TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.

Más detalles

Dualidad entre procesos termodinámicos y electromecánicos

Dualidad entre procesos termodinámicos y electromecánicos ENERGÍA Y COENERGÍA EN IEMA ELECROMECÁNICO REALE, DEDE PROCEDIMIENO ERMODINÁMICO CLÁICO Alfredo Álvarez García Profesor de Inenería Eléctrca de la Escuela de Inenerías Industrales de adajoz. Resumen La

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

UNIDAD 1: Tablas de frecuencias

UNIDAD 1: Tablas de frecuencias UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que

Más detalles

4º DE ESO MATEMÁTICAS-B CURSO UNIDAD 14: ESTADÍSTICA

4º DE ESO MATEMÁTICAS-B CURSO UNIDAD 14: ESTADÍSTICA UNIDAD 14: ESTADÍSTICA INTRODUCCIÓN La presenca de la Estadístca es habtual en multtud de contextos de la vda real: encuestas electorales, sondeos de opnón, etc. La mportanca de la Estadístca en la socedad

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Distribuciones estadísticas unidimensionales

Distribuciones estadísticas unidimensionales Dstrbucones estadístcas undmensonales ESTADÍSTICA Estuda los métodos ara recoger, organzar y analzar nformacón, con la fnaldad de descrbr un fenómeno que se está estudando y obtener conclusones. TÉRMIOS

Más detalles

PROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos.

PROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos. ROILIDD Álgebra de sucesos. Un fenómeno o exerenca se dce que es aleatoro cuando al reetrlo en condcones análogas es mosble de redecr el resultado. El conjunto de todos los resultados osbles de un exermento

Más detalles

Cinemática del Brazo articulado PUMA

Cinemática del Brazo articulado PUMA Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad

Más detalles

Pattern Classification

Pattern Classification attern Cassfcaton A materas n these sdes were taken from attern Cassfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wey & Sons, 000 wth the ermsson of the authors and the ubsher Catuo : Teora

Más detalles

TEMA 4. HERRAMIENTAS MATEMÁTICAS PARA LA LOCALIZACIÓN ESPACIAL ROBÓTICA

TEMA 4. HERRAMIENTAS MATEMÁTICAS PARA LA LOCALIZACIÓN ESPACIAL ROBÓTICA TEMA 4. HERRAMIENTA MATEMÁTIA PARA LA LOALIZAIÓN EPAIAL ROBÓTIA ÍNDIE INTRODUIÓN LOALIZAIÓN EPAIAL REPREENTAIÓN DE LA POIIÓN REPREENTAIÓN DE LA ORIENTAIÓN REPREENTAIÓN ONJUNTA (POIIÓN Y ORIENTAIÓN) 2 INTRODUIÓN

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

ANEXO A: Método de Interpolación de Cokriging Colocado

ANEXO A: Método de Interpolación de Cokriging Colocado ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),

Más detalles

CALCULO DE INTERSECCIONES TOPOGRAFICAS UTILIZANDO EL PROMÉDIO PONDERADO

CALCULO DE INTERSECCIONES TOPOGRAFICAS UTILIZANDO EL PROMÉDIO PONDERADO CALCULO DE INERSECCIONES OOGRAFICAS UILIZANDO EL ROMÉDIO ONDERADO Irneu da Slva Dego de Olvera Martns aulo Cesar Lma Segantne Deartamento de Engenhara de ransortes EESC US - Brasl rneu@sc.us.br degoolmartns@us.br

Más detalles

1. CLASIFICACIÓN 1.1. INTRODUCCIÓN

1. CLASIFICACIÓN 1.1. INTRODUCCIÓN . LASIFIAIÓN.. INRODUIÓN Defncón En los datos esten atrones o reulardades. El arendzae automátco AA ermte realzar aromacones que conduzcan a detectar certos atrones, que no son más que determnadas relacones

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las

Más detalles

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de

Más detalles

1. Notación y tabulación

1. Notación y tabulación Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULAD DE CIENCIAS MAEMÁICAS E.A.P. DE..ESADÍSICA Caracterzacón de los muncos de la rovnca de Lma usando los ndcadores de gestón muncal medante análss factoral

Más detalles

Tema 9: Otros temas de aplicación

Tema 9: Otros temas de aplicación Tema 9: Otros temas de aplcacón. Introduccón Exsten muchos elementos nteresantes y aplcacones del Matlab que no se han comentado a lo largo de los temas. Se nvta al lector a que nvestgue sobre ellos según

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

Fuerzas distribuidas. 2. Momento de inercia

Fuerzas distribuidas. 2. Momento de inercia Dpto. Físca y Mecánca Fuerzas dstrbudas d Centro de gravedad centro de masas. Centro de gravedad, centro de masas. Momento de nerca ntroduccón. Fuerzas dstrbudas Cálculo de centrodes y centros de gravedad

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA Departamento de Ingeniería Eléctrica

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA Departamento de Ingeniería Eléctrica ONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA Departamento de Ingenería Eléctrca METODOS DE ASIGNACION DE EAJES DE LOS SISTEMAS DE TRANSMISION ELECTRICA SEGUN EL USO DE LA RED FRANCISCO

Más detalles

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor el blog de mate de ada: ESTADÍSTICA pág. 1 ESTADÍSTICA La estadístca es la cenca que permte acer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que aorra tempo y dnero. Poblacón

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Estadística aplicada a las ciencias sociales. Examen Febrero de 2008 primera semana

Estadística aplicada a las ciencias sociales. Examen Febrero de 2008 primera semana Estadístca alcada a las cencas socales. Examen Febrero de 008 rmera semana Ejercco. - En la sguente tabla, se reresentan los datos de las edades de los trabajadores de una gran emresa. Gruos de edad Nº

Más detalles

Herramientas Matemáticas para la localización espacial. Prof. Cecilia García

Herramientas Matemáticas para la localización espacial. Prof. Cecilia García Herramentas Matemátcas para la localzacón espacal Contendo I. Justfcacón 2. Representacón de la poscón 2. Coord. Cartesanas 2.2 Coord. Polares y Clíndrcas 2.3 Coord. Esfércas 3. Representacón de la orentacón

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

Robótica Tema 4. Modelo Cinemático Directo

Robótica Tema 4. Modelo Cinemático Directo UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

x j x 1,,x n, j 1,,n La condición necesaria y suficiente es que el determinante Jacobiano de la transformación no se anule,

x j x 1,,x n, j 1,,n La condición necesaria y suficiente es que el determinante Jacobiano de la transformación no se anule, Mecánca Cambo de Coordenadas En coordenadas Cartesanas estamos acostumbrados a pensar a los vectores base como versores (vectores de norma 1 o untaros) drgdos a lo largo de los correspondentes ejes, en

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

PRÁCTICA 4. INDUCCIÓN ELECTROMAGNÉTICA. A. Observación de la fuerza electromotriz inducida por la variación de flujo magnético

PRÁCTICA 4. INDUCCIÓN ELECTROMAGNÉTICA. A. Observación de la fuerza electromotriz inducida por la variación de flujo magnético A. Observacón de la fuerza electromotrz nducda por la varacón de flujo magnétco Objetvo: Observacón de la presenca de fuerza electromotrz en un crcuto que sufre varacones del flujo magnétco y su relacón

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

Análisis de datos cualitavos con análisis de correspondencias

Análisis de datos cualitavos con análisis de correspondencias Análss de datos cualtavos con análss de correspondencas Sesón Camp Elías Pardo Unversdad Naconal Sesón - contendo Introduccón 2 Descrpcón de una varable cualtabva 3 Análss de correspondencas smples (ACS)

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

DISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú

DISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.

Más detalles

PID. Descripción y reglas heurísticas de Sintonización

PID. Descripción y reglas heurísticas de Sintonización Práctca 5 PID. Descrcón y reglas heurístcas de Sntonzacón 1. Introduccón El objetvo de esta ráctca es que el alumno se famlarce y rofundce en el conocmento de la estructura de control PID, rofusamente

Más detalles

ANÁLISIS DE CORRESPONDENCIA

ANÁLISIS DE CORRESPONDENCIA Aálss Multvarate Parte Reduccó de datos Gerardo Colmeares Y sus Alcacoes Aálss de corresodeca múltle ANÁLISIS DE CORRESPONDENCIA Esta técca estadístca es de gra utldad uesto que la terretacó del resultado

Más detalles

a) DIAGRAMA DE DISPERSION

a) DIAGRAMA DE DISPERSION SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes

Más detalles

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003

Capítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

II. HIDROSTÁTICA. Es la parte de la hidráulica que estudia los líquidos en reposo.

II. HIDROSTÁTICA. Es la parte de la hidráulica que estudia los líquidos en reposo. UNIVERIDAD POLITENIA DE ARTAENA EUELA TENIA UPERIOR DE INENIERIA ARONOMIA II. HIDROTÁTIA Es la arte de la hidráulica que estudia los líquidos en reoso. El cálculo de los emujes hidrostáticos ejercidos

Más detalles

e i para construir el modelo econométrico que se escribe a continuación:

e i para construir el modelo econométrico que se escribe a continuación: 5.3 Especfcacón del modelo empírco Para este análss se formló n modelo econométrco de seccón crzada, porqe las observacones corresponden a las característcas de las personas encestadas en n msmo período

Más detalles

Regresión Lineal Simple y Correlación

Regresión Lineal Simple y Correlación 4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

XV CONGRESO DE CONFIABILIDAD APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS AL MANTENIMIENTO BASADO EN CONDICIÓN

XV CONGRESO DE CONFIABILIDAD APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS AL MANTENIMIENTO BASADO EN CONDICIÓN APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS AL MANTENIMIENTO BASADO EN CONDICIÓN Sebatán Martorell (1), Isabel Martón (1), Ana Isabel Sánchez (2), Sofía Carlos (1) (1) Departamento de Ingenería Químca y

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

TEMA 6 CUESTIONARIO DE AUTOEVALUACIÓN

TEMA 6 CUESTIONARIO DE AUTOEVALUACIÓN 6.2.- Un emleado ercbe anualmente un salaro bruto de 2.200.000 euros, del ue hacenda le retene el 15%. S se roduce un ncremento salaral del 3,5% Cuál será su sueldo neto?. 1.929.510 1.935.450 2.277.000

Más detalles

CASO 1: Variable CONTINUA con idéntica probabilidad de ocurrencia para los infinitos valores comprendidos entre dos extremos (inferior y superior)

CASO 1: Variable CONTINUA con idéntica probabilidad de ocurrencia para los infinitos valores comprendidos entre dos extremos (inferior y superior) DIFERENTES TIOS DE DISTRIBUCIÓN UTILIZACIÓN DE FUNCIONES DE EXCEL EN MODELOS DE SIMULACIÓN Utlzacón ndvdual y conjunta de funcones para la representacón del comportamento de varables bajo las alternatvas

Más detalles

Determinar el momento de inercia para un cuerpo rígido (de forma arbitraria).

Determinar el momento de inercia para un cuerpo rígido (de forma arbitraria). Unversdad de Sonora Dvsón de Cencas Exactas y Naturales Departamento de Físca Laboratoro de Mecánca II Práctca #3: Cálculo del momento de nerca de un cuerpo rígdo I. Objetvos. Determnar el momento de nerca

Más detalles

Energía potencial y conservación de la energía

Energía potencial y conservación de la energía Energía potencal y conservacón de la energía Mecánca y Fludos Proa. Franco Ortz 1 Contendo Energía potencal Fuerzas conservatvas y no conservatvas Fuerzas conservatvas y energía potencal Conservacón de

Más detalles

Capítulo 6: Variables Aleatorias Multivariadas

Capítulo 6: Variables Aleatorias Multivariadas Unversa Técnca Feerco Santa María Departamento e Inormátca ILI-8 Capítulo 6: Varables Aleatoras Multvaraas staístca Computaconal I Semestre 6 Pro. Carlos Valle Págna : www.n.utsm.cl/~cvalle e-mal : cvalle@n.utsm.cl

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca www.aulatecnologa.com 1 ETADÍTICA DECRIPTIVA Lo prmero que buscamos con la Estadístca es el tratamento matemátco a partr de una nformacón epermental. Cuando queremos observar la evolucón de

Más detalles

UN MODELO DE ANÁLISIS DEL RIESGO DE CRÉDITO Y SU APLICACIÓN PARA REALIZAR UNA PRUEBA DE ESTRÉS DEL SISTEMA FINANCIERO MEXICANO

UN MODELO DE ANÁLISIS DEL RIESGO DE CRÉDITO Y SU APLICACIÓN PARA REALIZAR UNA PRUEBA DE ESTRÉS DEL SISTEMA FINANCIERO MEXICANO UN MODELO DE ANÁLISIS DEL RIESGO DE CRÉDIO Y SU APLICACIÓN PARA REALIZAR UNA PRUEBA DE ESRÉS DEL SISEMA FINANCIERO MEXICANO Javer Márquez Dez-Canedo (*) Fabrzo Lóez-Gallo (*) (*) Javer Márquez Dez-Canedo

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 Unversdad Católca Los Ángeles de Cbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCION DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

ANEXO B: EXACTITUD Y PRECISIÓN ESTRATIFICACIÓN Y OTROS TÓPICOS

ANEXO B: EXACTITUD Y PRECISIÓN ESTRATIFICACIÓN Y OTROS TÓPICOS Unversdad écnca Federco Santa María Deartamento de Matemátca Renato Allende Olvares Humberto Vllalobos orres ANEXO B: EXACIUD Y PRECISIÓN ESRAIFICACIÓN Y OROS ÓPICOS I.- EXACIUD Y PRECISIÓN Al recolar

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

CONTROL DE PROCESOS QUÍMICOS

CONTROL DE PROCESOS QUÍMICOS UNIVESIDAD NACIONAL EXPEIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCE VICEECTOADO BAQUISIMETO DEPATAMENTO DE INGENIEÍA QUÍMICA CONTOL DE POCESOS QUÍMICOS Prof: Ing. (MSc). Juan Enrque odríguez C. Octubre, 03

Más detalles

(p +Q 222 P +Q P +Q )

(p +Q 222 P +Q P +Q ) TEMA S.- PUNTOS. RECTAS Y PLANOS EN EL ESPACO. TEMA 5.- PUNTOS, RECTAS Y PLANOS EN EL ESPACO..- PUNTOS. Sstema de referenca: Un sstema de referenca en el espaco 93 consste en un conjunto formado por un

Más detalles

República Bolivariana de Venezuela Universidad de Los Andes Facultad de Ingeniería Doctorado en Ciencias Aplicadas

República Bolivariana de Venezuela Universidad de Los Andes Facultad de Ingeniería Doctorado en Ciencias Aplicadas Reúblca Bolvarana de Venezuela Unversdad de Los Andes Facultad de Ingenería Doctorado en Cencas Alcadas EVALUACIÓN DE LA SEGURIDAD ESTRUCTURAL Contrbucones a la Teoría del Daño Concentrado, a la Mecánca

Más detalles

GUÍA DE APOYO AL APRENDIZAJE N 2

GUÍA DE APOYO AL APRENDIZAJE N 2 GUÍA E APOYO AL APREIZAJE Meddas de Tendenca Central ó de Resumen Las meddas de resumen son valores de la varable que permten resumr la normacón que hay en una tabla undamentalmente estas meddas se usan

Más detalles

CAPÍTULO 1-5 MEDICIÓN DE LA DISIMILITUD Problemática de la medición de la disimilitud

CAPÍTULO 1-5 MEDICIÓN DE LA DISIMILITUD Problemática de la medición de la disimilitud CAPÍTULO -5 MEDICIÓN DE LA DISIMILITUD -5. MULTIDIMENSIONALIDAD, DISIMILITUD Y CONCENTRACIÓN -5.. Problemátca de la medcón de la dsmltud Vmos que una medcón asocada a un conceto establece una corresondenca

Más detalles

Eficiencia de procesos termodinámicos

Eficiencia de procesos termodinámicos Ecenca de rocesos termodnámcos El conceto anteror es váldo ara cualquer roceso o sstema. Fuente calente, q q c w uonga una máquna que toma calor de una uente calente, y arte de la msma la utlza ara roducr

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

Tema 9: Estadística Unidimensional.

Tema 9: Estadística Unidimensional. Tema 9: Estadístca Undmensonal..- Introduccón.- Conceptos Báscos 3.- Tablas estadístcas.- Parámetros Estadístcos De centralzacón. De poscón De dspersón. 5.- Grácos Estadístcos 6.- Ejerccos Resueltos 7.-

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

Sistemas de Amortización de Deudas MATEMÁTICA FINANCIERA

Sistemas de Amortización de Deudas MATEMÁTICA FINANCIERA Sstemas de Amortzacón de Deudas MATEMÁTICA FINANCIERA SISTEMA FRANCÉS Lus Alcalá UNSL Segundo Cuatrmeste 2016 Como hpótess ncal de trabajo suponemos que la tasa de nterés cobrada por el prestamsta (acreedor)

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles