Un ejemplo de Análisis Factorial de Correspondencias
|
|
- Benito Valdéz Martínez
- hace 5 años
- Vistas:
Transcripción
1 Estadístca Anàls de Dades (curs ) 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 vamos a analzar la tabla que recoge en flas los productos y en columnas los mercados. La nterseccón de la fla y la columna j, recoge el valor de las ventas del producto en el mercado j. No nteresa poner de manfesto las dferencas absolutas que exsten entre las ventas de dos productos, sno que s dos productos se reparten en las msmas proporcones en los dstntos mercados, se consderan guales: tenen los msmos perfles. De la msma forma se consderan dos mercados semejantes s tenen la msma proporcón de gasto en cada uno de los artículos, ndependentemente del volumen de gasto. El peso del mercado (producto) es proporconal a su mportanca en el conjunto, e gual al volumen de ventas en ese mercado (producto) entre las ventas totales. Al calcular la dstanca j-cuadrado entre dos productos se alla el cuadrado de las dferencas entre las proporcones de los productos en dada cudad y se pondera por el nverso del peso de cada cudad para evtar que pequeñas dferencas entre cudades de gran volumen de compra nfluyan muco. La sguente tabla recoge el valor de las ventas de cada uno de los 10 productos en cada mercado durante el año 000. producto A B C D E F G H I J Margen actvo Tabla de correspondencas mercado MR1 MR MR3 MR4 MR5 MR6 MR7 MR8 Margen actvo Hemos recogdo en flas los productos (por orden de antgüedad en el mercado) y en columnas los mercados por ser nferor el número de éstos, pues el análss es totalmente smétrco. El total de cada línea recoge las ventas de cada producto en este año y el total de cada columna las ventas en cada mercado. La nerca total de la nube es I = f. d ( H, H ) f m =. j f f j. j f. f. j χ = n donde H m es el centro de gravedad de la nube. La prmera componente prncpal maxmza la nerca de la nube proyectada f F. 1 1
2 Estadístca Anàls de Dades (curs ) En la práctca suelen ser sufcentes dos o tres ejes para estudar la relacón entre flas y columnas. Es posble entonces obtener una vsón global bastante buena s se representan smultáneamente los puntos flas y columna sobre el plano formado por los dos prmeros ejes, que recoge mayor cantdad de nformacón. Esta representacón smplfcada será tanto más fel cuanto mayor sea el porcentaje de nerca explcada por los dos ejes. Para obtener mayor precsón en la magen se completa con los ejes tercero, cuarto, etc. El gráfco se nterpreta como sgue: 1. S dos flas (columnas) tenen una estructura semejante, su stuacón será próxma sobre el plano (no sempre es certo la nversa; depende de la caldad de representacón de los puntos).. La stuacón cercana de un punto fla y un punto columna j sólo se puede nterpretar s están alejados del orgen, en la perfera de la nube, consecuenca de las relacones barcéntrcas, pues en caso contraro la proxmdad entre y j puede deberse o no a que tenga mportanca en j o la nversa, sno que las que tenen mportanca sobre j son e que se allan muy alejadas de j y en extremos opuestos. 3. Cuando una fla tene un perfl próxmo al perfl medo, tene un comportamento medo, se encontrará próxma al orgen. Para nterpretar la magen ay que conocer la sgnfcacón de los ejes sobre los cuales emos proyectado la nube y estudar la forma de ésta. Para ello es necesaro calcular unos coefcentes o ayudas a la nterpretacón, pues la vsón drecta del gráfco puede nducr a errores. Para cada elemento fla y columna se calculan: Contrbucón absoluta CTA : Expresa la partcpacón que tene el elemento en la nerca explcada por el factor f. F CTA = f F Esta contrbucón depende no sólo de su dstanca al orgen (centro de gravedad) o desvacón de la meda, sno tambén de su peso. Contrbucón relatva CTR : Recoge la partcpacón del factor en la explcacón del elemento. Mde la caldad de representacón de sobre el eje F CTR = ; CTR ( ) = 1 d ( H, ) H m. Para nterpretar los resultados proporconados por el ordenador se consulta en prmer lugar la traza, valores propos y porcentaje de nerca explcada por los ejes. Se observa que con sólo dos factores se explca más de las ¾ partes de la nformacón recogda, el 76,8% de la nerca total de la nube. Es decr, al consderar úncamente dos varables, reducendo la dmensón de 8 a mantenemos el 76,8% de la nformacón y con tres dmensones el 87,9%.
3 Estadístca Anàls de Dades (curs ) Dmensón Total Resumen Confanza para el Valor Proporcón de nerca propo Correlac Desvacón ón Valor propo Inerca C-cuadrado Sg. Explcada Acumulada típca,18,047,58,58,010,03 a. 63 grados de lbertad,147,0,40,768,009,100,010,111,879,070,005,054,933,055,003,034,967,047,00,04,991,08,001,009 1,000,090 96,785,000 a 1,000 1,000 producto A B C D E F G H I J Total actvo Puntuacón en la dmensón Examen de los puntos de fla a De los puntos a la nerca de la dmensón Masa 1 Inerca 1 1 Total,030,363 -,047,006,018,000,150,00,15,014,769-1,738,010,039,95,180,6,80,141,188,01,004,03,039,65,05,470 a. Normalzacón Smétrca,099,105,38,001,005,038,16,560,7,94,465,169,016,9,057,870,077,947,019,99 -,475,003,008,09,107,18,88,046,46-1,03,013,013,45,048,764,81,096 -,500,09,008,111,09,671,079,750,149 -,735,00,00,370,000,879,000,879,11 -,489 -,8,009,13,061,68,153,835 1,000,090 1,000 1,000 Contrbucón De la dmensón a la nerca del punto mercado MR1 MR MR3 MR4 MR5 MR6 MR7 MR8 Total actvo Puntuacón en la dmensón Examen de los puntos columna a Masa 1 Inerca 1 1 Total,146 -,789,151,04,419,03,845,01,866,109,050,448,006,001,149,011,583,594,07 -,894 -,38,019,65,07,645,079,75,403,88 -,378,016,154,39,456,59,985 a. Normalzacón Smétrca De los puntos a la nerca de la dmensón Contrbucón De la dmensón a la nerca del punto,061 -,089,097,003,00,004,040,03,071,15,5,554,014,156,60,514,390,904,048 -,079,503,005,001,083,013,358,371,036,075,67,003,001,017,013,113,16 1,000,090 1,000 1,000 3
4 Estadístca Anàls de Dades (curs ) La nterpretacón de los ejes es fundamental, y para evtar errores es necesaro segur una sere de pautas. - En prmer lugar se buscan aquellos puntos (j) de mayor CTA. - Dentro de éstos se separan los puntos que se proyectan del lado postvo de los que ntervenen del lado negatvo, que estarán en oposcón. - Se estuda la caldad de representacón CTR de estos puntos. S un punto tene un CTR pequeño es de suponer que tenga un papel mportante sobre otro eje, y para su estudo sería necesaro consderar el conjunto de los ejes. - Se buscan aquellos puntos (j) que s ben no contrbuyen a la formacón del factor, sí se encuentran ben representados (CTR alto). Estos puntos son lustratvos de la sgnfcacón del eje. De esta forma tenemos los elementos necesaros para la nterpretacón de los ejes. Puesto que el eje es una nueva dmensón que condensa y resume crteros nterrelaconados, se puede, a veces, dar un sgnfcado a este eje. Es relatvamente fácl cuando ay elementos muy ben representados sobre los ejes y opuestos entre sí. A menudo se nterpreta por oposcón de adjetvos como mercados rurales y urbanos, etc. Una vez eco este análss en cada unos de los conjuntos de flas y columnas, se ponen estas nterpretacones en relacón para obtener los resultados del análss, tenendo sempre cudado de nterpretar las proxmdades entre puntos fla y columna úncamente cuando se encuentran en la perfera de la nube, pues es entonces cuando por las fórmulas de transcón podemos afrmar que desempeña un papel mportante en j o recíprocamente. No ocurre así con los puntos próxmos al orgen de coordenadas o centros de gravedad de la nube. Las tablas de la págna anteror recoge los pesos o coordenadas, contrbucones absolutas y relatvas. Comenzaremos analzando las flas aunque gualmente podríamos comenzar por las columnas. El prmer factor explca el 5,8% de la varabldad de la nube. Cuatro productos explcan cas la totaldad del factor, E en el campo postvo (CTA = 9,%) e I, J y H en el negatvo. Estos cuatro puntos tenen contrbucones relatvas altas, y son muy nferores las de los demás productos. En el espaco de mercados tambén son cuatro los que determnan el factor, MR4 y MR6, stuados en el campo postvo, se oponen a MR1 y MR3 stuados en el negatvo. Todos ellos tenen buena caldad de representacón sobre el eje, aunque en el caso de MR4 y MR6 su CTR se stúa en torno al 50%, lo que nos ace suponer que tendrán gran contrbucón sobre otro eje, y para su nterpretacón será necesaro consderarlos conjuntamente. Los restantes puntos tenen CTR cas nulas. En consecuenca, este factor se caracterza porque opone los mercados MR4 y MR6 caracterzados por el producto E a MR1 y MR3 asocados a H, I y J. El segundo factor explca el 4% de la varanza. Opone MR4 a MR6 a MR (CTA 39,%, 6% y 14,9%). Tambén el MR7 aunque no contrbuye muco tene una correlacón sgnfcatva. Para el estudo de los mercados MR4 y MR6 abrá que consderar el plano en su conjunto sobre el cual la caldad de representacón es cas perfecta. En cuanto a los productos, B y G stuados ambos en el campo negatvo tenen las mayores contrbucones. En oposcón con una CTA pequeña pero ben correlaconado se encuentra D y en menor medda C. En consecuenca, podemos asocar los productos B y G al MR4 y en oposcón los mercados MR, MR6 y MR7. Para mayor precsón es necesaro consderar el plano cuyas proxmdades se observan sobre el gráfco. 4
5 Estadístca Anàls de Dades (curs ) Gráfco del Análss factoral de correspondencas 1,000 0,500 Factor 0,000-1,000-0,500 0,000 0,500 1,000-0,500 Producto Mercado -1,000-1,500 -,000 Factor 1 Los productos H, I y J se encuentra en F 1 < 0 y su correlacón con el segundo eje es muy pequeña. Son bastante próxmos, lo cual ndca smltud de perfles. Se dstrbuyen de forma semejante. En las msmas crcunstancas se encuentran los mercados MR1 y MR3, que tenen característcas semejantes (como se ve en la tabla de correspondencas). En vrtud de de las fórmulas barcéntrcas, podemos nterpretar las proxmdades entre productos y mercados. Los productos H, I y J (los de más recente lanzamento) se asemejan en que an encontrado un mercado propco en MR1 y MR3, en los que an penetrado con fuerza (en mayor proporcón que en el conjunto del mercado), consttuyendo una parte mportante de sus adquscones. MR1 tene mayor peso que MR3, por lo que tendrá mayor mportanca en el perfl de los productos, pero nnguno de los dos mercados se puede consderar como los de mayor mportanca global, sno que se caracterzan por ser los de mayor renta per cápta (una nformacón adconal). Así pues, comprobamos en este análss que los nuevos productos, las nnovacones se ntroducen con mayor facldad en los mercados de mayor renta per cápta. En el cuarto cuadrante se stúan los productos G y B, ben correlaconados con el segundo factor y muco más alejados del orgen que MR4, lo que ndca que se drgen fundamentalmente a este mercado. S todo el producto B fuera a MR4, dado que el valor propo (en SPSS es la nerca) del segundo eje es 0,0, la proyeccón de B debería de estar a una dstanca del orgen de 1 0,0 = 6, 8 veces la de MR4. Como se stúa aproxmadamente cnco veces más alejado, podemos pensar que unas ¾ partes del producto se colocan en MR4. Éste se asoca sobre el prmer factor al producto E de mayor peso que el anteror y que ocupa cas la tercera parte del MR4. Al ser MR4 un mercado de gran volumen, tambén tene una nfluenca mportante en el producto E. 5
6 Estadístca Anàls de Dades (curs ) El MR6 se stúa en el prmer cuadrante muy ben representado sobre el plano. Sobre el prmer factor se asoca al producto E que le caracterza y sobre el segundo a C y D, segundo y tercer productos en volumen de ventas en ese mercado. El MR7 se stúa sobre el segundo factor más alejado que E, prncpal producto consumdo en él y en oposcón a B. El MR5 está mal representado sobre el plano y muy próxmo al orgen, luego, presenta un perfl o estructura de compra semejante al perfl de ventas de la empresa. Se puede consderar como una pequeña reproduccón del mercado global, característca mportante a la ora de realzar una encuesta de reducdo coste. Se observa en este ejemplo cómo es necesaro nterpretar el gráfco tenendo en cuenta las ayudas a la nterpretacón. Los pesos nos an ayudado a determnar s la proxmdad entre mercado y producto se debe a que los mercados tenen muca mportanca para ese producto o a la nversa.,0 Puntos de columna y de fla 1,5 1,0,5 0,0 -,5 MR1 H I J MR3 MR7 MR6 MR MR8 DC MR5 E A MR4 F Dmensón -1,0-1,5 -,0 -,0-1,5-1,0 -,5 0,0 G,5 B 1,0 1,5,0 mercado producto Dmensón 1 Gráfco producdo por el SPSS Bblografía ABASCAL, ELENA y GRANDE, ILDEFONSO, Métodos multvarantes para la nvestgacón comercal, Arel Economía, Barcelona, SANTESMASES, MIGUEL, Dseño y análss de encuestas en nvestgacón socal y de mercados, Ed. Prámde, Madrd,
7 Estadístca Anàls de Dades (curs ) ANALISIS FACTORIAL DE CORRESPONDENCIAS SEGUN EL PROGRAMA DYANE TABLA: MR1 MR MR3 MR4 MR5 MR6 MR7 MR A 53,00 9,00 0,00 146,00 16,00 47,00 15,00,00 B 11,00 11,00 1,00 119,00 5,00 0,00 1,00 0,00 3 C 190,00 179,00 93,00 563,00 86,00 49,00 5,00 37,00 4 D 147,00 134,00 55,00 395,00 59,00 145,00 59,00 31,00 5 E 61,00 371,00 19, ,00 180,00 488,00 175,00 19,00 6 F,00 14,00 7,00 98,00 6,00 19,00 6,00,00 7 G 6,00 0,00 63,00 80,00 17,00 41,00 9,00 17,00 8 H 33,00 118,00 76,00 30,00 6,00 97,00 40,00 47,00 9 I 30,00 157,00 11,00 478,00 9,00 10,00 108,00 50,00 10 J 47,00 111,00 109,00 453,00 84,00 79,00 34,00 34,00 INERCIA TOTAL: 0,08989 JI-CUADRADO: 96,7853 EJE 1 EJE VALORES PROPIOS: 0,0474 0,016 CONTRIBUCION A LA INERCIA: 5,7530 4,0065 VECTORES PROPIOS: 1,6917 0,3944-0,1065 1,1674 1,9164-0,9955-0,618-0,9864 0,1907 0,517-1,1193 1,4459 0,1685 1,3133-0,1601 0,6971 ESTUDIO DE LAS COLUMNAS E J E 1 E J E COOR- CORRE- % INER. COOR- CORRE- % INER. DENADA LACION EXPLIC. DENADA LACION EXPLIC MR1 0,368 0,845 41,9 0,058 0,01,8. MR -0,03 0,011 0,1 0,171 0,583 14,86 3. MR3 0,417 0,645 6,50-0,146 0,079 7,15 4. MR4-0,135 0,456 15,39-0,145 0,59 39,18 5. MR5 0,04 0,040 0, 0,037 0,031 0,39 6. MR6-0,44 0,514 15,6 0,1 0,390 6,06 7. MR7 0,037 0,013 0,14 0,193 0,358 8,35 8. MR8-0,035 0,013 0,09 0,10 0,113 1,74 ESTUDIO DE LAS FILAS E J E 1 E J E COOR- CORRE- % INER. COOR- CORRE- % INER. DENADA LACION EXPLIC. DENADA LACION EXPLIC A -0,169 0,150 1,80-0,018 0,00 0,05. B -0,359 0,180 3,90-0,666 0,6 9,54 3. C -0,088 0,65,7 0,077 0,05 3,87 4. D -0,049 0,16 0,51 0,091 0,559 3,84 5. E -0,17 0,870 9,15 0,065 0,077 5,69 6. F -0,139 0,107 0,77-0,18 0,18,89 7. G -0,115 0,048 1,8-0,461 0,764 45,19 8. H 0,34 0,671 11,08 0,080 0,079,86 9. I 0,343 0,879 36,97 0,001 0,000 0, J 0,8 0,68 1,7-0,108 0,153 6,06 7
8 Estadístca Anàls de Dades (curs ) REPRESENTACIÓN GRÁFICA DE LOS EJES FACTORIALES VARIABLES COLUMNA: Códgo Sgnfcado A MR1 B MR C MR3 D MR4 E MR5 F MR6 G MR7 H MR8 VARIABLES FILA: Códgo Sgnfcado A B 3 C 4 D 5 E 6 F 7 G 8 H 9 I 10 J EJES 1 y : EJE F G B H A E EJE D C 6 7 8
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 detallesMedidas 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 detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detallesPoblación 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 detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesModelos 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 detallesCURSO 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 detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesEstas 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 detallesTema 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 detallesACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.
Matemátcas Aplcadas a las Cencas Socales I ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL 1) Se ha meddo la temperatura en grados centígrados la presón atmosférca en mm en una cudad durante una semana obtenéndose
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesESTADISTÍCA. 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 detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesESTADÍSTICA (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 detallesINTRODUCCIÓN. 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 detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesFE 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 detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detalles16/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,
Más detallesEstadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesFigura 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 detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesAnálisis 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 detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesDescripción 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 detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesRegresión múltiple k k
Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror.
Más detallesTema 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 detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 20 DE JUNIO DE horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 0 DE JUNIO DE 018 15.30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta 1 A B C En Blanco
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesProblemas 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 detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesDISEÑO 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 detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detalles2 Dos tipos de parámetros estadísticos
Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detallesTema 6 El mercado de bienes y la función IS
Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesESTADÍSTICA. 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 detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesEJERCICIOS RESUELTOS TEMA 2
EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;
Más detallesProblema: 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 detallesCinemática 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 detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesI.E.S. Historiador Chabás -1- Juan Bragado Rodríguez
Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.
Más detallesApéndice 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 detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detalles3 - 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 detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesModelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesMedidas 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 detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesPONTIFICIA 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 detallesEXPERIMENTACIÓN 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 detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS SEPTIEMBRE 2014 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS.
eptembre 04 EAMEN MODELO B ág. INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 04 Códgo asgnatura: 60037 EAMEN TIO TET MODELO B DURACION: HORA olucones 0 4 40 30 0 0 0 44 4 39 6 4 36 37 3 8 00 0 0 03 04 Nº de
Más detallesMEDIDAS DE ASOCIACIÓN: COEFICIENTES DE CORRELACIÓN Y DE REGRESIÓN I.- Introducción En el tema I estudiamos las medidas descriptivas para una
MEDIDAS DE ASOCIACIÓ: COEFICIETES DE CORRELACIÓ DE REGRESIÓ I.- Introduccón En el tema I estudamos las meddas descrptvas para una varable, y además, planteamos que tales meddas tambén exsten para dos o
Más detallesExamen Final de Econometría Grado
Examen Fnal de Econometría Grado 17 de Mayo de 2016 15.30 horas Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Antes de empezar a resolver el examen, rellene TODA la nformacón
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesRegresión 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 detallesANEXO 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 detallesMétodo de reponderación aplicado en la EPA
Método de reponderacón aplcado en la EPA La Encuesta de Poblacón Actva (EPA), como cualquer otra encuesta a hogares, puede tener dstorsones en las estmacones que produce, debdo a una sere de causas lgadas
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesA. 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 detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesErratas y modificaciones
Erratas y modfcacones Págna 39 Tabla fnal: Dce: Expermental T Debe decr: Expermental T Págna 40 Tabla comenzo: Dce: T 0 Debe decr: T Dce: 3 T Debe decr: 3 T Págna 05 Párrafo : Debe qutarse el acento de
Más detallesPoblación: 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 detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detalles