Análisis en Componentes Principales (ACP).
|
|
- Mariano Murillo Agüero
- hace 5 años
- Vistas:
Transcripción
1 Capítulo Aálisis e Compoetes Pricipales (ACP) Como ates se ha dicho, el Aálisis e Compoetes Pricipales, ACP, cosidera ua matriz R de datos iiciales de carácter o simétrico: Sus compoetes, r ij, so valores uméricos que, de maera cotiua, mide la variable j ésima (columas) e el i ésimo idividuo (filas) Veamos a cotiuació cómo el Aálisis Factorial Geeral se adapta a esta situació, de maera que tegamos e cueta que se trata de ua tabla estadística y o de ua mera matriz umérica R que hubiera que reducir o explicar e base a u cojuto meor de úmeros Queda pues cocretada la situació iicial e estos térmios: El espacio de las filas está costituido por idividuos El espacio de las columas está costituido por p variables Así pues, dispoemos de ua tabla de datos R (r ij ); i,, ; j,, p; sobre la que vamos a efectuar e primer lugar el Aálisis e R p, previa cocreció de la matriz X Aálisis e el espacio de las variables R p Segú el AFG, cosideraremos e ua primera fase los putos fila e el espacio vectorial R p de las columas (variables) E primer lugar, y dada la aturaleza estadística de la tabla iicial R, vamos a defiir sobre qué matriz, X, trasformada de la tabla R, vamos a realizar el AFG E realidad, cuado se tiee ua situació práctica del tipo que estamos cosiderado (variables idividuos), l as variables puede ser muy heterogéeas e cuato a sus valores medios Tambié desde luego lo puede ser respecto a su dispersió, provocada por escalas de medida a veces muy diferetes, pero esta otra fuete de heterogeeidad o la cosideramos e ua primera fase Así pues, como elimiar el efecto de la heterogeeidad de medidas? Hagamos ua iterpretació geométrica de la situació No olvidemos que hemos de realizar (Aálisis e R p ) el ajuste e R p (espacio de columas variables) de u subespacio que describa aproximadamete la ube de putos fila (los idividuos), co los criterios defiidos e el AFG Este subespacio, como tal, cotiee siempre al orige e el plateamieto básico del AFG, e dode o se cosidera la aturaleza estadística de la tabla sio meramete su caracter umérico Ahora, si embargo, teemos ua iformació adicioal sobre los valores uméricos, iformació estadística, que permite tratar la heterogeeidad de las medidas de las variables como u factor tato a cosiderar como a elimiar, e su posible efecto o deseado, a la hora de describir la proximidad de los putos fila Gráficamete lo que ocurre es que la posició de la ube de putos fila (idividuos) cambia, respecto del orige, frete a la adoptada e el AFG e dode o se cosidera el efecto de las medias e cada variable E leguaje geométrico, es claro que el espacio afí H es presumiblemete más apropiado para describir la ube de putos fila que el espacio vectorial H 0 (subespacio del R p ) Cosiderar este subespacio afí, o 7
2 8 Aálisis e Compoetes Pricipales (ACP) F R p H 0 h I h j O Figura : Recta afí altera la filosofía geeral del AFG, ya que lo que estadísticamete iteresa es la forma de la ube, o la posició de ésta respecto del orige Técicamete hablado, iteresa pasar el orige al cetro de gravedad (puto medio, cuyas coordeadas so las dadas por las p medias, r j, e las p variables), porque así, la búsqueda de la recta H (subespacio afí, cuado el orige está e 0) puede reducirse a la búsqueda de u H 0 tal como se ha realizado e el AFG, pero respecto de u orige colocado e el cetro de gravedad Aalíticamete, estas cosideracioes geométricas equivale a lo siguiete: Sea h i y h j las proyeccioes de dos putos sobre ua recta H Cosideremos el criterio de maximizar la suma (h i h j ), es decir i,j maximizar la suma de todas las diferecias de proyeccioes de todos los pares al cuadrado Si esta suma se desarrolla, se puede ver que vale: ( hi h ) i e dode h deota la proyecció media, es decir la media aritmética de las proyeccioes de todos los putos sobre la recta H E efecto (h i h j ) i,j [ hi h h j + h ] i,j [( hi h ) ( h j h )] i,j ( hi h ) ( + hj h ) ( hi h ) ( h j h ) i,j i i,j i,j i,j ( hi h ) ( hi h ) ( h j h ) ( hi h ) El último paso, se ha dado e virtud de que: ( hi h ) ( h j h ) i,j i h i h j h i,j h i h j h i,j h i ( j h j ) h i h i,j h i + h i,j h i h j + i,j j h j + h i h i,j ()
3 Aálisis e el espacio de las variables R p 9 ( i h h ) i h + h h h + h 0 cqd Es claro etoces, que si hicieramos h 0, el problema de maximizació plateado, que coducirá a la recta H, sería u caso particular del problema de maximizació plateado e el AFG (maximizar la suma de cuadrados de todas las proyeccioes) Pero qué es hacer h 0? La respuesta es evidete: Es trasladar el orige de coordeadas al cetro de gravedad de la ube Es decir, cosiderar los valores La matriz fial X, o obstate, se defie así: x ij r ij r j x ij r ij r j () trasformació pues que pasa de la matriz iicial R (r ij ) a la X (x ij ) El factor se añade para que, al aplicar el AFG, y teer que cosiderar X X, aparezca la matriz de covariazas muestrales E efecto, X X es la matriz de covariazas muestrales Es decir, de modo que: X p X p X (x ij ) p ( ) ( ) rij r rij r C p p (3) p p r r r p r p r r r r r r r r r r r p r p p r p r p r p r p r r r r p r p r p r p r p (r i r ) (r i r )(r i r ) i i (r i r )(r i r ) i E ua seguda fase, como ates decíamos, tambié debe teerse e cueta la heterogeeidad de las escalas de medida, que produce e muchos casos ua dispersió muy heterogéea e las variables La forma típica de reducir el efecto de la heterogeeidad e las dispersioes de las variables, a la hora de medir la proximidad de los idividuos, es efectuar el paso a ua matriz X dada e la forma: X (x ij ) ( ) rij r ; s s j j p p p (r ij r j ) (4) Dados dos idividuos (i ésimo e i ésimo), la distacia al cuadrado etre ellos será (e setido euclídeo clásico): i
4 0 Aálisis e Compoetes Pricipales (ACP) d (i, i ) p j ( rij r j s j r ) i j r s j p (r ij r i j) s j j p (r ij r i j) s j j y es evidete que, al dividir cada térmio por la variaza muestral s j correspodiete de cada variable (j,, p), se reduce el efecto de la heterogeeidad de las mismas, de modo que cada variable aporta ua cotribució aáloga a la distacia o proximidad etre idividuos E este caso, además, es claro que l a matriz X X o es otra cosa que la matriz de correlacioes muestrales E efecto, obsérvese que, a partir de la matriz C dada e la expresió 3, la expresió 4 puede escribirse matricialmete e la forma V CV, e dode V diag(s, s,, s p) Pero V CV X X R e dode R p p es la matriz de coeficietes de correlació tipo Pearso Resume El ajuste a la ube de putos fila (idividuos) e R p (espacio de las variables), e el Aálisis de Compoetes Pricipales, se efectúa a dos iveles: ( ) rij r j Sobre la matriz trasformada: X (Aálisis e Compoetes Pricipales), de modo p que se aplica el AFG a ( X p X p )p p para ajustar la ube e Rp ( ) rij r j Sobre la matriz trasformada: X (Aálisis e Compoetes Pricipales Normalizado) s j de modo que se aplica el AFG a (X X) que es la matriz de correlacioes muestrales Las coordeadas de los putos fila sobre los ejes factoriales soportes de los autovectores u α de X X so globalmete expresadas como Xu α, y este vector columa tiee e cada compoete la coordeada de u puto fila respecto del α ésimo eje Por otra parte, segú vimos e AFG, Xu α λ α v α, e dode v α es el autovector α ésimo e el otro espacio R ; es decir, autovector de XX Ajuste e R de la ube de putos columa Como e los plateamietos geerales del AFG, tambié e el ACP cabe ajustar a los p putos columa (variables), e R, u subespacio vectorial o afí Lo que ocurre e ACP es que la matriz iicial R, o sus trasformadas X, o so simétricas e i, j Es más, la trasformació que lleva de R a X (e los dos casos ates defiidos) o es simétrica e los ídices i, j, y ha de iterpretarse e u setido muy diferete La trasformació x ij r ij r j implica trasladar el orige e R p, al puto cetro de gravedad de la ube de los putos fila E cambio, iterpretada e R (es decir e j), la trasformació x ij r ij r j equivale a efectuar la operació matricial X P R, e dode i j P (p ij ); p ij i j Comprobemos que, e efecto, es X P R P R r r r p r r r p r r r p p
5 Ajuste e R de la ube de putos columa r r r r r r r r r r r r r r r r r r r r r p r p r r r r X r r r r r p r p Esta trasformació que tambié aparece, como es sabido, e el estudio de los Modelos Lieales sigifica geométricamete algo bie distito de ua traslació del orige e R p : Equivale a ua proyecció paralela a la primera bisectriz e R E el caso del ACP ormalizado, cuado se efectúa además el cambio de escala r ij r e R p, dividiedo s j cada coordeada de u puto fila por s j, se realiza ua deformació de la ube de putos columa (p e total) de tal maera que se lleva los p putos a ua distacia uidad del orige E efecto: d (j, 0) i s j ( ) rij r 0 s j ( (r ij r j ) i ) (r ij r j ) i Y la distacia etre dos putos columa, j y j, será: s j d (j, j ) (r ij r j ) + i s j s j s j ( rij r r ) r ij j s j s j i (r ij r j ) s j i i + s j s j ρ jj ( ρ jj ) (r ij r j )(r ij r j ) s j s j e dode ρ jj es el coeficiete de correlació empírico etre las variables j y j Si este coeficiete es muy alto, aproximadamete, los putos columas está próximos Si ρ jj es mucho meor que, etoces está alejados E virtud de lo visto e AFG, las coordeadas de los putos columas e el eje factorial α, so las compoetes de X v α que so iguales a u α λα, e dode, e el caso de ACP ormalizado, λ α, so los autovalores de X X, la matriz de correlacioes C Recuérdese tambié que u α so los autovalores de X X Fialmete cabe observar que e el caso de la matriz cosiderada e ACP ormalizado, la matriz de correlació X X, es claro que: Ejemplo x ij r ij r j tr(x X) p α λ α i,j x ij p (5) { X P R p ij i j i j P ( ) I ( ) v ( ) v ( ) v (,, )
6 Aálisis e Compoetes Pricipales (ACP) r j R ; j P r j r j v (v r j ) v r j r ij r j i P r j r j v r j x ij r ij r j ( ) ( ) 3 / / A (, 4) B (3, ) ; R (A, B ) ; P ; r 4 / / j (,5, ) ( ) ( ) ( ) ( ) / / 3 3/,5 3 (A / / 4 3/ 4,5, B ) ( ) ( ) r r (A, B ) r r 3/ r r r r 3/ x ij r ij r j s j s j (,5, ) ; X P R / / / / d(a 3, B 3 ) radio (A 3, B 3 ) XPR 4 A (,4) R v A (-5,5) A (-07,07) 3 3 B (3,) 3 4 B (,-) B (07,-07) 3 Figura : hiperesfera de radio 3 Variables e idividuos suplemetarios e ACP Suele ocurrir e la práctica que, ua vez realizado u ACP co ua determiada matriz R de datos iiciales, se coozca los datos e las p variables correspodietes a uevos idividuos (Nuevos idividuos que se icorpora al estudio, u grupo de idividuos cotrol, etc) U caso frecuete e las aplicacioes se
7 3 Variables e idividuos suplemetarios e ACP 3 produce cuado el úmero de idividuos es muy grade e ecuestas, por ejemplo y etoces se clasifica e grupos co arreglo a algua o alguas características de los mismos (itervalos de igresos familiares, por ejemplo) que sea de iterés Icluso, a veces, iteresa más estas características de los idividuos que ellos mismos E este caso, se cosidera los cetros de gravedad de las clases de idividuos cosideradas y estos cetros se cosidera idividuos uevos (o suplemetarios) y se icorpora y preseta gráficamete como si fuera uos idividuos más Tambié puede darse el caso de icorporar uevas variables cuyos valores so coocidos para los idividuos estudiados, pero que e ua primera etapa o se ha cosiderado Posiblemete, e muchos casos es así, porque o costituye u cojuto homogéeo de características juto a las que se ha seleccioado para realizar el ACP e ua primera etapa El problema, por tato, es cómo icorporar estos uevos putos idividuos (filas) y putos columa (variables) al ACP Cosideremos los idividuos suplemetarios, e primer lugar Estos costituye u borde o caja matricial R + de la matriz R, costituida por las filas correspodietes a los idividuos añadidos Es claro que al icremetar el úmero de filas de R e la forma [ ] R p R p R + p (+ ) p estas filas idividuos de R + ha de ser comparables co las aalizadas e el ACP Es decir, hay que efectuar sobre las filas de R + las trasformacioes que se ha efectuado para realizar el ACP sobre las filas de R Si deotamos por r +i las filas suplemetarias de R +, sería: x +ij r +ij r j s j de modo que tedríamos así defiida la matriz trasformada X + E tal situació, etoces, las coordeadas de los idividuos suplemetarios sobre los α ejes factoriales ya calculados sobre X se toma como las dadas por X + u α Aálogamete procederemos co las variables suplemetarias itroducidas E este caso, R se icremeta co ua caja matricial R + de la forma ] R p [R p R + p (p+p ) y e este caso, para hacer comparables las uevas columas (variables) e R, co las previamete cosideradas, hay que llevarlas a la esfera uidad de R, lo que se cosigue defiiedo para R +, la matriz X + (x + ij ), defiida por x + ij r+ ij r+ j s + j e dode r + j so las medidas de las columas añadidas de R+, y s + j las desviacioes típicas correspodietes Ua vez defiida X +, las coordeadas de estos uevos putos columa, respecto del α eje previamete calculado co X, vedrá dadas por (X + ) v α Cometario 3 Nótese la filosofía que se ha empleado para calcular las coordeadas X + u α y (X + ) v α de los putos fila y putos columa suplemetarios respectivamete: Se matiee la estructura factorial obteida a partir de la matriz iicial R si orlar; por tato se matiee los vectores uitarios u α y v α cuyos soportes so los respectivos ejes factoriales F α y G α e R p y R y, respecto de estos ejes ya obteidos, se ubica los uevos putos fila y putos columa Esta metodología o filosofía de actuació respecto de los idividuos suplemetarios, se repetirá e otras técicas, por ejemplo e Aálisis de Correspodecias, como se verá posteriormete
Análisis Factorial General y Análisis de Componentes Principales.
Capítulo 4 Aálisis Factorial Geeral y Aálisis de Compoetes Pricipales 41 Aálisis Factorial Geeral (AFG) Itroducció Sea ua tabla rectagular de valores uméricos, represetados por ua matriz X p, co térmios
Más detallesCAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.
5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
Más detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
Más detallesVECTORES. A partir de la representación de, como una recta numérica, los elementos
VECTORES VECTORES Los ectores, que era utilizados e mecáica e la composició de fuerzas y elocidades ya desde fies del siglo XVII, o tuiero repercusió etre los matemáticos hasta el siglo XIX cuado Gauss
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos
Más detallesPrácticas de Matemáticas I y Matemáticas II con DERIVE-5 138
Prácticas de Matemáticas I y Matemáticas II co DERIVE-5 8. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales
Más detallesIntroducción a las Funciones Vectoriales (Funciones de R R n ) 1. Funciones de R en R n (Funciones Vectoriales)
Itroducció a las Fucioes Vectoriales (Fucioes de R R 1 Fucioes de R e R (Fucioes Vectoriales Llamaremos fució vectorial de variable real o simplemete fució vectorial, a aquellas co domiio e u subcojuto
Más detallesPrácticas de Matemáticas I y Matemáticas II con DERIVE 136
Prácticas de Matemáticas I y Matemáticas II co DERIVE 6. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales
Más detallesSeries infinitas de números reales. Series convergentes
Series ifiitas de úmeros reales. Series covergetes Series ifiitas de úmeros reales. Series covergetes Las sucesioes de úmeros reales se itrodujero co la iteció de poder cosiderar posteriormete sus sumas
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detalles2.- ESPACIOS VECTORIALES. MATRICES.
2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces
Más detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesIntroducción a las Funciones Vectoriales (Funciones de R R n ) 1. Funciones de R en R n (Funciones Vectoriales)
Itroducció a las Fucioes Vectoriales (Fucioes de R R 1 Fucioes de R e R (Fucioes Vectoriales Llamaremos fució vectorial de variable real o simplemete fució vectorial, a aquellas co domiio e u subcojuto
Más detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más detallesIntroducción a las medidas de dispersión.
UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.
Más detallesEspacio Vectorial Definición: Sea V un conjunto donde hemos definido una ley u operación interna, que
Sea V u cojuto dode hemos defiido ua ley u operació itera, que desigaremos por + V V. Sea K u cuerpo (comutativo) y sea, por último, ua operació extera que desigaremos por K V V. Diremos que (V,+, ) tiee
Más detalles1.1 DEFINICIÓN 1.2 ENFOQUE GEOMÉTRICO 1.3 IGUALDAD 1.4 OPERACIONES
Moisés Villea Muñoz Vectores e,,,. DEFINICIÓN. ENFOQUE GEOMÉTRICO. IGUALDAD.4 OPERACIONES Los pares ordeados, que a se ha tratado, so los que llamaremos ectores de. Pero el iterés ahora es ser más geerales.
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad
Más detallesSeries alternadas. n n. Es decir sus términos son alternadamente positivos y negativos. Se analiza su comportamiento utilizando el siguiente teorema:
So series de la forma Series alteradas + ( ) a o ( ) a co a > = =. Es decir sus térmios so alteradamete positivos y egativos. Se aaliza su comportamieto utilizado el siguiete teorema: Teorema de Leibiz
Más detallesFUNCIONES VECTORIALES DE VARIABLE ESCALAR
CAPITULO II CALCULO II Competecia FUNCIONES VECTORIALES DE VARIABLE ESCALAR Recooce y aplica satisfactoriamete las operacioes, procedimietos, reglas y métodos del cálculo itegral y diferecial e las fucioes
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
Más detallesConvolución discreta cíclica
Covolució discreta cíclica Estos aputes está escritos por Darío Coutiño Aquio y Egor Maximeko. Objetivos. Defiir la covolució discreta cíclica y demostrar el teorema sobre la covolució discreta cíclica
Más detallesMétodos de la Minería de Datos
This is page i Priter: Opaque this Métodos de la Miería de Datos Dr Oldemar Rodríguez Rojas 6 de mayo de 2008 ii This is page iii Priter: Opaque this Cotets Elemetos básicos de aálisis de datos exploratorio
Más detallesMINITAB y MODELOS DE REGRESIÓN
Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesR-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesTRABAJO DE GRUPO Series de potencias
DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre
Más detallesAPUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL
APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL Cuado u objeto real gira alrededor de algú eje, su movimieto o se puede aalizar como si fuera ua partícula,
Más detallesMétodos Iterativos para resolución de sistemas de ecuaciones lineales.
Métodos Iterativos para resolució de sistemas de ecuacioes lieales Roberto Leó V Jorge Costazo V robertoleo@gmailcom jcosta@ifutfsmcl 8 de agosto de 006 Motivació El problema de la resolució de sistemas
Más detalles9.3. Contrastes de una proporción
9.3. CONTRASTES DE UNA PROPORCIÓN 219 y el criterio que sumiistra el cotraste es si a teo χ 2 exp b teo = o rechazamos H 0 ; si χ 2 exp < a teo ó χ 2 exp > b teo = rechazamos H 0 y aceptamos H 1. Cotrastes
Más detalles3. Las medidas de centralización
FUOC XP00/71004/00017 21 Las medidas de cetralizació 3. Las medidas de cetralizació La mediaa y la media aritmética Los diagramas de tallos y hojas y los histogramas proporcioa ua descripció geeral de
Más detallesLas Matemáticas para la Gestión del Riesgo en Carteras Financieras. Carteras compuestas por n activos con correlaciones estadísticas arbitrarias
Las Matemáticas para la Gestió del Riesgo e Carteras Fiacieras. Carteras compuestas por activos co correlacioes estadísticas arbitrarias Apellidos, ombre Departameto Cetro Cortés López, Jua Carlos; Navarro
Más detallesBurgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana
Las Matemáticas para la Gestió de Carteras co Riesgo. Carteras compuestas por activos co correlacioes estadísticas arbitrarias. El caso e que se fija el redimieto esperado de la cartera Apellidos, ombre
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesCAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo
CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre
Más detallesAplicaciones del cálculo integral vectorial a la física
Aplicacioes del cálculo itegral vectorial a la física ISABEL MARRERO epartameto de Aálisis Matemático Uiversidad de La Lagua imarrero@ull.es Ídice 1. Itroducció 1 2. Itegral doble 1 2.1. Motivació: el
Más detallesLAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO
LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesMg. Ing. Susana Vanlesberg Profesor Titular
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES
Más detallesLABORATORIO DE PROCESOS Y DISEÑO I PARTE 4 EVALUACION DE PROYECTOS.
LABORATORIO DE PROCESOS Y DISEÑO I PARTE 4 EVALUACION DE PROYECTOS. EVALUACION DE PROYECTOS. Idetificació de Opcioes. Idetificació de Cosecuecias Cuatificables ($). Idetificació de Cosecuecias o Cuatificables.
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesÍNDICE. Prólogo Capítulo 1. Ecuaciones diferenciales ordinarias. Generalidades.. 11 Introducción teórica Ejercicios resueltos...
ÍNDICE Prólogo... 9 Capítulo 1. Ecuacioes difereciales ordiarias. Geeralidades.. 11 Itroducció teórica... 13 Ejercicios resueltos.... 16 Capítulo 2. itegració de la ecuació de primer orde. La ecuació lieal...................................................................
Más detallesResumen de combinatoria
Resume de combiatoria 1. Pricipio básico Ua tupla so símbolos ordeados (! 1 ;! 2 ; :::;! ). La i esima compoete es! i. Dos tuplas distitas tiee al meos ua compoete distita. Se costruye u cojuto de tuplas
Más detallesINTERÉS SIMPLE COMO FUNCIÓN LINEAL.
INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por
Más detallesDISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN
DISCUSIÓN Y RESOLUCIÓN DE ECUACIONES LINEALES. TEOREMA DE ROUCHE. REGLA DE CRAMER. MÉTODO DE GAUSS-JORDAN Ídice. INTRODUCCIÓN2 2. SISTEMAS DE ECUACIONES LINEALES2 Defiicioes básicas.2 Iterpretació vectorial3
Más detallesIMPLEMENTACIÓN DE FILTRO ESPACIAL ADAPTIVO PARA RECHAZO DE INTERFERENCIA EN ARREGLO DE SENSORES
IMPLEMENTACIÓN DE FILTRO ESPACIAL ADAPTIVO PARA RECHAZO DE INTERFERENCIA EN ARREGLO DE SENSORES Hery Piedo N. y Dr. Jorge Chau C. Radio Observatorio de Jicamarca Istituto Geofísico del Perú Lima Perú Diciembre
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesQUÉ SON LOS POLÍGONOS? ELEMENTOS DE UN POLÍGONO
Las matemáticas so u juego: Figuras plaas: S. CEIP Mauel Siurot (La Palma del Cdo.) QUÉ SON LOS S? So figuras plaas formadas por ua líea poligoal cerrada y su iterior. Cualquier figura plaa que esté formada
Más detallesVII. Sistemas con múltiples grados de libertad
VII. Sistemas co múltiples Objetivos: 1. Describir que es u sistema de múltiples grados de libertar. 2. Aplicar la seguda ley de Newto y las ecuacioes de Lagrage para derivar las ecuacioes de movimieto.
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemáticas 1º CCSS 1 RESUMEN DISTRIBUCIONES BIDIMENSIONALES Distribucioes bidimesioales Se estudia a la vez dos variables aleatorias (geéricamete X e Y; sus valores será ( i, y i )). Correlació Al estudiar
Más detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
Más detalles4.- Aproximación Funcional e Interpolación
4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y
Más detallesSucesiones de números reales Sucesiones convergentes: límite de una sucesión
Sucesioes de úmeros reales Sucesioes covergetes: límite de ua sucesió Tato e la educació secudaria obligatoria como e el bachillerato se habla poco de las sucesioes de úmeros reales. Si acaso se dedica
Más detalles1. Óptica geométrica: conceptos básicos y convenio de signos.
. Óptica geométrica: coceptos básicos y coveio de sigos. Tal y como habíamos defiido previamete al estudio de las reyes de la reflexió y de la refracció, llamamos rayo a ua líea imagiaria perpedicular
Más detallesUniversidad Antonio Nariño Matemáticas Especiales
Uiversidad Atoio Nariño Matemáticas Especiales Guía N 1: Números Complejos Grupo de Matemáticas Especiales Resume Se preseta el cojuto de los úmeros complejos juto co sus operacioes y estructuras relacioadas.
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesAPLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.
APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de
Más detallesMATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS
Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:
Más detalles2.2. Estadísticos de tendencia central
40 Bioestadística: Métodos y Aplicacioes La dispersió o variació co respecto a este cetro; Los datos que ocupa ciertas posicioes. La simetría de los datos. La forma e la que los datos se agrupa. Cetro,
Más detallesCapítulo VARIABLES ALEATORIAS
Capítulo VI VARIALES ALEATORIAS. Itroducció Detro de la estadística se puede cosiderar dos ramas perfectamete difereciadas por sus objetivos y por los métodos que utiliza: Estadística Descriptiva o Deductiva
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesGuía Semana 9 1. RESUMEN. Universidad de Chile. Ingeniería Matemática
1. RESUMEN Igeiería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo e Varias Variables 08-1 Igeiería Matemática Guía Semaa 9 Teorema de los multiplicadores de Lagrage
Más detalles3. Volumen de un sólido.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Itegrales y aplicacioes.. Volume de u sólido. E esta secció veremos cómo podemos utilizar la itegral defiida para calcular volúmees de distitos tipos
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesUna sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc.
Sucesioes Sucesi o. Ua sucesió es u cojuto ifiito de úmeros ordeados de tal forma que se puede decir cuál es el primero, cuál el segudo, el tercero, etc. Los térmios de ua sucesió se desiga mediate a 1,
Más detallesPROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesSistemas de Partículas
Sistemas de Partículas. Sistemas de partículas. Fuerzas iteriores y exteriores.. Cetro de masas. a) Propiedades diámicas del C b) Pricipio de coservació del mometo lieal de u sistema de partículas. 3.
Más detallesX X. ... n. Medidas de tendencia Central Estadígrafos de tendencia central.
Medidas de tedecia Cetral Estadígrafos de tedecia cetral. Cada vez que se observa u feómeo cuatitativo, os iteresa saber si los datos recolectados se aglutia e toro a ciertos valores represetativos que
Más detallesESTADÍSTICA UNIDIMENSIONAL
I.E.S. Virge de la Paz. Alcobedas DEPARTAMETO DE MATEMÁTICAS Itroducció ESTADÍSTICA UIDIMESIOAL El ombre de Estadística alude al eorme iterés de esta rama matemática para los asutos del Estado y su itroducció
Más detallesEcuaciones en Diferencias Recíprocas y Semirrecíprocas
Ecuacioes e Diferecias Recíprocas y Gustavo Adolfo Juárez; Silvia Iés Navarro Facultad de Ciecias Exactas y Naturales, Uiversidad Nacioal de Catamarca. E-mail: juarez.catamarca@gmail.com Recepció: 20/05/2014
Más detallesAPUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL
INISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIENTAL POLITÉCNICA DE LA FUERZA ARADA NACIONAL UNEFA NUCLEO ERIDA APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 8 CONSERVACIÓN
Más detallesLaboratorio N 10, Series de Fourier. Introducción. Para funciones ( ) cos. f x está definida en la mitad del intervalo
Uiversidad Diego Portales Facultad de Igeiería Istituto de Ciecias Básicas Asigatura: Ecuacioes Difereciales aboratorio N 1, Series de Fourier Itroducció Para fucioes x,, la serie de Fourier f x cotiuas
Más detallesDinámica compleja. Conjuntos de Julia y Mandelbrot Método de Newton
Estalmat Madrid Miguel Reyes Diámica compleja Cojutos de Julia y Madelbrot Método de Newto Los úmeros complejos Los úmeros complejos so los úmeros de la forma a dode a y b so úmeros reales e i es la uidad
Más detallesUnidad N 2. Medidas de dispersión
Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media
Más detallesCALCULO DIFERENCIAL E INTEGRAL II
CALCULO DIFERENCIAL E INTEGRAL II TEMA 5 (Última modificació 8-7-015) TEOREMA DEL VALOR MEDIO TEOREMA DEL VALOR MEDIO O DE LAGRANGE O DE LOS INCREMENTOS FINITOS PARA FUNCIONES DE UNA VARIABLE INDEPENDIENTE.
Más detallesCAPÍTULO 7 ESPACIOS VECTORIALES EUCLIDIANOS
9 CAPÍTULO 7 ESPACIOS VECTORIALES EUCLIDIANOS 7 INTRODUCCIÓN E el capítulo 3 calculamos el águlo etre dos vectores del espacio y obtuvimos que si ad be cf u a, b, c, v d, e, f y es el águlo etre u y v,
Más detallesSesión de Preparación de Olimpiada Matemática.
Sesió de Preparació de Olimpiada Matemática 6 de Diciembre de 06 Ferado Mayoral Desigualdades (y Poliomios y otras fucioes) (I) -Alguas desigualdades básicas ) x 0 para cualquier x R La igualdad sólo se
Más detallesSobre los intervalos de confianza y de predicción
Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de
Más detallesLOS NÚMEROS COMPLEJOS
º BCT DPTO DE MATEMÁTICAS T4: NÚMEROS COMPLEJOS - LOS NÚMEROS COMPLEJOS.- INTRODUCCIÓN: LAS ECUACIONES DE º GRADO CON SOLUCIONES IMPOSIBLES Desde el siglo XVI al XVIII llamaro la ateció, por la forma de
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detalles