AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.

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

Download "AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON."

Transcripción

1 AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas RESUMEN Se nforma sobre el desarrollo del método de dstrbucón de las probabldades del escurrmento medo hperanual, según la teoría S B Johnson. Se presenta un ejemplo de cálculo con los datos del río San Dego, Pnar del Río. Introduccón Las observacones hdrométrcas que comenzaron aproxmadamente hace dos décadas, han facltado la recoplacón de datos hdrológcos necesaros en la argumentacón de esquemas y proyectos hdroeconómcos. Hasta la etapa actual, la dstrbucón de las probabldades del escurrmento medo hperanual (5, 50, 75, 95%, etc.), se ha calculado determnando un coefcente de varacón de una forma ndrecta y asumendo una asmetría gual a dos veces este coefcente. Exsten varos métodos estadístcos aplcables en Hdrología para el ajuste de curvas de probabldades a los puntos observados (momentos, máxma verosmltud, cuantles). El objetvo de este trabajo es dar a conocer la dstrbucón S B Johnson, para determnar el escurrmento de dstntas probabldades, que como se verá más adelante permte unajuste más exacto cuando se tenen seres cortas de observacones. De manera que, s se utlza en forma óptma el cálculo electrónco, éste es uno de los mejores métodos para determnar el escurrmento medo hperanual, para dstntas probabldades, cuando exsten seres regstradas. Desarrollo del método La transformacón Johnson presenta, en su forma general, el tpo sguente: > 0, - <γ< () η = γ + + (x; ε, λ) () λ> 0, - <ε< ; (3) sendo, x- varable aleatora para la cual selecconamos la dstrbucón Johnson; una funcón cualquera; γ,, ε, λ parámetros de dstrbucón; η varable normalzada según la ley de dstrbucón normal con los parámetros (0,). Johnson propuso tres tpos de funcones o famlas: I.- (x; ε, λ) = ln((x ε)/λ), x ε; (4) II.- (x; ε, λ) = ln (x ε/λ + ε x), ε x < ε + λ; (5)

2 III.- 3 (x; ε, λ) = Arcsen (x ε/λ), - < x < (6) Las densdades de dstrbucón correspondentes tenen el tpo: I.- f ( x) = exp + ln ( x ε) * λ π( x ε) (7) II.- x f( x) λ exp ln ε = λ+ π ( x ε)( λ+ ε x) λ+ ε x (8) x ε x ε III.- f3( x) = exp λ+ ln + + π ( x ε) + λ λ λ donde, (9) f ( ) dstrbucón S L Johnson; f3 ( ) de dstrbucón; f ( ) x - dstrbucón log-normal con tres parámetros, tambén llamados, famla de de dstrbucón. 3 x - famla de dstrbucón S B Johnson con cuatro parámetros x - famla de dstrbucón S U Johnson, tambén con cuatro parámetros De las fórmulas presentadas se desprende que las dstrbucones S L, S B, S U se aplcan, respectvamente, para varables aleatoras lmtadas por un extremo (I tpo), por arrba y por abajo (II tpo), y fnalmente, por varables no lmtadas (III tpo). Desde el punto de vsta de los procesos hdrológcos, la que más nteresa es la dstrbucón S B Johnson, lmtada por ambos extremos (II), ya que la msma cubre la mayor parte de los ríos. La densdad de la dstrbucón S B puede escrbrse de la forma sguente: b a x a f ( x) = exp ln m ( x a)( b x) b x π (0) donde, b = λ + ε; a = ε límtes superor e nferor de la varable aleatora x; m =, o sea, γ = () C v

3 m - esperanza matemátca. = desvacón típca Cv - coefcente de varacón. S tomamos una magntud dscreta como sería el escurrmento anual, la ecuacón: (donde x x a = ln () b x Q = - coefcentes modulares de los gastos ( Q ) anuales observados, Q o gasto medo anual de la sere) tendrá una dstrbucón normal; ndudablemente, la ecuacón: Q o - ( ) ln x a m η = (3) será tambén normal con los parámetros (0,). La ventaja de la dstrbucón S B Johnson estrba en que la msma descrbe muy ben el proceso de varabldad del escurrmento anual, aún mucho mejor que las dstrbucones Pearson, y que, además, resulta muy adaptable a los modelos hdrológcos. Utlzando la evaluacón de los parámetros y la tabla de valores de la funcón ntegral de dstrbucón normalzada, puede obtenerse la dstrbucón empírca, o curva de probabldades, y comparar los resultados con los datos observados. Al determnar los cuatro parámetros de dstrbucón (a, b, m, ) tenemos el cuadro sguente: a) Los valores extremos a y b son conocdos b) Conocemos solamente un valor extremo ( a ó b) c) No contamos con nnguno de los dos valores. Consderemos que para el escurrmento son conocdos los dos valores extremos y analcemos los métodos de evaluacón de los dos parámetros restantes. La evaluacón de la esperanza matemátca m y la desvacón típca de la sucesón normal, pueden determnarse con ayuda del método de los momentos que, como sabemos, para se obtenen los msmos resultados de la máxma verosmltud:

4 m = n = x a ln b x n (4) = n = x a ln m b x n (5) La determnacón de los parámetros a y b se realza combnando los datos de cada una de las cuencas fluvales y aceptando los pares de valores en los que el crtero χ sea mínmo. El límte nferor a, varía desde un valor mínmo observado hasta cero, y el límte superor b, desde el valor máxmo observado en adelante. Esta comprobacón estadístca de los límtes extremos de la dstrbucón S B Johnson solamente es posble conocerla con la utlzacón de la computacón electrónca. CONCLUSIONES. Consderemos conocdos a y b para la cuenca del río San Dego (Pnar del Río), con una sere de regstros hdrométrcos de 8 años, y determnemos la curva de dstrbucón de probabldades aplcando el método S B Johnson. a = 0.4; b=.0 En la Tabla puede verse la secuenca de los cálculos. En las columnas -4 se ordenan los datos y se determnan los coefcentes modulares x. Segudamente, calculamos los valores de la columna (5), utlzando la ecuacón (), que en este caso partcular toma la forma: x 0.4 = ln.0 x La esperanza matemátca: m 8 = = = n

5 Tabla. CÁLCULO DE LA CURVA DE PROBABILIDAD POR EL MÉODO S B JOHNSON No. Año Q (m 3 /s) x =Q /Q o (x - a) (b -x ) (x - a)/(b - x ) =ln(x -a)/(b-x ) ( - m ) ( - m ) x decrec p%=( - (n+0.3)/n+0.4)* a=0.4; b= Coefcente de vara C v=г /Q o Cv= Σ= Q o=.93 a= 0.4 b= m г = Posterormente calculamos la columna (6), y ordenamos x en orden decrecente. La columna (8) es la probabldad de no sobrepaso: p % n = 00 N (6) n- número de orden; N- número de años observados Segudamente determnamos la desvacón típca: 8 ( m ) = = =.46 n 7 = Tenendo en cuenta que.88 x 0.44 podemos colocar un rango de valores x p en la columna () de la Tabla, desde.9 hasta 0.5 aproxmadamente. Después de calcular las columnas () y (3), hallamos los valores de η en la columna (4).

6 Tabla Construccón de la curva x p y=(x - a)/(b-x ) =lny η=( - m )/г η=ф(q) p % =00 - η*00 p % x p a= 0.4 m Cv= 0.50 b= г =.46 Para conocer el gasto de una probabldad, se determna el valor de x p por el gráfco y se aplca la ecuacón x p *Q o Fnalmente, con los datos de cada η buscamos las probabldades de no sobrepaso η = φ( q), en el Anexo II, págna 84 del trabajo (), convrténdolas en probabldades de sobrepaso según: p% = 00 η00 (7) Con los datos de p % y xp dbujamos la dstrbucón de las probabldades que, como observamos, se ajusta muy ben a los valores del escurrmento regstrado (Fgura )...9 Fgura. Coefcentes modulares de los gastos (x p ) P r o b a b l d a d e s (%)

7 BIBLIOGRAFÍA Alexeev, G. A. (970): Objektvnemetodyvrravnvana y normalzazykorrelazonnxsvaze. Hdrometeozdat, Lenngrad, 359 p. Hahn, G. J. y Shapro, S. S. (967): Statstcal models n Engneerng, New York, 94 p. Svandze, G. G. (977): Matematcheskemodelrovanegudrologucheskuzradov. Hdrometeorzdat, Lenngrad. ANEXO II.- Valores normales de las funcones de dstrbucones ntegrales normalzadas u u p = e du φ( u) π =, o sea, la probabldad de no sobrepaso p = φ( u) de los cuantlesu normalzados. u ,0 0,0035 0, , , , ,0004 0,0006 0,000 0, ,9 0,009 0,008 0,008 0,007 0,006 0,006 0,005 0,004 0,004 0,004 -,8 0,006 0,005 0,004 0,004 0,003 0,00 0,00 0,000 0,000 0,000 -,7 0,0035 0,0034 0,0033 0,003 0,003 0,0030 0,009 0,008 0,007 0,006 -,6 0,0047 0,0046 0,0044 0, ,0040 0,0039 0,0038 0,0037 0,0036 -,5 0,006 0,0060 0,0059 0,0057 0,0055 0,0054 0,005 0,0050 0,0049 0,0048 -,4 0,008 0,0080 0;0078 0,0076 0,0073 0,007 0,0069 0,0068 0,0066 0,0064 -,3 0,007 0,004 0,00 0,0099 0,0096 0,0094 0,009 0,0089 0,0087 0,0084 -, 0,039 0,036 0,03 0,08 0,05 0,0 0,09 0,06 0,03 0,00 -, 0,079 0,074 0,070 0,066 0,06 0,058 0,054 0,050 0,046 0,04 -,0 0,08 0,0 0,07 0,0 0,007 0,00 0,097 0,09 0,088 0,084 -,9 0,087 0,08 0,075 0,068 0,06 0,056 0,050 0,044 0,039 0,03 -,8 0,0359 0,035 0,0344 0,0336 0,039 0,03 0,034 0,0307 0,030 0,094 -,7 0,0446 0,0436 0,047 0,047 0,0409 0,040 0,039 0,0384 0,0375 0,0367 -,6 0,0548 0,0537 0,056 0,056 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 -,5 0,0668 0,0655 0,0643 0,0630 0,068 0,0606 0,0594 0,058 0,057 0,0559 -,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,07 0,0707 0,0694 0,068

8 -,3 0,0968 0,095 0,0934 0,098 0,090 0,0885 0,0869 0,0853 0,0838 0,083 -, 0,5 0,3 0, 0,093 0,075 0,056 0,038 0,00 0,003 0,0985 -, 0,357 0,335 0,34 0,9 0,7 0,5 0,30 0,0 0,90 0,70 -,0 0,587 0,56 0,539 0,55 0,49 0,469 0,446 0,43 0,40 0,379-0,9 0,84 0,84 0,788 0,76 0,736 0,7 0,685 0,660 0,635 0,6-0,8 0,9 0,090 0,06 0,033 0,005 0,977 0,949 0,9 0,894 0,867-0,7 0,40 0,389 0,358 0,37 0,97 0,65 0,36 0,06 0,77 0,48-0,6 0,743 0,709 0,676 0,643 0,6 0,578 0,546 0,54 0,483 0,45-0,5 0,3085 0,3050 0,305 0,98 0,946 0,9 0,877 0,843 0,80 0,776-0,4 0,3443 0,3409 0,337 0,3336 0,3300 0,364 0,38 0,39 0,356 0,3-0,3 0,38 0,3783 0,3745 0,3707 0,3669 0,363 0,3594 0,3557 0,350 0,3483-0, 0,407 0,468 0,49 0,4090 0,405 0,403 0,3974 0,3936 0,3897 0,3859-0, 0,460 0,456 0,45 0,4483 0,4443 0,4404 0,4364 0,435 0,486 0,446-0,0 0,5000 0,4960 0,490 0,4880 0,4840 0,480 0,476 0,47 0,468 0,454 0,0 0,5000 0,5040 0,5080 0,50 0,560 0,599 0,539 0,579 0,539 0,5359 0, 0,5398 0,5438 0,5478 0,557 0,5557 0,5596 0,5636 0,5675 0,574 0,5753 0, 0,5793 0,583 0,587 0,590 0,5948 0,5987 0,606 0,6064 0,603 0,64 0,3 0,679 0,67 0,655 0,693 0,633 0,6368 0,6406 0,6443 0,6480 0,657 0,4 0,6557 0,659 0,668 0,6664 0,6700 0,6736 0,677 0,6808 0,6844 0,6879 0,5 0,695 0,6950 0,6985 0,709 0,7054 0,7088 0,73 0,757 0,790 0,74 0,6 0,757 0,79 0,734 0,7357 0,7389 0,74 0,7454 0,7486 0,757 0,7549 0,7 0,7580 0,76 0,764 0,7673 0,7703 0,7734 0,7764 0,7794 0,783 0,785 0,8 0,788 0,790 0,7939 0,7967 0,7995 0,803 0,805 0,8078 0,806 0,833 0,9 0,859 0,886 0,8 0,838 0,864 0,889 0,835 0,8340 0,8365 0,8389,0 0,843 0,8438 0,846 0,8485 0,8508 0,853 0,8554 0,857 0,8599 0,86, 0,8643 0,8665 0,8686 0,8708 0,879 0,8749 0,870 0,8790 0,880 0,8830, 0,8849 0,8869 0,8888 0,8907 0,895 0,8944 0,896 0,8980 0,8997 0,905,3 0,903 0,9049 0,9066 0,908 0,9099 0,95 0,93 0,947 0,96 0,97,4 0,99 0,907 0,9 0,936 0,95 0,985 0,979 0,993 0,9306 0,939,5 0,933 0,9345 0,9357 0,9370 0,938 0,9394 0,9406 0,948 0,949 0,944,6 0,945 0,9463 0,9474 0,9484 0,9495 0,9505 0,955 0,955 0,9535 0,9545

9 ,7 0,9554 0,9564 0,9573 0,9583 0,959 0,9599 0,9608 0,966 0,965 0,9633,8 0,964 0,9649 0,9656 0,9664 0,967 0,9678 0,9686 0,9693 0,9699 0,9706,9 0,973 0,979 0,975 0,973 0,9738 0,9744 0,9750 0,9756 0,976 0,9767,0 0,97 0,978 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,98 0,986, 0,98 0,986 0,9830 0,9834 0,9838 0,984 0,9846 0,9850 0,9854 0,9858, 0,986 0,9864 0,9868 0,987 0,9875 0,9878 0,988 0,9884 0,9887 0,9890,3 0,9893 0,9896 0,9898 0,990 0,9904 0,9906 0,9909 0,99 0,993 0,996,4 0,998 0,990 0,99 0,994 0,997 0,999 0,993 0,993 0,9934 0,9936,5 0,9938 0,9940 0,994 0,9943 0,9945 0,9946 0,9948 0,9950 0,995 0,995,6 0,9953 0,9954 0,9956 0,9958 0,9959 0,9960 0,996 0,996 0,9963 0,9964,7,0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,997 0,997 0,9973 0,9974,8 0,9974 0,9975 0,9976 0,9976 0,997 0,9978 0,9979 0,9980 0,9980 0,9980,9 0,998 0,998 0,998 0,9983 0,9984 0,9984 0,9985 0,9986 0,9986 0,9986 3,0 0, , ,9993 0,9995 0, , , , , ,99995

1. Variable aleatoria. Clasificación

1. Variable aleatoria. Clasificación Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.

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

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad 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 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

Prueba de Evaluación Continua

Prueba 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 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

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

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Más detalles

Variables Aleatorias

Variables 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 detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 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 detalles

Estadísticos muéstrales

Estadísticos 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 detalles

2. ANALISIS ESTADISTICO

2. ANALISIS ESTADISTICO CAPITULO. ANALISIS ESTADISTICO DE DATOS HIDROLOGICOS El análss estadístco consste en parametrzar un conjunto de datos (precptacones o caudales) con el fn de extrapolar y conocer eventos venderos. La seleccón

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 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 detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS 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 detalles

Variables Aleatorias

Variables 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 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

I.E.S. Historiador Chabás -1- Juan Bragado Rodríguez

I.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 detalles

PUBLICACIONES DE 4º CURSO

PUBLICACIONES DE 4º CURSO PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal

Más detalles

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A

Prueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

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

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 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 detalles

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10. CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un 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 detalles

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X. Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood

Más detalles

Tema 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 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 detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

3. VARIABLES ALEATORIAS.

3. 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 detalles

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.

Resolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04

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

Estadísticos muéstrales

Estadísticos 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 detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

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

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO

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

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i )

Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos. Frecuencia absoluta (f i ) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Facultad de Ciencias Básicas

Facultad 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 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

Matemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de

Matemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca

Más detalles

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA

CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un epermento, un número real.

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS 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 detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS SEPTIEMBRE 2014 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS.

INTRODUCCIÓN 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 detalles

EXAMEN 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) 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 detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

6 Minimización del riesgo empírico

6 Minimización del riesgo empírico 6 Mnmzacón del resgo empírco Los algortmos de vectores soporte consttuyen una de las nnovacones crucales en la nvestgacón sobre Aprendzaje Computaconal en la década de los 990. Consttuyen la crstalzacón

Más detalles

Estimación no lineal del estado y los parámetros

Estimación no lineal del estado y los parámetros Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca

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

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

Hallar la media y varianza. Obtener la F.G.M y obtenerlas de nuevo.

Hallar la media y varianza. Obtener la F.G.M y obtenerlas de nuevo. FGM-MARKOV 7.-Una varable aleaora ene de funcón de cuanía x Px ( ),3,3, 3, Hallar la meda y varanza. Obener la F.G.M y obenerlas de nuevo. En base a la funcón de cuanía µ α Ex P ( ),3 +,3 +, + 3,,3 σ α

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA 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 detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO 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 detalles

EJERCICIOS PROPUESTOS TEMAS 1 Y 2

EJERCICIOS PROPUESTOS TEMAS 1 Y 2 EJERCICIOS PROPUESTOS TEMAS 1 Y 2 1.- Indca para los sguentes caracteres s son varables (dferencando entre dscretas y contnuas) o atrbutos, y la escala de medda a la que pertenecen: a) Nvel de estudos

Más detalles

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)

TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón

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

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

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3 PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. 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 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

Facultad de Química. UNAM Alejandro Baeza

Facultad de Química. UNAM Alejandro Baeza Facultad de Químca. UNM lejandro Baeza.006 Químca nalítca Instrumental I nálss de mezclas por espectrofotometría. Documento de apoyo. Dr. lejandro Baeza. Semestre 007-I.0 Selectvdad espectral en espectrofotometría

Más detalles

MODELO DETERMINISTICO-ESTOCASTICO DE LUTZ SCHOLZ 1. GENERALIDADES

MODELO DETERMINISTICO-ESTOCASTICO DE LUTZ SCHOLZ 1. GENERALIDADES MODELO DETERMINISTICO-ESTOCASTICO DE LUTZ SCHOLZ 1. GENERALIDADES Este modelo hdrológco, es combnado por que cuenta con una estructura determínstca para el cálculo de los caudales mensuales para el año

Más detalles

Unidad 17 Distribuciones de probabilidad. Distribuciones binomial y normal

Unidad 17 Distribuciones de probabilidad. Distribuciones binomial y normal Undad 7 Dstrbucones de probabldad. Dstrbucones bnomal y normal PÁGINA 89 SOLUCIONES. La probabldad es: 4 P(V y M) = = 8. Sabemos que P( Defectuoso) = 0,05. El número de chps que cabe esperar defectuosos

Más detalles

Ejercicios T9c- VARIABLE ALEATORIA, MODELOS DE PROBABILIDAD UNIVARIANTES C

Ejercicios T9c- VARIABLE ALEATORIA, MODELOS DE PROBABILIDAD UNIVARIANTES C Ejerccos T9c- VARIABLE ALEATORIA, MODELOS DE PROBABILIDAD UNIVARIANTES C FGM-MARKOV 7.-Una varable aleaora ene de funcón de cuanía x Px ( ),3,3, 3, Hallar la meda y varanza. Obener la F.G.M y obenerlas

Más detalles

CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI

CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI CAPÍTULO 5: MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 57 CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 5. Resumen Se busca solucón a las ecuacones acopladas que descrben los perfles de onda medante

Más detalles

Lección 4. Ejercicios complementarios.

Lección 4. Ejercicios complementarios. Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

2 Dos tipos de parámetros estadísticos

2 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 detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

Apellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem

Apellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem 4º IIND Métodos Matemátcos 5 de septembre de 00 Apelldos y nombre: PROBLEMA (4 puntos) Una empresa tene puntos de venta stuados sobre una ruta que, a efectos de planfcacón, puede ser consderada como una

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO 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 detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 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 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

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica CAPÍTULO III. METODOLOGÍA 1 III.1 Evaluacón del pelgro sísmco La determnacón drecta del pelgro sísmco rara vez se puede hacer debdo a la falta de nformacón en cuanto a las aceleracones que se han producdo

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

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Págna 0 PRACTICA Meda y desvacón típca 1 Las edades de los estudantes de un curso de nformátca son: 17 17 18 19 18 0 0 17 18 18 19 19 1 0 1 19 18 18 19 1 0 18 17 17 1 0 0 19 0 18 a) Haz una tabla

Más detalles

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,

Más detalles

Detección Bayesiana de Efectos Activos en Experimentos Factoriales con Respuesta Dicotómica.

Detección Bayesiana de Efectos Activos en Experimentos Factoriales con Respuesta Dicotómica. DETECCIÓN BayesanA DE EFECTOS ACTIVOS RESPUESTA BINOMIAL Deteccón Bayesana de Efectos Actvos en Expermentos Factorales con Respuesta Dcotómca. XXI Foro Naconal de Estadístca AME y Unversdad Autónoma de

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura 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 detalles