Tablas de Vida (Intervalos)

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

Download "Tablas de Vida (Intervalos)"

Transcripción

1 Tablas de Vda (Intervalos) Resumen El procedmento Tablas de Vda (Intervalos) está dseñado para analzar datos que contengan tempos de vda o de falla, donde se sabe que el valor del tempo de vda cae en un determnado ntervalo. Los datos pueden nclur censura, donde algunos tempos de falla no se conocen exactamente debdo al retro de artículos de la prueba antes de que fallen. Se asume que los ntervalos comenzan en cero y son adyacentes y dsuntos. Se obtenen y grafcan estmadores no paramétrcos de las funcones de supervvenca y resgo. Tambén se calculan percentles. S se desea, se pueden especfcar datos para más de un grupo. En tales casos, se dervará un estmador de la funcón de supervvenca para cada grupo. StatFolo Muestra: lfetable ntervals.sgp Datos de Muestra: El archvo lfe.sf3 contene datos de una prueba de vda hecha en n = 68 celdas de batería, reportada por Meeker y Escobar (998). Se mantuveron los regstros tabulando el número de celdas que fallaron o fueron retrados de la prueba durante cada perodo de 50 horas, como se muestra abao: Lower (Inferor) Upper (Superor) Faled (Falldos) Censored (Retrados) Por eemplo, celda falló y 5 fueron retradas entre 0 y 50 horas-ampero. 0 fallaron y 6 fueron retradas entre 50 y 00 horas-ampero. La tabla completa contene 34 ntervalos e ncluye más 700 horas-ampero. Note que los ntervalos son adyacentes entre sí,.e., el límte nferor de un ntervalo es el límte superor de su predecesor por StatPont, Inc. Tablas de Vda (Intervalos) -

2 Entrada de Datos El cuadro de dálogo de datos de entrada requere nformacón sobre cada ntervalo Ancho de Intervalos: los anchos de ntervalos dsuntos y adyacentes, que cubren ntervalos de tempo en los que se han tabulado los datos de falla. Se asume que el prmer ntervalo comenza en tempo t = 0. Restar el límte nferor del límte superor es la manera smple de calcular el ancho de los ntervalos. Número de Fallas: una o más columnas que contene(n) el número de artículos que fallan durante cada ntervalo. S los datos están dvddo en grupos, ntroduzca una columna separada para cada grupo. Número de Censuras: una o más columnas numércas que contene(n) el número de artículos que fueron removdos de la prueba en cada ntervalo. El número de columnas ngresado debe ser el msmo que en Número de Fallas. Etquetas de Grupo: etquetas opconales para cada grupo de datos de falla por StatPont, Inc. Tablas de Vda (Intervalos) - 2

3 Resumen del Análss El Resumen del Análss desplega una tabla que muestra las funcones estmadas de resgo, supervvenca y densdad en cada ntervalo. Abao se muestran dos seccones de la tabla: Tablas de Vda (Intervalos) - Upper-Lower Ancho del Intervalo: Upper-Lower Número de Fallas: Faled Número de Censurados: Censored Tabla de Vda Número de Número Número Supervvenca Intervalo Fallas Retrados en Resgo Acumulada Resgo Densdad ( ) ( ) ( ) (0.0550) ( ) ( ) (0.0550) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (0.0020) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (0.0034) ( ) ( ) ( ) ( ) ( ) (0.0042) ( ) ~ ( ) (0.0082) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) por StatPont, Inc. Tablas de Vda (Intervalos) - 3

4 ( ) (0.0257) (0.0022) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (0.0022) Total STATGRAPHICS Rev. 25/04/2007 Las columnas en la tabla contenen nformacón sobre cada uno de los ntervalos: Intervalo los extremos del ntervalo. Se asume que los ntervalos son cerrados y acotados,.e. el prmer ntervalo corresponde a veces en las que 0 < t 50. El ancho de cada ntervalo se representa por w. Número de Fallas el número de undades falldas d en el ntervalo. Se asume que los tempos de falla son gualmente probables de haber ocurrdo en cualquer lugar del ntervalo. Número de Retrados el número de undades en el ntervalo c removdas de la prueba. Se asume que los tempos de retro son gualmente probables de haber ocurrdo en cualquer lugar del ntervalo. Número en Resgo el número promedo de artículos en resgo durante el ntervalo, calculado a partr de c r = n d c 2 () = = Esto es gual al número de undades que aún operan al nco del ntervalo menos la mtad del número de artículos retrados durante el ntervalo. Supervvenca Acumulada la funcón estmada de supervvenca al nco del ntervalo, dada por 2006 por StatPont, Inc. Tablas de Vda (Intervalos) - 4

5 Sˆ = ( p ) = = = q STATGRAPHICS Rev. 25/04/2007 (2) donde q es la proporcón de artículos en resgo durante el ntervalo y que fallaron durante el msmo: d q = r (3) El error estándar de la funcón de supervvenca, desplegado entre paréntess, se calcula usando la fórmula de Greenwood: [ ] = Sˆ ˆ S = q s.ˆ e. r p (4) Resgo la funcón estmada de resgo sobre el ntervalo, calculada por H 2 p = w (2 + p ) (5) Su error estándar está dado por s.ˆ e. [ Hˆ ] = Hˆ ( w Hˆ / 2) r q 2 (6) Densdad el estmador no-paramétrco de la funcón de densdad de tempo de falla durante el ntervalo, dado por f ˆ = S q w (7) con un error estándar dado por: ˆ [ ˆ S q f ] = w = q p s.ˆ e. + r p r q (8) Funcón de Supervvenca La Funcón de Supervvenca grafca la probabldad estmada de que un artículo sobrevva hasta un tempo t: 2006 por StatPont, Inc. Tablas de Vda (Intervalos) - 5

6 probabldad de supervvenca Funcón Estmada de Supervvenca tempo de falla Decrece de acuerdo a una funcón escalonada, cambando al fnal de cada ntervalo en el que haya ocurrdo al menos falla por StatPont, Inc. Tablas de Vda (Intervalos) - 6

7 Panel de Opcones STATGRAPHICS Rev. 25/04/2007 Inclur Límtes de Confanza: s está selecconado, se añadrán ntervalos de confanza a la gráfca. Nvel de Confanza: porcentae de confanza para los ntervalos. Eemplo: Funcón de Supervvenca con Intervalos de Confanza del 95% Funcón Estmada de Supervvenca probabldad de supervvenca tempo de falla Los ntervalos de confanza se calculan a partr de: [ s e.( Sˆ )] S ˆ ± z. 025.ˆ (9) 2006 por StatPont, Inc. Tablas de Vda (Intervalos) - 7

8 Funcón Log de Supervvenca La Funcón Log desupervvenca es el logartmo natural de la funcón de supervvenca: Funcón Estmada Log Supervvenca probabldad log supervvenca tempo de falla 2006 por StatPont, Inc. Tablas de Vda (Intervalos) - 8

9 Funcón de Densdad de Fallas La funcón de densdad muerte muestra un estmador no paramétrco de la funcón de densdad probablístca para el tempo de falla: (X 0.000) 24 Funcón Estmada de Densdad de Muerte densdad de muerte tempo de falla Para conuntos pequeños de datos puede no ser muy suave. Panel de Opcones Inclur Límtes de Confanza: s está selecconado, se añadrán ntervalos de confanza a la gráfca. Nvel de Confanza: porcentae de confanza para los ntervalos por StatPont, Inc. Tablas de Vda (Intervalos) - 9

10 Funcón de Resgo La Funcón de Resgo es un estmador de la tasa nstantánea de falla: 0.04 Funcón Estmada de Resgo 0.03 resgo tempo de falla Las undades de la funcón de resgo son la fraccón de artículos falldos por undad de tempo. En la gráfca de arrba, la funcón de resgo muestra un ncremento general, partcularmente luego de 000 horas-ampero, mplcando que la tasa a la cual fallan los artículos se ncrementa conforme estos enveecen. Panel de Opcones Inclur Límtes de Confanza: s está selecconado, se añadrán ntervalos de confanza a la gráfca. Nvel de Confanza: porcentae de confanza para los ntervalos por StatPont, Inc. Tablas de Vda (Intervalos) - 0

11 Funcón Acumulatva de Resgo La funcón acumulatva de resgo en t es la ntegral de la funcón de resgo de 0 a t: 5 Funcón Estmada de Resgo Acumulado resgo acumulado tempo de falla Puede usarse analítcamente para obtener la cdf o funcón de resgo. Percentles El panel Percentles muestra una tabla de tempos estmados en los cuales certos porcentaes del artículo segurán operando: Tabla de Percentles Error Percentl Estmado Estándar Los percentles se calculan encontrando el últmo ntervalo en el que la funcón estmada de supervvenca al nco del ntervalo es mayor o gual al porcentae deseado, e nterpolando entonces para encontrar el percentl deseado. El error estándar del percentl estmado está dado por 2 fˆ r (0) 2006 por StatPont, Inc. Tablas de Vda (Intervalos) -

12 Por eemplo, la tabla de arrba muestra que el 0% de las celdas de batería seguían operando luego de 525 horas. Un ntervalo de confanza de aproxmadamente 95% es o 525 ±.96(264) 525 ± 57 horas-ampero. Panel de Opcones Percentles: porcentaes a los cuales calcular los percentles. Comparacones de Grupos S se ha ngresado más de un grupo de datos, las tablas y gráfcas de arrba mostrarás estmadores separados para cada grupo. Además, el panel Comparacones de Grupos, resumrá los datos de cada grupo: Comparacón de Gruupos Proporcón Grupo Total Fallas Retrados Retrados Grupo Total La tabla muestra el número total de artículos de cada grupo, el total de falldos de cada grupo, el número de artículos retrados (censurados) de cada grupo y la proporcón de artículos retrados. Es este eemplo solo hay un grupo. De n=68 artículos en el grupo, aproxmadamente 5.5% fue retrado antes de fallar por StatPont, Inc. Tablas de Vda (Intervalos) - 2

13 2006 por StatPont, Inc. Tablas de Vda (Intervalos) - 3

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

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp

Comparación de Tasas. Ejemplo StatFolio: comparerates.sgp STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón

Más detalles

Regresión Binomial Negativa

Regresión Binomial Negativa Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado

Más detalles

TEMA 7. ANÁLISIS DE SUPERVIVENCIA

TEMA 7. ANÁLISIS DE SUPERVIVENCIA TEMA 7. ANÁLISIS DE SUPERVIVENCIA CONTENIDOS 7. Funcón de supervvenca. 7.2 Estmacón no paramétrca de la funcón de supervvenca. 7.2. Tempos de supervvenca dscretos. Estmador de Kaplan-Meer. 7.2.2 Tempos

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia 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 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

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

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

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

Capítulo 7 Bucles. Bucle For-Next. Informática

Capítulo 7 Bucles. Bucle For-Next. Informática Capítulo 7 Bucles Bucle For-Net Un procedmento más práctco para controlar varables que deben tomar valores numércos entre un valor ncal hasta un valor fnal, con un ncremento determnado, es el sguente:

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

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

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

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

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 [email protected] [email protected] Regresón lneal El

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

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

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

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal

Solución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

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

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

1. Notación y tabulación

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

Más detalles

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

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

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

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

Más detalles

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

6.9 El trazador cúbico

6.9 El trazador cúbico 4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen

Más detalles

Práctica 3. Media, mediana y moda.

Práctica 3. Media, mediana y moda. Práctca 3. Meda, ana y moda. La presente práctca, te permtrá estudar las das de tendenca central menconadas, a partr de los sguentes datos que corresponden a la estatura de estudantes, ncaremos la práctca.

Más detalles

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19 Economía Aplcada Estmador de dferencas en dferencas Departamento de Economía Unversdad Carlos III de Madrd Ver Wooldrdge cap.13 1 / 19 Análss de Polítca: Dferencas-en-Dferencas En muchos casos la varable

Más detalles

TEMA 1.- CONCEPTOS BÁSICOS

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

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 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 detalles

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

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método

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

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

Utilizar sumatorias para aproximar el área bajo una curva

Utilizar sumatorias para aproximar el área bajo una curva Cálculo I: Guía del Estudante Leccón 5 Apromacón del área bajo la curva Leccón 5: Apromacón del área bajo una curva Objetvo: Utlzar sumatoras para apromar el área bajo una curva Referencas: Stewart: Seccón

Más detalles

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

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

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción

NOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

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

Más detalles

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

14. Contrastes no paramétricos

14. Contrastes no paramétricos 14. Contrastes no paramétrcos 1 Contrastes no paramétrcos En la leccón anteror nos hemos ocupado de contrastes paramétrcos. Determnábamos la plausbldad de certas hpótess sobre los valores de parámetros

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

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Carlos Mario Morales C 2012

Carlos Mario Morales C 2012 Carlos Maro Morales C 2012 1 Matemátcas Fnanceras No está permtda la reproduccón total o parcal de este lbro, n su tratamento nformátco, n la transmsón de nnguna forma o por cualquer medo, ya sea electrónco,

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

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

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

DATOS AGRUPADOS POR INTERVALOS DE CLASE

DATOS AGRUPADOS POR INTERVALOS DE CLASE 3. Datos agrupados por ntervalo (Varable contnua) Generalmente los datos se agrupan por medo de ntervalos de clase, los cálculos son una aproxmacón a la realdad, se faclta los cálculos. En la agrupacón

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron

Más detalles

DISTRIBUCION DE RENDIMIENTOS: APLICACIONES

DISTRIBUCION DE RENDIMIENTOS: APLICACIONES DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se

Más detalles

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS. DERIVADAS PARCIALES DE ORDEN SUPERIOR.

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS. DERIVADAS PARCIALES DE ORDEN SUPERIOR. UNIVERSIDAD FRANCISCO DE AULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEARTAMENTO DE CIENCIAS BASICAS. DANIEL SAENZ CONTRERAS EMAIL [email protected] DERIVADAS ARCIALES DE ORDEN SUERIOR. S es una

Más detalles