El algoritmo EM para las estimacion de parametros en mezclas gaussianas. Una mezcla de distribuciones con K componentes tiene la forma
|
|
- Ramón Correa Henríquez
- hace 5 años
- Vistas:
Transcripción
1 E agorto EM para as estaco de paraetros e ezcas gaussaas Edgar Acua. Ua ezca de dstrbucoes co copoetes tee a ora x π x... π x dode cada copoete es ua ucó de probabdad Posso, Boa, etc o ua uco de desdad Nora, Expoeca, Gaa, etc. Notar que π... π. De todas as ezcas a as usada es a ezca de desdades oraes, aada tabé ua Mezca Gaussaa, que tee a ora geera x exp x / π π e esta ezca habra que estar 3 paráetros edas, varazas coecetes. Coo a sua de os coecetes da. e uero de paráetros a estar se puede reducr a 3-.. Estaco de paráetros e ua ezca Gaussaa co dos copoetes. caso Udesoa E este caso a ezca es de a ora Y x e π π e π / x / π sea θ,, θ, θπ,θ,θ vectores de paráetros. Etoces, a ezca ateror se puede escrbr coo Y, θ π N, θ πn, θ dode N represeta a a ucó de desdad Nora o gaussaa. Notar que e vector de paráetros θ cotee 5 paraetrso que debe ser estados usado ua uestra aeatora de taaño de a ezca gaussaa. Sea,,.. a uestra aeatora toada de a dstrbucó de Y. E etodo as usado para estar e vector de paráetros θ es e Maxu Lkehood ML axa
2 verostud. Aquí se axza co respecto a θ, a ucó de verostud deda por Lθ/Y,θ,θ,θ, θ Agua gete usa soo a otacó Lθ otros Lθ;, pero e EM se preere a otacó. Frecueteete es as ac trabaar co LogLθ/Y, que debdo a a ootcdad de a uco Logartca, preserva e axo. Así og L θ / Y og[, θ og, θ E e caso de a ezca gaussaa co dos copoetes, se tedrá og L θ / Y og[ π N, θ πn, θ] π dode N θ.5og.5og, sarete para og, ogn,θ. Habra que axzar 3 co respecto a θπ,θ,θ π,,,,, haado as respectvas dervadas parcaes, pero a preseca de a uco ogarto hace que esto sea copcado. La ateratva as usada es e agorto EM troducdo por Depster, Lard, ad Rub 977. Notar que a varabe aeatora Y correspodete a a ezca Gausaa puede ser obteda coo Y-T*Y T*Y, dode Y~N,, Y~N, T es ua varabe aeatora que asue os vaores 0 co P[T]π. Pero otar que os vaores de T o so observados e a uestra. E agorto EM se basa e e sguete hecho: LogLθ/Y es copcado de resover, pero oglθ/y,t s se puede resover. Y es aada a data observada, T es aada a data o observada ZY,T es aada a data copeta. Cosdereos que para a - esa observacó de a uestra, T s dcha observacó es extraída de a pobacó Y T 0 s a observacó es extraída de a pobacó Y. Etoces a ucó de verostud correspodete, puede ser escrta de a ora T ] [ N, ] L / Y, T [ N, θ θ θ 4 Toado ogartos se tedría LogL / Y, T T og N, θ T og N, θ θ 5 T 3
3 La ecuacó 5 s puede ser axzada as ácete que a ecuacó 3. Pero e proceso debe ser teratvo, porque e cada paso e vaor de T depede de os vaores de π, θ θ. E paso E cacuo de vaor esperado Notar que s e 4 toaos vaor esperado codcoado a θ,y, resuta E[ Q θ / Y, θ ] E T / θ, Y og N, θ E T / θ, Y og N, θ dode QθogLθ/Y,T. Pero, ET /θ,y0*p[t 0/θ,Y]*P[T /θ,y] P[T /θ,y]probcaer e Y/Probcaer Y o Y Cosdereos ahora e proceso teratvo, que coeza cosderado π 0.5, 0 0 rado, rado, S, S, dode S es a varaza uestra. Luego e e -eso paso, π N, θ E[ T / θ, Y ] π N, θ π N, θ Estos vaores so aados as resposabdades se usa para asgar as observacoes a u custer. As a acabar e proceso teratvo s.5 se asga a observacó a custer de o cotraro ra a custer. Luego o que habría que axzar se reduce a Q θ / θ og N, θ og N, θ Agua gete preere a otacó Qθ,θ. Aquí tera a etapa E, La etapa M Maxzacó Aquí se axza a expresó 6 co respecto a θπ,θ,θ π,,,,, esto pca cacua dervadas parcaes de Q co respecto a π,,,, e guaaras a 0. Así dervado Q co respecto a se obtee. Q 0, o cua produce 6
4 . Sarete, Dervado ahora co respecto a se obtee que 0 4 Q, de dode resuta. Sarete,. Faete, por decó de, se tee que π. E agorto se repte hasta que π,,,, o cabe ucho co respecto a paso ateror. Habra que estabecer u ve de toeraca pequeño.. Estaco de paráetros e ua ezca Gaussaa co copoetes. caso Udesoa La uco de desdad esta dada e a ecuacó. Aquí troducos varabes aeatoras T ta que T s a observacó es extrada de a pobacó Y, T0 e otro caso, P[T]π. Notar que π π. Luego, YT Y.T Y. La ucó de og kehood, codcoada a a data copeta, sar a a ecuacó 5 puede se escrta coo
5 LogL / Y, T T og N, θ θ 7 dode T s a -ésa observacó cae e a copoete T 0 e otro caso. Paso E. Aquí as T que aparece e a ecuacó 7 debe ser susttudas teratvaete por π N, θ E[ T / θ, Y ]. Los vaores caes de os π N, θ 0 paráetros so os sos que ates, excepto que π para.. Luego habría que axzar a ucó Q / θ og N, θ θ 8 Paso M: Dervado parcaete 8 co respecto a para,,, se obtee π 3. Caso Mutvarado. Cosdereos que toaos p varabes dstrbudas coutaete co ua ora Mutvarada co vector de eda atrz de covaraza Σ. Esto es que a ucó de desdad de vector aeatoro x tee ucó de desdad exp[ x ' Σ x / ] Σ π x / p /
6 se escrbe x~nm p, Σ Exste uchas estructuras que se puede cosderar para Σ. Etre eas que sea ua atrz dagoa co ua costate. Es decr, Σ I, o que sea soaete dagoa co derete etradas e ea. Sea a varabe aeatora Y que se dstrbue coo ua ezca de Gaussaas utvaradas. Esto es, π NM, Σ... π NM, Σ dode π Itroducedo e so tpo de varabes T coo e e caso, se obtee LogL / Y, T T og NM, θ θ 9 dode θ, Σ para,.. Paso E. Aquí as T que aparece e a ecuacó 9 debe ser susttudas teratvaete por π NM, θ E[ T / θ, Y ]. Los vaores caes para as k π NM, θ edas so k observacoes de as s eegdas a azar. Los vaores caes de as atrces de covaraza depede de a estructura que se haa decddo para a atrz. E prograa cust de R cosdera 6 tpos dsttos de estructuras. Tabé, para.. Luego habría que axzar a ucó Q / θ og NM, θ θ 0 Paso M. Dervado parcaete 0 co respecto a Σ para,,, se obtee π 0
7 Σ p ' π
Estadística descriptiva bidimensional
Estadístca descrptva bdesoa Estudaos sutáeaete dos característcas de os dvduos. Defcó 5. Ua varabe bdesoa (X, Y) es u par de síboos que represeta dos característcas de os dvduos de ua pobacó. Dada ua varabe
Más detalles1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada
Más detallesMedidas de Tendencia Central
Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detallesAplicación de Boostrapping en Regresión I
Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores
Más detallesTEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detallesSISTEMAS DE ECUACIONES NO LINEALES
SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u
Más detallesPyE_ EF1_TIPO2_
SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos
Más detalles2.5. Área de una superficie.
.5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra
Más detallesLECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Más detallesTema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu
y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,
Más detallesANEXO D. Cálculo del cortante basal
Cálculo del cortate basal CÁLCULO DEL CORANE BASAL El cálculo del cortate basal perte deterar la fuerza lateral total coo cosecueca de las fuerzas erca que se duce a u sstea de N rados de lbertad, dstrbuyédolo
Más detallesInferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesDivisión de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)
Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesAnálisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos
Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores
Más detallesGENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor
GNRCIÓN TRMOLÉCTRIC. Cálculo de la toa de las extraccoes de u cclo de apor ISML PRITO ÍNDIC D MTRIS CÁLCULO D LOS PUNTOS D TOM D LS XTRCCIONS PR QU L MJOR DL RNDIMINTO DL CICLO RGNRTIVO S MÁXIM. MJOR N
Más detallesLa Metodología de la Verosimilitud Empírica
La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la
Más detallesDISEÑO ÓPTIMO DE DIAGRAMAS EWMA.
Saber, Uversdad de Orete, Veeuela.Vol. 2. Nº 2: 44-49. (2000) DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. NELSON BRACHO Departaeto de Estadístca Uversdad de Orete. RESUMEN E este artículo se descrbe el esquea de
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Más detalles6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.
Estadístca ara geeros Ejerccos resueltos TEMA 6- CONVERGENCIA DE VARIABE AEATORIA 6 olucó ( de que falle u televsor) / Núero de televsores averados de etre los asegurados B ( ) ( 9 ) Alcado el Teorea Cetral
Más detallesUNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
Más detallesBreves apuntes sobre la teoría de errores.
Radar de subsuelo. Evaluacó para aplcacoes e arqueología y e patroo hstórco-artístco 903 Aexo 6 Breves aputes sobre la teoría de errores. A6.. Itroduccó. Se troduce breveete los coceptos fudaetales de
Más detalles1.3. Longitud de arco.
.. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado
Más detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesCÁLCULO NUMÉRICO (0258)
CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.
Más detallesDada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ
TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,
Más detallesPARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
Más detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesISIS J. C. Gómez & G. Bartolini 1
Idetfcacó de SISteas Descooscó e alores Sgulares (SD: Sgular alue Decoosto) ISIS J. C. Góez & G. Bartol La SD y sus lcacoes La Descooscó e alores Sgulares (o SD or sus sglas e glés) de ua atrz es la descooscó
Más detallesComportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.
Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),
Más detallesUnidad didáctica 2: Interpolación 1. Diferencias divididas. Diferencias finitas.
Udad ddáctca : Iterolacó. Derecas dvddas. Derecas tas. Israel añaó Valera Dto. de Mateátca Alcada y Métodos Iorátcos E.T.S.I. Mas ÍNDIE. Plateaeto del roblea.. Derecas dvddas. Fórula de Newto. Tablas.
Más detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detalles(Véase el Ejercicio 13 Beneficio de los bancos )
étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesCALCULO DIFERENCIAL E INTEGRAL II. Figura 1
TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesAPUNTS DE CLASSE: TEMA 1
Curs 04-05 MODEL LINEAL GENERALIZA APUNS DE CLASSE: EMA Grau d Estadístca UB - UPC Lída Motero Josep Ato Sáchez Model Leal Geeraltzat ABLA DE CONENIDOS - EMA : INRODUCCIÓN A LOS MODELOS LINEALES GENERALIZADOS
Más detalles4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór
Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó
Más detallesDiseño De Plantas UIS. Ing. Edwin Alberto Garavito H.
MEJORMIENTO DEL DISEÑO DE DISTRIBUCIONES DE PLNT MEDINTE L UTILIZCIÓN DE CRFT. QUÉ ES CRFT? CRFT (Coputerzed Relatve llocato of Facltes Techque es uo de los paquetes de software ás avazados que se utlza
Más detallesInferencia estadística - Estimación puntual
Probabldades y stadístca Coutacó Facultad de Cecas actas y Naturales Uversdad de Bueos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó utual La estadístca rovee téccas que erte obteer coclusoes
Más detallesSOLUCIONES SEGUNDA HOJA EJERCICIOS 1º BACHILLER CIENCIAS. Ejercicio nº 1.- a) Calcula, utilizando la definición de logaritmo:
SOLUCIONES SEGUNDA HOJA EJERCICIOS º BACHILLER CIENCIAS Ejercco º.- a) Calcula, utlado la decó de logartmo: log log log Halla el valor de, aplcado las propedades de los logartmos: log log log Solucó: a)
Más detallesPARTE SEGUNDA: INFERENCIA ESTADÍSTICA
ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos
Más detalles1. Propiedades molares y propiedades molares parciales
erodáca. ea 9 Ssteas abertos y ssteas cerrados de coposcó varable. ropedades olares y propedades olares parcales Ua agtud olar se dee coo: Sepre está asocada a u sstea terodáco de u úco copoete (sstea
Más detalles2. Censura y truncamiento
2. Cesura y trucameto Los datos de tempo de fallo se preseta e dferetes formas que crea problemas especales cuado se aalza. E muchas ocasoes o se cooce co exacttud el valor del tempo de fallo y úcamete
Más detallesVideal. V m. = ZxVideal EJERCICIOS RESUELTOS:
EJERCICIOS RESUELOS: Datos:. U taque rígdo cotee dos klool de gas trógeo y 6 klool de CO a 00ºK y 5 Mpa. Calcule el volue del taque basádose e: a. Ecuacó de gas deal b. Regla de Kay c. Factores de copresbldad
Más detallesque queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)
APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)
Más detallesRespuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:
Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,
Más detallesGENERALIDADES ESTADISTICA DESCRIPTIVA
MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:
Más detallesGerardo Pastrana León
CONSTRUCCIÓN D FRONTRAS FICINTS D INVRSIÓN Gerardo Pastraa Leó (ste esayo se elaboró utlzado coo bblografía prcpal el lbro Seleccó de Iversoes, de Dogo Jorge Messut, Vctor Adrá Alvarez y Hugo Roao Graff,
Más detallesEspecialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV
Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra
Más detallesREDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN
.4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesEnergía electrostática.
Eergía electrostátca. Campos y Odas FACULTAD DE INGENIERÍA UNIVERSIDAD NACIONAL DE LA PLATA ARGENTINA Eergía electrostátca.. Trabajo de agrupacó de cargas putuales q. V q. V qv 3 3 3 3 q r r3 r3 q3 q V
Más detallesDISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL
Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema
Más detalles1 Estadística. Profesora María Durbán
Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesX / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara
95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado
Más detallesCAPITULO 1 MODELOS LINEALES GENERALIZADOS
CAPITULO MODELOS LINEALES GENERALIZADOS E este capítulo estudaremos ua extesó de los modelos leales a ua famla más geeral, propuesta por Nelder y Wedderbur (97), deomada Modelos Leales Geeralzados (MLG)
Más detallesÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11
ÍNDICE 1. INTRODUCCIÓN A LA PROBABILIDAD... 11 1.1. Probabldad, espaco muestral y sucesos... 11 1.1.1. Espaco muestral y sucesos... 11 1.1.. Probabldad... 14 1.1.3. Varable aleatora y fucó de dstrbucó...
Más detallesTema 16: Modelos de distribución de probabilidad: Variables Continuas
Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,
Más detallesTransparencias de clase
Trasparecas de clase Dada ua tabla de datos se ha de ecotrar ua ucó que tome los valores requerdos e los putos dados; e el caso que os ocupa la ucó buscada será de carácter polómco Teorema: El polomo de
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.
Más detalles3 Metodología de determinación del valor del agua cruda
3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesDel correcto uso de las fracciones parciales.
Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos
Más detallesMETODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:
Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó
Más detallesCorrelación y regresión lineal. Ejemplos
Correlacó y regresó leal. Ejemplos Problema Nro. 0 Las estaturas (mts.) y los pesos (Kg) de 0 jugadores de Balocestos so: Estatura X Pesos Y(Kg) (mts) 86 85 89 85 90 86 9 90 93 87 98 93 0 03 03 00 93 9
Más detallesComo en ningún caso se conoce el valor verdadero de una medida es aconsejable hablar de error aparente.
ERRORES EXPERIMENTALES E todo proceso de medcó este lmtacoes dadas por los strumetos usados, el método de medcó, el observador (u observadores) que realza la medcó. Asmsmo, el msmo proceso de medcó troduce
Más detalles3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT
Trasforacoes quícas Adrés s Cedllo, AT-50 cedllo@xau.ua.x www.fqt.zt.ua.x/cedllo 3. Estequoetría 3.1. Masa atóca 3.. El cocepto de ol 3.3. Relacoes e fórulas f quícas 3.4. Relacoes e reaccoes quícas Cap.
Más detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
Más detallesSolución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012
Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal
Más detallesEstadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
Más detalles02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C
Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor
árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad
Más detalles7. Muestreo con probabilidades desiguales.
7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.
Más detallesMétodo de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio
Método de sevaraza y varaza para la seleccó de u portaolo ópto Sevarace ad varace ethod or selectg a optal portolo Lzbeth María de Jesús Urbe, Mguel Ágel Martíez Daá, Gustavo aírez Valverde ESUMEN E los
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesAGRO Examen Parcial 1
AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesFEM-OF: EDP Elíptica de 2 Orden
9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk
Más detalles6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE
arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las
Más detallesGENERACION DE VARIABLES ALEATORIAS
GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesIncertidumbre en las mediciones directas e indirectas
Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:
Más detallesSEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detallesTRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).
TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores
Más detalles