INFERENCIA ESTADÍSTICA


Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "INFERENCIA ESTADÍSTICA"

Transcripción

1 INFERENCIA ESTADÍSTICA Pensemos en los tres siguientes ejemplos: Hacemos una encuesta entre los clientes de una tienda para preguntarles su opinión sobre cambios generales que pretendemos hacer en diversas áreas de la tienda. Después de realizados los cambios, queremos hacer una segunda encuesta para saber cómo se modificó la opinión sobre los cambios una vez hechos. Nos interesa la DIFERENCIA. Revisamos varias de nuestras ventas para ver los problemas que se presenten en la facturación de las mismas. Esto lo realizamos antes de imponer algunas mejoras en el procedimiento de facturación. Tenemos la intención de realizar la misma investigación después de hechos los cambios para medir la DIFERENCIA. Queremos establecer estándares para el desempeño de los trabajadores a fin de poder ver como es el desempeño actual. De lo que encontremos se van a derivar varias acciones: o o se va a otorgar un estímulo para los trabajadores, se va a establecer una tabla comparativa de desempeño entre las diferentes unidades de la empresa y en base a ella se va a otorgar un estímulo a los gerentes, o se va a comparar el desempeño contra el desempeño en los últimos tres períodos anteriores. Para establecer los estándares se van a seleccionar varios operarios de cada uno de los dos turnos y se va a medir su rendimiento durante tres días específicos de una semana. Estamos interesados en conocer un VALOR general. En los tres ejemplos anteriores se tienen muestras obtenidas, quizá al azar, y se trata de conocer valores de la población en base a los de la muestra. La decisión de si a los clientes les gustaron los cambios la vamos a tomar sobre los valores en la muestra. La mejora en las facturas la vamos a constatar en base a las que observamos. El estándar de desempeño lo vamos a fijar en base a los trabajadores estudiados. Pero en los tres casos vamos a extender el valor de la muestra o las muestras a la población. Este proceso se llama inferencia. Errores en la inferencia y qué hace la estadística con ellos En todo caso el proceso de inferencia está sujeto a errores. No existe magia alguna que haga que el valor de la muestra coincida con el de la población y si afirmásemos lo contrario seríamos unos charlatanes. La diferencia entre los valores de la muestra y los de la población crea incertidumbre acerca de los valores muestrales. Se necesita una manera de establecer las limitaciones del proceso de inferencia. Los procedimientos estadísticos no eliminan los errores en la inferencia. Lo que hacen es que los valores de los errores sean cuantificables mediante afirmaciones de probabilidad. Se dice que los procedimientos estadísticos son medibles porque es posible medir (en términos de probabilidad) la magnitud del error que cometen. Tipos de Inferencia 1

2 En el ejemplo de los clientes del establecimiento, si obtuvimos una muestra estadística, podemos decir no sólo cuál es el porcentaje de clientes indiferente a los cambios (por ejemplo 20%, valor en la muestra) sino, además, cuál es la probabilidad de que el porcentaje real sea menor que alguna cantidad (por ejemplo la probabilidad de que sea menor que 25%) o mayor que alguna otra cantidad (por ejemplo mayor que 10%) o que se encuentre entre dos valores (entre 18% y 23%, por ejemplo). Afirmaciones como las anteriores se basan en el hecho de que por haber seleccionado al azar, hay un mecanismo objetivo de generación de la incertidumbre y mediante deducciones matemáticas es posible encontrar las probabilidades mencionadas. Si la selección se hubiese hecho ``a juicio'', dependería del buen juicio y no de las matemáticas el tamaño del error en la inferencia. La medición de la incertidumbre sería muy complicada y nada confiable. En la mayoría de las veces que hacemos inferencia, las probabilidades las calculamos con el modelo normal. En algunos casos este modelo normal es el modelo exacto para la inferencia, pero muy frecuentemente es sólo un modelo aproximado. Estimación y Prueba de Hipótesis En la estadística hay dos formas principales de inferir: Estimación y Prueba de hipótesis La estimación parte desde suponer un modelo estadístico para la distribución de la característica que nos interesa en la población. Esta característica es, generalmente, numérica y distinguimos a las variables en continuas y discretas. Si nos interesa el rendimiento o eficiencia de los trabajadores, como en el tercer ejemplo, tendremos el tiempo de realización de una tarea específica (variable continua). En el segundo ejemplo nos interesará el número y tipo de errores cometidos en la factura (variable discreta). En el primero nos interesa la opinión que mediremos como favorable o desfavorable (variable discreta = número de personas a favor o en contra). Si tiene Ud. inclinaciones más poéticas, recuerde a la reina de las hadas y su problema de enamorarse del primero que vea al despertar; ahí tenemos el mismo tipo de situación: el amado será guapo o no guapo, y el parámetro desconocido es la ``densidad'' de guapos alrededor de la reina dormida. I Estimación Para estimar partimos de un modelo probabilístico de cómo se distribuye la característica en la población o de cómo se realizó el muestreo. Este modelo incluye cantidades que desconocemos y que llamamos parámetros Por ejemplo, en la encuesta para saber la opinión de los clientes, el número de clientes a favor es un parámetro, y la probabilidad de que obtengamos al azar a una persona que Tipos de Inferencia 2

3 está a favor es la proporción de personas a favor en la población (que desconocemos). Esto se parece al lío de la reina de las hadas. Para los tiempos de realización de la tarea, en el tercer ejemplo, podemos suponer una distribución normal con una media y una desviación estándar desconocidas; nuestro interés se centraría en el valor del promedio de la población. De la muestra estimamos los valores de los parámetros en la población y esto lo hacemos: mediante un valor fijo y entonces decimos que tenemos un estimador puntual o mediante un intervalo de posibles valores y le llamamos estimación por intervalo o intervalo de confianza. Los métodos de estimación puntual pueden tener varias características estadísticas entre las que sobresalen: 1. Insesgamiento. Que el valor del parámetro coincida con el valor promedio del estimador. Esta propiedad la tienen la mayoría de los estimadores usados en la práctica. 2. Consistencia. Que el valor de la muestra se acerque al valor del parámetro al aumentar el tamaño de la muestra. 3. Suficiencia. Que el estimador use toda la información que la muestra contiene respecto al parámetro de interés. 4. Eficiencia. Que el estimador tenga menor variabilidad que otro posible. Estimación puntual y por intervalo Los estimadores puntuales más comunes son: (A) La media de la muestra para estimar el valor promedio en la población. (B) La proporción en la muestra para estimar la proporción en la población. (C) La desviación estándar de la muestra como estimación de la desviación estándar de la población. Es práctica común hablar de 2 veces la desviación estándar de un estimador como el error de estimación. Este error usualmente depende del tamaño de la población de donde se saca la muestra, sin embargo esta dependencia es muy moderada para muestras pequeñas en relación al tamaño de la población. Algo de esto ya lo experimentamos cuando hablamos de muestreo. Es costumbre no hacer caso de esta corrección por población finita. La otra forma de estimar es más realista en cierto sentido. Estimamos usando un intervalo. Analicemos el siguiente ejemplo. De 400 entrevistados 220 están a favor. Qué tan probable es tener 220 o más a favor cuando las opiniones están divididas igualmente entre a favor o en contra? Resulta 2.28% o 2.56% dependiendo de la fórmula usada. Pero si hubieran sido 1100 de 2000 la probabilidad cambiaría a cero (aunque la proporción: 220 de 400 sea la Tipos de Inferencia 3

4 misma que 1100 de 2000). Si hubieran sido 55 de 100 la proporción permanece pero la probabilidad aumenta a 15.87%. En estos ejemplos la estimación puntual permanece igual, pero las probabilidades dan tantos tumbos que concluimos que no es posible que reportemos sólo la estimación puntual, Debemos mencionar el error de estimación. Una manera muy compacta de hacerlo es un intervalo de confianza. Éste consta de dos valores que encierran al parámetro con una probabilidad preestablecida arbitrariamente por nosotros. Lo común es usar 90% ó 95% ó 99%. A esta probabilidad la llamamos confianza. Las fórmulas para calcular los intervalos de confianza más comunes las encontrará en el texto. II Prueba de hipótesis Veamos otra forma de hacer la inferencia. La forma de inferir a la que nos referimos se llama genéricamente prueba de hipótesis. La palabra prueba aquí se debe entender como una puesta a prueba de la hipótesis para ver si la declaramos falsa o verdadera. Una prueba de hipótesis estadística es una prueba fundamentalmente empírica. Se trata de confrontar la hipótesis con los hechos. La situación es similar a la de la minería donde se ensayan muestras de mineral para determinar el grado de metal que contienen. De acuerdo al resultado de los ensayes, se establece si vale la pena la explotación de la mina. Una hipótesis, de manera abstracta, en el contexto estadístico, es una afirmación sobre el valor de un parámetro. Para que la prueba tenga interés debe tratarse de un parámetro con un significado muy claro y, de preferencia, debe indicarnos alguna acción a seguir. La afirmación puede ser falsa o verdadera, al proponer una hipótesis estadística no estamos pensando que esa hipótesis sea verdadera. El objetivo de la prueba es, precisamente, decidir si la muestra indica que la hipótesis es falsa o es verdadera. Una prueba de hipótesis hace uso sólo de la información que está en la muestra. Si en alguna situación poseyéramos información aparte de la muestra, hay que diseñar un mecanismo específico para usar esa otra información. De acuerdo al símil con la minería, podemos equivocarnos. Una muestra, por azar, puede resultar alta en contenido de metal y llevarnos a excavar una mina pobre; de la misma forma, una muestra pobre en metal puede hacernos abandonar la idea de excavar en un sitio que sea muy rico. Un ejemplo Las hipótesis Veamos un ejemplo para precisar la idea de una prueba estadística. Supongamos que la compañía, está contemplando una mejora en la rutina de producción que nos va a volver más competitivos porque va a permitir reducir los costos. La nueva rutina ha sido Tipos de Inferencia 4

5 probada en algunas otras partes y ha funcionado; además, hace las cosas de una manera más lógica que la rutina actual. Decidimos ponerla a prueba a ver si lo que esperamos de ella se verifica o no. Para que nos decidamos a implantarla de forma definitiva, requerimos ver resultados de ella. La prueba la vamos a hacer analizando si el costo promedio por artículo producido mejora y para eso, vamos a considerar el promedio de artículos producidos. Pero vamos a adoptar el nuevo método sólo si mejora en un 30% al promedio actual que es de 60.4 artículos, es decir sólo cambiaríamos la rutina si el promedio se eleva a 78.5 o más. Para tener una mejor base de comparación, vamos a repetir la operación cincuenta veces y calcularemos el promedio de estas 50 veces. En el ejemplo tenemos una hipótesis: la media poblacional bajo el nuevo método será mayor que Note que esta hipótesis puede resultar falsa en los hechos a pesar de los buenos augurios que tiene. Vamos a contrastarla contra otra: la media no rebasará Al hacer la prueba, en realidad necesitamos las dos hipótesis, a una la llamamos nula y a la otra alternativa. En nuestro ejemplo la hipótesis nula es la media no pasa de De ser cierta no vamos a hacer nada (por eso se escogió el calificativo NULA). La alternativa es que sea mayor que La prueba La idea de la prueba es muy simple, en este caso. Vamos a evaluar la hipótesis nula en base a lo que observemos: Si el rendimiento promedio de las cincuenta repeticiones es muy bajo, no podremos sostener la hipótesis alternativa y tendremos que quedarnos con la nula. Si el rendimiento promedio supera por mucho los 78.5, concluiremos que la alternativa es la correcta. Pero si supera por poco los 78.5, tendremos duda al respecto. La región crítica y los errores Vamos a tener que establecer una cota, por encima de los 78.5, y tomar la decisión de rechazar la nula si la media observada rebasa esa cota. En caso contrario diremos que la evidencia empírica no muestra que el nuevo método sea mejor. Llamamos región crítica o región de rechazo a los valores del promedio que nos llevan a la decisión de rechazar la nula. Una consideración importante para la prueba es que cualquiera que sea la decisión que tomemos nos puede acarrear problemas, ya que la decisión tomada puede ser errónea. Hay que recordar que la decisión la tomamos en base al resultado de una muestra y puede estar equivocado. Además, como en realidad, estamos probando un par de hipótesis, podemos errar de dos maneras: 1. Podemos rechazar la nula cuando es cierta Tipos de Inferencia 5

6 2. Podemos no rechazarla cuando es falsa. La numeración del párrafo anterior no es casual, es convención llamar a los errores por su número: error tipo 1 y error tipo 2. Lo bueno o malo de una prueba se califica en base a la probabilidad de cometer error tipo uno y dos. Llamamos significación o nivel de significación de la prueba a la probabilidad de cometer error tipo 1 y la denotamos con la letra griega alfa. Usamos la letra griega beta para denotar a la probabilidad de error tipo 2. En nuestro ejemplo la región crítica está incompleta, falta especificar la cota de la que hemos hablado, es decir el número a partir del cual nuestra decisión será adoptar el nuevo procedimiento. Para poder especificarla debemos considerar un elemento extraño: qué probabilidad de cometer un error de tipo 1 queremos? Sesgos Hay que reflexionar bien sobre esto ya que es una de las dificultades mayores en el uso de las pruebas de hipótesis. En párrafos anteriores nos hemos referido a la posibilidad de equivocarnos. En el ejemplo, podría pasar que el método nuevo no fuera mejor. Aquí tenemos dos peligros que enfrentar: El sesgo en la selección de la muestra. El azar en la selección de la muestra. Primero hablemos sobre el sesgo al seleccionar. Es claro que queremos probar el nuevo sistema en nuestra propia empresa. También es claro que no lo vamos a ensayar con todo el personal. Cómo escoger al personal para llevar a cabo el experimento? Los más capaces? Aquí es donde se puede introducir un sesgo que destruya por completo la validez de la prueba. Pero no para ahí el peligro. El procedimiento es nuevo; siempre hay un efecto de la novedad. Probablemente el personal hará las cosas con más entusiasmo que de costumbre. Además, el personal que está probando el nuevo método está percibiendo atención extra de sus superiores, esto afecta su conducta. En contra se tiene el efecto del aprendizaje. Para poner las cosas de manera más simple, acuérdese lo que sucedió la primera vez que manejó un auto. La manera de evitar los sesgos es mediante el control y la aleatorización. (Al menos eso dicen los enterados en el diseño de experimentos). En nuestro ejemplo esto se traduce en que evitemos los sesgos anteriores seleccionando al azar. Y esto nos lleva a considerar que la prueba puede fallarnos por mala suerte. Volvamos a considerar el error tipo 1. En nuestro ejemplo, este error consiste en que el método nuevo no produzca la mejora esperada y que por casualidad la muestra tenga un promedio muy grande (es decir, que esté en la región crítica). Alfa Naturalmente que quisiéramos que esto no pudiera pasar. Desafortunadamente no hay garantías, sólo podemos lograr que la probabilidad del error tipo 1 sea pequeña. El nivel Tipos de Inferencia 6

7 de significación se determina de forma arbitraria (así como el nivel de confianza en un intervalo) y la costumbre es usar 10%, 5% o 1%. Regresando a nuestro ejemplo, después de hacer cuentas y consultar la tabla normal, resulta que si la media de la muestra de 50 rebasa a (0.23)s rechazaremos la nula. Esta región crítica nos da un alfa = Llamamos prueba de una cola a aquella cuya región crítica se localiza en un extremo de la distribución muestral ya sea la cola derecha como en nuestro ejemplo o la cola izquierda. No es raro que usemos también pruebas de dos colas, situando la región crítica en ambos extremos de la distribución muestral. Una prueba así sirve para detectar diferencias en cualquier sentido. A modo de ejemplo: El trabajo del Señor H es la enseñanza. Un problema que se le presenta es la gran cantidad de reprobados en las materias que dicta. Revisando los archivos se da cuenta que el porcentaje de reprobados ha sido aproximadamente 60%. Tomó un curso de didáctica y se dió cuenta de varios errores que comete al enseñar. Este semestre espera haberlos corregido. Hace una prueba para saber si la proporción de reprobados disminuyó. La hipótesis nula es que la proporción es 60%, la alterna que la proporción disminuyó. Un error tipo 1 es que su enseñanza haya mejorado pero por azar el grupo elegido para este semestre, haya sido malo. Un error tipo 2 es que no haya mejorado su didáctica (a pesar del curso) y por casualidad su grupo en este semestre haya tenido pocos reprobados. Tipos de Inferencia 7

Test ( o Prueba ) de Hipótesis

Test ( o Prueba ) de Hipótesis Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS DE HIPÓTESIS PRUEBAS DE HIPÓTESIS Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe

Más detalles

Ciudad de Guatemala, 2013

Ciudad de Guatemala, 2013 Ciudad de Guatemala, 2013 1 Clase 5 Muestreo y tamaño de muestra D i e g o A y c i n e n a diegoaa@ufm.edu Universidad Francisco Marroquín 2 Clases (Profesores) H o r a r i o Actividades en Grupo (Todos)

Más detalles

7.- PRUEBA DE HIPOTESIS

7.- PRUEBA DE HIPOTESIS 7.- PRUEBA DE HIPOTEI 7.1. INTRODUCCIÓN La estadística inferencial es el proceso de usar la información de una muestra para describir el estado de una población. in embargo es frecuente que usemos la información

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos

Más detalles

"CONTRASTES DE HIPÓTESIS" 4.4 Parte básica

CONTRASTES DE HIPÓTESIS 4.4 Parte básica 76 "CONTRASTES DE HIPÓTESIS" 4.4 Parte básica 77 4.4.1 Introducción a los contrastes de hipótesis La Inferencia Estadística consta de dos partes: Estimación y Contrastes de Hipótesis. La primera se ha

Más detalles

1.3 Números racionales

1.3 Números racionales 1.3 1.3.1 El concepto de número racional Figura 1.2: Un reparto no equitativo: 12 5 =?. Figura 1.3: Un quinto de la unidad. Con los números naturales y enteros es imposible resolver cuestiones tan simples

Más detalles

Tests de hipótesis estadísticas

Tests de hipótesis estadísticas Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para

Más detalles

Por qué tomar muestras? Si queremos conocer una población, Por qué no tomar una muestra de toda la población?, Por qué no hacer un censo?

Por qué tomar muestras? Si queremos conocer una población, Por qué no tomar una muestra de toda la población?, Por qué no hacer un censo? Página 1 de 8 CAPÍTULO 2: MUESTREO En el capítulo anterior hablamos de que para tomar decisiones en Estadística primero debemos formular una hipótesis a partir de la teoría del investigador. Una vez formulada

Más detalles

Pruebas de. Hipótesis

Pruebas de. Hipótesis Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar

Más detalles

INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS Página 311 REFLEXIONA Y RESUELVE Máuina empauetadora El fabricante de una máuina empauetadora afirma ue, si se regula para ue empauete palés con 100 kg, los

Más detalles

1 Introducción a contrastes de hipótesis

1 Introducción a contrastes de hipótesis Inferencia Estadística II Teoría, handout 1 1 Introducción a contrastes de hipótesis En este curso vamos a aprender a usar los datos para cuestionar la validez de ciertas afirmaciones teóricas. Los fenómenos

Más detalles

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación

Más detalles

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos

Más detalles

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1 Tecnología 4º ESO Tema 5: Lógica binaria Página 1 4º ESO TEMA 5: Lógica binaria Tecnología 4º ESO Tema 5: Lógica binaria Página 2 Índice de contenido 1. Señales analógicas y digitales...3 2. Código binario,

Más detalles

Inferencia Estadística

Inferencia Estadística Felipe José Bravo Márquez 11 de noviembre de 2013 Para realizar conclusiones sobre una población, generalmente no es factible reunir todos los datos de ésta. Debemos realizar conclusiones razonables respecto

Más detalles

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +

Más detalles

Unidad 9. Estimación

Unidad 9. Estimación Unidad 9 Estimación Estimación En los capítulos anteriores se han estudiado las nociones fundamentales de distribución de probabilidad y distribución muestral. Estamos ya en condiciones de tratar los métodos

Más detalles

Fórmulas y funciones

Fórmulas y funciones 05... Fórmulas y funciones En este tema vamos a profundizar en el manejo de funciones ya definidas por Excel, con el objetivo de agilizar la creación de hojas de cálculo, estudiando la sintaxis de éstas

Más detalles

Hipótesis Alternativa: Afirmación sobre las posibles alternativas que se tienen a la afirmación hecha en la hipótesis nula.

Hipótesis Alternativa: Afirmación sobre las posibles alternativas que se tienen a la afirmación hecha en la hipótesis nula. PRUEBA DE HIPÓTESIS Introducción (10 min) En el mundo de las finanzas, la administración y la economía tan importante como saber hacer y entender a cabalidad las estimaciones que nos ayudaran a la toma

Más detalles

Indicadores de la Variable.- Son aquellas cualidades o propiedades del objeto que pueden ser directamente observadas y cuantificadas en la práctica.

Indicadores de la Variable.- Son aquellas cualidades o propiedades del objeto que pueden ser directamente observadas y cuantificadas en la práctica. Las variables de un estudio. La variable es determinada característica o propiedad del objeto de estudio, a la cual se observa y/o cuantifica en la investigación y que puede variar de un elemento a otro

Más detalles

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria

Más detalles

MOOC UJI: La Probabilidad en las PAU

MOOC UJI: La Probabilidad en las PAU 3. Definición intuitiva de probabilidad: ley de Laplace La palabra probabilidad, que usamos habitualmente, mide el grado de creencia que tenemos de que ocurra un hecho que puede pasar o no pasar. Imposible,

Más detalles

Biometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1

Biometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1 Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en

Más detalles

Colegio Alexander von Humboldt - Lima. Tema: La enseñanza de la matemática está en un proceso de cambio

Colegio Alexander von Humboldt - Lima. Tema: La enseñanza de la matemática está en un proceso de cambio Refo 07 2004 15 al 19 de noviembre 2004 Colegio Alexander von Humboldt - Lima Tema: La enseñanza de la matemática está en un proceso de cambio La enseñanza de la matemática debe tener dos objetivos principales:

Más detalles

Base de datos: Access. Unidad Didáctica 3: Planificación y diseño de una base de datos

Base de datos: Access. Unidad Didáctica 3: Planificación y diseño de una base de datos Módulo 7: Tecnologías de la Información y Comunicación y Ofimática Unidad Didáctica 3: Planificación y diseño de una base de datos Base de datos: Access UNIDAD DIDÁCTICA 3 Planificación y diseño de una

Más detalles

Las técnicas de estudio son un recurso que utilizamos para aprender más con menos esfuerzo.

Las técnicas de estudio son un recurso que utilizamos para aprender más con menos esfuerzo. TÉCNICAS DE ESTUDIO 1º ESO. Qué es esto? El presente documento pretende se una ayuda en tu proceso de aprender a estudiar, o lo que es lo mismo, aprender a aprender. Te vamos a hablar de técnicas de estudio,

Más detalles

aplicado al Experiencia La gestión de un servicio y, por ende, la

aplicado al Experiencia La gestión de un servicio y, por ende, la EN PORTADA 6 Sigma aplicado al Experiencia En este artículo vamos a dar una visión más particular sobre la aplicabilidad de 6 Sigma al sector Servicios. Existe abundante literatura al respecto, pero sobre

Más detalles

Temas de electricidad II

Temas de electricidad II Temas de electricidad II CAMBIANDO MATERIALES Ahora volvemos al circuito patrón ya usado. Tal como se indica en la figura, conecte un hilo de cobre y luego uno de níquel-cromo. Qué ocurre con el brillo

Más detalles

Problemas fáciles y problemas difíciles. Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el siguiente problema:

Problemas fáciles y problemas difíciles. Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el siguiente problema: Problemas fáciles y problemas difíciles Alicia Avila Profesora investigadora de la Universidad Pedagógica Nacional Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el

Más detalles

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación.

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación. Laboratorio 1 Medición e incertidumbre La descripción de los fenómenos naturales comienza con la observación; el siguiente paso consiste en asignar a cada cantidad observada un número, es decir en medir

Más detalles

58 Juegos de intercambio

58 Juegos de intercambio , pp.65-69 58 Juegos de intercambio Juegos Y a en otras ocasiones hemos defendido la utilidad didáctica de los juegos de estrategia. Aunque al no aparecer conceptos matemáticos lleva muchas veces a crear

Más detalles

LA SELECCION DE PERSONAL

LA SELECCION DE PERSONAL LA SELECCION DE PERSONAL FASES DE LA SELECCION La selección, como cualquier otro proceso dentro de una organización, necesita seguir una serie de pasos perfectamente definidos y estructurados. Lo ideal

Más detalles

TEORÍA DE JUEGOS. 1 Definiciónes y Conceptos Básicos. 1.1 Definición: 1.2 Elementos de un juego. 1.3 Representación de un juego.

TEORÍA DE JUEGOS. 1 Definiciónes y Conceptos Básicos. 1.1 Definición: 1.2 Elementos de un juego. 1.3 Representación de un juego. TEORÍA DE JUEGOS 1 Definiciónes y Conceptos ásicos. 1.1 Definición: La teoría de juegos es una herramienta de análisis económico usada para estudiar problemas caracterizados por la interacción estratégica

Más detalles

Lección 24: Lenguaje algebraico y sustituciones

Lección 24: Lenguaje algebraico y sustituciones LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce

Más detalles

Estimación de una probabilidad

Estimación de una probabilidad Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento

Más detalles

TRABAJO POR PROYECTOS: PROYECTO DE LOS ALIMENTOS

TRABAJO POR PROYECTOS: PROYECTO DE LOS ALIMENTOS TRABAJO POR PROYECTOS: PROYECTO DE LOS ALIMENTOS AUTORÍA Mª DOLORES ALCÁNTARA TRAPERO TEMÁTICA COEDUCACIÓN, SOCIAL ETAPA EDUCACIÓN PRIMARIA Resumen El siguiente artículo trata sobre la importancia que

Más detalles

INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL SECCIÓN DE EPIDEMIOLOGÍA-BIOESTADÍSTICA INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS Objetivo:

Más detalles

TEMA : LAS VARIABLES

TEMA : LAS VARIABLES TEMA : LAS VARIABLES Las variables se pueden definir como todo aquello que vamos a medir, controlar y estudiar en una investigación o estudio. Por lo tanto, es importante, antes de iniciar una investigación,

Más detalles

Tema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor

Tema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,

Más detalles

LOS VALORES DE UN EQUIPO

LOS VALORES DE UN EQUIPO LOS VALORES DE UN EQUIPO Los deportes colectivos son deportes de equipo. Esto significa que los triunfos más importantes, son siempre los triunfos generales, los triunfos globales. Gana el equipo, no gana

Más detalles

GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES

GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es

Más detalles

Universidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS

Universidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Especificación algebraica ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Un tipo abstracto de datos se determina por las operaciones asociadas, incluyendo constantes que se consideran como operaciones sin

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Aproximación local. Plano tangente. Derivadas parciales.

Aproximación local. Plano tangente. Derivadas parciales. Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación

Más detalles

Tema 3. Variables aleatorias. Inferencia estadística

Tema 3. Variables aleatorias. Inferencia estadística Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Instrucción IrA (GoTo). Saltos no naturales en el flujo normal de un programa. Pseudocódigo y diagramas de flujo. (CU00182A)

Instrucción IrA (GoTo). Saltos no naturales en el flujo normal de un programa. Pseudocódigo y diagramas de flujo. (CU00182A) aprenderaprogramar.com Instrucción IrA (GoTo). Saltos no naturales en el flujo normal de un programa. Pseudocódigo y diagramas de flujo. (CU00182A) Sección: Cursos Categoría: Curso Bases de la programación

Más detalles

Un juego de cartas: Las siete y media

Un juego de cartas: Las siete y media Un juego de cartas: Las siete y media Paula Lagares Federico Perea Justo Puerto * MaMaEuSch ** Management Mathematics for European Schools 94342 - CP - 1-2001 - DE - COMENIUS - C21 * Universidad de Sevilla

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

4 Teoría de diseño de Experimentos

4 Teoría de diseño de Experimentos 4 Teoría de diseño de Experimentos 4.1 Introducción En los capítulos anteriores se habló de PLC y de ruido, debido a la inquietud por saber si en una instalación eléctrica casera que cuente con el servicio

Más detalles

Lección 7 Pautas Para Interpretar la Narrativa del Nuevo Testamento Página 49

Lección 7 Pautas Para Interpretar la Narrativa del Nuevo Testamento Página 49 Lección 7 Pautas Para Interpretar la Narrativa del Nuevo Testamento Página 49 INTRODUCCIÓN: El Nuevo Testamento consiste de varios tipos de literatura, y por sí debe entenderse de diferentes maneras por

Más detalles

Otro Riesgo para el Empleo: Los Costos que Esconde la Reforma Laboral

Otro Riesgo para el Empleo: Los Costos que Esconde la Reforma Laboral Otro Riesgo para el Empleo: Los Costos que Esconde la Reforma Laboral El trámite de las reformas laborales avanza en el Congreso en medio de un debate sobre cual debiera ser su contenido y la evaluación

Más detalles

El muestreo archivístico, que es una de las técnicas de la Valoración Documental, ha sido

El muestreo archivístico, que es una de las técnicas de la Valoración Documental, ha sido TECNICA DE VALORACIÓN DOCUMENTAL: EL MUESTREO: Aída Luz Mendoza Navarro Fundamentación El muestreo archivístico, que es una de las técnicas de la Valoración Documental, ha sido analizado desde varias décadas

Más detalles

Resumen. - El hábito inconsciente de buscar una solución para hacer es un error de elección

Resumen. - El hábito inconsciente de buscar una solución para hacer es un error de elección Resumen - Prólogo - El hábito inconsciente de buscar una solución para hacer es un error de elección - Cuándo tuvieron nacimiento los celos o la rivalidad? - Por qué los niños no tienen la iniciativa de

Más detalles

EVALUACIÓN N DE PROYECTOS. Eco. Juan Carlos Gilardi PROMPEX Marzo 2007

EVALUACIÓN N DE PROYECTOS. Eco. Juan Carlos Gilardi PROMPEX Marzo 2007 EVALUACIÓN N DE PROYECTOS Eco. Juan Carlos Gilardi PROMPEX Marzo 2007 DEFINICION Evaluar un proyecto implica identificar y cuantificar creativamente costos y beneficios de una idea o alternativa con el

Más detalles

COLEGIO APUNTES ACCESS

COLEGIO APUNTES ACCESS COLEGIO APUNTES ACCESS Índice Introducción al Access... 3 Conocimientos básicos... 6 Tablas... 7 Formularios... 10 Consultas... 12 Consultas de eliminación... 15 Consulta de actualización... 15 Informes...

Más detalles

EJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013

EJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios

Más detalles

Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS

Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que

Más detalles

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora

Más detalles

Tema 7: Juegos con información incompleta

Tema 7: Juegos con información incompleta Tema 7: Juegos con información incompleta Microeconomía Avanzada II Iñigo Iturbe-Ormaeche U. de Alicante 2008-09 Modelo de Spence Introducción y ejemplos Equilibrio Bayesiano de Nash Aplicaciones Señales

Más detalles

Actividad 25. Trabajo Final (Reflexión Personal)

Actividad 25. Trabajo Final (Reflexión Personal) Datos del participante (participantes) Actividad 25. Trabajo Final (Reflexión Personal) Nombre: Daniel Esquivel Yeh Escuela donde labora: Secundaria Técnica núm. 26. José Ma. Luis Mora Nivel educativo

Más detalles

Música. Tocar y cantar Autor: Carlos Guido

Música. Tocar y cantar Autor: Carlos Guido Música. Tocar y cantar Autor: Carlos Guido 1 Presentación del curso Curso de música en el que te damos información acerca del cantar y tocar un instrumento musical al mismo tiempo, y el mecanismo que implica

Más detalles

INTRODUCCIÓN A LA INVESTIGACIÓN DE MERCADOS

INTRODUCCIÓN A LA INVESTIGACIÓN DE MERCADOS MÓDULO 1 INTRODUCCIÓN A LA INVESTIGACIÓN DE MERCADOS 1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS... 1 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS... 2 1.2. EL MÉTODO CIENTÍFICO... 8 2.

Más detalles

Primero, para organizar tus apuntes no olvides incluir: Ya en clase, algunas sugerencias que debes considerar son:

Primero, para organizar tus apuntes no olvides incluir: Ya en clase, algunas sugerencias que debes considerar son: TOMA DE APUNTES 1 Qué es? Tomar apuntes es la acción de anotar los puntos sobresalientes de una clase y una actividad que apoya tu estudio y tu aprendizaje. Tomar apuntes: Te ayuda a reforzar la atención

Más detalles

HERRAMIENTAS DE ACCESS ACCESS 2010. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE

HERRAMIENTAS DE ACCESS ACCESS 2010. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE HERRAMIENTAS DE ACCESS ACCESS 2010 Manual de Referencia para usuarios Salomón Ccance CCANCE WEBSITE HERRAMIENTAS DE ACCESS En esta unidad veremos algunas de las herramientas incorporadas de Access que

Más detalles

2) Con velocidad razonable (ni demasiado rápido.. ni aburrido)

2) Con velocidad razonable (ni demasiado rápido.. ni aburrido) 1 2 3 1) Explicar ordenadamente (explicar primero lo más importante, luego seguir en orden explicando lo siguiente que corresponda en orden de importancia..) 2) Con velocidad razonable (ni demasiado rápido..

Más detalles

Laboratorio. Investigación Científica. Objetivos I N T R O D U C C I Ó N. Al finalizar este laboratorio podrá:

Laboratorio. Investigación Científica. Objetivos I N T R O D U C C I Ó N. Al finalizar este laboratorio podrá: Laboratorio 2 Investigación Científica Objetivos Al finalizar este laboratorio podrá: 1. Identificar y formular preguntas que puedan contestarse con el método científico. 2. Formular una hipótesis y describir

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Fabrizio Marcillo Morla Guayaquil, 1966. BSc. Acuicultura. (ESPOL 1991). Magister

Más detalles

PRÁCTICA N 2 SISTEMAS DE NUMERACIÓN

PRÁCTICA N 2 SISTEMAS DE NUMERACIÓN PRÁCTICA N 2 SISTEMAS DE NUMERACIÓN Ejercicio 1. Diseñar una planilla EXCEL que tome como dato de entrada un número entero y devuelva la representación en base 2. Testearla con los números 23, 245, 673,

Más detalles

IV. Una aproximación al consumo de drogas en España

IV. Una aproximación al consumo de drogas en España IV. Una aproximación al consumo de drogas en España Ciertamente la presente investigación tiene como finalidad básica el estudio de los valores sociales y su relación con los consumos de drogas, y a ello

Más detalles

Cuáles crees fueron los factores que te influyeron en la elección de tu carrera?

Cuáles crees fueron los factores que te influyeron en la elección de tu carrera? ENTREVISTA A PILOTO DE AEROLÍNEA, PILOTO COMERCIAL Edad: 36 años Lugares de estudio: Escuela aeronáutica de Melilla Título obtenido: Piloto comercial Cómo fue el proceso por el cual te decidiste a ser

Más detalles

Conclusiones. Particionado Consciente de los Datos

Conclusiones. Particionado Consciente de los Datos Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser

Más detalles

Capítulo 9. Regresión lineal simple

Capítulo 9. Regresión lineal simple Capítulo 9. Regresión lineal simple 9.1 Introducción Uno de los aspectos más relevantes de la Estadística es el análisis de la relación o dependencia entre variables. Frecuentemente resulta de interés

Más detalles

U2-T4: Un método personalizado: Gauss

U2-T4: Un método personalizado: Gauss AVISO: Esta página ha sido generada para facilitar la impresión de los contenidos. Los enlaces externos a otras páginas no serán funcionales. U2-T4: Un método personalizado: Gauss 1. Karl F. Gauss. Im

Más detalles

Funciones CONJUNTO EXCEL 2013 AVANZADO

Funciones CONJUNTO EXCEL 2013 AVANZADO EXCEL 2013 AVANZADO Esta función contará la cantidad de celdas que contengan palabras de cuatro letras y que terminen con la A. El asterisco cumple una función similar, pero la diferencia radica en que

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,

Más detalles

Créditos académicos. Ignacio Vélez. Facultad de Ingeniería Industrial. Politécnico Grancolombiano

Créditos académicos. Ignacio Vélez. Facultad de Ingeniería Industrial. Politécnico Grancolombiano Créditos académicos Ignacio Vélez Facultad de Ingeniería Industrial Politécnico Grancolombiano 11 de noviembre de 2003 Introducción Cuando se habla del sistema de créditos muchas personas consideran que

Más detalles

PRESUPUESTO DE CAPITAL Y RIESGO

PRESUPUESTO DE CAPITAL Y RIESGO CAPÍTULO 9 PRESUPUESTO DE CAPITAL Y RIESGO (Brealey & Myers) Mucho antes de que se desarrollaran los principios de la teoría del equilibrio de los financieros, los directivos financieros inteligentes ya

Más detalles

PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.

PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis

Más detalles

Necesitamos de tu conocimiento y experiencia!

Necesitamos de tu conocimiento y experiencia! Necesitamos de tu conocimiento y experiencia! Muchas gracias por participar en nuestra encuesta en línea. Estamos diseñando una herramienta en línea para niñas, niños y adolescentes. Esta herramienta será

Más detalles

MUESTREO CONCEPTOS GENERALES

MUESTREO CONCEPTOS GENERALES MUESTREO CONCEPTOS GENERALES Resumen del libro Muestreo para la investigación en Ciencias de la Salud Luis Carlos Silva Ayçaguer (páginas de la 1 a la 14) Cuando se decide cuantificar sólo una parte de

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 2: PROBABILIDADES Profesor: Hugo S. Salinas Segundo Semestre 2010 1. Describir el espacio muestral

Más detalles

Introducción. Estadística 1. 1. Introducción

Introducción. Estadística 1. 1. Introducción 1 1. Introducción Introducción En este tema trataremos de los conceptos básicos de la estadística, también aprenderemos a realizar las representaciones gráficas y a analizarlas. La estadística estudia

Más detalles

Cómo descubrir lo que su niña puede ver

Cómo descubrir lo que su niña puede ver 23 Capítulo 4 Cómo descubrir lo que su niña puede ver Muchos de los niños que tienen dificultades para ver no están totalmente ciegos, sino que pueden ver un poquito. Algunos niños pueden distinguir entre

Más detalles

RINCÓN INFATIC. Contenido

RINCÓN INFATIC. Contenido rincón infatic Contenido INTRODUCCIÓN...3 EL ESQUELETO (Bloque 1: El cuerpo y la propia imagen)...5 LABERINTO (Bloque 1: El cuerpo y la propia imagen)...6 BIEN / MAL (Bloque 3: La actividad y la vida cotidiana)...7

Más detalles

1 CORINTIOS 3:9-23 LEAN 1 CORINTIOS 3:9-23. 9- Qué dice Pablo de sí mismo y de Apolo, qué son? Son colaboradores de Dios.

1 CORINTIOS 3:9-23 LEAN 1 CORINTIOS 3:9-23. 9- Qué dice Pablo de sí mismo y de Apolo, qué son? Son colaboradores de Dios. 1 CORINTIOS 3:9-23 En el estudio anterior vimos que no debemos dar lugar a que nos domine la carne con sus deseos, celos, contiendas y disensiones, sino que Cristo sea el Señor de nuestras vidas. También

Más detalles

TEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION

TEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION TEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION Resumen Cap. 8 del libro Introducción a la Investigación Pedagógica de Ary, Jacobs y Razavieh y cap 9. del libro Metodología

Más detalles

Reporte de Proyecto Final

Reporte de Proyecto Final PROYECTO DE INVESTIGACIÓN DESARROLLO DE SISTEMAS DE SOFTWARE CON PSP Y TSP. DATOS GENERALES Y MATRÍCULA DEL PRESTADOR. Nombre: Luis Alberto Díaz Hernández. Matricula: 209216189. NOMBRE Y CARGO DEL ASESOR.

Más detalles

Grado en Finanzas y Contabilidad

Grado en Finanzas y Contabilidad Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 5.2 Estimadores de Variables Instrumentales La endogeneidad aparece

Más detalles

Investigación de Mercados

Investigación de Mercados Investigación de Mercados 1 Sesión No. 3 Nombre: Proceso de Medición Contextualización Para qué sirve el proceso de medición? Cada vez que te solicitan calificar o responder algún cuestionario, se trata

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

Diseño Evolutivo y Diseño Planificado

Diseño Evolutivo y Diseño Planificado Informe de Ingeniería de Software Avanzada Diseño Evolutivo y Diseño Planificado Integrantes Ricardo Rivera B. 9973048-k Angel Roa M. 9973086-2 Introducción En el siguiente trabajo se estudiará una de

Más detalles

LA MEDIDA Y SUS ERRORES

LA MEDIDA Y SUS ERRORES LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger

Más detalles

Cómo Abrir el Libro de la Fe

Cómo Abrir el Libro de la Fe Cómo Abrir el Libro de la Fe Perspectivas luteranas para el estudio bíblico Diane Jacobson Stanley N. Olson Mark Allan Powell Augsburg Fortress m i n n e a p o l i s Contenido Prólogo vii 1. El Poderoso

Más detalles

www.mihijosordo.org Estás en: Nos comunicamos > Ayudas técnicas y profesionales > Oirá más si le ponen dos implantes?

www.mihijosordo.org Estás en: Nos comunicamos > Ayudas técnicas y profesionales > Oirá más si le ponen dos implantes? Ayudas técnicas y profesionales Oirá más si le ponen dos Manuel nació con una hipoacusia bilateral profunda. Desde entonces hemos ido pasando por muchas situaciones nuevas para nosotros. Hemos tomado muchas

Más detalles

Inferencia Estadística

Inferencia Estadística Universidad Nacional de San Cristóbal de Huamanga Facultad de Ingeniería de Minas, Geología y Civil Departamento Académico de Matemática y Física Área de Estadística Inferencia Estadística Alejandro Guillermo

Más detalles

Programa para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones

Programa para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces

Más detalles

MARFIL CONTABILIDAD AVANZADA

MARFIL CONTABILIDAD AVANZADA Este documento es propiedad de Totware Novelda, SL y su contenido es confidencial. Este documento no puede ser reproducido en su totalidad o parcialmente, ni mostrado a terceros, ni utilizado para otros

Más detalles
Sitemap