SELECCION DE FUNCIONES DE DISTRIBUCION PARA EL ANÁLISIS DE FRECUENCIA DE CAUDALES MÁXIMOS
|
|
- Natividad Moreno Rivero
- hace 7 años
- Vistas:
Transcripción
1 SELECCION DE FUNCIONES DE DISTRIBUCION PARA EL ANÁLISIS DE FRECUENCIA DE CAUDALES MÁXIMOS Dr Edilberto Guevara Pérez Universidad de Carabobo, Facultad de Ingeniería RESUMEN En el trabajo se presenta un procedimiento estadístico que permite, de acuerdo con criterios de adaptabilidad, seleccionar la función más adecuada para el análisis de frecuencia de los caudales máximos. Luego se da una descripción sucinta de las distribuciones más usadas. 1. INTRODUCCION Uno de los problemas más frecuentes que confronta el hidrólogo viene a ser la estimación de los caudales de diseño de la obra de alivio de las estructuras hidráulicas. La gráfica de los datos registrados generalmente proporciona un cierto patrón de comportamiento, pero se presenta el problema de cómo usarlo para estimar los eventos de diseño. Si el período de registros fuera tan largo como el intervalo de recurrencia del caudal de diseño, éste se derivaría directamente. En la mayoría de los casos, sin embargo, se hace necesario adaptar una función de frecuencia teórica. a la muestra con el fin de efectuar extrapolaciones al nivel deseado. Pese a que para dicho análisis se suelen usar distribuciones estándar, se ha creído conveniente presentar en este trabajo los criterios básicos que rigen la selección del tipo de función a utilizar y la bondad de ajuste de dicha función teórica a los datos empíricos. 2. FUNDAMENTO MATEMÁTICO Para la descripción de funciones de distribución complejas no bastan los parámetro; estadísticos comunes (media y desviación estándar), sino que se requiere además de los otro; momentos. La expresión general es como sigue para un momento de orden r con respecto a a: Cuando el valor de a es el promedio, µ 1 ', se obtiene el momento central de orden r: donde se cumplen las siguientes relaciones: En la práctica, los momentos µ 2, µ 3, µ, se estiman reemplazando las integrales (1) y (2) por sumaciones. Con la finalidad de obtener una estimación efectiva y uniforme, se recomienda seguir el siguiente procedimiento:
2 1) Calcular el promedio y la desviación estándar 2) Seleccionar el intervalo de clase (0.6 de la desviación estándar) 3) Determinar el valor medio de clase (punto central de clase) 4) Fijar la frecuencia empírica por clase 5) Cada clase recibe el valor normalizado del punto medio de clase, es decir, Haciendo en la ecuación (1) a = 0, se obtiene: donde n es el número de clases de la muestra y f i (x) es la frecuencia empírica en i. Si además se introduce: se obtienen las siguientes equivalencias: a las mismas que debe aplicarse las siguientes correcciones de Sheppard: Para obtener cierta normalidad en los cuatro primeros momentos se introducen los siguientes cocientes:
3 3. FUNCIONES DEL TIPO PEARSON La funciones de distribución de frecuencia del tipo Pearson son aquellas cuya curva de, densidad y = f(x) se ajusta a la ecuación diferencial siguiente: Los parámetros (constantes) a, b 0, b 1, b 2 se determinan en función de β 1 y β 2. Para seleccionar del tipo de distribución que debe usarse en un caso determinado se utiliza un criterio basado en el parámetro Kappa, K: De acuerdo con Pearson, se establecen, las siguientes relaciones entre el parámetro K y el tipo de distribución: Cuando k<0, teóricamente se usa la función tipo I con la siguiente estructura matemática: Esta distribución se adapta al análisis de los valores extremos. Sin embargo, presenta dificultad en su cálculo. La integral F(x) de la ecuación (16) se conoce también con el nombre distribución Beta. La función de densidad de la distribución Pearson III adquiere la siguiente forma: A pesar de que, teóricamente, esta última función rige para K =, se han encontrado resultados favorables para magnitudes pequeñas de K, siempre que la variable que se analice esté conformada por valores extremos. La integral de la ecuación anterior viene a ser una distribución tipo Gamma. Como se puede observar, las distribuciones tipo Pearson son acotadas hacia la izquierda, lo cual las hace adaptables a caudales mínimos (no se presentan valores negativos). Sin embargo, este aspecto físico de la función no es el criterio decisivo para la selección de la misma debido a que esa característica también se presenta en otro tipo de distribuciones; además, en el análisis estadístico, sólo se investigan las relaciones teóricas probabilísticas. 4. DISTRIBUCIONES DEL TIPO A DE CHARLIER
4 Charlier parte del criterio de que las funciones de densidad pueden desarrollarse, bajo ciertas condiciones, a partir de la suma de las derivadas de la siguiente expresión: La expresión general de la función Charlier tipo A es como se indica a continuación: H j (x) es el polinomio de Chebyshev-Hermite, es decir: Los valores de C j se estiman en función de los momentos centrales, como se indica a continuación: En las relaciones que se presentan a continuación se supone como válida la normalización µ = 1. Se ha encontrado que la función de densidad tipo III de Charlier arroja resultados similares a la Pearson tipo III; pero para valores de asimetría elevados, (β 1 ) 0.5 > 3, no sucede lo mismo. Dicha función posee la siguiente expresión: Debido a que para esta función, β 2 = 3, su cálculo es muy fácil de realizar. El tipo IV de Charlier es aplicable a valores extremos altos con asimetría pequeña (β 1 ) 0.5 < 2. Se adapta especialmente a la transformada logarítmica de la variable. Su estructura matemática es como sigue: La ecuación (22) se puede considerar como la expresión general de la ecuación (21). Así, por ejemplo, haciendo β 2 = 3 en la ecuación (22) se obtiene la expresión (21). Por otro lado, haciendo en la ecuación (21) β 1 = 0, ésta se transforma en la distribución normal de Gauss. La ecuación (22) sólo es utilizable para valores extremos elevados con magnitudes absolutas de β 1, menores que la unidad; por eso se adapta muy bien a los logaritmos de la serie, cuya asimetría es casi siempre menor que la unidad.
5 5. DISTRIBUCIONES DEL TIPO EDGEWORTH Las funciones del tipo III y IV de Edgeworth son muy similares a sus homólogas de Charlier. Para valores de asimetría igual a cero son prácticamente idénticas. Por eso los resultados que se obtienen con ellas también son similares a las del tipo Charlier. La función de densidad posee la siguiente estructura matemática: a) Tipo III: b) Tipo IV: 6. DISTRIBUCION DE VALORES EXTREMOS TIPO I Esta distribución fue desarrollada por Fisher y Tippet en La función de densidad posee una asimetría constante de La expresión matemática es como sigue: Las variables S n e Y n dependen del tamaño de la muestra. Para valores de la distribución tipo I arroja buenos resultados. No es aplicable por lo tanto a la transformada logarítmica de la variable. 7. LA PRUEBA CHI-CUADRADO
6 La función Chi-Cuadrado es la que más comúnmente se utiliza para probar la bondad de ajuste de cualquier función teórica a los datos observados (función empírica). El uso se resume a la siguiente relación: donde: La ecuación (26) se puede transformar en: El intervalo de clase para todas las pruebas se estandariza en 0.6 S x. El nivel de significación se escoge de acuerdo con el criterio del hidrólogo. 8. REFERENCIAS ABRAMOWITZ, M. and STEGUN, I.A., 1965, Handbook of Mathematical Functions, Dover Publications, N.Y. DVWW E.V.; 1972, 4. Fortbildungslehrgang fuer Hydrologie. Plannungsmethoden in der Wasserwirtschaft. Karlsruhe. RFA. GUEVARA Edilberto, 1972, Hochwasseranalyse im Binneneiderraum. Diss. Kiel. RFA. KENDALL, M.G., and A. STUART, 1963, The Advanced Theory of Statistics, Vol. I, Griffing. London.
Tema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesUNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD
UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesUN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesCLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL
Universidad Nacional Agraria La Molina IA-406 Hidrología Aplicada CLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL 1. Longitud necesaria de registro Diversos
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
Más detallesDistribuciones Continuas
Capítulo 5 Distribuciones Continuas Las distribuciones continuas mas comunes son: 1. Distribución Uniforme 2. Distribución Normal 3. Distribución Eponencial 4. Distribución Gamma 5. Distribución Beta 6.
Más detallesINGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
Más detallesTEST DE RAZÓN DE VEROSIMILITUD GENERALIZADA
TEST DE RAZÓN DE VEROSIMILITUD GENERALIZADA JUAN C. MANRÍQUEZ 1, LUIS CID 2 y MARCELA VALDEZ 3 1 Universidad del Bío Bío, Facultad de Ciencias, Departamento de Matemáticas jcmanriq@ubiobio.cl 2 Universidad
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesLas 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas 22 a 40).
Las 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas a 40). Definiciones fundamentales y objetivo: El resultado arrojado
Más detallesDRENAJE AGRICOLA. Determinación de Lluvias Máximas. Análisis de Frecuencia
DRENAJE AGRICOLA Prof. Ricardo Trezza Determinación de Lluvias Máximas Las obras relacionadas con el manejo y control del agua, así como toda actividad agrícola, son afectadas y determinadas por eventos
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesLa desviación típica y otras medidas de dispersión
La desviación típica y otras medidas de dispersión DISPERSIÓN O VARIACIÓN La dispersión o variación de los datos intenta dar una idea de cuan esparcidos se encuentran éstos. Hay varias medidas de tal dispersión,
Más detallesANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO
Facultad de Ingeniería Escuela de Civil Hidrología ANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO Prof. Ada Moreno ANÁLISIS DE FRECUENCIA Es un procedimiento para
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesANEXO ANÁLISIS DE FRECUENCIA EMPLEANDO EL MODELO HYFRAN
000114 ANEXO 4.2.5-3 ANÁLISIS DE FRECUENCIA EMPLEANDO EL MODELO HYFRAN Recrecimiento del Embalse de relaves Quebrada Honda 000115 ESTACIÓN QUEBRADA HONDA (ALTA) El análisis de frecuencia parte de la adopción
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesTema 3. Tema 3 La Distribución Normal y los Puntajes Estándar. Profa. María Fátima Dos Santos
Tema 3 Tema 3 La Distribución Normal y los Puntajes Estándar Profa. María Fátima Dos Santos 1 TEMARIO Concepto de distribución. Algunas distribuciones. Distribución normal. Características Distribución
Más detallesGUÍA DE EJERCICIOS. Áreas Matemáticas Análisis Estadístico
GUÍA DE EJERCICIOS Áreas Matemáticas Análisis Estadístico Resultados de aprendizaje Determinar e interpretar medidas de correlación en datos a granel. Contenidos 1. Estadística descriptiva bidimensional.
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesPRECISIÓN DE SISTEMAS DE MEDICIÓN DESTRUCTIVOS CON MEDICIONES SIMULTÁNEAS.
PRECISIÓN DE SISTEMAS DE MEDICIÓN DESTRUCTIVOS CON MEDICIONES SIMULTÁNEAS. Américo G. Rivas C Prof. de la Escuela de Ingeniería Industrial. Área de Postgrado. Maestría en Ingeniería Industrial. Universidad
Más detallesMANTENIMIENTO INDUSTRIAL.
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL MANTENIMIENTO INDUSTRIAL. Realizado por: Ing. Danmelys Perozo UNIDAD II: ESTADÍSTICAS DE FALLAS
Más detallesUSO DE LAS HERRAMIENTAS ESTADÍSTICAS DE EXCEL EN EL ANÁLISIS DE FRECUENCIAS DE CAUDALES MÁXIMOS
REVISA ELECRÓICA AFEI DIGIAL Año,., Ene-Jun. 05 USO DE LAS HERRAMIEAS ESADÍSICAS DE EXCEL E EL AÁLISIS DE FRECUECIAS DE CAUDALES MÁXIMOS J. A. Raynal Villaseñor RESUME Se propone el uso de herramientas
Más detallesLímites de función Polinomial
UNIVERSIDAD TÉCNICA NACIONAL CARRERA: INGENIERÍA TECNOLOGÍAS DE INFORMACIÓN CURSO: CÁLCULO DIFERENCIAL E INTEGRAL CÓDIGO: ITI-314 OBJETIVO: Límite de una función en un punto. Teorema sobre límites. Cálculo
Más detallesTH. DE CHEBYSHEV DISTRIB. NORMAL.
f ( x) 1 2 2 ( x) e 2 2 TH. DE CHEBYSHEV DISTRIB. NORMAL El Desvío Estándar y el Teorema de Chebyshev Es conocida en el área de la probabilidad y estadística, la desigualdad de Chebyshev, matemático Ruso
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesINCERTIDUMBRE DE LA MEDIDA
INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallessoftware para cálculos hidrológicos,
Villón Bejar, Máximo. HidroEsta, software para cálculos hidrológicos. Tecnología en Marcha. Vol. 18 N. 2 Especial. HidroEsta, software para cálculos hidrológicos Máximo Villón Bejar 1 Palabras clave Precipitación,
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesAPÉNDICE B TRANSFORMACIÓN DE DATOS
APÉNDICE B TRANSFORMACIÓN DE DATOS Por lo general, la experiencia indica que para la mayoría de los datos biológicos el no cumplimiento de los supuestos requeridos en muchos de los métodos estadísticos
Más detallesRegresión. Edgar Moyotl-Hernández. Análisis y Métodos Numéricos Físico Matemáticas, BUAP Otoño Regresión Introducción Regresión Lineal
Edgar Moyotl-Hernández Análisis y Métodos Numéricos Físico Matemáticas, BUAP Otoño 2018 Regresión E. Moyotl-Hernández 1 / 31 Contenido Introducción Regresión Lineal E. Moyotl-Hernández 2 / 31 Definición
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesDistribución de frecuencia.
Dr. Jesús Alberto Mellado Si de una población se extrae una muestra de tamaño n, y en esa muestra se mide alguna característica, entonces, con los datos recabados se puede elaborar una distribución de
Más detalles5.5 Modelo de regresión. se especificó en los términos siguientes: (6.3.1) 1,2,3,..N. Donde:
5.5 Modelo de regresión El modelo de regresión lineal que se aplicó para explicar la relación entre producción antigüedad, edad, capital humano, apiarios y camioneta de los apicultores nayaritas se especificó
Más detallesCapítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos
Más detallesMicro currículo OBJETIVO GENERAL. Al finalizar este curso, el alumno estará en capacidad de:
Micro currículo Materia: ESTADISTICA INFERENCIAL Pensum: Aplica a partir del 2017.1 Resolución: VRA-010 Asignatura Nombre de la materia Código 15034 Créditos 3 Intensidad (H/S) 4 Modalidad PRESENCIAL Prerrequisitos
Más detallesHabilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesEstadística y Probabilidad
La universidad Católica de Loja Estadística y Probabilidad ESCUELA DE ELECTRÓNICA Y TELECOMUNICACIONES Paralelo C Nombre: Milner Estalin Cumbicus Jiménez. Docente a Cargo: Ing. Patricio Puchaicela. Ensayo
Más detallesPROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT
PROGRAMA DE CURSO Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal
Más detallesTeoría de errores. 4 Otro de estos ejemplos pueden ser el de la medición de la densidad de un compuesto sólido o la velocidad de la luz.
1. Preliminar Cuando se realizan mediciones siempre estamos sujetos a los errores, puesto que ninguna medida es perfecta. Es por ello, que nunca se podrá saber con certeza cual es la medida real de ningún
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesRIVEROS Sergio Andrés RIVERA Hebert Gonzalo MODELACIÓN DEL POTENCIAL HIDROENERGÉTICO EN CAUDALES MÍNIMOS DE LA CUENCA DEL RÍO FONCE (SANTANDER).
RIVEROS Sergio Andrés RIVERA Hebert Gonzalo MODELACIÓN DEL POTENCIAL HIDROENERGÉTICO EN CAUDALES MÍNIMOS DE LA CUENCA DEL RÍO FONCE (SANTANDER). RESUMEN Este trabajo presenta el potencial hidroenergético
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje
Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesPuntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Más detallesEl rango de un conjunto de números es la diferencia entre el número mayor y el menor del conjunto.
La desviación estándar y otras medidas de dispersión CAPÍTULO 4 DISPERSIO O VARIACIO La dispersión o variación de los datos es el grado en que los datos numéricos tienden a esparcirse alrededor de un valor
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BACHILLERATO DEL CURSO 1. Utilizar los números reales, sus notaciones, operaciones y procedimientos asociados, para presentar e intercambiar información,
Más detallesAnálisis de la Varianza (ANOVA).
{ H0 : µ = µ 2 = = µ p Análisis de la Varianza (ANOVA) Planteamiento del problema Se desea contrastar si las medias de p poblaciones independientes son todas iguales o si existen diferencias entre al menos
Más detallesEste proceso equivale a obtener fórmulas o procedimientos factibles de aplicarse a una región hidrológica.
1.4. Tormentas regionales Las tormentas de tipo regional se determinan a través de un proceso que involucra un conjunto de aspectos relacionados con la geografía, el tipo de lluvia que ocurre y algunos
Más detallesEstadística Descriptiva en R: Parámetros y estadísticos. José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016)
Estadística Descriptiva en R: Parámetros y estadísticos José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016) Parámetros y Estadísticos Parámetro: Es una cantidad numérica calculada
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesLecciones aprendidas de estudios hidrológicos en las cuencas de los ríos Coyolate y Villalobos.
Lecciones aprendidas de estudios hidrológicos en las cuencas de los ríos Coyolate y Villalobos. Algunos conceptos básicos Evento extremo Probabilidad de no excedencia q P(X xo) P(T 40 C) Probabilidad de
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesInferencia estadística. Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan
Inferencia estadística Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan ESTADISTICA INFERENCIAL Permite obtener información de la población a través de una muestra Generalización de resultados
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesINTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas.
Tema N 1 Definiciones INTRODUCCION A LA SIMULACION DE MODELOS Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. La simulación esencialmente es una
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Remix Final)
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Remix Final) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Entrega del Trabajo Obligatorio Hasta el 22 de mayo
Más detallesMediciones. Errores. Propagación de errores. Estadística. Prof. Arturo S. Vallespi
Mediciones. Errores. Propagación de errores. Estadística Prof. Arturo S. Vallespi Incertidumbre estadística: Qué ocurre si cada magnitud de interés en el experimento se mide más de una vez, por ejemplo
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesPercentiles. El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple:
Percentiles 130 El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple: el percentil es, por tanto, el valor de la variable aleatoria para el cual la función
Más detallesTransformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
Más detallesEl diseño de las redes de Saneamiento: Caudales en las Redes de Saneamiento
SECCIÓN 3: MÉTODOS ESTADÍSTICOS El diseño de las redes de saneamiento, están siempre relacionadas con eventos lluviosos. Evento que debe pronosticarse con objeto de determinar adecuadamente las secciones
Más detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesINDICE 1. Conceptos y Generalidades 2. Notaciones y simbología Distribución de Frecuencias
INDICE 1. Conceptos y Generalidades 1-1 1.1. Definición 1-1 1.1.1. Breves datos históricos 1-1 1.2. Clasificación 1-3 1.2.1. La estadística descriptiva o deductiva 1-3 1.2.2. Estadística inductiva o inferencial
Más detalles( x) Distribución normal
Distribución normal por Oliverio Ramírez La distribución de probabilidad más importante es sin duda la distribución normal (o gaussiana), la cual es de tipo continuo. La distribución de probabilidad para
Más detallesPérdida Esperada. Pérdida Esperada (PE): Valor esperado de pérdida por riesgo crediticio en un horizonte de tiempo determinado.
Pérdida Esperada Uno de los objetivos de este estudio es construir una función de pérdidas para el portafolio de la cartera de préstamos que ofrece la entidad G&T Continental, basados en el comportamiento
Más detallesAsimetría Coeficiente de Asimetría de Fisher
Asimetría Si los valores de la serie de datos presenta la misma forma a izquierda y derecha de un valor central (media aritmética) se dice que es simétrica de lo contrario será asimétrica. Para medir el
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesVARIABILIDAD EN LOS SISTEMAS DE PAVIMENTOS
VARIABILIDAD EN LOS SISTEMAS DE PAVIMENTOS CONTENIDO Ejemplos de la variabilidad que afecta a los pavimentos Variabilidad en el comportamiento del pavimento Variabilidad en los resultados de los ensayos
Más detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesDistribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Más detallesHIDROLOGÍA. CALSE 10: Precipitación Parte III. Julián David Rojo Hdz. I.C. Msc. Recursos Hidráulicos
HIDROLOGÍA CALSE 10: Precipitación Parte III Julián David Rojo Hdz. I.C. Msc. Recursos Hidráulicos ANÁLISIS DE LLUVIAS INTENSAS CURVAS INTENSIDAD - FRECUENCIA - DURACION i m ktr ( c d ) n Para cada Tr
Más detalles