Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga
|
|
- José Francisco Navarrete Martin
- hace 6 años
- Vistas:
Transcripción
1 Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga Los modelos de optimización usados para despacho y planificación energética requieren de un modelo que represente el universo posible de caudales de aporte a las represas que describen la incertidumbre que enfrenta el sistema. Cualquiera sea las características del modelo, es deseable que el mismo refleje propiedades estadísticas clave de la serie histórica de caudales en la cuales será entrenado. Es necesario entonces definir indicadores de dichas propiedades estadísticas que puedan ser usados para evaluar los modelos que hoy se usan, modificaciones de los mismos incorporando información climática o alternativas que se puedan plantear. El trabajo de selección de indicadores se realizó en base al intercambio entre todo el equipo de trabajo, en particular aquellos con experiencia en el manejo de los modelos de optimización y los procesos estocásticos usados para sintetizar series de aportes. Se definieron 3 indicadores de creciente complejidad: un escalar (coeficiente de Hurst), una función de una variable (la función de autocorrelación) y una función de dos variables (la relación intensidad-duración-frecuencia de eventos, en particular sequías). Índice de Hurst En la búsqueda de alguna familia de procesos estocásticos para modelar la serie se concluyó que el mismo debe ser de "memoria larga". Esencialmente un proceso de memoria larga, significa que los términos de cada serie dependen de buena parte de sus términos anteriores. Un parámetro clave útil para determinar si un proceso es de memoria larga es el parámetro de Hurst; si el coeficiente de Hurst del proceso es mayor que 1/2, se trata de un proceso de memoria larga, en caso contrario de memoria corta. En la literatura actual existen varios métodos distintos para estimar el coeficiente de Hurst, se probaron cuatro de ellos: el más popular es el método R/S, con el que se obtuvo en este caso una estimación de Según el método de la varianza agregada, en tres situaciones distintas, se obtuvieron estimaciones de 0.686; y , según el método de Higuchi también en tres situaciones distintas se obtuvo ; y , mientras que según el método del periodograma se obtuvo una estimación de Las diferencias significativas que existen entre estas estimaciones, nos hablan a las claras de la dificultad de tratar con una serie de tiempo de estas características, por otro lado hemos constatado que muy comúnmente en la literatura de las series de tiempo hidrológicas aparecen dichas diferencias en la estimación del coeficiente de Hurst según los métodos aquí aplicados. En cualquier caso, estas estimaciones nos permiten concluir que lo adecuado sería buscar un modelo de memoria larga, ya que en todos los casos, la estimación del coeficiente de Hurst, supera largamente el valor 1/2. Creemos que un modelo que nos podría dar buenos resultados en este caso es un modelo FARIMA, dado que los
2 mismos tienen la importante propiedad de tener en consideración tanto la memoria larga como la memoria corta (que obviamente influye y mucho en la serie de tiempo estudiada). Figura 1. Estimación del índice de Hurst para la serie de aportes complexitos según métodos R/S Función de autocorrelación La función de autocorrelación (correlación de la serie consigo misma en función de un desplazamiento) es una medida clásica para detectar periodicidades en una serie y también procesos de memoria larga. En el caso de las series de aportes, existe una periodicidad dominante que es la dada por el ciclo anual. Si la función de correlación es calculada sobre las series brutas (sin removerle ciclo anual) el mismo dominará los resultados. Será de interés aplicar los indicadores a series sintetizadas por un proceso estocástico. Una dificultad radica en que la serie histórica es una única realización que se debe evaluar si cae dentro de la dispersión de series sintéticas. Es así que para presentar resultados se incluye no sólo la serie histórica de aportes sino también 100 series simuladas por el CEGH (Correlación es Espacio Gaussiano con Histograma), sintetizador de series del SimSEE (Simulador de Sistemas de Energía Eléctrica). La idea no es aún evaluar el CEGH, sino presentar los indicadores aplicados a la serie histórica en el contexto de una pluma de simulaciones de un sintetizador. Se presentan a continuación, a modo de ejemplo, los resultados para 100 años de la serie de aportes de Salto Grande.
3 Figura 2. Función de autocorrelación de la serie bruta de aportes de Salto Grande (rojo) y de 100 series simuladas por el CEGH (se indican la mediana, los cuartiles y los percentiles 10 y 90) pasadas a espacio real. Para referencia se incluye (en verde) la autocorrelación de lag una semana elevada al número de semanas, representando la función de autocorrelación de un proceso autoregresivo de orden 1. Existen diversos abordajes para remover el ciclo anual (desestacionalizar) la serie histórica. Si se quiere que toda la distribución de aportes en cada semana sean idénticas (no solo la media o la desviación estándar), un método posible es llevar todas las distribuciones a normales. Eso es exactamente lo que hace CEGH, aunque el método es extensivo a cualquier simulador que no trabaje en espacio gaussiano. Dichas transformación consiste en funciones no lineales (una por semana) que deforman la amplitud y llevan la distribución observada a normal. Se aplicó dicho procedimiento a la serie observada en Salto Grande (la misma de la figura anterior) y se compara la función de autocorrelación con las mimas 100 simulaciones con el CEGH, ahora sin retornar las series al espacio real. Figura 3. Función de autocorrelación de la serie desestacionalizada de aportes de Salto Grande (rojo) y de 100 series simuladas por el CEGH (se indican la mediana, los cuartiles y los percentiles 10 y 90). Para referencia se incluye (en verde) la autocorrelación de lag una semana elevada al número de semanas, representando la función de autocorrelación de un proceso autoregresivo de orden 1.
4 Como es de esperar, desaparece las señales asociadas al ciclo anual. Se detecta una caída de la correlación más lenta que en un proceso autoregresivo de orden 1 (y que el CEGH) en particular para antelaciones entre dos y ocho meses aproximadamente. Esta es una limitante del modelo que es resaltada por este indicador y que posiblemente esté asociada a la ausencia de información sobre el fenómeno de El Niño, el cual tiene persistencias en dichas escalas de tiempo. En el trabajo futuro se podrá evaluar si la incorporación de información asociada a El Niño a los modelos corrige este aspecto. Curvas de Intensidad-Duración-Frecuencia de Sequías Surge muy claramente de los operadores del sistema la importancia de que los modelos representen adecuadamente la frecuencia y profundidad de los períodos de bajos aportes. Se acordó entonces una forma de representar este espacio de Profundidad- Duración-Frecuencia de sequías en gráficas que presentan intensidad (normalizada por la mediana para dicha duración) en función de la duración de los eventos con frecuencia dada (por ejemplo por su percentil). Figura 4. Intensidad (como fracción de la mediana de los eventos de la misma duración) en función de la duración para eventos de frecuencia dada (mínimo histórico, 5, 10 y 25 percentil). La línea gruesa corresponde al registro histórico y los sombreados al intervalo intercuartil y 10yil-90til de las series simuladas, respectivamente.
5 Nuevamente, se presentan los resultados de la serie histórica de Salto Grande junto al de 100 series simuladas por el CEGH. Se muestran solo los resultados para la mitad más seca de eventos por ser los de mayor interés. Salvo para el mínimo histórico se verifica que la realización observada transcurre dentro de la dispersión simulada. De nuevo en los períodos de algunos meses se observa, sin embargo, que el registro histórico permanece para un amplio intervalo de duraciones por debajo del percentil 10 de las simulaciones. Para ver en más detalle estos aspectos se pueden realizar cortes a la gráfica anterior para una duración del evento especificada, lo cual conduce a las tradicionales curvas de probabilidad de excedencia de caudales. Explorando diferentes duraciones se obtiene una descripción muy completa del espacio Profundidad-Duración-Frecuencia de los eventos de sequía. A continuación se muestra un caso particular para duraciones de un año (52 semanas). En la misma se observa que, para dicha duración, la curva de excedencia del registro histórico es muy próxima a la mediana de las simulaciones excepto para los eventos extremos (2% más secos y 4% más húmedos, aproximadamente). En dichas colas, los aportes observados se escapan a la dispersión simulada siempre en el sentido de acentuar la profundidad del evento, tantos en los casos húmedos como secos. Figura 5. Probabilidad de excedencia de aportes para períodos móviles de 52 semanas. La línea roja corresponde al registro histórico, la amarilla a la mediana de las 100 simulaciones y los sombreados al intervalo intercuartil y 10yil-90til de las series simuladas, respectivamente. Se incluyen zooms de las colas de la distribución.
Ruben Chaer, Alvaro Brandino. Convenio SimSEE. FING-ADME Montevideo 20 de abril de 2009.
Cotejamiento modelo CEGH pág. 1 / 8 Cotejamiento de la capacidad de generar condiciones hidrológicas de largo plazo del sintetizador de Correlaciones en Espacio Gaussiano con Histograma (CEGH) aplicado
Más detallesMejoras en la simulación de aportes a represas hidroeléctricas para su incorporación a modelos de planificación energética
Mejoras en la simulación de aportes a represas hidroeléctricas para su incorporación a modelos de planificación energética Líneas del proyecto Evaluar modelos estocásticos existentes de representación
Más detallesReprogramación Estacional (PES) Noviembre - Abril 2017
ADMINISTRACIÓN DEL MERCADO ELÉCTRICO DNC201701201457 Pág. 1/10 Reprogramación Estacional (PES) Noviembre - Abril 2017 ADME Enero 2017 Montevideo - Uruguay. En la elaboración de esta Reprogramación Estacional
Más detallesVALORIZACIÓN DE LA INCORPORACIÓN DE PREVISIONES DE APORTES HIDROLÓGICOS EN
VALORIZACIÓN DE LA INCORPORACIÓN DE PREVISIONES DE APORTES HIDROLÓGICOS EN LA PROGRAMACIÓN A CORTO PLAZO Autores: Alejandra De Vera Andrea Viscarret IMPORTANTE: Este trabajo se realizó en el marco del
Más detallesEvaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete
Trabajo de fin del curso SimSEE 2, Grupo 1, pág 1/9 Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete Magdalena
Más detallesECONÓMICO EN EL SECTOR ENERGÉTICO DADO POR LOS EMBALSES PARA RIEGO EXISTENTES EN LA CUENCA DE RINCÓN DEL BONETE
SIMULACIÓN DE SISTEMAS DE ENERGÍA ELÉCTRICA EVALUACIÓN TRABAJO DE FIN DEL DEL IMPACTO CURSO ECONÓMICO EN EL SECTOR ENERGÉTICO DADO POR LOS EMBALSES PARA RIEGO EXISTENTES EN LA CUENCA DE RINCÓN DEL BONETE
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesContenidos IB-Test Matemática NM 2014.
REDLAND SCHOOL MATHEMATICS DEPARTMENT 3 MEDIO NM 1.- Estadística y probabilidad. Contenidos IB-Test Matemática NM 2014. 1.1.- Conceptos de población, muestra, muestra aleatoria, y datos discretos y continuos.
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 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 detallesEfectos de la consideración o no de los mínimos técnicos de las centrales en la proyección del precio estacional de la energía
Trabajo de fin del curso SimSEE 2010 Efectos de la consideración o no de los mínimos técnicos de las centrales en la proyección del precio estacional de la energía Lic. Ec. Andrea Cabrera Ing. Ana Casulo
Más detalles3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de Documento PDF.
3.1 Proyección de la Demanda. Fundación Bariloche. Noviembre de 2008. Documento PDF. 5. PROYECCIONES DE LA DEMANDA DE ENERGIA Estudio Prospectiva de la Demanda de Energía de República Dominicana Informe
Más detallesRELACIÓN DE EJERCICIOS TEMA 2
1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación
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 detallesCI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA
CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA alcantarilla Puente? Badén http://www.disasternews.net/multimedia/files/drought5_9412.jpg Fenómenos en Ingeniería (según certeza de ocurrencia) determinísticos
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesFigura 6-65 Ciclo anual de la Precipitación (P), Evaporación Real (E s ), almacenamiento en el tanque
Figura 6-63 Ciclo anual de la Precipitación (P), Evaporación Real (E s ), almacenamiento en el tanque de producción (S) y en el tanque de tránsito (R), caudal observado (Q o ) y estimado (Q s ), para la
Más detallesLos estadísticos descriptivos clásicos (Robustez)
Los estadísticos descriptivos clásicos (Robustez) MUESTRA 0 0 4 6 8 9 MUESTRA 0 0 4 6 8 57 Nº CASOS Media Mediana Moda Desviación Simetría Curtosis MUESTRA,85 4,74 0, -0.688 MUESTRA 6,77 4.8.7.77 Ambas
Más detallesLa estadística es una ciencia que demuestra que si mi vecino tiene
UNIDAD DOS MEDIDAS ESTADÍSTICAS La estadística es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno. Frase de George Bernard Shaw PALABRAS CLAVE Datos originales
Más detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesEstadísticas aplicadas a la. Javier Toro, Ph.D. Psicólogo Clínico
Estadísticas aplicadas a la psicología Javier Toro, Ph.D. Psicólogo Clínico MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central son aquellas que identifican el punto en la distribución respecto
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 detalles2. DESCRIPCIÓN ESTADÍSTICA DE UNA VARIABLE. EJEMPLOS Y EJERCICIOS *.
2. DESCRIPCIÓN ESTADÍSTICA DE UNA VARIABLE. EJEMPLOS Y EJERCICIOS *. 2.1. Ejemplos. Ejemplo 2.1 Se ha medido el grupo sanguíneo de 40 individuos y se han observado las siguientes frecuencias absolutas
Más detallesMINISTERIO DE EDUCACIÓN. Dirección de Educación Técnica y Profesional. Familia de especialidades:servicios. Programa: Estadística Matemática
MINISTERIO DE EDUCACIÓN Dirección de Educación Técnica y Profesional Familia de especialidades:servicios Programa: Estadística Matemática Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 9no.
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 detallesMODELIZACIÓN ENERGÉTICA EN EL ECUADOR
MODELIZACIÓN ENERGÉTICA EN EL ECUADOR Julianna Maritza Cobo Correa El siguiente proyecto trata sobre la realización de posibles modelos matemáticos, econométricos y energéticos que van ha permitir predecir
Más detallesADMINISTRACIÓN DEL MERCADO ELÉCTRICO
Parámetros del Sistema Hidráulico del Uruguay para su modelado en SIMSEE -Introducción Durante los años 2013 y 2014 se llevó a cabo un importante trabajo de calibración de la representación del Sistema
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesPronóstico con Modelos ARIMA para los casos del Índice de Precios y Cotizaciones (IPC) y la Acción de América Móvil (AM)
Pronóstico con Modelos ARIMA para los casos del Índice de Precios y Cotizaciones (IPC) y la Acción de América Móvil (AM) Rosa María Domínguez Gijón Resumen este proyecto son el IPC y la acción de América
Más detallesProbabilidad y Estadística, EIC 311
Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesAnexo 16. Metodología para Determinar el Riesgo Asociado de los Proyectos de Generación
Anexo 16 Metodología para Determinar el Riesgo Asociado de los Proyectos de Generación METODOLOGIA PARA DETERMINAR EL RIESGO ASOCIADO DE LOS PROYECTOS DE GENERACIÓN El solo listado de las variables incluidas
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Estadística. Programa de Estadística
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Estadística Profesor: MSc. Julio Rito Vargas Avilés. Programa de Estadística Estudiantes: FAREM-Carazo Quien tiene un libro y no lo lee,
Más detallesEjemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
Más detalles1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación
1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación Medidas de Variación Amplitud Coeficiente variación Desviación estándar Rango Valor Z Varianza de Diferencia entre los valores
Más detallesLibro de ejercicios de refuerzo de matemáticas. María de la Rosa Sánchez
Libro de ejercicios de refuerzo de matemáticas María de la Rosa Sánchez Estadística bidimensional Tema 0 2 Índice general 1. Estadística unidimensional 5 2. Estadística bidimensional 11 3 Tema 1 Estadística
Más detallesINFORME SOBRE EL EPISODIO DE SEQUÍA
INFORME SOBRE EL EPISODIO DE SEQUÍA 2011-2012 Fecha edición: 15-02-2012 Resumen Estamos inmersos en un episodio de sequía que comenzó con la extraordinaria escasez de precipitaciones en primavera e inicio
Más detallesTabla de frecuencias agrupando los datos Cuando hay muchos valores distintos, los agruparemos en intervalos (llamados clases) de la misma amplitud.
1. TABLAS Y GRÁFICOS ESTADÍSTICOS Estadística Es la ciencia que estudia conjunto de datos obtenidos de la realidad. Estos datos son interpretados mediante tablas, gráficas y otros parámetros tales como
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detalles6. Modelos de Distribución de la Porosidad Usando Impedancia Acústica
6. Modelos de Distribución de la Porosidad Usando Impedancia Acústica Como se había comentado en capítulos anteriores, uno de los objetivos de la caracterización de yacimientos es definir la distribución
Más detallesRELACIÓN 1. DESCRIPTIVA
RELACIÓN 1. DESCRIPTIVA 1. En un estudio sobre el número de bacterias que aparecen en determinados cultivos se tomaron 1 de estos cultivos y se contó el número de bacterias que aparecieron en cada uno
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011 CÓMO CARACTERIZAR UNA SERIE DE DATOS? POSICIÓN- dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos CENTRALIZACIÓN-
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 detalles2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS 1 2 Descripción estadística de una variable. Ejemplos y ejercicios. 2.1 Ejemplos. Ejemplo 2.1 Se han medido el grup sanguíneo de 40 individuos y se han observado
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesOPCIÓN A. A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en la siguiente tabla:
Bloque III Solucionario Actividades de síntesis: Estadística y probabilidad OPCIÓN A A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en
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 detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
Más detallesBachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )
1 Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º (2015-2016) Tema 1: NÚMEROS REALES Conjuntos numéricos. Números naturales. Números enteros. Números racionales. Números
Más detallesPRINCIPIOS DE PSICOMETRIA. Universidad Intercontinental Facultad de Psicología Área de la Salud
PRINCIPIOS DE PSICOMETRIA Universidad Intercontinental Facultad de Psicología Área de la Salud PRINCIPIOS DE PSICOMETRIA MEDICION La medición de habilidades cognitivas Prueba: muestra de una conducta particular.
Más detallesMINISTERIO DE EDUCACIÓN. Educación Técnica y Profesional. Familia de especialidades: Economía. Programa: Estadística
MINISTERIO DE EDUCACIÓN Educación Técnica y Profesional Familia de especialidades: Economía Programa: Estadística Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 12mo. Grado AUTORA MSc. Caridad
Más detallesEstadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesCUARTIL Los cuartiles son los tres valores que dividen al conjunto de datos ordenados en cuatro partes porcentualmente iguales.
CUARTIL Los cuartiles son los tres valores que dividen al conjunto de datos ordenados en cuatro partes porcentualmente iguales. La diferencia entre el tercer cuartil y el primero se conoce como rango intercuartílico.
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesINDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS. SU EFICIENCIA BAJO DISTRIBUCIONES NORMALES.
Dianda, Daniela Hernández, Lucia Quaglino, Marta Pagura, José Alberto Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS.
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesCONCEPTOS DE ECONOMÍA. CASOS PRÁCTICOS 1 y 2 RESUELTOS
CONCEPTOS DE ECONOMÍA. CASOS PRÁCTICOS 1 y 2 RESUELTOS Copyright Cecabank 2016 1 CASO PRÁCTICO 1. A partir de los siguientes datos oficiales de la evolución del PIB español desde el año 2005 hasta marzo
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesLongitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.
LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia
Más detallesCaracterización de la variabilidad de los fenómenos de propagación y estimación del riesgo asociado al margen de propagación
Recomendación UIT-R P.678-3 (07/015) Caracterización de la variabilidad de los fenómenos de propagación y estimación del riesgo asociado al margen de propagación Serie P Propagación de las ondas radioeléctricas
Más detallesUNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I
UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I CLAVE: MAT 131 ; PRE REQ.: MAT 111 ; No. CRED.: 4 I. PRESENTACIÓN: Este
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesIMADIL /10/2014
TEMA 3: Características estadísticas fundamentales (Segunda parte: Dispersión y forma) Ignacio Martín y José Luis Padilla IMADIL 2014-2015 2 POSICIÓN DISPERSIÓN ESTADÍSTICOS SIMETRÍA APUNTAMIENTO 3. ESTADÍSTICOS
Más detallesU.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:
Más detallesEstadística para el análisis de los Mercados S2_A1.1_LECV1
5. Parámetros estadísticos. 5.1. Parámetros de centralización. Estos parámetros nos indican en torno a que puntos se encuentran los valores de la variable cuantitativa en estudio. Es la forma de representar
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesESTADÍSTICA DESCRIPTIVA APLICADA A LA ADMINISTRACIÓN Y LOS NEGOCIOS
CURSO ESTADÍSTICA DESCRIPTIVA APLICADA A LA ADMINISTRACIÓN Y LOS NEGOCIOS Ing. Luis Kreither Z. - 2015 - CURSO ESTADÍSTICA DESCRIPTIVA APLICADA A LA ADMINISTRACIÓN Y LOS NEGOCIOS I. DIRIGIDO A: Medianos
Más detallesM i. Los datos vendrán en intervalos en el siguiente histograma de frecuencias acumuladas se ilustra la mediana.
Medidas de tendencia central y variabilidada para datos agrupados Media (media aritmética) ( X ) Con anterioridad hablamos sobre la manera de determinar la media de la muestra. Si hay muchos valores u
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesModelo de simulación-optimización para el mejoramiento de políticas de inventario en una empresa del sector plástico
Modelo de simulación-optimización para el mejoramiento de políticas de inventario en una empresa del sector plástico Juan Esteban de la Calle Echeverri Maria Alejandra Arango Juan Carlos Rivera Universidad
Más detallesImplementación y evaluación en SimSEE de control de cota por curva de remanso para centrales hidroeléctricas con embalse.
Implementación y evaluación en SimSEE de control de cota por curva de remanso para centrales hidroeléctricas con embalse. Autores: Gonzalo Hermida Juan Felipe Palacio IMPORTANTE: Este trabajo se realizó
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesCurso de nivelación Estadística y Matemática
Modelo de Curso de nivelación Estadística y Matemática Pruebas de hipótesis, y Modelos ARIMA Programa Técnico en Riesgo, 2017 Agenda Modelo de 1 2 Asociación Medidas de asociación para variables intervalo
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesTEMARIO PRUEBA DE SÍNTESIS MATEMÁTICA NIVEL SÉPTIMO BÁSICO
NIVEL SÉPTIMO BÁSICO Operatoria números naturales Operatoria números decimales Clasificación de números decimales Transformación de decimal a fracción Orden de números enteros Ubicación de números enteros
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 detallesEstadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data
Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesPROBLEMAS ESTADÍSTICA I
PROBLEMAS ESTADÍSTICA I INGENIERÍA TÉCNICA EN INFORMÁTICA CURSO 2002/2003 Estadstica Descriptiva Unidimensional 1. Un edificio tiene 45 apartamentos con el siguiente número de inquilinos: 2 1 3 5 2 2 2
Más detallesFACULTAD: Facultad de Ciencias de la Educación
INFORMACIÓN GENERAL FACULTAD: Facultad de Ciencias de la Educación CURSO: ESTADISTICA INFERENCIAL Carrera: LICENCIATURA EN ADMINISTRACIÓN EDUCATIVA Nombre del Curso: ESTADISTICA INFERENCIAL Pre-requisito:
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO LICENCIATURA EN ECONOMÍA SOCIAL SEMESTRE ASIGNATURA 4to. ESTADISTICA I CÓDIGO HORAS MAT-
Más detallesLOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL
PreUnAB LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, MEDIDAS DE TENDENCIA CENTRAL Clase # 26 Noviembre 2014 ESTADÍGRAFOS Concepto de estadígrafo Un estadígrafo, o estadístico, es un indicador que se calcula
Más detallesRelación 2: CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE FRECUENCIAS
INTRODUCCIÓN A LA ESTADÍSTICA Relación 2: CARACTERÍSTICAS DE UNA DISTRIBUCIÓN DE FRECUENCIAS 1.- Obtener las medias aritmética, geométrica, armónica para la siguiente distribución: SOL: 2,74; 2,544; 2,318
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesEstadística Descriptiva en SPSS
Estadística Descriptiva en SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 22 de
Más detalles1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k
1. Estadística Definición: La estadística es un ciencia inductiva que permite inferir características cualitativas y cuantitativas de un conjunto mediante los datos contenidos en un subconjunto del mismo.
Más detallesNormalidad. y si no qué pasa? por: Aarón O. Lemus Bernal
Normalidad y si no qué pasa? por: Aarón O. Lemus Bernal Marzo 2010 Introducción Cuando en un proyecto de mejora nos encontramos con variables de tipo continuo, la mayoría de las veces necesitamos aplicar
Más detallesENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES
ENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES Índice 1. Experimento y medición...1 2. Frecuencia y probabilidad...3 3. Características teóricas de las variables aleatorias...25 4.
Más detallesSíntesis Numérica de una Variable
Relación de problemas 2 Síntesis Numérica de una Variable Estadística 1. En siete momentos del día se observa el número de clientes que hay en un negocio, anotando: 2, 5, 2, 7, 3, 4, 9. Calcular e interpretar
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 detalles