BIOESTADISTICA ( ) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.
|
|
- Vicenta Cárdenas Salazar
- hace 8 años
- Vistas:
Transcripción
1 Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA ( ) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal ) Importacia del mecaismo de muestro y selecció del tamaño muestral 3) Tipos y características de las medidas de prevalecia 4) Estrategias para el aálisis de estudios trasversales: Estimació vs Comparació de prevalecias 1
2 1 INTRODUCCION U Estudio de Prevalecia es aquel e el que se examia las relacioes etre las efermedades o etre las características relacioadas co la salud y otras variables de iterés, del modo e que existe e ua població y mometo determiados La presecia o ausecia de la efermedad y de las otras variables (o, si so de tipo cuatitativo, su ivel) se determia e cada miembro de la població estudiada o e ua muestra represetativa e u mometo dado La relació etre ua variable y la efermedad puede examiarse: 1) E térmios de la prevalecia de la efermedad e diferetes subgrupos de població, defiidos de acuerdo co la presecia o ausecia (o ivel) de las variables ) E térmios de la presecia o ausecia (o ivel) de las variables e los idividuos efermos, e comparació co los saos E la figura siguiete se muestra ua represetació gráfica de u estudio trasversal Obsérvese que, e u estudio de prevalecia (o estudio trasversal), lo que queda registrado formalmete o es la icidecia de ua efermedad, sio su prevalecia La secuecia temporal de causa a efecto o queda ecesariamete determiada e u estudio de este tipo Después del proceso se selecció, todos los sujetos participates so examiados, observados, y/o ecuestados acerca de la efermedad, su ivel actual o pasado del factor e estudio y otras variables de iterés E ocasioes los estudios trasversales o utiliza muestreo probabilístico, e esos casos su valor es limitado para describir la frecuecia de la efermedad y de otras características e la població objeto
3 MEDIDAS DE PREVALENCIA Hemos revizado las medidas fudametales para cuatificar la prevalecia: prevalecia putual y prevalecia lápsica 1) La más utilizada de estas medidas es la Prevalecia Putual (P), que o es más que la probabilidad de que u idividuo e ua població presete ua determiada característica (por Ct ejemplo, efermedad) e el tiempo t Así, se estima por: Pˆ t =, dode C t es el úmero de N t casos prevaletes y N t es la població ecuestada ) La Prevalecia Lápsica (PL) o es más que la probabilidad de que u idividuo de ua població sea u caso e cualquier mometo del período (t 0, t) Se estima por: C( t C + 0,t) 0 I ( t0,t) PP ˆ (,t) = = Dode C t0 (to,t) N N icluye los casos prevaletes C 0 y los casos icidetes I (to,t) Raras veces la prevalecia tiee iterés directo e aplicacioes etiológicas de la ivestigació epidemiológica Puesto que la probabilidad de sobrevivir (o de curació) afecta a la prevalecia, los estudios trasversales o estudios basados e casos prevaletes obtiee asociacioes que refleja los determiates de la supervivecia (la cura) ua vez que se padece la efermedad, así como las causas de tal efermedad Ua supervivecia mejor, y por tato, ua prevalecia más alta, podría estar realmete relacioadas co la acció de factores prevetivos que mitigase de algua maera la efermedad, ua vez que se produjese 1 Relació etre Icidecia y Prevalecia Auque es evidete la prevalecia depede e parte de la icidecia, la relació fucioal que se establece etre ellas es bastate compleja Si embargo, si asumimos que la població está e posició de equilibrio, o sea, es estable y las tasas de prevalecia e icidecia permaece costates, puede obteerse ua relació bastate secilla Bajo las codicioes de equilibrio la catidad de casos icidetes I e u período (t 0,t) de duració t es igual a los casos salietes TC (casos que muere por la efermedad, o por otra causa, y casos que cura) durate el mismo período, o sea, I = TC Teemos que I = DI(N-C)t, dode N es la catidad de idividuos de la població, y TC = TD C t, C DI dode TD es la tasa o desidad de salida y C los casos prevaletes, de dode obteemos: = N - C TD Si represetamos las salidas de la efermedad por u proceso Poisso, teemos que TD es igual al iverso de la duració de la efermedad D Dividiedo por N y sustituyedo TC, obteemos: DI D P = DI D + 1 Si la prevalecia es pequeña (P < 01) se tiee ua fórmula simplificada: P = DI D 3
4 3 DISEÑO DE UN ESTUDIO DE PREVALENCIA Los pricipales putos metodológicos a cosiderar e el diseño de u estudio de prevalecia so: a) Defiir la població de referecia b) Determiar si el estudio se realizará sobre el total de la població o e ua muestra c) Determiar el tamaño de la muestra poblacioal y las formas de selecció de la misma d) Elaborar y validar los istrumetos y técicas mediate los cuales se determiará la presecia o ausecia de las características de iterés e) Asegurar la comparabilidad de la iformació obteida e los diferetes grupos f) Determiar el tipo de aálisis epidemiológico y estadístico de los datos g) Determiar la coducta a seguir co los datos detectados Nos cetraremos e los putos c) y f) Veamos a cotiuació como se calcula los tamaños de muestra e los estudios de prevalecia para distitas situacioes: 1) Si el objetivo es estimar ua proporció (P) e ua població co ua precisió absoluta especificada se deberá "coocer": a) Proporció esperada e la població P b) Nivel de cofiaza 100(1-)% c) Precisió absoluta requerida d z1- / P(1 - P) Se utiliza e este caso la siguiete fórmula: = d La mayoría de software estadístico, etre ellos el programa EpiDat utiliza además la siguiete 0 correcció: =, dode 0 se obtiee por la fórmula aterior y N es el tamaño de la població 1+ 0 N 4
5 Ejemplo 1 Cálculo tamaño muestral co EpiDat, para estimar ua prevalecia del 50% (P=05) co ua precisió del 5% (d = 005) e ua població co 10,000 habitates (N=10000) 5
6 ) Si el objetivo es probar que la proporció poblacioal difiere de u valor dado P 0 se deberá "coocer": a) Valor de la proporció bajo la hipótesis ula, P 0 b) Valor aticipado de la proporció P a c) Nivel de sigificació 100% d) Potecia del test 100(1-ß)% e) Hipótesis alterativas: P a > P 0, P a <P 0 ó P a P 0- Se utiliza e este caso las siguietes fórmulas: [ z1- P0(1 - P0) + z1- Pa(1 - Pa) Para pruebas de ua sola cola: = ( P0- Pa) [ z ] 1- / P0(1 - P0) + z1- Pa(1 - Pa) dos colas: = ( P0- Pa) ], y para pruebas de Ejemplo : La proporció de pacietes curados de cácer después de 5 años de tratamieto se reporta e la literatura como del 50% U ivestigador desea probar que esta tasa de cura es válida e su distrito saitario Qué tamaño de muestra ecesita si está iteresado e rechazar la hipótesis si la tasa verdadera es meor que 50% y desea co u 90% de seguridad detectar ua tasa verdadera del 40% a u ivel de cofiaza del 95%? E este caso P 0 = 05, P a = 04, = 005, ß = 01 y H a : P a < P 0, sustituyedo obteemos que =11 3) Si el objetivo es estimar la diferecia etre dos proporcioes poblacioales co ua precisió absoluta especificada, se deberá "coocer": a) Proporcioes esperadas de las poblacioes P 1 y P b) Nivel de cofiaza 100(1-)% c) Precisió absoluta requerida d Se utiliza e este caso la siguiete fórmula: z1- /[ P1(1 - P1) + P(1 - P)] = d Ejemplo 3: Qué tamaño de muestra es ecesario seleccioar de dos poblacioes para estimar ua diferecia de riesgo co u ivel de cofiaza del 95% y ua precisió de 005, cuado o se cooce estimacioes de P 1 y P? E este caso la selecció más acosejable es P 1 = P = 05, pues el valor V = P 1 (1-P 1 ) + P (1-P ) es máximo para esos valores Teemos además = 005 y d = 005, de dode utilizado la fórmula aterior obteemos, = 769 para cada ua de las poblacioes 6
7 4) Si el objetivo es probar que dos proporcioes poblacioales so diferetes se deberá "coocer": a) Hipótesis ula: P 1 -P = 0 b) Proporcioes esperadas de las poblacioes P 1 y P c) Nivel de cofiaza 100(1-)% d) Potecia del test 100(1-ß)% e) Hipótesis alterativas: P 1 -P > 0, P 1 -P < 0 ó P 1 -P 0 Se utiliza e este caso las siguietes fórmulas: z1- Pm(1 Pm) + z1- V Para pruebas de ua sola cola: =, dode Pm =(P1 +P )/ y ( P1- P) z1- / Pm(1 - Pm) + z1- V V=P 1 (1-P 1 ) + P (1-P ) Para pruebas de dos colas: = ( P1- P) De uevo e la mayoría de software estadístico, como el programa EpiDat, permite el cálculo para ua prueba de dos colas utilizado la correcció de Yates: = P1 - P Ejemplo 4: Volvamos al ejemplo aterior, y supogamos ahora que P 1 = 06, P = 05, L=005, y ß=01, se podría calcular el tamaño muestral utilizado EpiDat 7
8 8
9 4 ANÁLISIS DE ESTUDIOS TRANSVERSALES La disposició de los resultados de u estudio de prevalecia se preseta e la siguiete tabla: Variable Depediete Variable Idepediete Presete Ausete Total Tasa Presete A b m 1 a/m 1 Ausete C d m c/m Total 1 1 / a/ m1 E los estudios trasversales puede calcularse la Razó de Prevalecias por RR = c/m Cuado se tiee ua població e estado de equilibrio se puede estimar la razó de desidad (1 ) de icidecia RDI, utilizado la relació etre DI y P: ID1 T P1/ - P1 RDI = = ID T 1 P/ (1 - P), o equivaletemete: ORP = RDI T 1 que puede estimarse por ad T bc 41 Pla de aálisis estadístico para estudios de proporcioes U posible esquema del pla de aálisis estadístico para estudios de proporcioes 9
10 Método 1: Estimació de ua proporció (Modelo biomial) Supogamos que ua experiecia se repite veces, y cada vez la probabilidad p de ocurrecia de u suceso dado (por ejemplo, efermedad, exposició) sea siempre la misma Si las experiecias sucesivas so idepedietes, podemos asumir u modelo biomial Si e repeticioes idepedietes se observa X veces el suceso de iterés, se tiee los siguietes resultados: X pˆ = es u estimador si sesgo de p p(1- p) Su variaza es igual a y se estima por pˆ (1- p) ˆ El itervalo exacto de para p es de difícil cálculo y por tato se utiliza u itervalo de cofiaza aproximado defiido por ( p,p ): ˆ(1 ˆ) p= pˆ + z - z p - p + z z + 4 y ˆ(1 ˆ) p= p ˆ + z + z p - p + z z + 4 Si 30 el itervalo aproximado para p será co: pˆ(1 - pˆ) p= p ˆ + z, dode z = z 1-/ p= pˆ - z pˆ(1 - pˆ) y Tambié podemos ecotrar este método e forma de test estadístico de p respecto a ua 1 p - P z= proporció P dada: P (1 P ) Ejemplo 5: Supogamos que el tamaño de la muestra es = 57 y se observa 3 casos, etoces co EpiDat se obtiee: 10
11 Ejemplo 6: Siguiedo co el ejemplo aterior tambié podríamos cotrastar si H 0 : P=010, etoces co EpiDat se obtiee: Lo cual os lleva a cocluir que hay evidecias suficietes (p=06474) para aceptar H 0 11
12 Método : Estimació de ua proporció (Modelo hipergeométrico) El modelo hipergeométrico parte de supoer que e ua població de tamaño N, hay N 1 efermos y N-N 1 idividuos saos Se toma ua muestra de persoas que cotiee 1 efermos y - 1 saos Se desea estimar la proporció N 1 /N, o sea, la tasa de prevalecia de cierta població Bajo el modelo hipergeométrico se tiee los siguietes resultados: 1 / es u estimador si sesgo de N 1 /N N-1 11 La variaza de 1 / se estima por: 1, y si /N 010 etoces la variaza N se aproxima por: 1 El itervalo exacto para p es de difícil cálculo y por tato utilizaremos u itervalo de cofiaza aproximado defiido por ( p,p ): 1 N-1 11 p= - z 1- N -1 1 N-1 11, y p= + z 1- N -1 Método 3: Modelos discretos (Dos-biomial e hipergeométrico) a) Modelo Dos-biomial: Cosideremos u estudio trasversal e el que de los 1 sujetos expuestos a u factor está efermos a idividuos, y de los o expuestos b so efermos, etoces de acuerdo al modelo biomial la probabilidad de teer a casos expuestos y b casos o expuestos es igual a: 1 a c b d p (1 ) (1 ) 1 p1 p p, que es el producto de las probabilidades biomiales para cada uo a b de los grupos expuestos y o expuestos El cálculo de probabilidades para la comprobació de hipótesis es difícil y ambiguo, lo cual exige uso de paquetes estadísticos b) Modelo Hipergeométrico: Si cosideramos que los margiales de la Tabla so fijos podemos utilizar el modelo hipergeométrico, etoces la probabilidad de obteer a o más casos e los expuestos esta dada por: 1 mi( m1, 1) k m1 -k Pr( K a ) = k=a m1 La regla de decisió es rechazar que existe asociació etre el factor y la efermedad H 0 si la probabilidad Pr(K a) 1
13 Método 4: Aproximacioes a los modelos discretos Debido al úmero de cálculos que requiere los modelos del Método 3, se utiliza aproximacioes (prueba estadística asitótica) para calcular el valor de P: a) Modelo Hipergeométrico: Bajo H 0, la variable aleatoria a (úmero de casos expuestos) tiee m11 m1m1 a - µ media µ = y =, y el test estadístico que se utiliza es: z = y como regla de ( - 1) decisió z z 1-L b) Modelo Dos-biomial: El test estadístico que se obtiee es similar al aterior co la úica diferecia m1m1 que = 3 Ejemplo 6: E la siguiete tabla se muestra los resultados de u estudio sobre cosumo de clorodiazepóxido e la fase iicial de la gestació, e madres co iños acidos co defecto cardíacos cogéitos y madres co iños ormales Uso de clorodiazepóxido Si No Total Madre caso Madre o caso Total Obteemos µ = 390 8/ , S = /( ) 144 y S = 1, teemos z = (4-1898)/1 175, que para ua prueba de ua cola p = 004 Método 5: Test 4 (Ji-cuadrado) ( ad - bc - 1/ ) Para los datos de la Tabla, se utiliza el test estadístico: =, que permite mm 1 1 1± z/ calcular los itervalos de cofiaza para el cociete de prevalecias mediate la expresió: RR, dode z = z 1-L/ Ejemplo 7: Aalizado la Tabla del ejemplo aterior co EpiDat, obteemos: 13
14 Tablas de cotigecia : Tablas x simples Tipo de estudio : Trasversal Nivel de cofiaza: 95,0% Tabla Efermos Saos Total Expuestos No expuestos Total Prevalecia de la efermedad Estimació IC(95,0%) E expuestos 0, E o expuestos 0, Razó de prevalecias, , , Prevalecia de exposició Estimació IC(95,0%) E efermos 0, E o efermos 0, Razó de prevalecias 3, ,8079 1,
15 OR IC(95,0%) ,3834 0, , (Woolf) 0, ,86966 (Corfield) Prueba Ji-cuadrado de asociació Estadístico Valor p Si correcció 3,0677 0,0799 Correcció de Yates 1,780 0,
Estimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesRevisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.
Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesEstimación puntual y por Intervalos de Confianza
Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo
Más detallesEstimación puntual y por intervalos
0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallesINTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos
1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias
Más detallesESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA
ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel
Más detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
Más detallesSolución del examen de Investigación Operativa de Sistemas de septiembre de 2004
Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos
Más detallesSoluciones Hoja de Ejercicios 2. Econometría I
Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño
Más detallesASIGNATURA: MATEMATICAS FINANCIERAS
APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir
IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detalles14 Intervalos de confianza
Solucioario 14 Itervalos de cofiaza ACTIVIDADES INICIALES 14.I. Calcula tal que P z < Z z α α = 0,87. P zα < Z zα = P Z zα P Z < zα = P Z zα 1= 0,87 P Z P Z P Z = 1,87 = 0,935. Buscado e el iterior de
Más detallesMidiendo el Desempeño
Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u
Más detallesIES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
Más detalles2. LEYES FINANCIERAS.
TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2
Estadística o Paramétrica ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ Autores: Jua Fracisco Moge Ivars (jmoje@uoc.edu), Ágel A. Jua Pérez (ajuap@uoc.edu) ESQUEMA DE CONTENIDOS Estadística o Paramétrica
Más detallesREVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL
375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la
Más detallesEXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.
EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesEJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.
EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la
Más detalles7.2. Métodos para encontrar estimadores
Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la
Más detallesCRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS
CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe
Más detallesSOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que
SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesCuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.
II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)
IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las
Más detalles1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)
Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2)
IES Fco Ayala de Graada Sobrates de 0 (Modelo ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 0 (MODELO ) OPCIÓN A EJERCICIO _A ( 5 putos) Halle la matriz X que verifique la ecuació
Más detallesCURSO 2.004-2.005 - CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió
Más detallesPRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder
Más detallesTema 6. Sucesiones y Series. Teorema de Taylor
Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció B Reserva, Ejercicio 4,
Más detalles1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)
1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :
Más detallesMUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO
DOCUMENTO TÉCNICO N 64 Versió 0.1 MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO CONCEPTOS GENERALES MINISTERIO SECRETARÍA GENERAL DE LA PRESIDENCIA Este documeto es parte de ua serie de guías
Más detallesEstadística Inferencial
Estadística Iferecial El presete documeto es ua guía para el curso de iferecia estadística impartido e el Istituto Nacioal de Estadística Geografía e Iformática (INEGI), e el edificio de capacitació; y
Más detallesProgramación Entera (PE)
Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome
Más detalles(PROBABILIDAD) (tema 15 del libro)
(PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el
Más detallesESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}
ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)
Más detallesINFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:
Más detallesPara construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :
Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?
Más detallesCAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS
Págia 1 de 13 CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS E este capítulo etraremos al fial del ciclo del método cietífico, usado la iformació de la muestra para geeralizar y llegar a coclusioes
Más detallesAnálisis estadístico de datos simulados Estimadores puntuales
Aálisis estadístico de datos simulados Estimadores putuales Georgia Flesia FaMAF 5 de mayo, 2015 Aálisis estadístico Modelizació estadística: Elegir ua distribució e base a los datos observados. Estimar
Más detallesEstimaciones Estadísticas: Un Acercamiento Analítico. (Statistical Estimations: An Analitical Approach)
Daea: Iteratioal Joural of Good Cosciece. 5(1) 37-55. ISSN 1870-557X 37 Estimacioes Estadísticas: U Acercamieto Aalítico (Statistical Estimatios: A Aalitical Approach) Badii, M.H. & A. Guille* Resume.
Más detalles= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3
IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de
Más detallesEstadística Descriptiva
Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se
Más detallesTransformaciones Lineales
Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,
Más detallesSucesiones numéricas.
SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El
Más detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery
Más detallesTema 9 Teoría de la formación de carteras
Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.
Más detallesSOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN
Más detallesPlanificación contra stock
Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica
Más detalles0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1
IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial
Más detallesTests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES
57 3. TET E INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE DO POBLACIONE U test de hipótesis para dos muestras es similar e muchos aspectos al test para ua muestra. e especifica ua hipótesis ula,
Más detallesSEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES
SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES L. GENERALIZACIÓN DEL A.F.C. : ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES 1. Itroducció Las «ecuestas» se
Más detallesInferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra.
UNIDAD 9 Iferecia estadística. Distribucioes muestrales la Estadística se distigue dos partes perfectamete difereciadas. Ua de ellas se cooce co el ombre de Estadística Descriptiva y tiee como objetivo
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A
Más detallesMATEMÁTICAS FINANCIERAS
MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas
Más detallesUNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.
UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,
Más detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detalles4. CONCEPTO BASICOS DE PROBABILIDADES
4. CONCEPTO BASICOS DE PROBABILIDADES Dr. http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 41 4.1 Espacio Muestral y Evetos 4.1.1 1 Experimetos Aleatorios y Espacios
Más detallesCONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES. Mercedes Fernández mercedes@upucomillas.es
CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES Mercedes Ferádez mercedes@upucomillas.es CONTENIDO El valor temporal del diero. Selecció de iversioes CONTENIDO El valor temporal del
Más detallesLímite de una función
Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los
Más detallesLímite de una función
Límite de ua fució SOLUCIONARIO Límite de ua fució L I T E R A T U R A Y M A T E M Á T I C A S El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía
Más detallesTEMA 8: ESTIMACIÓN POR INTERVALOS
MÉTODOS ESTADÍSTICOS ARA LA EMRESA TEMA 8: ESTIMACIÓN OR INTERVALOS 8..- Itroducció a la estimació por itervalos 8..- Itervalos de cofiaza. Costrucció y características 8.3.- Itervalos de cofiaza para
Más detallesCONTRASTE DE HIPÓTESIS
Estadística: Cotraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Cotraste de hipótesis sobre la media poblacioal Se parte de ua població supuestamete ormal de media y desviació típica N(, ); se tipifica
Más detallesImposiciones y Sistemas de Amortización
Imposicioes y Sistemas de Amortizació La Imposició u caso particular de reta e el cual cada térmio devega iterés (simple o compuesto) desde la fecha de su aboo hasta la fecha fial. Imposicioes Vecidas
Más detallesIES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna
SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece
Más detallesFigura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,
VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,
Más detallesCAL. CONTROL Y ASEGURAMIENTO DE CALIDAD
MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete
Más detallesCONCEPTOS BÁSICOS DE PRESTAMOS.
GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,
Más detallesELEMENTOS DE ÁLGEBRA MATRICIAL
ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:
Más detallesUna serie de potencias puede ser interpretada como una función de x. f(x) = n=0
Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesCalculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito
Más detallesOPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =
IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)
Más detallesUNIDAD 7: ESTADÍSTICA INFERENCIAL
UNIDAD 7: ESTADÍSTICA INFERENCIAL ÍNDICE DE LA UNIDAD 1.- INTRODUCCIÓN.... 1.- VARIABLES ESTADÍSTICAS. PARÁMETROS... 3.- DISTRIBUCIONES DE PROBABILIDAD... 3 3.1.- Distribució Biomial... 4 3..- Distribució
Más detallesFórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)
Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.
Más detallesSeñales y sistemas discretos (1) Transformada Z. Definiciones
Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas
Más detallesPropuesta A. { (x + 1) 4. Se considera la función f(x) =
Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar
Más detalles