Fantasia 2000 | Boat Trip | Virginie saison 8 épisode 23

Temporales en la costa cantábrica: correlación de alturas y periodos de olas


Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Temporales en la costa cantábrica: correlación de alturas y periodos de olas"

Transcripción

1 Temporales en la costa cantábrica: correlación de alturas y periodos de olas MANUEL SOTILLO (*) RESUMEN Este artículo estudia la correlación de datos de oleaje de dos boyas en el Cantábrico. En primer lugar repasamos las herramientas matemáticas, calculamos el espectro cruzado, después ajustamos a una recta de regresión. Hemos comparado los temporales registrados por las dos boyas en el intervalo común 1994 y Concluimos que la correlación entre alturas y periodos es buena. Las alturas de la boya de Gijón II son mayores, pero los periodos son menores. La comparación de valores de alturas para periodos de retorno dados son siempre más altas en Gijón II. STORMS ON THE CANTABRIAN COAST: CORRELATION BETWEEN WAVE HEIGHTS AND RELATIONSHIP BETWEEN WAVE PERIODS ABSTRACT This paper the correlation of the wave data of two buoys in the cantabrico sea. In the first place are reviewed the mathematics tools, the cross spectrum has been calculated, after we can fit a regression line. We have compared of the highest storms registered by both buoys in the interval of years 1994 to We conclude the linear correlation of wave heights and wave periods is good. The wave heights of Gijón II are higher than Gijón I. The wave periods Gijón II are lower than Gijón I. The comparison of return values the wave heights of Gijón II are higher than Gijón I. Palabras clave: Temporales; Correlación. INTRODUCCIÓN La costa española tiene varios climas marítimos con sus características particulares. Uno es la Costa Cantábrica. Hemos trabajado con datos de oleaje de dos boyas: Gijón I y Gijón II. Vamos ha hacer un estudio comparativo de los datos registrados por las dos estaciones durante el intervalo común. La estación denominada Gijón I, comenzó en 1981 y finalizo el 6 de Diciembre de La estación de Gijón II empezó en 1994 y continua registrando datos. Estudiaremos la relación y correlación de los parámetros de oleaje. SITUACIÓN Las boyas de oleajes tienen las siguientes coordenadas: Gijón I Latitud: 43 34,0 N Longitud: 5 39,0 W Profundidad: 23 m. Gijón II Latitud: 43 36,7 N Longitud 5 40,0 W Profundidad: 43 m. ANÁLISIS DE DATOS DE OLEAJE Los datos de oleaje de la estación son series de tiempo de puntos con un intervalo de muestreo de 0,5 segundos. (*) Centro de Estudios de Puertos y Costas. CEDEX. En el análisis estadístico podemos calcular: H z1/3, T z1/3, T z y H max. En el análisis espectral podemos calcular: H s y T p Asumimos las hipótesis aceptadas normalmente: El oleaje se considerada un proceso débilmente ergódico Gausiano de media nula. La anchura de banda espectral es estrecha. Los picos son estadísticamente independientes. CORRELACIÓN DE SERIES DE TIEMPO La función de correlación cruzada de dos conjuntos de datos aleatorios describe la dependencia de los valores de un conjunto y del otro. Consideremos el par de series de tiempo x(t) e y(t). Una estimación para la función de correlación cruzada para los valores de x(t) en el instante t e y(t) en el instante t+τ puede obtenerse tomando el valor medio del producto de las dos funciones en el periodo de observación T; el resultado es: R xy (τ) = lim 1/T T 0 x(t)y(t+τ)dt (1) T Para procesos discretos definimos la función de correlación cruzada: R xy ( r ) = (1/n-r) x i y i+r (2) i=1 El espectro cruzado de un par de series de tiempo es la transformada de Fourier de la función de correlación cruzada. Puesto que la función de correlación cruzada no es una fun- 122 Ingeniería Civil 140/2005

2 Figura 1. Carta con la situación de las boyas. Figura 2 y Figura 3. Series de 5120 puntos, intervalo de muestreo 0,5 seg. Ingeniería Civil 140/

3 ción par, el espectro cruzado es en general una función compleja, G xy = C xy (f) jq xy (f) (3) 2 γ xy Se define función de coherencia: 2 / Gxy( f)/ 1 G ( f) G ( f) x y Si la coherencia es 0 para una frecuencia particular, se dice que x(t) e y(t) son incoherentes para esa frecuencia, si x(t) e y(t) son estadísticamente independientes la coherencia es cero para todas las frecuencias. Si la coherencia es 1 para todas las frecuencias, x(t) e y(t) son totalmente coherentes. Consideremos dos series x(t) e y(t) existe una relación entre la covarianza de x(t) e y(t) y la desviación estándar de x(t) e y(t): (4) C xy σ x σ y (5) Definimos el coeficiente de correlación: Cxy ρxy = σσ x y El coeficiente de correlación oscila entre 1 y 1. Las series cuyo coeficiente de correlación es 0 se dice que son incorrelacionadas. CORRELACIÓN DE DATOS DE OLEAJE De las series discretas de puntos podemos calcular parámetros estadísticos como H z1/3, H max, T z y T z1/3. Del análisis espectral calculamos H s y T p. Ahora tomemos dos series de H z1/3, correspondientes a Gijón I y Gijón II. Por ejemplo los datos de oleaje de Enero de (6) Canal Frecuencia P.s.Gxx P.s.Gyy Ganacia Fase Coherencia E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E Tabla 1. Resultados del espectro cruzado. 124 Ingeniería Civil 140/2005

4 Figura 4. La coherencia tiene valores próximos a 1 para los primeros canales. Figura 5. Fase. Figura 6. Espectro de potencia. Ingeniería Civil 140/

5 Figura 7. Comparación entre alturas y periodos de ola. Enero de Estas series tienen 744 datos y el intervalo entre muestras es de una hora. El espectro cruzado calcula las características del espectro cruzado de dos series discretas. Las muestras están tomadas a las mismas horas y con el mismo intervalo de muestreo, una hora. A las series se corrige la tendencia y la media a cada segmento. Hemos usado una ventana Hamming de 128 puntos. Tabla 1. En la figura 4 observamos que la coherencia es muy buena en las bandas que el espectro de potencia tiene el porcentaje más alto de energía, como vemos en la figura 6. REGRESIÓN LINEAL Vamos a estudiar la regresión lineal entre los parámetros de oleaje de ambas boyas. El número de muestras es En el eje X datos de Gijón II y en el eje Y datos de Gijón I. El número de muestras es En el eje X datos de Gijón II en el eje Y datos de Gijón I. El coeficiente de correlación r 2 mayor corresponde a H z1/3. Las alturas de ola son siempre más altas en Gijón II. Sin embargo los periodos son mayores en Gijón I. Figuras 8, 9, 10 y 11. Tabla 2. COMPARACIÓN DE TEMPORALES En la Tabla 3 vemos los temporales más fuertes entre 1994 y Diez se registraron en invierno, cuatro en primavera y cuatro en otoño. Figura 8. Regresión lineal H z1/3. Figura 9. Regresión lineal H max. 126 Ingeniería Civil 140/2005

6 Figura 10. Regresión lineal T z. Figura 11. Regresión lineal T z1/3. Parámetros B C r 2 H z1/ H max Tabla 2. Regresión lineal y= Bx+C. T z T z1/ AÑO MES DIA H z1/3 GIJON I H z1/3 GIJON II 1994 MARZO ABRIL ENERO DICIEMBRE FEBRERO NOVIEMBRE SIN REGISTRO 1997 FEBRERO NOVIEMBRE ENERO ABRIL ENERO DICIEMBRE ENERO NOVIEMBRE ENERO ABRIL FEBRERO NOVIEMBRE 22 SIN REGISTRO 5.64 Tabla 3. Temporales más fuertes Ingeniería Civil 140/

7 Figura 12. Gijón I. Figura 13. Gijón II. Años GIJON I H s (m.) GIJON II H s (m.) Tabla 4. Periodos de retorno y Alturas. COMPARACIÓN DE REGÍMENES EXTREMALES DE OLEAJE El Análisis por el método POT con un intervalo de confianza del 90%, el ajuste por mínimos cuadrados. El conjunto de datos analizados fue ajustado a una función de distribución Weibull con parámetro 1.4. Figuras 12 y 13. CONCLUSIONES Del presente estudio hemos llegado a las siguientes conclusiones: a) La coherencia es buena para los parámetros de oleaje. b) La correlación lineal de los parámetros de oleaje es muy buena. c) La altura de ola en Gijón II es siempre mayor. d) El periodo de ola en Gijón I es mayor. e) Los parámetros de oleaje de Gijón I pueden obtenerse por la recta de regresión. f) De la comparación de los mayores temporales observamos que en Gijón II las alturas son superiores. g) La comparación de las alturas esperadas para un periodo de retorno dado, vemos que Gijón II también tiene alturas mayores. La diferencia de profundidad en la que están fondeadas las boyas Gijón II (47m.) y Gijón I (23m.) puede ser la razón de que las alturas registradas en Gijón I sean menores. REFERECIAS Bendat and Piersol Random Data: Analysis and Measurement Procedures. Wiley-Interscience. CEDEX Correlación de estaciones e medida de oleaje. I+D. Centro de Estudios de Puertos y Costas. CEDEX R.E.M.R.O. Datos de Oleaje. Centro de Estudios de Puertos y Costas. Ochi Michel Stochastic Análisis and Probabilistic Prediction of Random Seas. Advances in Hidroscience. 128 Ingeniería Civil 140/2005

El estudio del oleaje es importante

El estudio del oleaje es importante Temporales en Cabo Silleiro: De 1986 a 2006 La estación de medida y registro de oleaje de Cabo Silleiro es de las primeras del proyecto REMRO (Red Española de Medida y Registro de Oleaje) y ha estado funcionando

Más detalles

9. CLIMA MARÍTIMO...85

9. CLIMA MARÍTIMO...85 ÍNDICE 9. CLIMA MARÍTIMO...85 9.1. INTRODUCCIÓN... 85 9.2. VERTIENTE ESTE... 85 9.2.1. RÉGIMEN DE OLEAJE... 85 9.2.2. ESTUDIO DEL RÉGIMEN MEDIO DE OLEAJE... 85 9.2.3. ESTUDIO DEL RÉGIMEN EXTREMAL DE OLEAJE...

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Análisis Estadístico de Datos Climáticos SERIES TEMPORALES 2

Análisis Estadístico de Datos Climáticos SERIES TEMPORALES 2 Análisis Estadístico de Datos Climáticos SERIES TEMPORALES 2 2015 Contenido Procesos estacionarios y débilmente estacionarios Algunos procesos estocásticos útiles: Procesos puramente aleatorios (ruido

Más detalles

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN

ÍNDICE 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 detalles

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8. UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía

Más detalles

Teoría de la decisión

Teoría de la decisión 1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

Departamento de Matemática Aplicada a las T.I.C. SOLUCIONES

Departamento de Matemática Aplicada a las T.I.C. SOLUCIONES Departamento de Matemática Aplicada a las T.I.C. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EAMEN FINAL Otoño 25-6 FECHA: 5 de Enero de 26 Fecha publicación notas: 22 de Enero de 26 Fecha revisión

Más detalles

3. Señales. Introducción y outline

3. Señales. Introducción y outline 3. Señales Introducción y outline Outline Señales y Sistemas Discretos: SLIT, Muestreo, análisis tiempo-frecuencia, autocorrelación, espectro, transformada Z, DTFT, DFT, FFT Filtros y Estimación: Filtros

Más detalles

Clase 3. Procesos estocásticos en Teoría de la señal.

Clase 3. Procesos estocásticos en Teoría de la señal. 1 Introducción Clase 3. Procesos estocásticos en Teoría de la señal. Como ya se comentó en la clase anterior, el ruido es una señal inherente a cualquier transmisión de telecomunicación. El ruido es una

Más detalles

10 Modelo de regresión lineal

10 Modelo de regresión lineal 0 Modelo de regresión lineal La relación matemática determinística más simple entre dos variables x e y, es una relación lineal y = 0 + x. El conjunto de pares (x; y) que veri can esta relación, determinan

Más detalles

PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado

PRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar

Más detalles

EXTREMOS MAXIMOS DE OLEAJE

EXTREMOS MAXIMOS DE OLEAJE MINISTERIO DE FOMENTO Puertos del Estado EXTREMOS MAXIMOS DE OLEAJE ( ALTURA SIGNIFICANTE ) Boya de Cabo de Gata CODIGO B.D. 2548 LONGITUD -2.340 E LATITUD 36.570 N PROFUNDIDAD 368 m PERIODO 1998 2005

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA

Más detalles

Coeficiente de Correlación

Coeficiente de Correlación Coeficiente de Correlación Al efectuar un análisis de regresión simple (de dos variables) necesitamos hacer las siguientes suposiciones. Que las dos variables son mensurables Que la relación entre las

Más detalles

Análisis Armónico en Matlab. Análisis Estadístico de Datos Climáticos 2013

Análisis Armónico en Matlab. Análisis Estadístico de Datos Climáticos 2013 Análisis Armónico en Matlab Análisis Estadístico de Datos Climáticos 2013 Espectro Fuga Espectral ( spectral leackage ) Serie infinita Serie finita La truncación temporal transforma un espectro ideal formado

Más detalles

Análisis de la covarianza

Análisis de la covarianza Análisis de la covarianza Preparado por Luis M. Molinero (Alce Ingeniería) CorreoE: bioestadistica alceingenieria.net Artículo en formato PDF Enero 2002 El análisis de la covarianza es una técnica estadística

Más detalles

Estadísticas y distribuciones de muestreo

Estadísticas 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 detalles

ANÁLISIS DE SERIE DE TIEMPO DEL OLEAJE FRENTE A SALINAS-ECUADOR Y SU RELACIÓN CON EL POTENCIAL ENERGÉTICO

ANÁLISIS DE SERIE DE TIEMPO DEL OLEAJE FRENTE A SALINAS-ECUADOR Y SU RELACIÓN CON EL POTENCIAL ENERGÉTICO ANÁLISIS DE SERIE DE TIEMPO DEL OLEAJE FRENTE A SALINAS-ECUADOR Y SU RELACIÓN CON EL POTENCIAL ENERGÉTICO Leonor Vera (1) RESUMEN Este trabajo presenta el análisis de la información de una serie de tiempo

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ

ANALISIS 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 detalles

Universidad de Salamanca - Escuela de Educación y Turismo

Universidad de Salamanca - Escuela de Educación y Turismo Universidad de Salamanca - Escuela de Educación y Turismo ! " # $ % $ & ' ( ) * ( +(, + ' -. '. ' - % $ / %.! '. " # $ % & & $ % # # $( #. 0 # (/ $. # % 0 1 # % ( # 0 # 0 1 # 0. (, (! " # # #. $ ($ ' 0

Más detalles

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT

Más detalles

Práctica 3: Regresión simple con R

Práctica 3: Regresión simple con R Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar

Más detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 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 detalles

Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística

Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012

Más detalles

Tema 10: Introducción a los problemas de Asociación y Correlación

Tema 10: Introducción a los problemas de Asociación y Correlación Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación

Más detalles

El modelo de azar proporcional: la regresión de Cox

El modelo de azar proporcional: la regresión de Cox El modelo de azar proporcional: la regresión de Cox Alfonso Luis Palmer Pol y Jose Maria Losilla Vidal El Análisis de la Supervivencia (Palmer, 1988) engloba una variedad de técnicas estadísticas que permiten

Más detalles

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES ESTADÍSTICAS BIDIMENSIONALES VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes

Más detalles

Unidad Temática 3: Probabilidad y Variables Aleatorias

Unidad Temática 3: Probabilidad y Variables Aleatorias Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento

Más detalles

Multiple Linear Regression

Multiple Linear Regression Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente

Más detalles

Métodos Estadísticos Multivariados

Métodos Estadísticos Multivariados Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre

Más detalles

Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B

Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Programa de la Asignatura: Código: 23 Probabilidad y Estadística Carrera: Ingeniería en Computación Plan: 2013 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer año Primer cuatrimestre

Más detalles

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. 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 detalles

Matemáticas. Bioestadística. Correlación y Regresión Lineales

Matemáticas. Bioestadística. Correlación y Regresión Lineales Matemáticas Bioestadística Correlación y Regresión Lineales En una distribución bidimensional puede ocurrir que las dos variables guarden algún tipo de relación entre si. Por ejemplo, si se analiza la

Más detalles

478 Índice alfabético

478 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 detalles

CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES

CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no

Más detalles

Tema 8: Regresión y Correlación

Tema 8: Regresión y Correlación Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice

Más detalles

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo

Más detalles

Econometría II Grado en finanzas y contabilidad

Econometría 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:[email protected] Este documento es

Más detalles

4.1. Inventario del cambio de la posición de la línea de costa de la parte oriental del Golfo de Urabá entre 1938 y 2009

4.1. Inventario del cambio de la posición de la línea de costa de la parte oriental del Golfo de Urabá entre 1938 y 2009 4. METODOLOGÍA 4.1. Inventario del cambio de la posición de la línea de costa de la parte oriental del Golfo de Urabá entre 1938 y 2009 Para calcular el cambio en la posición de la línea de costa oriental

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

Intervalos de confianza con STATGRAPHICS

Intervalos de confianza con STATGRAPHICS Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

RECOMENDACIÓN UIT-R P.1145 DATOS DE PROPAGACIÓN PARA EL SERVICIO MÓVIL TERRESTRE TERRENAL EN LAS BANDAS DE ONDAS MÉTRICAS Y DECIMÉTRICAS

RECOMENDACIÓN UIT-R P.1145 DATOS DE PROPAGACIÓN PARA EL SERVICIO MÓVIL TERRESTRE TERRENAL EN LAS BANDAS DE ONDAS MÉTRICAS Y DECIMÉTRICAS Rec. UIT-R P.1145 1 RECOMENDACIÓN UIT-R P.1145 DATOS DE PROPAGACIÓN PARA EL SERVICIO MÓVIL TERRESTRE TERRENAL EN LAS BANDAS DE ONDAS MÉTRICAS Y DECIMÉTRICAS (Cuestión UIT-R 203/3) (1995) Rec. UIT-R P.1145

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA

ANALISIS 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 detalles

Tema 3: Análisis de datos bivariantes

Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta

Más detalles

CURSO: ANALISIS ESTADISTICO DE RIESGOS

CURSO: 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: [email protected]

Más detalles

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso

Más detalles

PPE - Probabilidad y Procesos Estocásticos

PPE - Probabilidad y Procesos Estocásticos Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 749 - MAT - Departamento

Más detalles

PROYECTO BÁSICO DE ADSCRIPCIÓN DEL NUEVO PUERTO DE TOSSA DE MAR - GIRONA, ESPAÑA ANEJO Nº 3: ESTUDIO DE CLIMA MARÍTIMO

PROYECTO BÁSICO DE ADSCRIPCIÓN DEL NUEVO PUERTO DE TOSSA DE MAR - GIRONA, ESPAÑA ANEJO Nº 3: ESTUDIO DE CLIMA MARÍTIMO PROYECTO BÁSICO DE ADSCRIPCIÓN DEL NUEVO PUERTO DE TOSSA DE MAR - GIRONA, ESPAÑA ANEJO Nº 3: ESTUDIO DE CLIMA MARÍTIMO REV. PARTE CONST. FECHA DESCRIPCIÓN POR REV. APROB. A TODO 15/04/2014 ESTUDIO DE INGENIERÍA

Más detalles

Transformaciones de Potencia

Transformaciones de Potencia Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen

Más detalles

Toma de Datos y Tratamiento de Errores. Daniel Farías

Toma de Datos y Tratamiento de Errores. Daniel Farías Técnicas Experimentales II - 2º Física - Curso 2009-10 Daniel Farías Departamento de Física de la Materia Condensada Universidad Autónoma de Madrid Libros recomendados: -Mecánica Elemental (ver Capítulo

Más detalles

Cátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS

Cátedra: 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 detalles

Módulo 1: Nivel I FUNDAMENTOS DE LA INVERSIÓN. Programa de Asesor Financiero. PAF Nivel I_1314. Capítulo 3. Descuento

Módulo 1: Nivel I FUNDAMENTOS DE LA INVERSIÓN. Programa de Asesor Financiero. PAF Nivel I_1314. Capítulo 3. Descuento Programa de Asesor Financiero Nivel I Módulo 1: FUNDAMENTOS DE LA INVERSIÓN Capítulo 1. Conceptos básicos de la inversión Capítulo. Capitalización Capítulo 3. Descuento Capítulo 4. Tipos de interés y rentabilidad

Más detalles

(a) Calculate a point estimate of the mean pull-off force of all connectors in the population. State which estimator you used and why.

(a) Calculate a point estimate of the mean pull-off force of all connectors in the population. State which estimator you used and why. PROBLEMAS DE CLASE Problema 7.22 Data on pull-off force (pounds) for connectors used in an automobile engine application are as follows: 79.3, 75.1, 78.2, 74.1, 73.9, 75.0, 77.6, 77.3, 73.8, 74.6, 75.5,

Más detalles

CM0244. Suficientable

CM0244. 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 detalles

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4

matemáticas 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 detalles

Estadística Descriptiva y Probabilidad FORMULARIO

Estadística Descriptiva y Probabilidad FORMULARIO Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.

Más detalles

PROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje

PROGRAMA 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 detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

UTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN

UTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN UTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN G. Américo Rivas C. Prof. De la Escuela de Ingeniería Industrial. Área de Postgrado. Maestría en Ingeniería Industrial. Universidad de Carabobo e. Mail: [email protected]

Más detalles

Tema 3. Relación entre dos variables cuantitativas

Tema 3. Relación entre dos variables cuantitativas Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas

Más detalles

Variables aleatorias bidimensionales discretas

Variables aleatorias bidimensionales discretas Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,

Más detalles

Procesos estocásticos. Definición

Procesos estocásticos. Definición Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier

Más detalles

Repaso de conceptos de álgebra lineal

Repaso de conceptos de álgebra lineal MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso

Más detalles

Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión

Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Estadís6ca y Métodos Numéricos Tema 6. Modelos de Regresión Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González [email protected] Carmen María Sordo

Más detalles

Introducción a la Estadística Aplicada en la Química

Introducción a la Estadística Aplicada en la Química Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00

Más detalles

Introducción Climatología y variabilidad climática (espacial y temporal). Datos climáticos. Revisión sobre el concepto de probabilidad.

Introducción Climatología y variabilidad climática (espacial y temporal). Datos climáticos. Revisión sobre el concepto de probabilidad. Nombre de la Asignatura: Análisis Estadístico de Datos Climáticos Créditos: 10 Docentes responsables: Ciencias) Álvaro Díaz (F. Ingeniería) y Mario Bidegain (F. Objetivo de la asignatura: Desarrollar en

Más detalles

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas

INDICE 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 detalles

Relación entre la altura y la distancia del suelo al ombligo

Relación entre la altura y la distancia del suelo al ombligo Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas

Más detalles

3. Correlación. Introducción. Diagrama de dispersión

3. Correlación. Introducción. Diagrama de dispersión 1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no

Más detalles

Estadísticas Pueden ser

Estadísticas Pueden ser Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más

Más detalles

Regresión múltiple. Demostraciones. Elisa Mª Molanes López

Regresión múltiple. Demostraciones. Elisa Mª Molanes López Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +

Más detalles

Errores de especificación

Errores de especificación CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS

PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso MAT. 298 Núm. I. Seleccione la respuesta correcta: (3 puntos cada uno) Caso: Sea T= {0, 0, 2,

Más detalles

Esperanza Matemática. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Esperanza Matemática. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides speranza Matemática UCR CCI CI-135 Probabilidad y stadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Media de una Variable Aleatoria Sea una variable aleatoria con distribución de probabilidad f().

Más detalles

Aplicación de Correlación en la Investigación Correlation Application in Research

Aplicación de Correlación en la Investigación Correlation Application in Research Aplicación de Correlación en la Investigación Correlation Application in Research Guillen, A., M.H. Badii & M.S. Acuña Zepeda UANL, San Nicolás, N.L., México, [email protected] Abstract: Se describe

Más detalles

Modelos lineales. Tema 2: Inferencia en el modelo de regresión lineal simple. 6 de febrero de Carmen Armero

Modelos lineales. Tema 2: Inferencia en el modelo de regresión lineal simple. 6 de febrero de Carmen Armero Carmen Armero 6 de febrero de 2012 Introducción Distribuciones en el muestreo Intervalos de confianza Contrastes de hipótesis El modelo de regresión lineal simple El modelo de regresión lineal simple para

Más detalles

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN

Más detalles

CORRELACIÓN Y REGRESIÓN. Raúl David Katz

CORRELACIÓN Y REGRESIÓN. Raúl David Katz CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable

Más detalles

Universidad Central del Este UCE Facultad de Ciencias de la Salud Escuela de Medicina

Universidad Central del Este UCE Facultad de Ciencias de la Salud Escuela de Medicina Universidad Central l Este UCE Facultad Ciencias la Salud Escuela Medicina Programa la asignatura: : MED-052 Bioestadística II Código: Semestre: Asignatura electiva Total créditos 3 Teóricos 3 Prácticos

Más detalles

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO. DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente

Más detalles

Tema 2. Introducción a la Estadística Bayesiana

Tema 2. Introducción a la Estadística Bayesiana 2-1 Tema 2 Introducción a la Estadística Bayesiana El teorema de Bayes Ejemplo Interpretación Ejemplo: influencia de la distribución a priori Ejemplo: densidad de flujo Probabilidad bayesiana Ejemplo:

Más detalles

Estadística Convocatoria de Junio Facultad de Ciencias del Mar. Curso 2009/10 28/06/10

Estadística Convocatoria de Junio Facultad de Ciencias del Mar. Curso 2009/10 28/06/10 1. El Indice Climático Turístico (ICT), definido por Mieczkowski en 1985 es un índice que toma valores en una escala de 0 a 100 y tiene como objetivo valorar la calidad que ofrece el clima de una región

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

ARTÍCULO ORIGINAL. ARS Pharmaceutica. Collazo MV 1, Muñiz MM 2, Alonso1 C 1, Frutos G 2

ARTÍCULO ORIGINAL. ARS Pharmaceutica. Collazo MV 1, Muñiz MM 2, Alonso1 C 1, Frutos G 2 ARS Pharmaceutica ISSN: 0004-2927 http://farmacia.ugr.es/ars/ ARTÍCULO ORIGINAL El análisis estadístico en la Farmacopea Europea: diseño completamente aleatorizado en un bioensayo de factor VIII. Statistical

Más detalles

UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos:

UNIDAD Nº4. Ejemplo.- Dados los Gastos de publicidad en los meses enero a julio, los cuales generan los sgts. Ingresos: UNIDAD Nº4 TEORÍA DE REGRESIÓN Y CORRELACIÓN 1.- Teoría de Regresión.- En términos de estadística los conceptos de regresión y ajuste con líneas paralelas son sinónimos lo cual resulta estimar los valores

Más detalles

Aplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.

Aplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural. Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así

Más detalles

ANÁLISIS DEL VIENTO EN EL PUERTO DE GRANADILLA (TENERIFE)

ANÁLISIS DEL VIENTO EN EL PUERTO DE GRANADILLA (TENERIFE) 2015 2016 ANÁLISIS DEL VIENTO EN EL PUERTO DE GRANADILLA (TENERIFE) 2 ANÁLISIS DEL VIENTO EN EL PUERTO DE GRANADILLA (TENERIFE): 2015-2016 Santa Cruz de Tenerife, Enero 2017 OBSERVATORIO AMBIENTAL GRANADILLA

Más detalles

Elaboró: Luis Casas Vilchis

Elaboró: Luis Casas Vilchis Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con

Más detalles

Regresión y Correlación

Regresión y Correlación Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL Ejercicio nº 1.-

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL Ejercicio nº 1.- EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL Ejercicio nº 1.- En una empresa de televenta se ha anotado el plazo de entrega, en días, que anunciaban en los productos el plazo real, también en días, de entrega

Más detalles

Análisis matemático de la función de Nelson y Siegel

Análisis matemático de la función de Nelson y Siegel Anexos Anexo 1 Análisis matemático de la función de Nelson y Siegel La función que define el tipo forward según el modelo propuesto por Nelson y Siegel (1987) es la siguiente: con m 0 y τ 0. 1 > m m m

Más detalles

CORRELACION Y REGRESIÓN LINEAL

CORRELACION Y REGRESIÓN LINEAL LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución

Más detalles

GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS

GENERACION 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 detalles

ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA

ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS 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 detalles