911 resultados para Muestreo (Estadística )
Resumo:
Tesis (MaestrÃa en Salud Pública con Especialidad en Medicina del Trabajo) UANL
Resumo:
Tesis (MaestrÃa en Ciencias de EnfermerÃa con Enfasis en Salud Comunitaria) UANL
Resumo:
Tesis (MaestrÃa en Ciencias de EnfermerÃa con Enfasis en Salud Comunitaria) UANL
Resumo:
Tesis (MaestrÃa en Ciencias de EnfermerÃa con Enfasis en Salud Comunitaria) UANL
Resumo:
Tesis (MaestrÃa en Ciencias de EnfermerÃa con Enfasis en Salud Comunitaria) UANL
Resumo:
Tesis (MaestrÃa en Ciencias de Enfermeria con Enfasis en Salud Comunitaria) UANL
Resumo:
Tesis (MaestrÃa en Ciencias Forestales) U.A.N.L.
Resumo:
[Tesis] ( Maestra en Ciencias de EnfermerÃa) U.A.N.L.
Resumo:
The aim of this paper is to suggest a simple methodology to be used by renewable power generators to bid in Spanish markets in order to minimize the cost of their imbalances. As it is known, the optimal bid depends on the probability distribution function of the energy to produce, of the probability distribution function of the future system imbalance and of its expected cost. We assume simple methods for estimating any of these parameters and, using actual data of 2014, we test the potential economic benefit for a wind generator from using our optimal bid instead of just the expected power generation. We find evidence that Spanish wind generators savings would be from 7% to 26%.
Resumo:
Bogotá (Colombia) : Universidad de La Salle. Facultad de Ciencias Administrativas y Contables. Programa de ContadurÃa Pública
Resumo:
Crédito de matemáticas para ESO. Crédito dividido en dos bloques: la semejanza y la estadÃstica. Los dos apartados tienen la proporcionalidad aritmética en común y por lo tanto, el cálculo también es un elemento esencial en la propuesta. Un objetivo principal es el de resolver problemas con agilidad y facilidad tanto si son reales como inventados. A través del trabajo se potencia que el alumno se interese por la autoevaluación objetiva. Se trabajan las escalas, la semejanza y la proporcionalidad. Se ofrece material para el trabajo del alumno y para el profesorado.
Resumo:
Incluye BibliografÃa
Resumo:
Sobre la base de los objetivos propuestos, el muestreo tiene que estar cuidadosamente planeado (diseño de protocolo de muestreo) para que se pueda realizar una comprobación estadÃstica de los resultados. Las herramientas de análisis como son los cálculos numéricos y los análisis estadÃsticos están ligados al estudio en sÃ, ya que son los que nos permiten demostrar que los resultados de una investigación son el producto de procesos ecológicos y no del azar.
Resumo:
1. Realizar un estudio exhaustivo del Análisis Discriminante para evaluar su robustez con el fin de hacer las pertinentes recomendaciones al psicólogo aplicado; 2. Determinar criterios estadÃsticos que ayuden a las interpretaciones heurÃsticas de los coeficientes más relevantes, para la evaluación de las contribuciones de las variables a las funciones discriminantes. Primera investigación: Se trabajó con un diseño factorial 4x2x3x2x2 lo que supone 96 condiciones experimentales. Las cinco variables eran: a. Normalidad de las variables, b. Varianza de los grupos, c. Número de variables, d. Número de grupos, 5. Número de sujetos en cada grupo. Variable Dependiente: Para cada una de las 200 replicaciones Monte Carlo se obtuvieron las lambdas de Wilks, las V de Bartlett y su probabilidad asociada, como Ãndice de la significación de criterio discriminante. Segunda investigación: Para esta investigación se replicó el diseño de la primera investigación, es decir, las 96 condiciones experimentales con todos los factores, otorgando ahora el perfil de diferencias grupales siguiente para las condiciones con tres grupos y para las condiciones con seis grupos. Se mantuvieron constantes las correlaciones entre las variables e iguales a las de la primera investigación, 0,70. El valor de los parámetros fue obtenido mediante el programa DISCRIMINANT del SPSS/PC+. Hardware: El trabajo de simulación se llevó a cabo con ocho ordenadores personales clónicos PC:PENTIUM/100 Mhz., con 16 MB de RAM. Software: Los procedimientos necesarios para la investigación fueron realizados en el lenguaje de programación GAUSS 386i, versión 3.1 (Aptech Systems, 1994). 1. Los métodos de simulación y concretamente, el método de muestreo bootstrap, son de gran utilidad para los estudios de robustez de las técnicas estadÃsticas, asà como en los de inferencia estadÃstica: cálculo de intervalos de confianza; 2. El Análisis Discriminante es una técnica robusta, siempre y cuando se cumpla la condición de homogeneidad de las varianzas; 3. El Análisis Discriminante no es robusto ante problemas de heterogeneidad en las siguientes condiciones: Con seis o menos variables,cuando los tamaños grupales son diferentes. Para tamaños iguales, si además se presenta una alteración conjunta de asimetrÃa y apuntamiento; 4. Cuando la violación del supuesto de homogeneidad viene provocada porque la varianza mayor la presenta el grupo con menos sujetos la técnica se vuelve demasiado liberal, es decir, se produce un alto grado de error tipo I; 5. Los coeficientes de estructura son más estables e insesgados que los tÃpicos; 6. Es posible determinar los intervalos confidenciales de los coeficientes de estructura mediante el procedimiento sugerido por Dalgleish (1994). 1. El Análisis Discriminante se puede utilizar siempre que se cumpla la condición de Homogeneidad de varianzas. Es por tanto, absolutamente necesario comprobar antes de realizar un Análisis Discriminante este principio, lo cual se puede llevar a cabo a través de cualquiera de los estadÃsticos pertinentes y, en especial, la prueba de Box; 2. Ante la heterogeneidad de varianzas si el número de variables independientes es seis o inferior, deberá tenerse en cuenta que el número de sujetos debe ser igual en todos los grupos y que las variables no presenten alteraciones conjuntas de asimetrÃa y apuntamiento,por lo que, como paso previo deberá comprobarse la distribución de las variables y detectar si se presenta esta alteración. En cualquier otra condición, y ante la presencia de heterogeneidad de varianzas no se puede utilizar la técnica. Cuando el número de variables predictoras sea nueve o más, podrá utilizarse la técnica siempre, a excepción de diferentes tamaños grupales y no normalidad de las variables. El investigador aplicado deberá conocer la posibilidad que proponemos de apoyatura estadÃstica para la toma de decisiones.
Resumo:
Propuesta de crédito común del área de matemáticas dirigido al ciclo 14-16 de la ESO. Es la segunda parte de un trabajo que tiene como objetivo global impulsar la enseñanza de la estadÃstica y la probabilidad en la enseñanza secundaria. Expone los contenidos y objetivos del crédito, caracterizándose por su carácter interdisciplinario y multidisciplinario. Realiza una extensa propuesta de ejercicios y trabajos prácticos de refuerzo y/o de ampliación, requiriendo algunos de ellos soporte informático debido a la utilización de dos software de probabilidad. Expone las actividades de aprendizaje propuestas, los criterios y el material de evaluación, una temporalización indicativa del crédito y unas orientaciones para la intervención pedagógica respecto a las actividades propuestas y a sus caracterÃsticas metodológicas para cada tema: 1. El trabajo estadÃstico, 2. Parámetros de tendencia central, 3. Estudio y medida de la dispersión, 4. Relación entre variables estadÃsticas, 5. La probabilidad, 6. La esperanza matemática 7. Estimación de proporciones por métodos de muestreo.