Chuletas y apuntes de Matemáticas

Multicolinealidad

Definición: Relación lineal entre variables explicativas.

Tipos de Multicolinealidad

• Multicolinealidad (MCL) perfecta: La relación entre variables explicativas es exacta. Se incumple una de las hipótesis de partida.
• Multicolinealidad (MCL) de grado: Relación lineal aproximada.

Notas destacables

• Es un problema de la muestra y no de la población.
• La multicolinealidad tiene consecuencias cuando el modelo tiene una finalidad explicativa, no predictiva.

Consecuencias

Multicolinealidad Perfecta

(Relación lineal exacta entre variables explicativas): La matriz de datos X contiene una columna que es combinación lineal exacta de otras u otras; su rango, por tanto, es inferior a k (número de variables explicativas incluido el regresor...

T3.- Variable Aleatoria

Una variable aleatoria (v.a.) es una función del conjunto de los resultados de un experimento aleatorio en el cuerpo de los números reales.

• Variable discreta: la que su conjunto imagen es un subconjunto de R finito o infinito numerable, representan datos obtenidos por recuento.
• Variable continua: aquella en la que su conjunto imagen es uno o más intervalos de R, surgen en conexión con datos de medida.

Función de Probabilidad de una Variable Aleatoria

Función que asigna una probabilidad a cada realización x de la variable aleatoria X.

• Función de probabilidad de una v.a. discreta: X x1 x2….xn y P p1 p2 ….pn tal que pi=P(X=xi)>=0, para todo i=1,2,…n y p1+p2+…+pn=1
• Función de probabilidad de una v.a. continua:

Dificultades en la Ejecución de las Técnicas Escritas de Multiplicación y División Entera

Los errores más frecuentes que cometen los niños al realizar los algoritmos de multiplicación y división entera son los siguientes:

Errores al Multiplicar:

1. De obtención de los resultados de la tabla: Se equivocan en los resultados de la tabla de multiplicar. También son frecuentes los errores al multiplicar por cero (0x4=4).
2. De olvido de la llevada: Después de efectuar la multiplicación de una cifra por otra, se olvidan de sumar la llevada al resultado de multiplicar la cifra del multiplicador por la cifra siguiente del multiplicando.
3. De suma de la llevada antes de efectuar la multiplicación: Después de efectuar la multiplicación de una cifra

Resumen de Conceptos Fundamentales en Estadística

Medidas de Tendencia Central y Dispersión

• Media ($\bar{x}$): Suma todos los datos dividida por la cantidad de datos ($n$).
• Varianza ($\sigma^2$): Se calcula como $\frac{\sum (x_i - \bar{x})^2}{n}$.
• Desviación Estándar ($\sigma$): Es la raíz cuadrada de la varianza.
• Coeficiente de Variación (CV): Se define como $\left( \frac{\text{Desviación}}{\text{Media}} \right) \times 100\%$. Se utiliza para comparar la dispersión entre conjuntos de datos con medias muy diferentes. Un CV menor indica mayor homogeneidad.

Tablas de Contingencia y Relación entre Variables

Cálculos Básicos

• Totales: Suma de filas y columnas.

Prueba de Independencia

Se verifica si la frecuencia observada en una celda es igual...

A) Tabla de Frecuencias Absolutas (Kilómetros Recorridos vs. Averías)

La siguiente tabla muestra la distribución conjunta de la variable Kilómetros Recorridos (X) y el número de Averías (Y).

Interpretación: Por ejemplo, 6 vehículos que recorren 25.000 km tienen 5 averías.

B) Frecuencias Relativas Marginales de las Averías (Y)

Cálculo de la distribución marginal para el número de averías (Y).

Interpretación: El 28,79% de los vehículos presentan 5 averías, independientemente de los kilómetros recorridos.

Cálculos de frecuencias relativas:

• Para 3 averías:

Paso 1: Identificar Variables y Objetivo del Problema

Identifica las variables

Haz una lista de las variables mencionadas. Al lado de cada una, anota su tipo (cuantitativa continua/discreta, cualitativa nominal/ordinal). Este paso es fundamental y te lo preguntan directamente.

Define el objetivo

¿Qué te pide el problema? Identifica la técnica correcta según las palabras clave:

• Si te piden "describir", "explorar" o "resumir" los datos → Problema de Análisis Exploratorio de Datos (EDA).
• Si te piden "reducir la dimensionalidad", "resumir variables" o te muestran un biplot → Problema de Análisis de Componentes Principales (PCA).
• Si te piden "comparar las medias de tres o más grupos" definidos por un solo factor → Problema de ANOVA de un Factor.

Autocorrelación: Causas y Efectos

La autocorrelación ocurre cuando se incumple el supuesto de incorrelación en un modelo. En este escenario, los elementos fuera de la diagonal principal de la matriz de varianzas-covarianzas no son todos nulos, lo que provoca que los estimadores obtenidos no sean óptimos.

Causas principales

• Existencia de variables endógenas retardadas.
• Omisión de variables relevantes.
• Especificación de una relación funcional errónea: el término de perturbación captura tal efecto, provocando autocorrelación en el modelo.
• Las técnicas de manipulación de datos pueden introducir un patrón sistemático que conduzca a la autocorrelación.
• En series de tiempo, es probable que las observaciones sucesivas sean dependientes entre

Herramientas Fundamentales para la Gestión y Mejora de Procesos

Diagrama de Flujo

El Diagrama de Flujo es una herramienta utilizada para identificar, definir y representar las diferentes actividades o fases de un proceso. Cada fase se representa con un símbolo con un significado concreto, unido por flechas que indican la dirección del flujo. Se obtiene una visión clara del inicio y el fin del proceso, así como de las actividades que se realizan. Dentro de cada símbolo habrá una breve descripción de la actividad.

Mejora Continua de Procesos (Ciclo PHVA/PDCA)

Cualquier empresa que implemente un Sistema de Gestión de Calidad (SGC) debe tener en cuenta que la estrategia consiste en una mejora continua y permanente. La mejora de procesos se...

Técnicas de Muestreo y Fundamentos de Estimación

I. Técnicas de Muestreo

A. Muestreo Aleatorio

Se caracteriza porque cada elemento de la población tiene la misma probabilidad de ser elegido.

• Muestreo Aleatorio Simple: Cada elemento tiene igual probabilidad de selección.
• Muestreo Aleatorio Sistemático: El método garantiza que aparezcan elementos de todas las clases. Este procedimiento exige numerar todos los elementos de la población, pero en lugar de extraer $n$ números aleatorios, solo se extrae uno.
• Muestreo Estratificado: La distribución de la muestra entre los diferentes estratos se denomina asignación o afijación. Pueden utilizarse distintos criterios de asignación:
  • Uniforme o Simple: A todos los estratos les corresponde el mismo

Definición y Naturaleza de la Hipótesis

Del marco teórico se extraen las hipótesis, que representan respuestas sobre las cuales el investigador ha avanzado desde las preguntas iniciales de la investigación. Las hipótesis orientan la búsqueda de explicación al problema planteado y constituyen la respuesta probable a la pregunta de investigación.

Una hipótesis es una afirmación tentativa, posible, medible, concreta, clara y específica, diseñada para ser verificada y contrastable empíricamente. No debe ser formulada en términos valorativos o evaluativos, y debe estar estrechamente relacionada con los objetivos específicos de la investigación y con el marco teórico.

Tipos de Formulación de Hipótesis

Existen diversas formas de formular...