Chuletas y apuntes de Matemáticas de Primaria

T5. Estimación de Máxima Verosimilitud con Normalidad

Técnica de estimación general llamada máxima verosimilitud. La estimación MV consiste en utilizar como estimadores los valores de los parámetros que hacen máxima la probabilidad (la función de densidad conjunta) de obtener la muestra que observamos. En el caso del MLS con homocedasticidad y normalidad de ε, la función de verosimilitud (en logaritmos) es:

logℓ(β^0,β^1,σ^^2ε)=−n*log(σ^2)/2 −n*log(2π)/2 −∑i(yi−β^0−β^1xi)^2/2σ^^2ε

Para maximizar logℓ, tenemos que minimizar la SR. Esto quiere decir que los estimadores MV de (β0,β1) son los MCO.

IMPLICACIÓN: MCO con homocedasticidad y normalidad tiene las propiedades asociadas a los MV.

Propiedades de los Estimadores

Aliteración  repetición de una consonante al comienzo de una Palabra o una sílaba acentuada. 

Espacios Vectoriales

Se define a partir de dos conjuntos cuyos elementos son vectores y escalares. Un vector se dice combinación lineal de dos vectores si se verifica que donde son escalares cualquiera.

Teorema de Caracterización

Los vectores son linealmente independientes si y solo si existe alguna combinación lineal de ellos igualada a cero con algún escalar. Se llama sistema ligado a todo conjunto de vectores dependientes.

Propiedades

Un sistema libre de vectores no puede contener al vector nulo, ni dos vectores iguales o proporcionales. Las coordenadas de un vector respecto a las vi son únicas.

Base y Dimensión

Se llama base de un espacio vectorial a todo sistema libre de generadores.

Subespacios Vectoriales

Un conjunto se dice subvectorial... Continuar leyendo "Espacios Vectoriales y Aplicaciones Lineales" »

Nola esan dezake (lezake) Trumpek Mexikoko mugan harresia eraikiko duela
!

B)Nola etor zaitezke galtza motzetan egiten duen hotzarekin!

Egiten duen hotzarekin galtza motzetan etortzea ere!

C)Nola pentsa zenezakeen onartuko zintuela egin diozuna egin eta gero!

Egin diozuna egin eta gero onartuko zintuela pentsatzea ere!

A)Partida amaitzeko zorian zegoela iritsi zen hirugarren gola

Partida amai
...
tzear zegoela iritsi zen hirugarren gola
.

B)Eraikina erortzeko zorian dago. Hala ere hantxe bizi nahi du

Eraikina eror
...Tzear egona
...
gatik hantxe bizi nahi du
.

C)Teilatutik jaistear zegoela harrapatu zuten lapurra poliziek

Teilatua jaisteko zorian zegoela harrapatu zuten lapurra poliziek
.

D)Berehala iritsiko da nork bere saria edo zigorra jasotzeko momentua

Nork

El Teorema de la Probabilidad Total nos dice que sean X1, X2,..., Xk una partición del espacio muestral y sea Y otro suceso aleatorio cualquiera. Mientras que el Teorema de Bayes nos dice lo mismo pero con una partición diferente.

Variable discreta - Modelo de probabilidad binomial B ~ (n, p)

• Dos posibles resultados (éxito y fracaso, sí y no, etc.)
• Los resultados son independientes entre sí
• La probabilidad de éxito no varía
• Donde n es el número de individuos en donde se realiza el ensayo y p la proporción de éxito
• Si se seleccionan N individuos de la población, la probabilidad de que se produzcan k ocurrencias del suceso entre los N individuos seleccionados se calcula:

Variable continua - Modelo de probabilidad normal N ~ (????, ????)

• La

Intervalos de Confianza y Contraste de Hipótesis

Nivel de Confianza y Precisión en Intervalos de Confianza

• A menor nivel de confianza, menor tamaño del intervalo, mayor precisión.
• A mayor nivel de confianza, mayor tamaño del intervalo, menor precisión.

Contraste de Hipótesis

Tenemos una sentencia o hipótesis de partida y queremos ver si nuestros datos la apoyan o la rechazan.

Pasos para el Contraste de Hipótesis

1. Determinar cuál es nuestro contraste de hipótesis:
   • H₀ – Lo que acepto a no ser que los datos digan lo contrario (Hipótesis Nula)
   • H₁ – Lo contrario de lo que indique la hipótesis nula (Hipótesis Alternativa)
2. Cálculo del estadístico de contraste. Lo calculamos a partir de los datos de la muestra; la fórmula difiere dependiendo

Análisis de insights:

1 – entendimiento inicial

2 – entender el contexto (parte de esto en vivir la experiencia)

3 – conocer usuarios y stakeholders

4 – encuadrar revelaciones y aprendizajes desde los clientes

5 – explorar conceptos de solución

6 – encuadrar y testear solución

7 – ofrecer la solución

Análisis de insights:

1 – entendimiento inicial

2 – entender el contexto (parte de esto en vivir la experiencia)

3 – conocer usuarios y stakeholders

4 – encuadrar revelaciones y aprendizajes desde los clientes

5 – explorar conceptos de solución

6 – encuadrar y testear solución

7 – ofrecer la solución

Análisis de insights:

1 – entendimiento inicial

2 – entender el contexto (parte de esto en vivir la experiencia)

3 – conocer... Continuar leyendo "Análisis Steiner" »

Los múltiplos de un número se consiguen al multiplicar un número por números naturales.

Para comprobar si un número es múltiplo de otro, se divide el primero entre el segundo y el resto debe ser 0.

El mínimo común múltiplo (m.c.m) es el menor de todos los múltiplos comunes que haya.

El máximo común divisor (m.c.d) es el mayor de todos los divisores comunes que haya.

Un número es divisor de otro, si al hacer la división, el resto es 0.

Para calcular los divisores de un número, se divide entre los números naturales 1, 2, 3… menores o iguales a él.

Los criterios de divisibilidad son unas reglas que permiten saber si un número es divisible por otro sin tener que hacer la división.

Un número es divisible entre 2 si termina en 0 o... Continuar leyendo "Conceptos básicos de divisibilidad" »

SUMA/RESTA PT FLOTANTE

MICROPROGRAMADO