Chuletas y apuntes de Matemáticas de Primaria

Objetivos del Modelo Discriminante

Los objetivos del análisis discriminante tienen que ver, por una parte, con la discriminación y, por otra, con la clasificación:

1. Discriminación: Encontrar las variables que mejor diferencien entre la pertenencia a un grupo y a los demás.
2. Clasificación: Derivar una regla que pueda usarse de manera óptima para asignar nuevos casos a los grupos predefinidos.

Fase de Diseño

En la fase de diseño existen tres tareas de especial relevancia:

• Selección de variables: Establecer si las variables que van a tomarse en cuenta cumplen una serie de condiciones previas.
• Tamaño de muestra: Determinar si la muestra tiene un tamaño adecuado para que los resultados sean estables y extrapolables.
• División de muestra: Elaborar

La Estadística

La estadística es una ciencia o disciplina científica dedicada al desarrollo y aplicación de la teoría y las técnicas apropiadas para la recolección, clasificación, presentación, análisis e interpretación de información cuantitativa y/o cualitativa obtenida por observación o experimentación.

Los Datos Estadísticos

Los datos estadísticos son conjuntos de números referidos a una misma característica, que guardan entre sí relaciones significativas. Por tanto, pueden ser comparados, analizados e interpretadas sus relaciones. Un número aislado que no se compara con otro, o que no muestra relación significativa en otros números, no es un dato estadístico.

Organización de los Datos

Los datos estadísticos se pueden

Resultados del Estudio Epidemiológico

En los --------- individuos estudiados, -------- presentan -----------------------, lo que corresponde a una prevalencia del ---------------% con un intervalo de confianza del 95% del ------% - -----------%.

1. Diferencias Estadísticamente Significativas

Existen diferencias estadísticamente significativas entre ---------------------- y -------------- (chi-cuadrado = ----------; p=-----------), encontrándose una mayor prevalencia de ---------------------------- en las personas ----------------------------- que en las ---------------------- (--------% vs. -----------% respectivamente). El OR obtenido es de -------- con un intervalo de confianza del 95% entre --------- - -----------, lo cual indica que la... Continuar leyendo "Factores de Riesgo y Prevalencia de la Infección Tuberculosa: Resultados Estadísticos" »

El Método Científico: Definición y Proceso

El método científico envuelve la observación de fenómenos naturales, la postulación de hipótesis y su comprobación mediante la experimentación. El conocimiento actual representa las hipótesis científicas y teorías respaldadas por observaciones y experimentos (método empírico).

Etapas del Proceso Científico

• Observación de un hecho o fenómeno: Para observar con mayor precisión, los científicos han desarrollado instrumentos especializados como telescopios y microscopios.
• Formulación de hipótesis: Es una suposición sobre el fenómeno observado, propuesta por el científico para explicarlo. La hipótesis debe ser demostrada experimentalmente.
• Experimentación: Consiste en provocar un

Conceptos Fundamentales del Método de Elementos Finitos (MEF) y Mecánica de Sólidos

A continuación, se presentan una serie de afirmaciones clave sobre el Método de Elementos Finitos, problemas de difusión, elasticidad y principios variacionales.

1. MEF: Definición y Alcance

   A) ¿Cuál de las siguientes afirmaciones describe adecuadamente el método de los elementos finitos?

   Es un método aproximado para resolver ecuaciones en derivadas parciales.

2. Fenómenos de Difusión

   B) En un problema de difusión de masa, la dirección de flujo:

   Es desde donde hay más concentración a donde hay menos.

3. Elasticidad y Elementos Triangulares

   C) En un modelo de Elementos Finitos para un problema de elasticidad con elementos triangulares de deformación constante:

1. El sistema mayoritario

Se basa en la existencia de regiones geográficas dentro del país o regiones político-geográficas llamadas circunscripciones electorales. Cuando en una región se elige un solo mandatario se denomina “uninominal”; en el caso de que se elijan dos, “binominal”; y cuando se eligen más de dos, se llama “plurinominal”.

a) De mayoría simple

Es aquel que requiere que el ganador tenga el mayor número de votos. Es una elección simple; sin embargo, deja a los grupos minoritarios sin representación.

b) De mayoría absoluta

Es aquel que requiere que el ganador obtenga más del 50% de los votos. Este sistema generalmente exige una segunda vuelta, lo cual permite reagrupar a las fuerzas políticas y el retiro de aquellos... Continuar leyendo "Sistemas Electorales: Funcionamiento y Aplicación en Chile" »

Diagonalización de Endomorfismos

Un valor propio (o autovalor) existe si hay un vector e ∈ E, con e ≠ 0, tal que f(e) = αe.

Un vector propio (o autovector) está asociado al valor propio α si f(e) = αe.

Propiedades fundamentales

• 1. α es valor propio de f ⇔ f - αId : E → E no es inyectiva.
• 2. Si α es valor propio, el conjunto de vectores propios asociados a α es un subespacio vectorial, denotado como V(α) = Ker(f - αId).
• 3. Un vector e ∈ E no nulo no puede ser vector propio asociado a dos valores propios diferentes.

Demostración: α es v.p. de f ⇔ existe e ≠ 0, f(e) = αe ⇔ (f - αId)(e) = 0. Si e ∈ V(α) ∩ V(ν), entonces f(e) = αe = νe, lo que implica α = ν.

Diagonalización y Linealidad

F es diagonalizable: Si existe... Continuar leyendo "Diagonalización de Endomorfismos y Espacios Vectoriales: Conceptos Fundamentales" »

Análisis de Regresión y Variables

El análisis de regresión me permite determinar con cierta precisión los valores individuales de la variable dependiente a partir de los valores de las variables dependientes.

Falso, el análisis de regresión permite establecer la relación entre las variables independientes (X) sobre el valor promedio de la variable dependiente (Y).

Intervalo de Confianza

Un intervalo de confianza para un parámetro poblacional se construye conociendo el % de error y la distribución del parámetro estimado.

Falso, se requiere conocer alfa, b y la distribución de b. A partir de la distribución se puede conocer los Se(b).

P-valor y Significancia

Un p-valor bajo garantiza que el parámetro poblacional es distinto de cero.

Falso,... Continuar leyendo "Conceptos Clave sobre Regresión: Verdades, Falsedades y Aclaraciones" »

¿Puede ser la desviación típica de la variable X negativa?

Razona la respuesta. No, por definición, ya que la desviación típica es la raíz cuadrada positiva de la varianza.

¿Puede ser la covarianza de una variable bidimensional (X, Y) negativa?

Razona la respuesta. La covarianza puede ser positiva y negativa, ya que la suma de los productos de las desviaciones de cada una de las variables respecto a sus medias puede ser igualmente positiva y negativa.

¿Es posible que la covarianza de una variable bidimensional (X, Y) sea nula?

La covarianza sí puede ser nula, ya que la suma de las desviaciones de una de las variables respecto de su media puede ser nula. En este caso, se dice que las variables están incorreladas.

¿Qué matemático fue

Escalas de medición: nominal, ordinal, de intervalo y de razón

Cuando el dato de una variable es una etiqueta o un nombre que identifica un atributo de un elemento, se considera que la escala de medición es una escala nominal. Por ejemplo, en relación con la tabla 1.1, la escala de medición para la variable bolsa de valores (mercado bursátil) es nominal porque N y NQ son etiquetas que se usan para indicar dónde cotiza la acción de la empresa. Cuando la escala de medición es nominal, se usa un código o una etiqueta no numérica.

Por ejemplo, para facilitar la recolección de los datos y para guardarlos en una base de datos en una computadora, puede emplearse un código numérico en el que 1 denote la Bolsa de Nueva York y 2 el Mercado