Hola.

Cita de: YeffGC en 10 Enero, 2024, 07:22 pm

Ya aplique transformaciones y ninguno me ayuda...

¿Realmente puedo aplicar los analisis?
¿cual es el metodo mas viable y mas exacto para este tema?

¿Qué quieres decir con lo de que ninguno te ayuda? El test de Shapiro te ha dado un p-valor muy bajo, lo cual te permite descartar la hipótesis nula de normalidad en los datos. En realidad, ese es el objetivo del test.

Antes de hacer un test debes formular una hipótesis nula, esto es, una hipótesis que pretendes descartar. En función de esa hipótesis y de cómo sean los datos que tengas realizarás un test u otro.

Un saludo.

Hola si formule que era Normales necesito solo confirmar si puedo realizar el analisis de test a mis datos     hace dias un colega me dijo que no podia aplicarlo por los supuestos que no aplican

Tras varios dias he llegado a lo siguiente:



Supongamos que organizamos el código A en una posición específica en el cuadrado. Dado que debemos cumplir con la restricción de no repetir códigos en filas y columnas, A no puede aparecer en ninguna otra posición en la misma fila ni en la misma columna.

Al incorporar la restricción adicional para evitar secuencias idénticas de dos números consecutivos, descubrimos que los códigos adyacentes a A (ya sea en la misma fila o columna) tampoco pueden ser A.

El conflicto surge porque, aunque podemos evitar que A aparezca en posiciones específicas, aún necesitamos llenar las otras casillas con B, C, D, E, F, G. Al hacerlo, es inevitable que algunos de estos códigos deban aparecer en posiciones adyacentes, contradiciendo así la restricción de no permitir secuencias idénticas de dos números consecutivos.


Me gustaría saber si mi análisis es el adecuado

Hola me surgió una duda a raíz del siguiente video

El cual explica que

\[  \sqrt{4} \neq 2 \]

Alguien puso una supuesta demostración
\( \sqrt{x}=\left |\sqrt{x}\right | \)

Escribiendo \( x=(\sqrt{x})^2 \)

Aplicando raíz cuadrada en ambos lados

\[ \sqrt{x}=\sqrt{(\sqrt{x})^2} \]

Aplicando la definición de valor absoluto

\( \sqrt{x}=\left |\sqrt{x}\right | \)

¿Cuál es el error del vídeo y de la demostración anterior?

Hola me ayudan a demostrar he estado dandole vuelta todo el dia y ya no doy mas:

Sea \( S\in \mathbb{R} \)y M el conjunto de las combinaciones afines de elementos de S. Para todo \( x, y \in M  \), demuestra que \(  z=\lambda x+(1-\lambda)y \) es también una combinación afín de elementos de S y, por lo tanto, que el conjunto M es un conjunto afín.

Hola YeffGC. Escribir los valores que toma \( f(x) \) cuando \( x \) se acerca a cierto valor \( x_0 \) en una tabla sólo sirve para comprender el concepto de límite, pero no prueba nada. La forma de probar que un límite existe es mediante su definición o mediante propiedades de límite (que se demuestran a partir de la definición). Ojo que a veces un curso llamado "Cálculo" puede ser totalmente distinto a otro curso con el mismo nombre dictado para otra carrera en la misma universidad, así que no hay que guiarse sólo de los nombres de las asignaturas.

Habría que ver cuáles son los objetivos de aprendizaje del curso en esa carrera. Por ejemplo, para un alumno de biología o geografía puede que el objetivo de aprendizaje del capítulo de límites sea entender gráficamente qué significa para luego tener una noción de asíntotas y derivadas. Quien estudia la malla curricular de una carrera siempre hace estas podas, ya sea porque profundizar en ciertas áreas puede ser irrelevante para la formación del profesional (y por tanto una pérdida de tiempo) o porque sabe que la base de sus estudiantes no permitiría comprender más profundo (por lo que también sería una pérdida de tiempo). Además, en algunas carreras importa más que el estudiante vea un curso rápido de matemática abarcando lo más posible que uno en profundidad, nota que nunca hay suficiente tiempo (semestres en la carrera) para ver cada área en profundidad, así que algo hay que cortar.

Comprendo gracias por esa explicación

Es una duda más conceptual debido a que como matemático nos enseñaron a calcularlo por medio de la definición épsilon-delta, pero he observado algunas carreras que ven el tema de limites lo hacen por medio de tablas acercandose al limite,¿ cuales son las deficiencias de usarse el limite por ese método?

como calculo la esperaza y desviación del siguiente problema:


Considere una población U particionada en L estratos de tamaños \( N1, N2, \ldots , N_L \), en cada estrato
se selecciona una muestra aleatoria simple sin reemplazamiento de tamaño \( n_h \), \( h=1,2,\ldots,L  \) Las
muestras son independientes de un estrato a otro. Un estadístico propone estimar \( \displaystyle\hat{\displaystyle\bar{Y}} \) por


donde S es el conjunto que contiene los valores observados de la variable y de las n unidades poblacionales
seleccionadas para la muestra. Recuerde que \( \displaystyle\sum^L_{h=1}n_h=n  \)


Calcule \( E(\displaystyle\hat{\displaystyle\bar{Y}})  \) y la desviación estándar

Queremos estimar las ventas promedio relacionadas con una población de negocios. Los negocios se
enumeran a priori en tres clases por ventas. Los datos son presentados en la tabla (0.3). Se selecciona
una muestra de 111 negocios.

Ventas en millones de dolares              Número de Negocios
De 0 a 1                                              1000
De 1 a 10                                            100
De 10 a 100                                         10



Teniendo confianza en las valoraciones de los expertos y en ausencia

de cualquier otra información. Suponemos que la distribución de las ventas es uniforme dentro
de cada clase. Calcule la varianza del estimador del promedio de ventas por muestreo aleatorio
estratificado con

a) asignación proporcional


Peso:


\begin{eqnarray*}
W_h&=&\displaystyle\frac{N_h}{N}\\[0.3cm]
W_1&=&\displaystyle\frac{1000}{1110}=0.90\\[0.3cm]
W_2&=&\displaystyle\frac{100}{1110}=0.09\\[0.3cm]
W_3&=&\displaystyle\frac{10}{1110}=0.009
\end{eqnarray*}

Asignación:

\begin{eqnarray*}
n_h&=&W_hn \\[0.3cm]
n_1&=&0.90*111=100\\[0.3cm]
n_2&=&0.09*111=10\\[0.3cm]
n_3&=&0.009*111=1
\end{eqnarray*}


Mi problema esta en querer encontrar la varianza ya que me hace falta información para calcular [tex]s_h^2[\tex] podrian darme una idea

Hola estoy enredado intentando demostrar lo siguiente:

Sea \( X_n  \)en \( N(0,\sigma^2_n)  \), ¿cuando será \( \{ X_n  \}  \) uniformemente integrable?

No se si he traducido mal el ejercicio del ingles pero no comprendo cuando puede ser U.i

No. Una medida de Lebesgue-Stieltjes es cualquier medida obtenida vía el teorema aplicado a alguna función \[ F \] que cumpla las condiciones. Es decir, no es una medida concreta sino es una familia de medidas. Puedes decir que tal medida es una medida de Lebesgue-Stieltjes, pero no puedes hablar de la medida de Lebesgue-Stieltjes, pues hay muchas medidas de Lebesgue-Stieltjes distintas.

Cuando se habla de medida de Lebesgue, a secas, se refiere a una medida concreta, que es la medida de Lebesgue-Stieltjes correspondiente a tomar \[ F \] igual a la identidad. Así, se habla de la medida de Lebesgue (en \[ \Bbb R \]). Al igual que la medida de probabilidad normal es una medida concreta, que pertenece a la familia de medidas de Lebesgue-Stieltjes, pero que es distinta de la medida de Lebesgue (pues corresponde a tomar una \[ F \] distinta, la que puse en mi mensaje anterior).

En resumen, "medidas de Lebesgue-Stieltjes" hace referencia a una familia de medidas, de las que hay infinitas medidas distintas. "Medida de Lebesgue" y "medida de probabilidad normal" hacen referencia a dos medidas concretas, distintas entre sí, y ambas pertenecen a la familia de medidas de Lebesgue-Stieltjes.

)
Gracias ahora esta muy claro ahora se que puedo construir una distribución para esa medida que seria la distribución normal pero es para el caso (0,1)   pero en otro caso obtenemos

\(  \displaystyle\frac{1}{\sigma \sqrt{2\pi}} \displaystyle\int_{x}^{- \infty}  \displaystyle e ^ {-\displaystyle\frac{(t-\mu)^2}{2\sigma^2}} dt  \)


se puede justificar la inclusion de \( \mu, \sigma  \)  asi mismo la estandizacion  \(  Z \) es a cierto modo una transformacion de medida?