sábado, 11 de septiembre de 2010

PUESTA EN MARCHA TRANSPORTE METROPOLITANO POR LA UNI"

Estimados compañeros de la Universidad Nacional de Ingeniería, Teniendo en cuenta la puesta en marcha del transporte metropiltano en la UNI  debemos tener en cuenta tener mucho cuidado al atravesar las pistas por los lugares correctos y tomando en consideración el doble sentido que tienen estos vehículos.



Muchos accidentes peatonales han sucedido por la costumbre o los paradigmas de mirar en un solo sentido y no en sentido contrario debido al apuro o mirar que pasa un bus y pierde noción del peligro al que se expone. Por lo cual se les recomienda cruzar las avenidas por los lugares correctos con la finalidad de proteger su valiosa integridad. Esta ley 27181, Ley General de Transporte y Tránsito Terrestre impone por primera vez en la historia severas sanciones de tipo económico a los peatones que provoquen accidentes de tránsito o cometan infracciones al Reglamento de Tránsito aprobado en el Congreso de la República el 23 de Junio del 2010 y su aplicación rige al máximo 60 días después de si aprobación.

Esta iniciativa del Ejecutivo busca disminuir los accidentes de tránsito provocados por no usar los puentes peatonales o no respetar los semáforos. No solo los conductores sino también los peatones, dadores y receptores de carga y en general todos los actores involucrados en el tránsito terrestre serán pasibles de sanciones económicas en caso infrinjan las reglas de tránsito.

Esta iniciativa fue presentada por el Ejecutivo y fue aprobada ayer por el pleno del Congreso con 81 votos a favor y tres abstenciones.

El presidente de la Comisión de Transportes, Juvenal Silva, señaló que con esta ley se espera que los peatones comiencen a “educarse” y comprendan que deben obedecer las normas de tránsito a fin de evitar accidentes.
Fuente: Metropolitano

sábado, 4 de septiembre de 2010

Congreso Estadistico PIURA 2010

EL XII CONGRESO NACIONAL DE ESTUDIANTES DE ESTADÍSTICA, denominado "La Estadística como herramienta de cambio frente a un mundo globalizado"; tendrá como sede la ciudad de Piura y se llevará a cabo en el campus de la Universidad Nacional de Piura y tiene como fecha establecida desde el 13 al 18 de setiembre del 2010.



En el Congreso Nacional de Estudiantes de Estadística (CONEEST) en su decimo segunda edición consideramos que es de principal importancia desarrollar temas de acuerdo a los nuevos métodos, modelos, ténicas,diseños, etc. , que se están empleando con el avance de la tecnología y con el desarrollo acelerado del mundo globalizado.


•PONENTES INTERNACIONALES




•Toshiya TANAKA, Ph.D.
Professor of Psychology, Kansai University (KU). Dean of the Graduate School of Psychology, KU.
País : Japan



•Dr. Luis Alberto Escobar
Presidente del Instituto Inter americano de Estadística - IASI

Dr. en Estadística, Universidad de Estado de Iowa. Departamento de Estadística Experimental, Universidad del estado de Luisiana.

País : E.E.U.U





•Dr. Enrique Raúl Villa Diharce
Investigador Titular "A" área de Probabilidad y Estadística del CIMAT (Centro de Investigación en Matemática).Guanajuato - México.

País Federal : Mexico





•Dr. Luis Pericchi Guerra
Dr. Estadística Matemática. Universidad de Londres. Departamento de Matemática. Catedrático de la Universidad de Puerto Rico Recinto de Rio Piedras San Juan, y de la Universidad Simón Bolívar, Caracas.

País : Puerto Rico





•Dr. Mario Piscoya
Docente del Departamento de Demografía del Centro de Desenvolvimiento e Planeación Regional (CEDEPLAR) Universidad Federal de Minas Gerais (UFMG) Brasil.
País : Brasil





•Dr. Heleno Bolfarine
Docente del Departamento de Estadística del Instituto de Matemática y Estadística de la Universidad de Sao Paulo - Brasil.

País : Brasil





•Dr. Diego Coria Villca
Universidad Autónoma Tomás Frías de Potosí - Bolivia.

País : Bolivia





•Dr. Luís Mauricio Castro Cepero
Departamento de Estadística. Facultad de Ciencias Físicas y Matemáticas Universidad de Concepción- chile.

País : Chile





•Msc., Juan de Jesús Sandoval
Instituto Tecnológico Metropolitano (I.TM)
Institución Universitaria
País : Colombia





COSTOS:

El precio del Congreso incluye:


•Credencial de asistencia.

•CD(Presentación de los expositores)

•Actividades Culturales, Deportivas.

•Materiales de escritorio (Maletín, lapiceros, hojas)

•Certificado



DESCRIPCIÓN (HASTA EL 15 DE AGOSTO) (DESPUES DEL 15 DE AGOSTO)

ESTUDIANTES S/. 160.00 S/. 180.00

EGRESADOS S/. 180.00 S/. 200.00





INSCRIPCIÓN

•ACERCATE AL BANCO CONTINENTAL Y DEPÓSITA EL MONTO RESPECTIVO EN CUALQUIERA DE LAS DOS CUENTAS:



CUENTAS BCO. CONTINENTAL: 0011-0267-0100057045-25

0011-0278-0100007145-94

•LAS CUENTAS ESTAN A NOMBRE DEL FUNDENORP.

•ESCANEA EL VAUCHER Y ENVIALO AL CORREO DEL CONEEST xiiconeest@hotmail.com

Mas informacion en : XII CONEEST Piura 2010


Fuente: Universidad de Piura

martes, 10 de agosto de 2010

Para que sirven las Probabilidades

A diario nos topamos con decisiones a tomar cuyo resultado nos es incierto. Si resulta que decido ir  en combi a la universidad puede haber congestión vehicular con lo cual llego tarde; en cambio ahora puedo optar por el metropolitano dicho sea de paso aun hoy no llega su recorrido a la UNI. ¿Qué decisión debo tomar? ¿Qué nos conviene hacer? ¿Con que criterio resolvemos nuestras elecciones?


En ocasiones encontramos que ciertas personas eligen mejor que otras. Lo que sucede que en muchos casos estas personas aplican criterios probabilísticos aun sin saber que lo hacen.

La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la matemática, la ciencia y la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecánica subyacente de sistemas complejos.

Veamos algunos ejemplos.



Las probabilidades son muy útiles, ya que pueden servir para desarrollar estrategias. Por ejemplo, algunos automovilistas parecen mostrar una mayor tendencia a aumentar la velocidad si creen que existe un riesgo pequeño de ser multados; los inversionistas estarán más interesados en invertirse dinero si las posibilidades de ganar son buenas. El punto central en todos estos casos es la capacidad de cuantificar cuan probable es determinado evento.

En concreto decimos que las probabilidades se utilizan para expresar cuan probable es un determinado evento.

Situaciones Diversas.

1. Cumpleaños: ¿Cuántas personas deberían estar presentes en un salón para que la probabilidad de que al menos dos celebren su cumpleaños el mismo día sea mayor que ½ ?

2. Colocación de tres bolas en tres celdas. Se tienen 3 bolas etiquetadas A, B y C y tres celdas enumeradas 1, 2y 3. Las bolas se colocan al azar en las celdas. ¿Cuál es la probabilidad de que exactamente una celda quede vacía?

- Se colocan r bolas en n celdas.

- Accidentes: r accidentes en 7 días de la semana.

- Estudio del efecto genético de la radiación: Las partículas a son las bolas y los cromosomas representan las celdas.

- Fotografía: Una placa fotográfica está cubierta por granos sensibles a la luz. Interesa saber el número de cuantos de luz (bolas) que golpea un grano (celda).



El Dilema de los Prisioneros.

Tres prisioneros, que llamaremos A, B y C, saben que dos de ellos serán liberados y el tercero permanecerá preso por un largo tiempo. Puesto que no se tiene ningún criterio para decidir quién es liberado y quien no, ninguno de ellos sabe quiénes serán los elegidos. El prisionero A le pide al guardia el nombre de uno de los prisioneros, distinto de ´ el mismo, a ser liberado. El guardia se niega con el siguiente argumento:”En este momento tu probabilidad de ser liberado es de 2/3. Sin embargo, si te digo el nombre de uno de los prisioneros que será liberado pasaras a ser uno de dos prisioneros a ser liberados con lo que tu chance de salir libre se reducirá a 1/2. Como no quiero perjudicarte no te diré nada.”

Ante esta extraña situación, cabe preguntarse si el razonamiento del guardia es correcto. ¿De qué manera la información suministrada por el guardia afecta el chance que el preso tiene de ser liberado? ¿Cómo podemos analizar este problema?

Uno de los aspectos más básicos de este problema es que, al ser liberados dos prisioneros, se tienen tres resultados posibles: A y B son liberados, A y C son liberados o B y C son liberados. Denotaremos estos resultados como {A, B}, {A, C} y {B, C} respectivamente.

Otro aspecto importante, es que si asumimos que los presos a ser liberados se escogen al azar, es decir, sin que prive ningún criterio de selección, la intuición sugiere que cada uno de los posibles resultados debe tener la misma posibilidad de ocurrir. Por lo tanto, si hemos de asignar un numero a la posibilidad de ocurrencia de cada resultado y si asumimos que se le asigna el numero 1 a un resultado que tiene un chance de ocurrencia de 100 %, este numero debería ser el mismo para todos los resultados, en este caso 1/3 (o un chance de 33 %). Observe que la situación anterior es un caso particular de la siguiente situación más general:

Se considera una acción que puede ser repetida cuantas veces se quiera en las mismas condiciones y de la cual se obtiene en cada repetición uno y solo uno de r resultados posibles. Suponemos además que no tenemos control alguno sobre el resultado a producirse en cada realización de la acción.

Veamos ahora este dilema desde el punto de vidsta de la probabilidad.
 Consideremos el experimento que consiste en seleccionar al azar un par de presos para ser liberados. Esto equivale a seleccionar al azar uno de los tres pares (no ordenados) {A, B}, {A, C} o {B, C}. Como cada par tiene probabilidad 1/3 de ser seleccionado, la probabilidad de que A sea liberado es la probabilidad de que ocurra {A, B} o {A, C}, es decir 1/3 + 1/3 = 2/3 que es lo que el guardia arma. Sin embargo en este contexto no nos es posible determinar si el hecho de que el guardia de a conocer a A la identidad de uno de los que será liberado afecta las posibilidades de A de salir libre. Para responder a esto debemos considerar un experimento con un espacio muestral (resultados) diferente. Sean



O1 = {quedan libres A y B, el guardia informa que B será liberado}

O2 = {quedan libres A y C, el guardia informa que C será liberado}

O3 = {quedan libres B y C, el guardia informa que B será liberado}

O4 = {quedan libres B y C, el guardia informa que C será liberado}



En esta situación A es liberado si ocurre O1 u O2. Observe que O1 es equivalente a seleccionar {A, B} por lo que O1 tiene probabilidad 1/3 y análogamente O2 es equivalente a seleccionar {A, C} que también tiene probabilidad 1/3. Entonces la probabilidad de liberar a A sigue siendo 1/3 + 1/3 = 2/3; y concluimos que la información suministrada por el guardia no altera las posibilidades de A de salir libre.


Fuente imagen: La vida es una rayuela

Ley de Murphy para la Estadistica

La Ley de Murphy es una forma cómica y mayoritariamente ficticia de explicar los infortunios en todo tipo de ámbitos que, a grandes rasgos, se basa en el adagio siguiente:




Esta frase, que denota una actitud “pesimista”, resignada y burlona a la vez ante el devenir de acontecimientos futuros, sería aplicable a todo tipo de situaciones, desde las más banales de la vida cotidiana hasta otras más trascendentes.



Ley de Gumperson
La probabilidad de que algo suceda es inversamente proporcional a lo que quiera que suceda.

Aforismo de Aristóteles
Siempre se debe preferir el imposible probable al posible improbable
.

Ley de la probabilidad pesimista
Si tiene que apostar póngase siempre en lo peor, tiene más probabilidades de acertar.


Segunda Ley de Levy
Sólo Dios puede hacer una selección aleatoria.


Ley de Willians y Holland
Si se reúnen suficientes datos, se puede demostrar cualquier cosa con ayuda de la estadística.

Ley de Maier
Si los hechos no se ajustan a la teoría, tendrá que deshacerse de ellos.



Corolarios:

1. Cuanto más amplia sea una teoría, mejor.

2. Se puede considerar que el experimento ha sido un éxito cuando (para que se ajuste a su teoría) no hay que eliminar más del 50 por 100 de las medidas.

Ley del tercio excluido

Si para un ajuste lineal toma tres datos y estos no están en línea, elimine cualquiera de ellos y quédese con los dos restantes.

Fuente imagen: Jaziel.

Para Estadistica y el Azar

martes, 13 de julio de 2010

El problema de la bella durmiente

Cierto día un compañero de clases me comento aquello de como aplicar probabilidad en los cuentos .
Los filósofos y matemáticos a menudo evidencian una habilidad especial para complicar las cosas. Un buen ejemplo de esto es El problema de la Bella Durmiente, una vuelta de tuerca que convierte un cuento para niños en una pesadilla para adultos.
 Sigue leyendo, y averigua por qué las brujas no deberían tener monedas, los príncipes ya no besan como antes y -sobre todo- cómo un par de cerebritos pueden encontrar una paradoja dentro de un cuento para niños. Sin desperdicio.

Todos conocemos la clásica historia de la Bella Durmiente, que se hiere con una rueca embrujada y cae en un profundo sueño del que solo el beso de un príncipe la podrá sacar. Seguro que el argumento te resulta familiar, porque Disney ha hecho una fortuna con él. Pero un filosofo llamado Adam Elga, famoso por haber creado varios puzles difíciles de resolver, basándose en el trabajo de Arnold Zuboff (publicado como “One Self: The Logic of Experience”), le ha dado una vuelta de tuerca para convertirlo en un problema lógico de difícil solución. Supongamos que es domingo, y que la Bella Durmiente se pincha el dedo con la rueca. En ese instante, se hace presente la bruja y -antes que la muchacha se duerma- arroja una moneda al aire. Si sale cara, la Bella Durmiente se despertará de la maldición el lunes y ahí se acabará la historia, sin necesidad de príncipes salvadores y sin paradojas de ninguna clase. Pero si sale sello, también se despertará el lunes, aunque solo para volver a dormirse hasta el martes. Cuando despierte el martes estará libre de la maldición pero tendrá una pequeña secuela: gracias a las malas artes de la bruja, no se acordará si se despertó o no el lunes.



Nuestra Bella Durmiente se despierta sin saber si es lunes o martes.


Puestas así las cosas, y con el Príncipe ausente del relato, nuestra Bella Durmiente se despierta sin saber si es lunes o martes. Dado que si despertó el lunes dicho evento fue borrado de su mente por la bruja, no tiene forma de saber en qué día se encuentra. Adam Elga asume que La Bella Durmiente es perfectamente racional y que el domingo, antes de quedar dormida, se ha enterado del plan elaborado por la bruja. Con estos datos, la niña puede asignar probabilidades al hecho de que sea lunes y al hecho de que sea martes. O, dicho de otro modo, puede asignar probabilidades al hecho de que la moneda cayera en cara o que cayera en sello. La cuestión a resolver es: ¿qué probabilidad subjetiva debería otorgarle ella a la hipótesis de que la moneda cayó en cara? Existen dos formas de encarar el problema.



La primera asume que como el domingo la Bella Durmiente sabía que la moneda no estaba trucada, tenía un 50% de probabilidades que cayera en cara. Dado que al ser despertada el lunes no recibe ningún dato adicional que pueda ayudarla a deducir su situación (ya que su memoria es borrada), la probabilidad es de un 50% de que sea lunes, y de un 50% de que sea martes. ¿Parece lógico, verdad? Pero antes de festejar, veamos la segunda forma en que se puede encarar este problema.



¿Confundido? No te preocupes, no eres el único.


Supongamos que el experimento de la bruja se lleva a cabo un elevado número de veces. Al igual que antes, como la moneda no esta trucada, la mitad de las veces caerá cara y la otra mitad caerá en sello. Sabemos que la Bella Durmiente se despierta una vez tras salir “cara” y dos veces tras salir “sello”. Como ambas caras de la moneda tienen las mismas probabilidades de ocurrir, todos los despertares de la muchacha tienen también la misma probabilidad. Si la bruja hace 100 veces su truco, la Bella Durmiente despertaría 50 veces en lunes (luego de salir cara), 50 veces en lunes (tras salir sello) y 50 veces en martes tras sello. Si cada vez se le pregunta a la niña “¿Qué día es hoy?”, sabe que tiene el doble de probabilidades de ser despertada tras sello que tras cara. Las probabilidades que asignará a “sello” serán 66,66% y a “cara” sólo el 33,33%.




¿Confundido? No te preocupes, no eres el único. ¿Cuál es la respuesta correcta? Adam Elga sostiene que la segunda situación es la correcta, y que existe un 33,33% de posibilidades de que la Bella Durmiente despierte el martes tras haber salido cara. David Lewis, otro experto en temas de lógica, piensa que la primera respuesta es la correcta, y que al arrojar una moneda al aire no hay otra alternativa que asignar un 50% de probabilidades a cada posible resultado. Tu ¿con quién estás de acuerdo?


Escrito por: Por: Ariel Palazzesi en Neoteo
fuente: wikipedia
fuente imagen: sobrecomic

martes, 18 de mayo de 2010

FACTOR ANOVA

El análisis de varianza (ANOVA) es el método más utilizado para el análisis estadístico de datos cuantitativos. Se calcula la probabilidad de que las diferencias entre las medias observadas podría ser simplemente debido al azar. Todo estadistico debe saber cómo usarlo.

Está estrechamente relacionado con t de Student, pero que el t-test sólo es adecuado para comparar dos tratamientos: el análisis de varianza puede ser utilizado tanto para la comparación de varios medios y en las situaciones más complejas.


Dado que sería poco ético negar el alivio del dolor, no hay grupo de control y sólo estamos interesados en saber si un fármaco funciona mejor (más baja puntuación de dolor) que otro, por lo que necesitamos para llevar a cabo un ANOVA one-way/single-factor. Entramos en estos datos en SPSS utilizando valores NUMERICOS (1, 2, 3, 4) para los medicamentos por lo que esta de datos numéricos pueden ser utilizados en el análisis de varianza:



Este es el principal resultado del ANOVA. El valor de significación comparando los grupos (las drogas) es <0,05, por lo que podría rechazar la hipótesis nula (no hay diferencia en las puntuaciones media del dolor con las cuatro drogas). Sin embargo, desde las varianzas son significativamente diferentes, esto podría ser la respuesta equivocada. Afortunadamente, el Welch y Brown Forsythe-estadísticas todavía se puede utilizar en estas circunstancias:





Resultados: Drogas 4 (Aspirina) produce resultados significativamente diferentes de los otros tres medicamentos:
La prueba de Tukey se basa en la homogeneidad de varianza, por lo que ignorar estos resultados. La prueba de los Juegos-Howell post-hoc no se basa en la homogeneidad de varianza (por ello se utilizaron dos pruebas diferentes post-hoc) y así se puede utilizar. SPSS amablemente banderas (*) que las diferencias son importantes!

Conclusión: Cuando se presenta el resultado de un análisis de varianza, se puede citar el valor de la razón F y dar el número de grados de libertad, el resultado (de una manera neutral) y el valor de significación. Así que en este caso:






Hay una diferencia significativa entre las puntuaciones de dolor de aspirinas y los otros tres drogas probadas, F (3,28) = 11.97, p <.05.



Pruebas robustas de igualdad de las medias

puntuacion

Estadístico(a)
gl1
gl2
Sig.
Welch
32.064
3
12.171
.000
Brown-Forsythe
11.967
3
18.889
.000





a Distribuidos en F asintóticamente.


El valor de significación de estos son a la vez <.05, así que todavía rechazan la hipótesis nula.Sin embargo, este resultado no nos dice qué fármacos son responsables de la diferencia, así que necesitamos el puesto hoc resultados del ensayo:



Comparaciones múltiples

Variable dependiente: puntuacion
<><>Límite superior
Límite inferior
HSD de Tukey
<><>-9.500<><>Asprin<><>Ibuprofeno<><>-8.71<><>-6.54<><>.999<><>5.875<><>33.500(*)<><>Ibuprofeno<><>-16.45<><>-9.55<><>.999<><>3.471<><>9.500<><>Ibuprofeno<><>42.26

(I) drogas(J) drogas
Diferencia de medias (I-J)
Error típico
Sig.
Intervalo de confianza al 95%
Límite inferior
Límite superior
Límite inferior

DiclofenacoIbuprofeno
-8.750
5.875
.457
-24.79
7.29



Paracetamol
5.875
.386
-25.54
6.54



-33.500(*)
5.875
.000
-49.54
-17.46



Diclofenaco
8.750
5.875
.457
-7.29
24.79

Paracetamol
-.750
5.875
.999
-16.79
15.29

Asprin
-24.750(*)
5.875
.001
-40.79


ParacetamolDiclofenaco
9.500
5.875
.386

25.54



Ibuprofeno
.750
5.875
-15.29
16.79



Asprin
-24.000(*)
.002
-40.04
-7.96


AsprinDiclofenaco

5.875
.000
17.46
49.54



24.750(*)
5.875
.001
8.71
40.79


Paracetamol
24.000(*)
5.875
.002
7.96
40.04
Games-HowellDiclofenacoIbuprofeno
-8.750
6.176
.513
-27.05
9.55

Paracetamol
-9.500
7.548
.602
-31.45
12.45

Asprin
-33.500(*)
5.194
.001
-50.55


IbuprofenoDiclofenaco
8.750
6.176
.513

27.05



Paracetamol
-.750
6.485
-20.09
18.59



Asprin
-24.750(*)
.001
-36.03
-13.47


ParacetamolDiclofenaco

7.548
.602
-12.45
31.45



.750
6.485
.999
-18.59
20.09


Asprin
-24.000(*)
5.558
.014
-42.26
-5.74
AsprinDiclofenaco
33.500(*)
5.194
.001
16.45
50.55


Ibuprofeno
24.750(*)
3.471
.001
13.47
36.03

Paracetamol
24.000(*)
5.558
.014
5.74

* La diferencia de medias es significativa al nivel .05.



Variable dependiente: Puntuación Dolor
Factor: Drogas:



  • SPSS permite a los distintos puestos de muchas pruebas especiales.Haga clic en Post Hoc de Tukey y seleccione-Howell y pruebas de los Juegos.
    • La prueba de Tukey es poderoso y ampliamente aceptado, pero es paramétrico en el que supone que las varianzas poblacionales son iguales.También se supone que los tamaños de muestra son iguales.Si este no es el caso, debe utilizar el procedimiento de Gabriel, o si los tamaños son muy diferentes, el uso GT2 Hochberg.
    • Juegos-Howell no asume varianzas poblacionales son iguales, o que los tamaños de muestra son iguales, así que es una buena alternativa si este resulta ser el caso.
  • Haga clic en Opciones y selecciona la homogeneidad de varianza de prueba, Brown-Forsythe y Welch. La homogeneidad de la prueba de varianza es importante ya que se trata de una hipótesis de análisis de varianza, pero si esta hipótesis resulta ser roto, el de Brown-Forsythe y Welch opciones mostrará versiones alternativas de la estadística F que significa que todavía puede ser capaz de utilizar el resultado.
  • Haga clic en Aceptar para ejecutar las pruebas.

Salida:
Prueba de homogeneidad de varianzas

puntuacion
Estadístico de Levene
gl1
gl2
Sig.
4.837
3
28
.008

El valor de importancia para la homogeneidad de las varianzas es <0,05, por lo que las varianzas de los grupos son significativamente diferentes. Como se trata de una hipótesis de ANOVA, tenemos que ser muy cuidadosos en la interpretación de los resultados de esta prueba:
ANOVA: Dolor


Suma de cuadrados

df

Mean Squar

F

Sig.

Entre los grupo

4956.375

3

1652.125

11,967

.000

Dentro de los grupos

3865.500

28

138,054




Total
Total
8821.875
8821.875
31
31








EJEMPLO
One-Way / de un solo factor ANOVA:
Datos:


Las puntuaciones de dolor para los analgésicos
Drogas
Dolor Puntuación:
Diclofenaco 0,35,31,29,20,7,43,16
Ibuprofeno 30,40,27,25,39,15,30,45
Paracetamol 16,33,25,32,21,54,57,19
Asprina 55,58,56,57,56,53,59,55