REPETICIÓN

Petición es la acción y efecto de repetir o repetirse

(volver a hacer o decir lo que ya se había hecho o
dicho). El concepto procede del latín repetitĭo. Por
ejemplo: “Esta discusión parece una repetición del
conflicto de la semana pasada”, “Francisco miró a su
mujer y volvió a decir lo mismo: la repetición de las
palabras, esta vez, generó el efecto deseado”.
En los medios de comunicación, suele hablarse de
repetición para nombrar a la emisión o al programa ya
transmitido con anterioridad. En este sentido, repetición es lo opuesto a estreno:
“Otra vez están con la repetición de la final del Mundial”, “Mañana voy a ver la
repetición del concierto de U2”, “No sé por qué anuncian esta película como un
estreno, si no es más que una repetición”.
Por regla general, los canales de televisión lo que hacen es recurrir a repeticiones
bien cuando se trata de un programa o un espacio que ha sido muy importante y
que seguramente muchas personas desean volver a ver, o bien cuando se les cae
algo de la parrilla y necesitan rellenar algún tipo de hueco horario.

En este caso, por ejemplo, podríamos subrayar que una de las series de la
pequeña pantalla que en más ocasiones ha sido repuesta en todo el mundo es la
comedia “Friends”, que cuenta la vida de varios amigos norteamericanos que
tienen treinta años y que deben hacer frente a todo tipo de situaciones personales
y laborales.
No obstante, tampoco hay que pasar por alto que, en otras ocasiones, se recurren
a emitir repeticiones para conformar la programación de canales “secundarios” de
la misma empresa que no cuentan todavía con mucha audiencia o que no
disponen de productos propios.

La repetición también puede ser una figura retórica que consiste en repetir adrede
palabras o conceptos con intención estética o para fijar una idea: “¿Viste el
partido? ¡Qué buen partido! No puedo creer que hayamos ganado ese partido”,
“Muere Juan, muere Miguel, muere Gastón, siempre mueren los jóvenes que
luchan por la liberación”.
Diseño experimental
El diseño experimental es una técnica estadística que permite identificar y
cuantificar las causas de un efecto dentro de un estudio experimental. En un
diseño experimental se manipulan deliberadamente una o más variables,
vinculadas a las causas, para medir el efecto que tienen en otra variable de
interés. El diseño experimental prescribe una serie de pautas relativas qué
variables hay que manipular, de qué manera, cuántas veces hay que repetir el
experimento y en qué orden para poder establecer con un grado de confianza
predefinido la necesidad de una presunta relación de causa-efecto.

El diseño experimental encuentra aplicaciones en la industria, la agricultura, la

mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc.
constituyendo una fase esencial en el desarrollo de un estudio experimental.
Perspectiva histórica
Ronald Fisher es considerado el padre del diseño experimental en sus estudios de
agronomía en el primer tercio del siglo XX. A la lista de los pioneros de su uso hay
que añadir los de Frank Yates, W.G. Cochran y G.E.P. Box. Muchas de las
aplicaciones originarias del diseño experimental estuvieron relacionadas con la
agricultura y la biología, disciplinas de las que procede parte de la terminología
propia de dicha técnica.
Las aplicaciones a la industria textil comenzaron en la década de 1930 en
Inglaterra y se popularizaron y extendieron a las industrias química y
manufacturera de Europa y EE. UU. tras la II Guerra Mundial. Es de notar su uso
actual en la industria de la electrónica y los semiconductores.
¿Que es Diseño factorial?
En estadística, un experimento factorial completo es un experimento cuyo diseño
consta de dos o más factores, cada uno de los cuales con distintos valores o
niveles, cuyas unidades experimentales cubren todas las posibles combinaciones
de esos niveles en todo los factores. Este tipo de experimentos permiten el estudio
del efecto de cada factor sobre la variable respuesta, así como el efecto de las
interacciones entre factores sobre dicha variable.
FACTOR
El término factor, de origen latino, tiene diversos usos. En el campo de las
matemáticas, se conoce como factor cada una de las cantidades o expresiones
que pueden multiplicarse para formar un producto. También se le dice factor al
submúltiplo.
La factorización es una operación algebraica para expresar un número o un objeto
como el producto de otros factores más pequeños. Es decir, la multiplicación de
estos factores da como resultado el número u objeto original. Por ejemplo: el
número 21 puede factorizarse en la multiplicación de los números primos 3 y 7
(7×3= 21).
En un nivel general, un factor es un elemento o una concausa (cosa que, junto con
otra, es la causa de un efecto): “El tabaquismo es un factor de riesgo para el
desarrollo de enfermedades coronarias”, “Varios factores incidieron en la derrota
del seleccionado argentino”.
Se conoce como factores de producción o factores productivos a los recursos que,
combinados en un proceso productivo, agregan valor en la elaboración de bienes
y servicios. La economía clásica reconoce tres factores fundamentales: la tierra, el
capital y el trabajo.
Factor X o X-Factor es una agrupación de superhéroes creados por Marvel
Comics. Su primera alineación, presentada en 1986, incluía a los cinco X-Men
originales. Por otra parte, Factor X es también un programa televisivo dedicado a
la búsqueda de talentos musicales.

Por último, cabe destacar que The X Factor es un disco de la banda inglesa Iron
Maiden que fue editado en 1995 y que supone el primer álbum del grupo sin el
cantante Bruce Dickinson.
El factor humano
En el ámbito organizacional existe el concepto de factor humano, el cual hace
referencia a uno de los elementos que forman parte de una empresa y que reúne
aquellas cualidades que las personas ponen al servicio de la organización para
lograr los objetivos que se tengan.
Se trata de un fenómeno multidimensional que se encuentra íntimamente relegada
a un sinfín de variables internas y externas.
 UNIDAD EXPERIMENTAL
Es la unidad más pequeña de la cual se obtiene una medida o característica. Por
ejemplo a un investigador le puede interesar: las familias, las personas, las
empresas de un cierto tipo, etc.
VARIABLES
Es el nombre genérico que reciben los datos.
Ejemplo: Ingresos monetarios de las familias chilenas. Los datos o medidas que
se obtienen pueden ser la suma de todos los ingresos de la familia. Por lo tanto
hablamos en este caso de la Variable Ingreso total de las Familias Chilenas.
TIPOS DE VARIABLES ESTADISTICAS
a) Se denomina VARIABLE CATEGORICA o CUALITATIVA a aquellas cuyos
valores o características son categorías o clases excluyentes.
Ejemplo: sexo, estado civil, nivel socioeconómico, color del pelo, color de los ojos,
etc.
b) Se denomina VARIABLE CUANTITATIVA o NUMERICA a aquellas cuyas
medidas posibles se pueden expresar por números, las que se han obtenido por
medición o recuento.
Por ejemplo: temperatura corporal, edades, numero de pacientes hospitalizados,
numero de accidentes, tiempo de espera para ser atendido en un servicio, etc.
TIPOS DE VARIABLES CUANTITATIVAS
Se denomina VARIABLE CUANTITATIVA DISCRETA a aquellas cuyas posibles
medidas son un conjunto finito o infinito numerable de valores numéricos.
Por ejemplo: numero de hijos por familia, numero de accidentes por día, numero
de hojas por tallo de una cierta planta, etc.
Se denomina VARIABLE CUANTITATIVA CONTINUA a aquellas cuyo valor
observado esta determinado por números reales, generalmente esas variables
pueden tomar toda una gama de valores dentro de la recta real.
Ejemplo: Peso de una persona, estatura; edad; presión sanguínea, etc.
ESCALAS DE MEDICIÓN PARA VARIABLES
i) Escala Nominal: Es aquella forma de medición de las variables cualitativas
cuyas categorías no pueden ser ordenadas respecto a alguna característica.
Ejemplo: color de ojos, estado civil, sexo, etc.
ii) Escala Ordinal: Es aquella forma de medición de las variables cualitativas
cuyas categorías admiten una ordenación.
Ejemplo: Nivel socioeconómico (Alto, Medio, Bajo)
 Variable independiente
El término variable independiente es a veces una fuente de confusión, ya que
muchos suponen que su nombre deriva de que la variable es independiente de
cualquier manipulación.
El nombre se debe a que la variable es aislada de cualquier otro factor, lo que
permite la manipulación experimental para establecer resultados analizables.
Algunos artículos de investigación parecen aportar resultados por medio de la
manipulación de más de una variable experimental, pero esto suele estar errado.
Es probable que cada variable manipulada sea un experimento en sí mismo, una
zona en donde las palabras "experimento" e "investigación" difieren. Simplemente
es más conveniente para el investigador unirlos en un solo artículo y discutir los
resultados generales.
El investigador botánico también podría estudiar los efectos de la temperatura o de
la cantidad de agua sobre el crecimiento, pero estos estudios deberían ser
realizados como experimentos separados y la conclusión y discusión se unirían al
final.
Ejemplos de variables independientes

Un buen ejemplo de un experimento con variables experimentales fácilmente

definidas es el famoso Experimento de la planta de guisante de Mendel.

El monje austriaco realizó una polinización cruzada de plantas de guisantes para

establecer qué características eran pasadas de generación en generación. En este
caso, la característica hereditaria de la planta madre fue la variable independiente.
Por ejemplo, cuando las plantas con vainas verdes se cruzaron con plantas con
vainas amarillas, el color de la vaina era la variable independiente.

En el Experimento del muñeco Bobo de Bandura, si los niños estaban expuestos a

un adulto agresivo o a un adulto pasivo era la variable independiente.
Este experimento es un ejemplo perfecto de cómo el concepto de variables
experimentales puede llegar a ser un poco más complejo. También estudió las
diferencias entre niños y niñas, con el género como la variable independiente. Sin
duda, aquí se rompió la regla de tener una sola variable manipulada.
 VARIABLE INDEPENDIENTE
Las variables son, en el campo de las matemáticas, símbolos que aparecen en
una función, una fórmula, una proposición o un algoritmo. Su principal
característica es que tienen la capacidad de adoptar distintos valores.

Cuando el valor de una magnitud depende exclusivamente del valor de otra

magnitud, se establece una función matemática. Esta segunda magnitud, que
determina el valor de la primera, recibe el nombre de variable independiente. En
cambio, la magnitud cuyo valor depende de la otra actúa como una variable
dependiente.

Es importante que conozcamos que este término se encuentra conformado por

dos palabras que, etimológicamente hablando, proceden del latín:
-Variable deriva de “variabilis”, que significa que algo puede cambiar de aspecto y
que está formada por dos partes diferenciadas: el verbo “variare” (cambiar de
aspecto) y el sufijo “-able”, que se emplea para indicar posibilidad.
-Independiente, por otro lado, es fruto de la unión de tres componentes latinos: el
prefijo “in-“, que indica negación; el verbo “dependere”, que puede traducirse como
“estar bajo la voluntad de otro”; y el sufijo “-nte”, que se usa para dejar constancia
del “agente”.

Además de toda la información que hemos otorgado sobre la mencionada variable

independiente, se hace necesario conocer otros datos de interés como estos:
-Cuando se emplea en el ámbito de las matemáticas o la estadística, se
representa mediante la “x”.
-En su caso, siempre se desarrolla sobre lo que se conoce como eje de abscisas.
-También en algunos sectores se hace referencia a la misma como variable
manipulada.
-Se caracteriza porque se le asignan valores que son arbitrarios.
-Dentro de estas se encuentran las variables de control, que modifican al resto de
independientes y que pueden alterar un resultado debido a un sesgo.

Tomemos el caso de un hombre que debe dirigirse desde su casa hasta su lugar
de trabajo, distante a 10 kilómetros. El tiempo que le demore cubrir el trayecto
dependerá de la velocidad con la que se desplace.
 Hipótesis nula
En estadística, una hipótesis es una afirmación sobre un parámetro de la
población. 1 La hipótesis nula es una afirmación que no se rechaza a menos que
los datos de la muestra parezcan evidenciar que es falsa. 2 Para afirmar que la
hipótesis nula es verdadera se requiere estudiar a toda la población. 3 La hipótesis
nula generalmente incluye un no en su enunciado.

Ejemplos
 H0: La duración promedio de una batería no es diferente de 6 horas.
Matemáticamente: μ=6 horas. La hipótesis alternativa es H1: La duración
promedio de la batería es diferente de 6 horas.
 Hipótesis nula para la Distribución χ²:
«Si este material genético segrega en proporciones mendelianas, no habrá
diferencias entre las frecuencias observadas (Oi) y las frecuencias esperadas
(Ei)».
 Hipótesis nula para la distribución t de Student:
«Si la humedad no influye sobre el número de huevos por desove, no habrá
diferencias entre las medias de esta variable para cada región».

Posibles errores
Se rechaza la hipótesis nula basándose en las muestras. Por tanto, es posible
rechazar equivocadamente una hipótesis nula.
Por ejemplo: Tengo 1000 productos. Para comprobar que un producto tiene el
peso correcto cojo una muestra de diez productos. Puede suceder que esos diez
productos tengan el peso exacto y el resto no. Basándome en la muestra
aceptaría la hipótesis nula y afirmaría que los productos tienen el peso correcto,
cuando la realidad es otra. Sin embargo, dicho error se corregiría al demostrar que
no todos los productos tienen el peso exácto. Si se supiera de antemano que la
realidad es que no todos los productos tienen el peso exácto entonces al aplicar la
hipótesis nula no se cometería ningún error.
 Acerca de las hipótesis nula y alternativa
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La manera en que se configuran estas
hipótesis depende de lo que se intenta demostrar.
Hipótesis nula (H0)
La hipótesis nula establece que un parámetro de población es igual a un valor. La
hipótesis nula suele ser una afirmación inicial que los investigadores especifican
basándose en investigaciones previas o en su conocimiento.
Hipótesis alternativa (H1)
La hipótesis alternativa establece que el parámetro de población es diferente del
valor del parámetro de población en la hipótesis nula. La hipótesis alternativa es lo
que usted podría pensar que es cierto o espera probar que es cierto.
¿Cuáles son algunas de las hipótesis comunes?
Las hipótesis para determinar si una media de población, μ, es igual a cierto valor
objetivo μ0 incluyen las siguientes:
 H0: μ = μ0
 H1: μ < μ0 (una prueba de cola inferior) o
 H1: μ > μ0 (una prueba de cola superior) o
 H1: μ ≠ μ0 (una prueba de dos colas)
Las hipótesis para determinar si una media de población, μ1 es igual a otra media
de población μ2incluyen las siguientes:
 H0: μ1 = μ2
 H1: μ1< μ2 o
 H1: μ1> μ2 o
 H1: μ1≠ μ2

Bloque
Un bloque, en informática, es la cantidad más pequeña de datos que pueden
transferirse en una operación de entrada/salida entre la memoria principal de un
ordenador y los dispositivos periféricos o viceversa.
El tamaño del bloque o registro físico dependerá de las características del
ordenador. En la mayoría de los casos el tamaño del bloque suele ser mayor que
el del registro lógico. La adaptación consiste en empaquetar en cada bloque tantos
registros lógicos como se pueda. El empaquetamiento puede ser de tipo fuerte o
débil, según que se permita o no aprovechar el sobrante de un bloque, situando
registros a caballo entre dos bloques contiguos.

Análisis estadístico
El análisis estadístico es un componente del análisis de datos. En el contexto de la
inteligencia de negocios (BI), el análisis estadístico requiere recoger y escudriñar
cada muestra de datos individual en una serie de artículos desde los cuales se
puede extraer las muestras.

El análisis estadístico puede ser dividido en cinco pasos discretos, de la siguiente

manera:
1. Describir la naturaleza de los datos a ser analizados.
2. Explorar la relación de los datos con la población subyacente.
3. Crear un modelo para resumir la comprensión de cómo los datos se
relacionan con la población subyacente.
4. Probar (o refutar) la validez del modelo.
5. Emplear el análisis predictivo para ejecutar escenarios que ayudarán a
orientar las acciones futuras.
El objetivo del análisis estadístico es identificar tendencias. Un negocio de venta al
por menor, por ejemplo, podría utilizar el análisis estadístico para encontrar
patrones en los datos no estructurados y semi-estructurados de los clientes que se
puedan u

Andeva
El análisis de varianza es una prueba que nos permite medir
la variación de las respuestas numéricas como valores de
evaluación de diferentes variables nominales.
La prueba a realizar es de sí existe diferencia en los
promedios para la los diferentes valores de las variables
nominales; esta prueba se realiza para variables donde una
tiene valores nominales y la otra tiene valores numéricos.
En el siguiente ejemplo, se tiene la calificación de una prueba
a personas con diferentes grados de escolaridad, lo que se
intenta es probar si existe o no diferencia entre el grado
escolar (variable nominal ) y el promedio de la calificación (
variable numérica ).
Para analizar si existe diferencia en los promedios se procede
a realizar una prueba F que se explica posteriormente.

TABLA 1

CALIFICACIÓN GRADO CALIFICACIÓN GRADO

ESCOLAR ESCOLAR

67.15204678 DOCTORADO 39.5662768 ESTUDIANTE

64.36842105 DOCTORADO 39.07309942 ESTUDIANTE

60.91130604 ESTUDIANTE 38.71247563 DOCTORADO

55.38986355 ESTUDIANTE 34.95321637 ESTUDIANTE

53.917154 ESTUDIANTE 34.27777778 ESTUDIANTE

53.3460039 MAESTRÍA 34.27192982 ESTUDIANTE

52.15984405 ESTUDIANTE 67.63611386 DOCTORADO

51.86842105 ESTUDIANTE 62.77020467 DOCTORADO

 Instituto teórico practico de agricultura

(ITPA)

CATEDRATICO MARIO MANUEL MONTEJO DIAZ

CURSO: TOPOGRAFIA

TEMA

TERMINOS DE TOPOGRAFIA

FRANCISCO JESUS ALVARADO MARTINEZ

CLAVE: 2