Análisis de 1000 en 1000 casillas del PREP y el CD Víctor Romero Rochín Instituto de Física, UNAM En las siguientes gráficas se compara el resultado real.

Slides:



Advertisements
Presentaciones similares
ANOVA DE UN FACTOR.
Advertisements

Algoritmo computacional ¿Por qué el PREP no es aleatorio?
Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace
Le propongo un juego….
Tema 9: Gráficos de control
Instituto tecnológico de Villahermosa
LLEGADA DE DATOS AL PREP … ANOMALÍAS? Víctor Romero Rochín UNAM.
Capítulo 5 Método de MonteCarlo
Un análisis estadístico del PREP y del Conteo Distrital Víctor Romero Rochín.
Capitulo 10: La metodología Box-Jenkins
Probabilidad Escriba su nombre Estándar: Probabilidad y Estadística.
Razón de Cambio Promedio Razón de Cambio instantánea (la derivada)
ANOVA Modelo I: Comparación entre medias
CÁLCULO DE PROBABILIDADES
Frecuencia y severidad
1 Elecciones Presidenciales 2006: Análisis Estadístico de los Resultados Publicados por el PREP Noviembre 2006.
1 Planteamiento del problema ¿Tenemos los humanos la capacidad de percibir si nos miran desde atrás? O, más exactamente: ¿Es defendible que existen otras.
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
Distribuciones y Probabilidad
Recuento de paquetes electorales Javier Aparicio División de Estudios Políticos Centro de Investigación y Docencia Económicas,
Análisis estadístico de la elección presidencial 2006 Dr. Javier Aparicio División de Estudios Políticos, CIDE Abril 27, 2007.
Informe Análisis Estadístico Elecciones Víctor Romero; Instituto de Física, UNAM -Francisco Portillo; Instituto de Matemáticas, UNAM -Rosario Paredes;
Modelo de regresión simple: Y =  1 +  2 X + u 1 Hemos visto que los coeficientes de regresión b 1 y b 2 son variables aleatorias. Estos, respectivamente,
Vectores Aleatorios 1 Distribución conjunta de un vector aleatorio
Probabilidad y estadística
Tema 17: Contraste paramétrico de hipótesis I: Pruebas de contraste para un grupo. Pruebas de contraste para dos grupos: independientes o relacionados.
(Organización y Manejo de Archivos)
Descomposición Factorial Unidad 5
Programa escolar 2008 Los nuevos desafíos en la enseñanza de la
Control Estadístico de Procesos Introducción a la Probabilidad.
Teoría de Probabilidad
DISTRIBUCIÓN DE PROBABILIDAD CONTINUA
Tema 7: Regresión Simple y Múltiple. EJEMPLO: Aproxima bien el número de préstamos que efectúa una biblioteca a lo largo de su primer año de vida. Nos.
DISTRIBUCIONES DE MUESTREO
Unidad V: Estimación de
Un número aleatorio es aquel obtenido al azar, es decir, que todo número tenga la misma probabilidad de ser elegido y que la elección de uno no dependa.
INVESTIGACION DE OPERACIONES
Estimación Sea una característica, un parámetro poblacional cuyo valor se desea conocer a partir de una muestra. Sea un estadístico ( función.
FACILITADOR JOSE HERIBERTO CRUZ GARCÍA
Recuento de casillas durante el cómputo distrital: un análisis preliminar Dr. Javier Aparicio División de Estudios Políticos CIDE
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO FACULTAD DE INFORMATICA Y ELECTRONICA ESCUELA DE DISEÑO GRAFICO ESTADISTICA TEMA: estadista, entendimiento.
Inferencia Estadística
Análisis Cuantitativo de Datos (Básico)
Clase 4a Significancia Estadística y Prueba Z
Inferencia Estadística
ESTADÍSTICA DESCRIPTIVA
Unidad II: Variables Aleatorias Concepto Discreta y Continua Fun. de densidad Fun. de probabilidad F. de distribución Esperanza y Varianza Propiedades.
Dr. José Guadalupe Ríos1 MUESTRA DE ANÁLISIS DE CONFIABILIDAD Consiste en seleccionar al azar n productos, poniéndolos a funcionar hasta que fallan. Entonces.
Simulación por Computadora del Fraude Electoral
DISTRIBUCIONES MUESTRALES
DIAGRAMA DE FLECHAS O RUTA CRITICA
Relación uno a uno Estas relaciones entre bases de datos se dan cuando cada campo clave aparece sólo una vez en cada una de las tablas. Tomando un ejemplo.
Métodos de muestreo.
Estimación y contraste de hipótesis
CIFRAS SIGNIFICATIVAS
EJERCICIOS RESUELTOS PROBABILIDADES
Análisis de los datos de las elecciones para presidente 2006 Dr. Héctor G. Riveros y Dr. Enrique Cabrera.
RIESGO, RENDIMIENTO Y VALOR
Matemáticas 2º Bachillerato CS
Aspectos generales de la investigación educativa en el SNIT
P y E 2014 Clase 4Gonzalo Perera1 Repaso de clase anterior Probabilidad condicional, independencia de sucesos. Distribución Binomial e Hipergeométrica.
Medición y Metrología Medición. Base de la Instrumentación
FUNCIÓN DE PROBABILIDADES. ENTRE PROBABILIDADES Y FUNCIÓN HAY UNA ESTRECHA RELACIÓN…
REGRESIÓN LINEAL SIMPLE
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
Profesora: Debárbora Nancy Integrantes: Contreras Marina; Vargas Mónica Curso: 3er año del Profesorado de Matemáticas I. N. T.: Prof. Eduardo A. Fracchia.
 Clara Espino. Pruebas de Hipótesis.. En esta estadística clásica el promedio poblacional es un parámetro fijo y por lo tanto no tienes ningún tipo de.
ANALISIS DE VARIANZA.
Alvaro Alfredo Bravo Dpto. de Matemáticas y Estadística Universidad de Nariño - Colombia METODOS ALEATORIOS.
Transcripción de la presentación:

Análisis de 1000 en 1000 casillas del PREP y el CD Víctor Romero Rochín Instituto de Física, UNAM En las siguientes gráficas se compara el resultado real de los conteos PREP y Conteo Distrital (líneas quebradas azules), contra un conteo simulado al azar (líneas quebradas en rojo). El análisis consiste en sumar los votos de por cada 1000 casillas, conforme estas fueron siendo registradas por el IFE. Para realizar la simulación al azar se considera lo siguiente: 1) Tomando los datos del IFE se puede calcular la distribución de votos por casilla por cada candidato (vea 2) Con estas últimas se puede, a su vez, calcular la distribución de votos por cada 1000 casillas, suponiéndolas estadísticamente independientes. 3) Con esas distribuciones se puede “simular” una posible votación cuyo conteo sea al azar. Esos resultados son las líneas quebradas en rojo en las siguientes gráficas, y es lo que hemos llamado la “expectativa”. Note que, con excepción del PRI en el Conteo Distrital, las demás muestran que no hubo, esencialmente, ninguna componente azarosa en el conteo. En 1000 casillas se tienen, aproximadamente, 300,000 votos. Es de notarse que ningún conjunto de 300,000 votos (líneas azules) refleja el resultado final de la votación. La líneas rojas, por construcción, son consistentes con el resultado final. Es de notarse también que los datos reales (líneas azules) aparecen en varios casos de manera ordenada en el tiempo.

PAN

Algunos comentarios sobre el azar El azar no es una propiedad intrínseca de las cosas; o sea, que no podemos decir que algo “tenga” azar o no. El azar emerge de manera natural cuando el resultado de un proceso depende de MUCHOS factores que, o no podemos tomar en cuenta, o no podemos controlar … En otras palabras, dadas esas condiciones, el resultado de un proceso se convierte en impredecible y lo consideramos aleatorio. No se debe confundir el que algo sea considerado como aleatorio, con la asignación de las probabilidades, una vez que ya se acepto como tal. La asignación de las probabilidades, a un proceso que ya se consideró como aleatorio, es un problema muy difícil en general y no existen reglas absolutas para resolverlo. Por supuesto que un proceso puede tener una parte sistemática y una aleatoria. En este caso, sí es relativamente sencillo saber cuál es la parte sistemática. En un proceso de conteo de votos, simultáneo en 300 lugares separados espacialmente, se dan las condiciones para que existan muchos factores incontrolables. Esto genera que el proceso sea al azar. Se arguye que en los conteos aquí discutidos existen aspectos sistemáticos, tanto de origen “natural” como “programados”, todos especulativos. Lo que es claro es que en estos conteos la parte sistemática dominó completamente a la azarosa.