Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema"

Transcripción

1 Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio co cada cliete. Objetivo teórico: Determiar la ditribució del úmero de cliete e el itema Objetivo práctico: Equilibrar lo cote de capacidad del ervicio y el cote de ua epera larga. TEORÍA DE COLAS Etudio matemático de la caracterítica de lo itema de cola. TEORÍA DE COLAS 1

2 Proceo e ua cola 1. Etrada de cliete 2. Sitema de cola 3. Salida de cliete cola o líea de epera mecaimo de ervicio SISTEMA DE COLAS FUENTE ENTRADA CLIENTES COLA MECANISMO SERVICIO SALIDA CLIENTES TEORÍA DE COLAS 2

3 Etrada de cliete TAMAÑO Número total de cliete poteciale (població de etrada): Fiito (fuete limitada) (itema cerrado) Ifiito (fuete ilimitada) (itema abierto) Supoició habitual: tamaño ifiito (e decir, el úmero de cliete e la cola NO afecta el úmero potecial de cliete fuera de ella) ENTRADA O FUENTE Uitaria (hipótei uual) Por bloque TIEMPO ENTRE LLEGADAS Determiita Probabilita (hipótei uual) Supoició habitual: ditribució de probabilidad expoecial y llegada de cliete idepediete e idéticamete ditribuida (IID) TASA MEDIA DE LLEGADA TEORÍA DE COLAS 3

4 Número medio de llegada de cliete por uidad de tiempo La taa puede variar e fució del úmero de cliete e la cola (1/ e etoce el tiempo medio etre llegada) TASA MEDIA DE ACCESO (O DE LLEGADA EFECTIVA) EF Número medio de etrada de cliete (lo que realmete accede al itema) por uidad de tiempo Sólo tiee etido cuado hay ua capacidad de cola (má adelate e defie el cálculo de EF ) Cola NÚMERO MÁXIMO DE CLIENTES ADMISIBLE (capacidad de cola) Fiito (pérdida del cliete o reiteto) Ifiito Supoició habitual: cola de logitud ifiita TEORÍA DE COLAS 4

5 NÚMERO DE CANALES (carrile de ua calle ate u emáforo) e la cola. Puede haber iterferecia etre caale (movimieto de cliete de u caal a otro) Diciplia de la cola ORDEN DE SELECCIÓN de u miembro para er atedido FIFO, FIFO co límite (e el tiempo de ervicio, de tal forma que i e upera e vuelve a la cola y cuado e de uevo atedido empieza dode acabó el ervicio) (hipótei uual) LIFO SIRO (Aleatorio) Por prioridad (iterruptora o o) SERVIDORES Proporcioa el ervicio al cliete Mecaimo de ervicio TEORÍA DE COLAS 5

6 Número de ervidore: Uo Vario Puede haber idepedecia o o etre ervidore TIEMPO DE SERVICIO Determiita Probabilita (hipótei uual) Supoició habitual: ditribució de probabilidad expoecial e idepedecia e idética ditribució e lo tiempo de ervicio de u mimo ervidor (IID) TASA MEDIA DE SERVICIO Número medio de cliete que o atedido e u ervidor por uidad de tiempo. La taa puede variar e fució del úmero de cliete e la cola (1/ e etoce el tiempo medio etre ervicio) TASA MEDIA DE SERVICIO DEL SISTEMA EF Número medio de cliete que o atedido e el itema por uidad de tiempo. TEORÍA DE COLAS 6

7 (má adelate e defie el cálculo de EF ) Hipótei fudametal: ρ factor de utilizació (iteidad de tráfico): proceo o ea exploivo, e decir, que el úmero de cliete o tega ua tedecia creciete: EF ρ = < 1 EF Siedo EF la taa efectiva cuado lo ervidore etá ocupado (dado que e quiere aalizar el comportamieto del itema cuado exite cola) El factor de utilizació coicide co el porcetaje de tiempo que 1 ervidor etá ocupado. Para el cao de ervidore homogéeo co taa etoce EF = (má adelate e defiirá u cálculo para el cao geeral), y aí: 3 EF = 3 cliete/hora ρ = < = 2 cliete/hora ervidor = 2 ervidore TEORÍA DE COLAS 7

8 Medida de eficacia de u itema de cola N etado del itema 1, úmero de cliete e el itema (cola + ervicio) Hipótei fudametal: e upoe N e u proceo etacioario, e decir, N t e idepediete de t (taa de llegada y utilizació idepediete de t, e decir, o hay hora de puta y de valle, o toda uidade de tiempo homogéea) L úmero medio de cliete e el itema L = E[N] N q logitud de la cola, úmero de cliete e la cola L q úmero medio de cliete e la cola L q = E[N q ] T tiempo de epera de lo cliete e el itema W tiempo medio de epera de lo cliete e el itema W = E[T] T q tiempo de epera de lo cliete e la cola W q tiempo medio de epera de lo cliete e la cola W q = E[T q ] c úmero medio de ervidore ocupado 1 La variable de etado caracteriza idefectiblemete la codicioe e la que el itema e ecuetra. TEORÍA DE COLAS 8

9 Fórmula de Little para relacioar la medida de eficiecia Número medio de cliete e el itema/e la cola = taa de llegada x tiempo medio de lo cliete e el itema/e la cola: (1) L = EF W (2) L q = EFW q Para eteder (1), upógae W=2 hora, EF =3 cliete/hora, etoce el úmero medio de cliete e el itema e 3 2=6, tal y como e muetra e la iguiete figura (la hora 1 e depreciable dado que e upoe u itema etacioario y por lo tato hora homogéea): Para cada ua de eta hora 3 cliete permaece de la hora aterior pue W=2 1 h 2h 3h 4h 5h 6h 7 h 8h 9h 3 llegada 3 llegada 3 llegada 3 llegada 3 llegada 3 llegada 3 llegada 3 llegada TEORÍA DE COLAS 9

10 Tiempo medio de lo cliete e el itema = tiempo medio de lo cliete e la cola + tiempo medio de ervicio de u ervidor 2 : (3) W = W q + 1/ Nótee que por la defiició de eperaza L = p( N = ). Si e cooce pn ( ) p W q por (3) y fialmete e aca L q por (2). = = e calcula dicha eperaza determiado W por (1), eguidamete e aca = Número medio de cliete e el itema = úmero medio de cliete e la cola + úmero medio de ervidore ocupado: L = L q + EF/ 2 Nótee que e divide por la taa de ervicio de cada ervidor, e lugar de por la taa efectiva del itema. Eto e debe a que la medida idicada e refiere al tiempo que paa u cliete e el itema, que lógicamete e atedido e u úico ervidor. TEORÍA DE COLAS 1

11 Nótee que para compreder la aterior ecuació, dado que ρ e el porcetaje de tiempo que 1 ervidor eté ocupado, el valor c ρ = EF / e el porcetaje de tiempo que etá ocupado lo ervidore, o lo que e lo mimo el úmero de cliete iedo atedido. Número medio de ervidore ocupado e el itema = Número medio de cliete e el itema - úmero medio de cliete e la cola: c = L - L q = EF/ TEORÍA DE COLAS 11

12 Ditribució expoecial 3 M variable aleatoria tiempo etre llegada o tiempo de ervicio f M t αe α t () t = t < etrictamete decreciete e t α F M (t) EM ( ) = 1α FALTA DE MEMORIA: t 1/α La ditribució de la probabilidad del tiempo que falta para que ocurra el eveto e iempre la mima idepedietemete del tiempo que haya paado P{ M > t+ t M > t} = e αt 3 Traparecia 11 y 12 jutifica el uo de la ditribució expoecial para modelar el tiempo etre eveto iempre que éto e produzca IID. TEORÍA DE COLAS 12

13 Proceo de Poio Si lo tiempo etre llegada/ervicio e ditribuye egú ua expoecial el úmero de llegada/ervicio hata u cierto tiempo e u proceo de Poio. St () úmero de ocurrecia (llegada o ervicio) e el tiempo t ( t ). Se ditribuye egú ua Poio co parámetro α t (α úmero medio de ocurrecia por uidad de tiempo) { () } P S t αt ( αt) e = =,1,! = K ESt [ ()] Por la falta de memoria de la expoecial, la probabilidad de ocurrecia de u uceo e u itervalo (pequeño) de tiempo de logitud t abiedo que o e ha producido hata el mometo t e directamete proporcioal a α t, de hecho t P S( t t) S( t) 1 α t e α + = =, idepediete de t. Eta hipótei e creíble e uceo { } (llegada/alida) IID por lo que la Poio tambié e creíble para modelar el úmero de ocurrecia. = αt TEORÍA DE COLAS 13

14 Modelo geeral: taa depediete de N Hipótei: Ditribució IID de llegada y alida expoecial. Coidéree =,1, K la taa efectiva de llegada de cliete al itema dado que hay cliete Nt ( ) =. Coidéree =,1, K la taa efectiva de alida de cliete del itema dado que hay cliete Nt ( ) = Diciplia FIFO Objetivo (eceario para aplicar fórmula de Little): Obteer la probabilidad p. Nótee que co el modelo geeral: = p ; = p EF = ; EF = p( Z = ) EF = aleatoria codicioal { q/ q } iedo Z la variable = N N > (dado que para el factor de utilizació e upoe cola) TEORÍA DE COLAS 14

15 Sea dt ta pequeño que de u etado dado ólo e puede paar a do poible etado 4 (diagrama de taa de traició). dt 1 dt -1 dt dt dt 2 dt dt +1 dt Por er proceo de Poio, la probabilidad de ocurrecia de u uceo e u t e proporcioal a dt (llegada proporcioal a dt, alida proporcioal a dt ) 4 Se aume que la imultaeidad de eveto o puede dare al coiderar que u probabilidad e ula (proporcioal a dt 2. TEORÍA DE COLAS 15

16 d Por er el itema etacioario e obvio que e tiee p () t = dt (iedo p () t = P ( N( t) = ) ). Como para u itema etacioario o o e cumple: d P () t P () t P () t P () t dt = ( + ) (ver apute) etoce e cocreto para lo itema etacioario e tiee: P + P = P + P (ecuacioe de balace de probabilidade de etrada y alida) Taa media de llegada al etado 1P P+ 1 (ver diagrama de taa) Taa media de alida del etado P + P (ver diagrama de taa) taa medio de llegada = taa media de alida TEORÍA DE COLAS 16

17 = 1P1 P = 1 1 P = 1 = 1 P + 2P2 = ( 1+ 1) P1 P2 = P = 2 1P1+ 3P3= ( 2+ 2) P2 P = P P L P = P P = 1 1L 1 = 1 2L C = = 1, 2, K 1L 1 C = 1 = 1 P = CP = 1 P = = = C = TEORÍA DE COLAS 17

18 Número medio de cliete e el itema L= P Número medio de cliete e cola co ervidore L = ( ) P Aplicar fórmula de Little para calcular el reto de medida de eficiecia q = = TEORÍA DE COLAS 18

19 Notació kedall de u itema de cola NOTACION: A/B//m/d Ditribució del tiempo etre llegada / Ditribució del tiempo de ervicio / Número de ervidore / Número máximo de cliete e el itema / Diciplia de la cola Para A y B: M expoecial, D degeerada (tiempo cotate), E Erlag (Gamma), G geeral Si m o aparece por defecto ifiito. Si d o aparece por defecto FIFO Ejemplo: M/M/ M/M//K/FIFO M/M// M/G/1 tiempo etre llegada expoecial / tiempo de ervicio expoecial / ervidore TEORÍA DE COLAS 19

20 Cola M/M/1 Taa media de llegada cotate e idepediete del etado del itema = Taa media de ervicio cotate e idepediete del etado del itema = Factor de utilizació ρ = Para alcazar etado etable ρ < C = = ρ P 1 P = = 1 ρ P (1 ) = ρ ρ =,1,2, K 5 ρ = ρ P = 1 x m m+ 1 5 Nótee que k x = y por tato k = 1 x k 1 x = pero olo cuado x < 1. 1 x k = TEORÍA DE COLAS 2

21 Medida de fucioamieto de cola M/M/1 Número medio de cliete e el itema ρ L= P = = = 1 ρ Número medio de cliete e cola co 1 ervidor 2 2 ρ Lq = ( 1) P = = = 1 1 ρ ( ) Tiempo medio de lo cliete e el itema W L 1 1 = = = (1 ρ ) Tiempo medio de lo cliete e cola 1 ρ Wq = W = (1 ρ) Factor de utilizació del ervidor c = L Lq = 1 P TEORÍA DE COLAS 21

22 Cola M/M/ Taa media de llegada cotate e idepediete del etado del itema = Taa media de ervicio = > Factor de utilizació ρ = Para alcazar etado etable ρ < (-1) TEORÍA DE COLAS 22

23 C 1! = 1! > P = = = 1 1 C ! + =! + 1! +! = = = 1 P = 1 = 1 ( ρ) ( ρ) +!!(1 ρ) P 1 P! = 1 1 P! > TEORÍA DE COLAS 23

24 Medida de fucioamieto de cola M/M/ ( ) Número medio de cliete e cola co ervidore ρ Lq = P 2!(1 ρ) Número medio de cliete e el itema L= Lq + Tiempo medio de lo cliete e cola Lq Wq = Tiempo medio de lo cliete e el itema L 1 W = = Wq + Factor de utilizació del ervidor c = L Lq = TEORÍA DE COLAS 24

25 Cao particular de M/M/: Cola M/M/ ( a ifiito) El itema tiee u úmero muy grade de ervidore (itema de autoervicio, viita a ua ciudad: cada viitate e da u ervicio y o hay cola). Taa de llegada = Taa de ervicio = (dado que e ete cao e el úmero de vece que el mimo idividuo e ervido e 1 día) / ( / ) Probabilidad de cada etado p = e =,1,... (ditribució de Poio)! 1 Medida de fucioamieto de la cola L= ; Lq = ; W = ; Wq = ; c = L Lq = TEORÍA DE COLAS 25

26 Cola M/M//K K úmero máximo de cliete e el itema (por ejemplo, lugare dipoible para lo cliete camilla-) No e permite la etrada cuado el itema etá lleo. =,1,2, K, K 1 Taa media de llegada y alida = = K K Número de ervidore iferior al úmero máximo de cliete K 1,1,2,,! = K 1 C =, 1,, K! = + K ; P = C P; > K 1 ρ = 1 K 1 1! +! 1 c = = + P = 1 ρ ( k + 1) =!! TEORÍA DE COLAS 26

27 L q ( k )( k + 1) p ρ = 1 2! = k + 1 k p 2 1 ( k 1) 1 + ρ 1!1 K 1 Taa media de llegada (etrada efectiva) EF = p = p = (1 PK) = = Número medio de cliete e el itema EF L = L q + Tiempo medio de lo cliete e cola Lq Wq = EF Tiempo medio de lo cliete e el itema L W = EF Factor de utilizació del ervidor EF c = L L q = TEORÍA DE COLAS 27

28 TEORÍA DE COLAS 28 Cao particular de M/M//K: Cola M/M// Capacidad del itema e igual úmero de ervidore (cetrale telefóica). Probabilidad de que el itema eté aturado (úmero de cliete igual a úmero de ervidore) /! /! i i P i = =

29 Sitema cerrado co cola M/M/1 Fuete fiita de tamaño m. Cliete ua vez ervido vuelve a la fuete. E ete cao (itema cerrado) e la taa de retoro de UN cliete, NO la taa de llegada de lo cliete al itema. La taa de retoro e etoce el úmero de ervicio olicitado por uidad de tiempo y por UN cliete ( m ) < m La taa de llegada al itema e etoce = m Probabilidad de cada etado m! p = ρ p = ( m + 1) ρp 1 < m 1 m m! ρ ( m )! y p = 1 + = 1 ( m )! p = > m iedo ρ = que e imple otació, o el factor de utilizació. TEORÍA DE COLAS 29

30 Taa media de llegada al itema = p = ( m ) p = ( m L) EF = = 1 m Número medio de cliete e cola 1+ ρ Lq = m (1 p) ρ Número medio de cliete e el itema 1 p L= m ρ Tiempo medio de lo cliete e cola Lq 1 m 1+ ρ Wq = = ( m L) 1 p ρ Tiempo medio de lo cliete e el itema L = ( L ) Factor de utilizació del ervidor c = L Lq = 1 p TEORÍA DE COLAS 3

31 Sitema cerrado co cola M/M/ Fuete fiita de tamaño m. Cliete ua vez ervido vuelve a la fuete. e la taa de retoro de u cliete ( m ) < m La taa de llegada al itema e etoce = m Taa media de ervicio = m Probabilidad de cada etado: P m P = m!( / ) P m! TEORÍA DE COLAS 31

32 Taa media de llegada al itema EF = ( m L) Número medio de cliete e cola m L ( ) q = m p (o exite expreió = aalítica) Número medio de cliete e el itema EF L= L q + Tiempo medio de lo cliete e cola Lq Wq = EF Tiempo medio de lo cliete e el itema L W = EF Factor de utilizació del ervidor EF c = L L q = TEORÍA DE COLAS 32

33 Cola M/G/1 Tiempo etre llegada idepediete y ditribució expoecial co taa de llegada Tiempo de ervicio idepediete y ditribució geeral F () co media 1 y variaza 2 σ No e puede aplicar el proceo geeralizado de acimieto y muerte ρ + σ Fórmula de Pollaczek-Khitchie: L = ρ + iedo ρ = que tedrá que er <1 2(1 ρ) para que el itema ea etacioario TEORÍA DE COLAS 33

34 Dieño óptimo de lo itema de cola (objetivo práctico) Objetivo: Determiar el ivel de ervicio que miimiza la uma de cote icurrido por proporcioar el ervicio + cote de lo cliete por etar e el itema. Cote de lo cliete: Pérdida de gaacia/productividad por pérdida de cliete Deciioe: Número de ervidore por italació Eficiecia de lo ervidore Número de itema e ervicio (italacioe) TEORÍA DE COLAS 34

35 Optimizar la taa de ervicio coocida y fija C cote por uidad de taa de ervicio por uidad de tiempo cote por cliete e el itema por uidad de tiempo C c mi CT ( ) = C + C L( ) c Para cola M/M/1 L = CT ( ) = = + Cc C TEORÍA DE COLAS 35

36 Optimizar la taa de ervicio y la capacidad del itema coocida y fija C K cote por uidad de capacidad por uidad de tiempo C cote por cliete perdido por uidad de tiempo p mi CT (, K) = C + C L(, K) + C K + C P K N c K p K TEORÍA DE COLAS 36

37 Optimizar el úmero de ervidore, coocido y fijo C cote por ervidor por uidad de tiempo mi CT () = C + C L() N c E el óptimo e tiee que cumplir que CT ( 1) CT ( ) CT ( + 1) C L () L ( + 1) L ( 1) L () C c TEORÍA DE COLAS 37

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1 Teoría de colas Adrés Ramos Uiversidad Potificia Comillas http://www.iit.comillas.edu/aramos/ Adres.Ramos@comillas.edu TEORÍA DE COLAS 1 Ua cola se produce cuado la demada de u servicio por parte de los

Más detalles

T o e r o ía í a d e d e C ol o a l s

T o e r o ía í a d e d e C ol o a l s Teoría de Cola Joé María Ferrer Caja Uiveridad Potificia Comilla Itroducció Cola: Cojuto de cliete e eera de recibir u ervicio Se roduce cuado lo cliete llega a u ervidor ocuado y ermaece e eera Teoría

Más detalles

(3.b) MODELOS EXPONENCIALES de COLAS

(3.b) MODELOS EXPONENCIALES de COLAS (.b) MODEOS EXOEIAES de OAS ITRODUIÓ A OS ROESOS DE AIMIETO Y MUERTE. Ecuacioe de euilibrio. odició de E.E. AIAIÓ DE AS EUAIOES DE EQUIIBRIO: a cola M/M/. Ilutració del comportamieto. MODEOS DE OAS EXOEIAES.

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE FÍSICA Y MATEMÁTICAS

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE FÍSICA Y MATEMÁTICAS INSTITUTO OLITÉCNICO NACIONAL ESCUELA SUERIOR DE FÍSICA Y MATEMÁTICAS INTRODUCCIÓN A ROCESOS ESTOCÁSTICOS Y SISTEMAS DE LÍNEAS DE ESERA TESIS QUE ARA OBTENER EL TÍTULO DE LICENCIADO EN FÍSICA Y MATEMÁTICAS

Más detalles

348 -M/R Versión 1 Prueba Integral 1/6 SEMANA 8 LAPSO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348

348 -M/R Versión 1 Prueba Integral 1/6 SEMANA 8 LAPSO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348 348 -/R Verió Prueba Itegral /6 SEAA 8 LAPSO 27-2 UIVERSIDAD ACIOAL ABIERTA VICERRECTORADO ACADÉICO ÁREA: IGEIERÍA ODELO DE RESPUESTA ASIGATURA: IVESTIGACIÓ DE OPERACIOES II CÓDIGO: 348 OETO: Prueba Itegral

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA 7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má

Más detalles

Máquinas Eléctricas I - G862

Máquinas Eléctricas I - G862 Máquia Eléctrica I - G86 Tema 3. Máquia Aícroa o de Iducció. Problema reuelto Miguel Ágel Rodríguez Pozueta Departameto de Igeiería Eléctrica y Eergé5ca Ete tema e publica bajo Licecia: Crea5ve Commo BY-

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

Este centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones.

Este centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones. reguta 6 utos Ua empresa de limpieza cotrata persoal e forma putual depediedo de las solicitudes de trabajo de sus clietes. ara el iicio de ua coferecia iteracioal, u cliete platea la limpieza a fodo del

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

Teoría de Colas (Líneas de Espera) Administración de la Producción

Teoría de Colas (Líneas de Espera) Administración de la Producción Teoría de Cola (Línea de Epera) Adminitración de la Producción 3C T La cola La cola on frecuente en nuetra vida cotidiana: En un banco En un retaurante de comida rápida Al matricular en la univeridad Lo

Más detalles

TEORÍA DE LÍNEAS DE ESPERA (COLAS)

TEORÍA DE LÍNEAS DE ESPERA (COLAS) TEORÍA DE ÍEAS DE ESERA COAS Cojuto de modelos matemáticos ue describe sistemas específicos de líeas de espera o colas, usados e la toma de decisioes al ecotrar el estado estable o estacioario del sistema

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito.

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito. MATEMÁTICAS 24, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES JOHN GOODRICK. Para cada sucesió ifiita abajo, determie si coverge o o a u valor fiito. (a) {! } e = (a): No coverge. El úmero e está etre

Más detalles

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año:

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año: COLEGIO COLOMBO BRITÁNICO DEPARTAMENTO DE MATEMÁTICAS PROGRESIONES/ SECUENCIAS/ SUCESIONES PROFESORES: RAÚL MARTÍNEZ Y JESÚS VARGAS Problema Jua Guillermo ivierte milloe de peo durate año, le pagará a

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

IES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 2002 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) U cliete de u supermercado ha pagado u total de 156 euros por 24 litros de leche,

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

Recuerda lo fundamental

Recuerda lo fundamental 3 Progresioes Recuerda lo fudametal Curso:... Fecha:... PROGRESIONES SUCESIONES Ua sucesió es u cojuto de...... Se llama térmio geeral de ua sucesió a... Por ejemplo, e la sucesió 1, 4, 9, 16, 5, el térmio

Más detalles

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS Diapoitiva. Cocepto y caracterítica de lo activo fiaciero 2. Reta variable, tipo y criterio de valoració 3. Reta fija, tipo y criterio de valoració 4. Duratió y covexidad de u activo fiaciero de reta fija

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

Matemáticas I - 1 o BACHILLERATO Binomio de Newton

Matemáticas I - 1 o BACHILLERATO Binomio de Newton Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

ELEMENTOS DE ÁLGEBRA MATRICIAL ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:

Más detalles

Serie 8. Respuesta transitoria a lazo cerrado

Serie 8. Respuesta transitoria a lazo cerrado Serie 8 Repueta traitoria a lazo cerrado Fució de traferecia de lazo cerrado Gc r G L G G G / G G G c u G L G U / G G G c ao : roceo de primer orde. otrol proporcioal. La válvula y el tramior tiee diámica

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2) IES Fco Ayala de Graada Sobrates de 0 (Modelo ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 0 (MODELO ) OPCIÓN A EJERCICIO _A ( 5 putos) Halle la matriz X que verifique la ecuació

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS DE HIPÓTESIS PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A IES Fco Ayala de Graada Juio de 014 (Colisioes Modelo 3) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO 3 (COLISIONES) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices

Más detalles

Soluciones problemas del Tema 2

Soluciones problemas del Tema 2 1 Solucioes problemas del Tema 1) a) E(W ) = E(X + Y + Z) = E(X) + E(Y ) + E(Z) = 0; V ar(w ) = V ar(x) + V ar(y ) + V ar(z) + (Cov(X, Y ) + Cov(X, Z) + Cov(Y, Z)) = 1 + 1 + 1 + ( 1 + 0 ) 1 4 4 = 3 b)

Más detalles

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS Págia 1 de 13 CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS E este capítulo etraremos al fial del ciclo del método cietífico, usado la iformació de la muestra para geeralizar y llegar a coclusioes

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

-PROTHIUS- Métodos Cuantitativos de Organización Industrial: Teoría de Colas. Joaquín Bautista Valhondo, Rocío Alfaro Pozo y Alberto Cano Pérez

-PROTHIUS- Métodos Cuantitativos de Organización Industrial: Teoría de Colas. Joaquín Bautista Valhondo, Rocío Alfaro Pozo y Alberto Cano Pérez Cátedra Nia -ROTHIUS- Método Cuatitativo de Orgaizació Idutrial: Teoría de Cola Joaquí Bautita Valhodo, Rocío Alfaro ozo y Alberto Cao érez D-9/2 Departameto de Orgaizació de Emprea Uiveridad olitécica

Más detalles

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas Sistemas Automáticos. Ig. Orgaizació Cov. Juio 05. Tiempo: 3,5 horas NOTA: Todas las respuestas debe ser debidamete justificadas. Problema (5%) Ua empresa del sector cerámico dispoe de u horo de cocció

Más detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS Rosario Romera Febrero 2009 1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

Teorías de falla bajo cargas estáticas

Teorías de falla bajo cargas estáticas Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto

Más detalles

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:

Más detalles

Capítulo I. La importancia del factor de potencia en las redes. eléctricas

Capítulo I. La importancia del factor de potencia en las redes. eléctricas La importacia del factor de potecia e las redes eléctricas. Itroducció Las fuetes de alimetació o geeradores de voltaje so las ecargadas de sumiistrar eergía e las redes eléctricas. Estas so de suma importacia,

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A = IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)

Más detalles

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

DISTRIBUCIÓN BIDIMENSIONAL

DISTRIBUCIÓN BIDIMENSIONAL DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 00 (Modelo 5 Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A (3 putos) Para fabricar tipos de cable, A y B, que se vederá a 50 y 00 pts el metro, respectivamete,

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

Más detalles

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL Alejadro Quiroz Zárate & Erique Villa Diharce Comuicació Técica No I-06-3/28-08-2006 (CC/CIMAT) Determiació del

Más detalles

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.) ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger

Más detalles

ANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando

ANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando AEXO Etudio de Apecto de eguridad Emprearial Muate,Maricel eei, Ferado Idice Cuetioario...3 Repueta...11 Arbol...135 Etaditica...137 Etaditica Greerale...138 Etadítica Biaria...153 Etadítica Combiada...157

Más detalles

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general 5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y

Más detalles

El Transistor de Efecto de Campo (FET)

El Transistor de Efecto de Campo (FET) El Trasistor de Efecto de Camo (FET) J.I.Huirca, R.A. Carrillo Uiversidad de La Frotera. ecember 10, 2011 Abstract El FET es u disositivo activo que oera como ua fuete de corriete cotrolada or voltaje.

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

ANALISIS ESTADISTICO DE VALORES EXTREMOS

ANALISIS ESTADISTICO DE VALORES EXTREMOS ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este

Más detalles

CURSO AVANZADO DE DISEÑO Y CÁLCULO DE ESTRUCTURAS DE HORMIGÓN ARMADO. Albacete. Abril-julio de 2010.

CURSO AVANZADO DE DISEÑO Y CÁLCULO DE ESTRUCTURAS DE HORMIGÓN ARMADO. Albacete. Abril-julio de 2010. COL. OFICIAL INGENIEROS AGRÓNOMOS DE ALBACETE COL. OFICIAL INGENIEROS TÉCNICOS AGRICOLAS DE CENTRO (ALBACETE) E.T.S. INGENIEROS AGRÓNOMOS DE ALBACETE CURSO AVANZADO DE DISEÑO Y CÁLCULO DE ESTRUCTURAS DE

Más detalles

Midiendo el Desempeño

Midiendo el Desempeño Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u

Más detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 2.004-2.005 - CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

INVESTIGACIÓN DE OPERACIONES II. JULIO CÉSAR LONDOÑO ORTEGA

INVESTIGACIÓN DE OPERACIONES II. JULIO CÉSAR LONDOÑO ORTEGA INVESTIGACIÓN DE OPERACIONES II JULIO CÉSAR LONDOÑO ORTEGA Email: julio.lodoo@correouivalle.edu.co jclodoor@gmail.com MODELOS DE FILAS DE ESPERA El Papel de la Distribució Expoecial Ua variable que sirva

Más detalles

Ejercicios Resueltos ADC / DAC

Ejercicios Resueltos ADC / DAC Curso: Equipos y Sistemas de Cotrol Digital Profesor: Felipe Páez M. Programa: Automatizació, espertio, 010 Problemas Resueltos: Ejercicios Resueltos ADC / DAC ersió 1.1 1. Se tiee u DAC ideal de 10 bits,

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

Imposiciones y Sistemas de Amortización

Imposiciones y Sistemas de Amortización Imposicioes y Sistemas de Amortizació La Imposició u caso particular de reta e el cual cada térmio devega iterés (simple o compuesto) desde la fecha de su aboo hasta la fecha fial. Imposicioes Vecidas

Más detalles

Estadística para Química - 1er. cuat. 2007 - Marta García Ben

Estadística para Química - 1er. cuat. 2007 - Marta García Ben Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,

Más detalles

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 001 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Se quiere orgaizar u puete aéreo etre dos ciudades, co plazas suficietes de pasaje y carga,

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

Matemáticas Financieras

Matemáticas Financieras Matemática Fiaciera Fracico Pérez Herádez Departameto de Fiaciació e Ivetigació de la Uiveridad Autóoma de Madrid Objetivo del curo: Profudizar e lo fudameto del cálculo fiaciero, eceario para u aplicació

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas

Más detalles

MODELOS DE PROBABILIDAD

MODELOS DE PROBABILIDAD 3 MODELOS DE PROBABILIDAD.- VARIABLES ALEATORIAS DISCRETAS E ocasioes, alguas variables aleatorias sigue distribucioes de probabilidad uy cocretas, coo por ejeplo el estudio a u colectivo ueroso de idividuos

Más detalles

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p : Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

Sistemas de colas: clase 1. Amedeo R. Odoni 10 de octubre de 2001

Sistemas de colas: clase 1. Amedeo R. Odoni 10 de octubre de 2001 Sistemas de colas: clase Amedeo R. Odoi de octubre de 2 Temas de teoría de colas 9. Itroducció a las colas: ley de Little; M/M/. olas de acimieto y muerte de Markov. ola M/G/ y extesioes 2. olas de prioridad:

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4) IES Fco Ayala de Graada Sobrates de 8 (Modelo 4) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 8 (MODELO 4) OPCIÓN A EJERCICIO 1_A (3 putos) U joyero fabrica dos modelos

Más detalles

ESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas:

ESTADÍSTICA. Al preguntar a 20 individuos por el número de personas que viven en su casa, hemos obtenido las siguientes respuestas: ESTADÍSTICA Ejercicio º.- Al pregutar a 0 idividuos por el úmero de persoas que vive e su casa, hemos obteido las siguietes respuestas: Elabora ua tabla de frecuecias. Ejercicio º.- E ua empresa de telefoía

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Ley de los números grandes

Ley de los números grandes Capítulo 2 Ley de los úmeros grades 2.. La ley débil de los úmeros grades Los juegos de azar, basa su sistema de gaacias, fudametalmete e la estabilidad a largo plazo garatizada por las leyes de la probabilidad.

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ

Más detalles

TEMA 1: OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS

TEMA 1: OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS TEMA : OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS..-INTRODUCCION : Etedemos por operació fiaciera de amortizació, aquella, e que u ete ecoómico, (acreedor ó prestamista), cede u

Más detalles

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros

Más detalles

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n.

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n. Fucioes de varias variables (I TEMA - FUNCIONES DE VARIAS VARIABLES (I: LÍMITES Y CONTINUIDAD. Coceptos topológicos previos e el espacio euclídeo R. Sea R el espacio euclídeo de dimesioes. U puto a de

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

ANÁLISIS Y RESOLUCIÓN DE CIRCUITOS

ANÁLISIS Y RESOLUCIÓN DE CIRCUITOS NÁLSS Y ESOLCÓN DE CCTOS. Las Leyes de Kirchhoff..- Euciado de las Leyes de Kirchhoff. Defiició de Nodo y Lazo Cerrado. Las Leyes de Kirchhoff so el puto de partida para el aálisis de cualquier circuito

Más detalles

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato. UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios

Más detalles

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano (VSHFLILFDFLRQHVHQHOGRPLQLRGHOWLHPSR E capítulos ateriores se ha estudiado la respuesta de estado estable de los sistemas lieales ( cuado tæ ), estudiaremos ahora la respuesta trasitoria. La respuesta

Más detalles

TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I)

TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I) TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I) Tema 6- Parte 1 1 EL MÉTODO de la TASA de DESCUENTO AJUSTADA al RIESGO : a = k + p E presecia de iflació a = k + p ( 1 + a ) = ( 1 + a )(

Más detalles