Análisis de Tasa Efectiva de Servicio y Retardo en SMS

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

Download "Análisis de Tasa Efectiva de Servicio y Retardo en SMS"

Transcripción

1 Aálisis de asa Efectiva de Servicio y Retardo e SMS Alex Alvarado S., Luis Viett P. y Walter Grote H. Departameto de Electróica Uiversidad écica Federico Sata María Av. España 1680, Casilla Postal: 110-V, Valparaíso, Chile wgh@elo.utfsm.cl Resume.- El Short Message Service (SMS) es u servicio que permite a suscriptores GSM eviar u mesaje de texto simple, de hasta 160 caracteres. El bajo costo, la coveiecia que implica el evío silecioso e iequívoco de datos y la relativa rapidez del relevo de los SMS, se ha traducido e ua amplia aceptació de este servicio. Coviee etoces evaluar el redimieto e térmios de la tasa efectiva de servicio (throughput) y el retardo para los SMS a ivel de la capa MAC. Dado que existe poca iformació referete al tema, este documeto se preseta como ua referecia para estudios posteriores. Abstract.- he Short Message Service (SMS) eables GSM subscribers to sed each other a simple text message, costraied to a maximum of 160 characters. he low service cost, the coveiece of beig able to deliver siletly accurate data at a reasoable speed has brought SMS to worldwide acceptace levels. his motivates the coveiece of throughput ad delay evaluatio at the MAC level. his documet is preseted for future work referece due to the fact that little has bee published i this cotext. Keywords.- SMS, GSM, Sigalig Chaels, SDCCH, hroughput, Retardo 1.- Itroducció La tecología GSM (Global System for Mobile), es u estádar para comuicacioes móviles ampliamete aceptado a ivel mudial. Es la orma pa-europea de telefoía celular digital creada por la ESI (Europea elecommuicatios Stadards Istitute), y está siedo usada por más de 400 milloes de usuarios e el todo el mudo [Sam02]. El estádar GSM es u sistema de comuicacioes de telefoía móvil basado e la comutació de circuitos. Proto se vio la coveiecia de ofrecer u servicio adicioal de itercambio de breves mesajes de datos etre los usuarios. De esta foma ace el cocepto y la tecología asociada al Short Message System (SMS) [Bri99]. El SMS es u servicio que permite el evío de mesajes cortos de texto etre termiales móviles co u largo máximo de 160 caracteres. Este servicio, es del tipo store ad forward, lo cual permite que si el equipo del destiatario se ecuetra apagado, o fuera del área de cobertura, el mesaje sea almaceado e la red hasta que pueda ser retirado por el destiatario. Si bie existe umerosas publicacioes referetes al fucioamieto del sistema SMS [Peer00] [Bri99] [Car03], los autores o cooce documetos que aborde el tema de establecer la tasa efectiva de servicio (throughput) y retardo e detalle. Éste aálisis es importate tato a ivel de usuario como de proveedor de servicios, pues la máxima tasa de trasferecia ofrecida y el retardo medio e la recepció de u SMS iteresa tato a quie evía el mesaje como a quie diseña, admiistra y provee el servicio. El resto de este documeto está orgaizado de la siguiete forma. E la secció 2 se preseta ua descripció del sistema, así como detalles sobre la trama GSM y la codificació utilizada e los caales de cotrol. E la secció 3 realiza el aálisis de la tasa efectivas de sevicio (throughput), mietras que e la secció 4 se aaliza el retardo e SMS. Fialmete e la secció 5 se preseta las coclusioes del presete trabajo. 2.- Descripció del Sistema. El SMS es u servicio que permite el evío de mesajes cortos de texto etre termiales móviles co u largo máximo de 160 caracteres. Existe dos tipos de SMS dispoibles: mesajes de difusió (cell broadcast), usados para eviar iformació de cotrol uidireccioales a los termiales móviles que tega habilitado el servicio detro de ua celda, y mesajes puto a puto (poit-to-poit). Los SMS poit-to-poit so eviados desde u móvil a otro, [Peer00]. Este documeto se cetra e el aálisis de los SMS poit-to-poit por ser los de mayor iterés para los usuarios. A los proveedores de servicio tambié les iteresa coocer las tasas de servicio y retardos que está asociados a la iterfaz de aire de este servicio. Detro de las características importates de este sistema se destaca que o es ecesario poseer ua casilla para almacear los mesajes. De hecho, los SMS llega automáticamete al termial y se almacea e éste. Debido a que la trasmisió de los SMS se realiza usado los caales de cotrol de GSM es posible cursar ua llamada y recibir u mesaje e forma simultáea SMS e la trama GSM. E la Figura 1 se muestra u esquema de la jerarquía de la trama GSM. E esta se puede apreciar tato los caales de cotrol (señalizació) como los caales de tráfico de voz ó datos los cuales so multiplexados e el tiempo, [Aga04], [Rap02], [Ad01]. Como se puede apreciar e la Figura 1, ua trama (frame) correspode a la uidad básica de la jerarquía y está compuesta de 8 rauras temporales (time slots) deomiados S 0,..., S 7. Estas tramas so agrupadas e ua multitrama (multiframe) de 26 tramas para el caso de tráfico y e 51 tramas para el caso de señalizació. A su vez, las multitramas so agrupadas e ua supertrama (superframe) de 51 ó 26 multitramas para el caso de Seacitel, Nov. 2004, Valdivia, Chile 35.1/5

2 tráfico y de señalizació respectivamete. Por último, las supertramas se agrupa e ua hipertrama (hyperframe) de 2048 supertramas, [Rap02]. 6.12[s] tato e el elace de subida como e el de bajada, [Car03], [Aga04]. La estructura de la multitrama de cotrol para el caal de bajada se preseta e la Figura ,5[ms] SDCCH 1 SDCCH 2 SDCCH 3 SDCCH 4 SDCCH 5 SDCCH [ms] 235.4[ms] Voz ó Datos 4.615[ms] S 0 S 1 S 2 S 3 S 4 S 5 S 6 S Señalizació Figura 1: Jerarquía de la trama GSM [Rap02]. E la Fig. Figura 2 se destaca S 0, utilizada para señales de cotrol, mietras que S 1, S 2, S 3, S 4, S 5, S 6 y S 7 se utiliza para tráfico de voz/datos. El aálisis de este documeto se cetra a ivel de ua multitrama de cotrol (51 tramas de 8 S cada uo) [ms] S 0 S 1 S 2 S 3 S 4 S 5 S 6 S 7 Figura 2: Divisió del frame para cotrol y voz. Si bie GSM provee el trasporte de datos sobre u caal de tráfico, para la trasmisió de u SMS poit-to-poit se utiliza caales de cotrol, lo cual permite el tráfico de voz y de mesajes e forma simultáea. Depediedo de si existe o o ua llamada e curso, el SMS se evía por caales de cotrol diferetes. E caso de teer ua llamada e curso, se utiliza el caal SACCH (Slow Associated Cotrol Chael). E caso de que se trate de u mesaje que es eviado a u termial que o está cursado ua llamada, se usa el caal SDCCH (Stad-aloe Dedicated Cotrol Chael). Para el aálisis presetado e el presete documeto se asume que o existe ua llamada e curso e el termial que evía o recibe u SMS, lo cual, a juicio de los autores, represeta ua situació más realista. Además se aaliza el desempeño para ua sola portadora e el sector de la celda, portadora que comparte señalizació y caales de voz. ambié se asume la presecia de u sólo usuario que iteta eviar u SMS, es decir, o existe cotieda etre múltiples usuarios por la toma del caal SDCCH. Fialmete, tampoco se asume que las trasmisioes pueda ser iterferidas y, e cosecuecia, está libres de error de caal. Estas simplificacioes tiee por objeto poder establecer la cota máxima de la tasa efectiva de servicio y el míimo retardo esperado. A lo aterior se agrega que tampoco se aaliza los retardos itroducidos por el servidor de mesajes, que tampoco es parte de este estudio. La multitrama puede teer distitas cofiguracioes, que so elegidas por el proveedor de servicios. Se asume ua cofiguració SDCCH/8 la que cueta co 8 caales SDCCH SDCCH 7 SDCCH 8 SACCH 1 SACCH 2 SACCH 3 SACCH 4 Iddle Elace de bajada e cofiguracio SDCCH/8 Figura 3: Estructura de multiframe cofigurada co SDCCH/8. Los 32 S que so utilizados para SDCCH se agrupa e 8 sub-caales SDCCH de 4 S cada uo. Si pérdida de geeralidad y para simplificar el aálisis, este se cetrará e el caal de bajada e dode los 8 caales SDCCH se ecuetra cotiguos y al comiezo de la multitrama como se detalla e la Figura Codificació de los caales de cotrol. E u sub-caal SDCCH, al igual que para cualquier otro subcaal de cotrol e GSM, se puede itroducir hasta 184 bits de iformació. Esta iformació es codificada usado u shorteed biary cyclic fire code (SBCFC), que agrega 40 bits de paridad a los 184 bits de iformació. Adicioalmete se agrega 4 bits de cola obteiédose u total de 228 bits. Estos bits so codificados covolucioalmete obteiédose 456 bits, que so etrelazados para cotrarrestar los efectos de los desvaecimietos, [Rap02], [Aga04]. Para el aálisis realizado se trabajará co el SMS medido e catidad de sub-caales SDCCH utilizados, de acuerdo a la catidad de caracteres que cotega del SMS. 3.- asa de Servicio Efectiva e SMS. Iteresa coocer la tasa efectiva de servicio (throughput) e el evío de u SMS. El throughput está dado por la ecuació (1) B if S = (1) if dode if correspode al tiempo míimo ecesario para eviar los B if bits de Iformació. Dado que e u subcaal SDCCH es posible ecapsular 184 bits de iformació, y solamete se puede dispoer de sólo u caal SDCCH para el evío de u SMS, se tiee u límite e caracteres para el uso de u caal SDCCH. Si el SMS tiee etre 1 y 26 caracteres (codificados a 7 [bits/caracter]) es posible eviar el SMS completamete e u subcaal SDCCH. Si la catidad de caracteres aumeta, tambié aumeta la catidad de Seacitel, Nov. 2004, Valdivia, Chile 35.2/5

3 caales SDCCH que se va a teer que utilizar para su trasmisió, dismiuyedo evidetemete el throughput debido al aumeto e if,. Esto es debido a que para el caso de utilizar más de u subcaal SDCCH, se deberá esperar la siguiete multitrama para seguir trasmitiedo la iformació. El throughput máximo para distitos úmeros de subcaales SDCCH utilizados se puede obteer mediate la expresió (2). Para cada caso, S correspode al throughput máximo que se puede alcazar al eviar u SMS que ecesita subcaales SDCCH asumiedo que se ecapsula la máxima iformació posible, es decir, 184 bits de iformació. [ bit] [ [ ] [ [ ] ( 1)235.5 ms + (3 + 1/ 8) 4. ms S 184 = (2) 615 E la ecuació aterior, es la catidad de subcaales SDCCH ecesarios para eviar el SMS. El umerador de la ecuació (2) correspode a la catidad máxima de bits eviados por SMS mietras que el deomiador se divide e dos partes. El primer térmio correspode al tiempo de espera etre el subcaal SDCCH y el siguiete y el segudo térmio correspode al tiempo de evío de los datos e el último caal SDCCH utilizado. Co lo aterior se calcula los distitos valores de throughput máximo de acuerdo a la ecuació (2) Los resultados se preseta e la abla 1. Largo SMS [Caracteres] Número de Subcaales SDCCH utilizados () hroughput Máximo [kbps] 0<L <L <L <L <L <L <L abla 1: Subcaales SDCCH utilizados y throughput máximo para distitos largos (L) del SMS. 4.- Retardo e SMS. Para calcular el retardo se supodrá que u cliete desea eviar ua secuecia de mesajes cortos a diferetes usuarios de la red, los cuales puede presetar distitos largos. La tasa de arribos es variable y se ajusta a distitos valores para poder apreciar su efecto e el retardo que experimeta los mesajes. E esta secció se desea determiar el retardo medio al eviar u SMS, cuado forma parte de ua secuecia de estos mesajes. Para esto, se defie D como la variable aleatoria que represeta el tiempo de espera al eviar u SMS que utiliza subcaales SDCCH. El tiempo de espera se puede separar e la suma de u térmio determiista que represeta el tiempo ecesario para trasmitir el SMS x y dos variables aleatorias, W y. La ecuació (3) muestra estos aportes al retardo total: D = + + W (3) x es la variable aleatoria que represeta el tiempo dode etre el arribo del SMS al sistema y el fi del actual subcaal SDCCH, y de espera e la cola. W es la variable aleatoria que represeta el tiempo (j-1)-ésimo Sub-Caal de SMS#1 de SMS#2 SC j-ésimo Sub Caal de SMS#3 Figura 3: s de SMS al Subcaal SDCCH. Para calcular el retardo medio, se debe calcular [ D ] D E = E D Para el cálculo de E [ ] : [ D ] = E[ + x + W ] = E[ ] + E[ ] + E[ W ] x (4) que correspode al tiempo medio etre el arribo del SMS y el fi del actual subcaal SDCCH, se asume arribos de Poisso. Por las propiedades de esta distribució, se tiee que la distribució de los istates de llegada detro de u subcaal SDCCH es uiforme. Como cosecuecia de esto, es evidete que el tiempo medio de espera es SC 2, dode SC, correspode a la duració de u subcaal SDCCH. [ ] E = = 4 2 = 9.23 SC [ ms] [ ms] (5) Para determiar el valor de [ ] x E x = sólo basta coocer la catidad de subcaales SDCCH que se va a utilizar e el evío del SMS. E forma geérica se puede escribir como: 1 x = [ ms] (6) 8 Co (5) y (6), la ecuació (4) se puede escribir como: 1 D = W (7) 8 [ ms] E[ ] Seacitel, Nov. 2004, Valdivia, Chile 35.3/5

4 Para evaluar esta expresió se simuló el sistema cosiderado sólo u usuario, mesajes co arribos Poisso los cuales puede ser eviados e el primer subcaal SDCCH. Además se cosideraro distitos largos para los mesajes. La tasa de arribos al sistema se icremetó desde λ=0 hasta λ= λmax. Se cosideró ua fila de largo ifiito. Dicha fila se lleó depediedo de la existecia de mesajes ecolados y del subcaal SDCCH e el cual el mesaje arribó al sistema. Dado que sólo se puede trasmitir e el primer subcaal SDCCH sólo e éste se vacía la cola, e todos los otros casos la cola se icremeta. Para deteer la simulació se utilizó u criterio de parada el cual cosistió e verificar el largo de la cola al fial de cada icremeto de la tasa de arribo. Si dicha cola excedía de maera cosiderable la catidad de SMS que se puede ateder e las próximos multitramas, etoces se detiee los icremetos y se procede a aalizar el próximo largo del mesaje. El resultado de la simulació es ua curva de retardo promedio e fució del throughput para distito úmero de subcaales SDCCH utilizados. Este gráfico se preseta e la Figura 3. Retardo Medio [ms] =1 =2 =4 =5 =6 =7 =3 Como la iformació coteida e u SMS es 184 [bits/sms], es simple calcular la catidad de SMS e promedio que igresa al sistema por uidad de tiempo. Para relizar este cálculo se debe elegir u puto sobre cada curva que posea ua throughput lo más alto posible y que o geerara u retardo muy elevado. Por la forma de las curvas, se decidió que los putos óptimos era los que se ecotraba e los putos de iflexió de las curvas los cuales se destaca e la Figura 3. Co estos datos se calcularo los valores que se preseta e la abla 2. E la primera columa se aprecia el úmero de subcaales SDCCCH utilizados por el SMS y e parétesis, el úmero de caracteres que puede coteer u SMS de esas características. Número de Subcaales SDCCH utilizados () Retardo promedio [ms] asa promedio de s [SMS/mi] 1, (1 < L 26) , (26 < L 52) , (52 < L 78) , (78 < L 105) , (105 < L 131) , (131 < L 157) , (157< L 160) abla 2: Retardo medio y tasa promedio de arribos para los putos óptimos De la tabla aterior se puede apreciar que a medida que el largo del SMS a eviar aumeta, tambié lo hace el retardo promedio. Si embargo, hay ua vetaja comparativa de eviar u mesaje más largo que subdividir u mesaje largo e varios mesajes más cortos. ambié se aprecia de la tabla 2, que al aumetar el largo del SMS, dismiuye la tasa promedio de arribos por uidad de tiempo soportada por el sistema. Adicioalmete al aálisis presetado, se estudió el comportamieto estadístico de la logitud de los SMS ecuestado a usuarios de distitas compañías. Los resultados de esta ecuesta que abarca a 115 SMS se resume e la abla [kbps] hroughput Figura 3: hroughput vs Retardo e SMS Las curvas de la Figura 4 represeta el retardo e la capa MAC de la iterfaz de radiofrecuecia solamete, es decir, o se cosidera lo retardos que se produce e los servidores. Los largos de los SMS para los cuales se realizó la simulació fuero L =26,52,78,105,131,157 caracteres para =1,2,3,4,5,6,7. Como resultado se geeraro 7 curvas que represeta la relació existete etre el retardo medio e la trasmisió de los SMS y el throughput obteido. E la Figura 4 se aprecia que los valores máximos de throughput a los que tiede las curvas correspode a los datos presetados e la abla 1. ambié se aprecia que, como era de esperarse, a medida que el throughput tiede al máximo, el retardo tiede a ifiito. Para u determiado puto sobre algua de las curvas es posible obteer el throughput e [kbps] dada cierta tasa de arribo. Largo SMS [Caracteres] Frecuecia Relativa % del total 0<L <L <L <L <L <L <L abla 3: Estadísticas para el largo de SMS. De la tabla aterior se puede apreciar que e geeral, existe u 15% de SMS de u largo meor a 26 caracteres, y que el 50% de los SMS geerados tiee u largo iferior a 78 caracteres. Esto implica que aproximadamete el 50% de los mesajes SMS eviados experimeta u retardo meor a 1 segudo e su trasmisió e la iterfaz de radiofrecuecia. Este tiempo es mucho meor que el tiempo real que se experimeta etre el evío y recepció de u mesaje, lo cual sigifica que los retardos mayores que se experimeta e el evío de los mesajes SMS so atribuibles a los servidores y o a la iterfaz de radiofrecuecia. Seacitel, Nov. 2004, Valdivia, Chile 35.4/5

5 5.- Coclusioes E este documeto se presetó ua descripció del fucioamieto del evío de u SMS e ua red GSM, tecología que posee la virtud de ser soportada por casi todos los termiales de esta red. E el aálisis se calcularo los valores máximos de throughput istatáeo para SMS de distita logitud e forma teórica, y se cotrastaro co resultados obteidos por medio de simulació. Se ecotró que los valores del throughput máximo teórico coicidía co los etregados por la simulació, lo cual cofirmó ésta. Además se presetó ua característica throughput - retardo para el evío de u SMS e dode fue posible apreciar que a medida que el largo del SMS aumeta, tambié lo hace el retardo (e casi u orde de magitud), y el throughput percibido por el usuario dismiuye. Se demostró la relevacia que tiee e el retardo medio el uso de mesajes de meos de 26 caracteres, logrado dismiucioes máximas e el retardo promedio cercaas a u 400%. Por lo aterior, es evidete que al mometo de aumetar la carga la red eviado SMS e forma persistete y a ua tasa del orde de los cietos de SMS por miuto, la elecció del largo del SMS es u parámetro muy importate a teer e cueta. Para cotrastar el aálisis co datos reales, se recolectaro datos e forma aleatoria y se geeró ua tabla e dode fue posible apreciar que sólo u porcetaje meor al 15% de los SMS eviados so de u largo meor a 26 caracteres. 6.- Agradecimietos Esta publicació fue posible, e parte a la geerosa colaboració de Humberto Cartagea, quie e todo mometo aletó el trabajo e este tópico y os proporcioó de valiosos datos, y tambié por el fiaciamieto parcial por parte del proyecto UFSM [Peer00] Guillaume Peersma ad Srba Cvetkovic, he Global System for Mobile Commuicatios Short Message Service, IEEE Persoal Commuicatios, Jue 2000, págias [Rap02] heodore Rappaport, Wireless Commuicatio, Priciples ad Practice, Secod Editio. Pretice Hall [Rom90] Raphael Rom, Moshe Sidi, Multiple Access Protocols: Performace ad Aalysis, Spriger-Verlag New York Ic.,1990 Reseñas biográficas Alex Alvarado S.: Estudiate de quito año de Igeiería Civil Electróica co Meció e elecomuicacioes y Sistemas Computacioales y estudiate de Magister e Electróica e la Uiversidad écica Federico Sata María, e Valparaíso, Chile. Áreas de desarrollo: Comuicacioes de Datos y Protocolos de Acceso Múltiple. Luis Viett P.: Estudiate de quito año de Igeiería Civil Electróica co Meció e elecomuicacioes y Sistemas Computacioales y estudiate de Magister e Electróica e la Uiversidad écica Federico Sata María, e Valparaíso, Chile. Áreas de desarrollo: Comuicacioes de Datos y Protocolos de Acceso Múltiple. Walter Grote H.: Igeiero Civil Electróico, Uiversidad écica Federico Sata María, Ph.D. Polytechic Uiversity. Académico Departameto de Electróica, Uiversidad écica Federico Sata María. Áreas de desarrollo académico: elefoía, Comuicacioes de Datos, Redes de Alta Velocidad, Redes de Computadoras y Comuicacioes Ialámbricas. Referecias [Aga04] Nilesh Agarwal, Leea Chadra-Wadia, Varsha Apte, Capacity Aalysis of the GSM Short Message Service'', Idia Istitute of echology Bombay Powai, Mumbai , Idia, Oct [Ad01] Adreadis A., Beelli G., Giambee G., Marzucchi B., Aalysis of WAP over SMS-GSM, Dep. of If. Egieerig, Uiversity of Siea, Italy, Sep. 2001, /14665 [Bri99] Brigol, Brouet, Charrière ad Mercier, Effects of raffic Characteristics o the Geeral Packet Radio Service (GPRS) Performace, IEEE Vehicular echology Coferece 1999, págia 844. [Car03] Humberto Cartajea, Plaificació y Dimesioamieto de ua Red GSM, Memoria de itulació, UFSM Seacitel, Nov. 2004, Valdivia, Chile 35.5/5

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes

Más detalles

SOLUCIÓN EXAMEN I PARTE II

SOLUCIÓN EXAMEN I PARTE II Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes

Más detalles

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

Parámetros de tiempo para

Parámetros de tiempo para Parámetros de tiempo para cotrol y diagóstico INTRODUCCIÓN. Ua de las actividades importates a ivel de sistemas que se debe desarrollar e toda etidad que cuete co u recurso computacioal de soporte para

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

Series Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:

Series Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir: Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:

Más detalles

TRABAJO PRACTICO Nº 1

TRABAJO PRACTICO Nº 1 TRABAJO PRACTICO Nº 1 DEMANDA DE TRANSPORTE: ELASTICIDAD OFERTA DE TRANSPORTE: COSTOS AJUSTE DE FUNCIONES ANÁLISIS DE REGRESIÓN Objetivo: Aplicar a u caso práctico utilizado las herramietas básicas de

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

2.1. Concepto Monto, capital, tasa de interés y tiempo.

2.1. Concepto Monto, capital, tasa de interés y tiempo. 1 2.1. Cocepto El iterés compuesto tiee lugar cuado el deudor o paga al cocluir cada periodo que sirve como base para su determiació los itereses correspodietes. Así, provoca que los mismos itereses se

Más detalles

a = n Clase 11 Tema: Radicación en los números reales Matemáticas 9 Bimestre: I Número de clase: 11 Esta clase tiene video

a = n Clase 11 Tema: Radicación en los números reales Matemáticas 9 Bimestre: I Número de clase: 11 Esta clase tiene video Matemáticas 9 Bimestre: I Número de clase: Clase Actividad Esta clase tiee video Tema: Radicació e los úmeros reales Lea la siguiete iformació. Si es u úmero etero positivo, etoces la raíz -ésima de u

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

Gráficos de control por atributos

Gráficos de control por atributos Gráficos de cotrol por atributos por Felipe de la Rosa Los gráficos de cotrol por variables so istrumetos sumamete útiles para moitorear y mejorar la calidad, si embargo, preseta al meos dos limitacioes

Más detalles

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11.

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11. rueba Itegral Lapso 03-7-76-77 /0 Uiversidad Nacioal Abierta Matemática I (Cód. 7-76-77) icerrectorado Académico Cód. Carrera: 6-36-80-08- -60-6-6-63 Fecha: 0 0-0 MODELO DE RESUESTAS Objetivos al. OBJ

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

TEORÍA DE LA ESTIMACIÓN

TEORÍA DE LA ESTIMACIÓN TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.

Más detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

MODELO DE RESPUESTAS. Lim n. Lim

MODELO DE RESPUESTAS. Lim n. Lim Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Lapso 008 - INTEGRAL MATEMÁTICA I (175) FECHA PRESENTACIÓN: 08-11-008 MODELO DE RESPUESTAS OBJ 7 PTA 7 Dadas las sucesioes de térmios

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

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 Ig. Agis Zambrao, MSc PRELABORATORIO: MEDICIÓN - Medir. - Apreciació. - Medidas directas. - Medidas idirectas. MEDIDAS DE LONGITUD - Cita métrica. - Verier. - Torillo micrométrico. MEDIDAS DE TIEMPO -

Más detalles

EJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y 2do ORDEN

EJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y 2do ORDEN EJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y do ORDEN A cotiuació se resuelve tres problemas sobre sistemas de primer y segudo orde. El primer problema es sobre sistemas de primer orde co codicioes iiciales

Más detalles

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio. EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la

Más detalles

Teorema del límite central

Teorema del límite central Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral

Más detalles

C. INDICADORES DE EVALUACION DE PROYECTOS

C. INDICADORES DE EVALUACION DE PROYECTOS C. INDICADORES DE EVALUACION DE PROYECTOS 1. Matemáticas Fiacieras 1.1 Iterés simple e iterés compuesto Iterés simple es aquel que se calcula siempre sobre el capital origial, y por tato excluye itereses

Más detalles

Profr. Efraín Soto Apolinar. Área bajo una curva

Profr. Efraín Soto Apolinar. Área bajo una curva Profr. Efraí Soto Apoliar. Área bajo ua curva Nosotros coocemos muchas fórmulas para calcular el área de diferetes figuras geométricas. Por ejemplo, para calcular el área A de u triágulo co base b altura

Más detalles

Sistemas de Segundo Orden

Sistemas de Segundo Orden Apute I Departameto de Igeiería Eléctrica Uiversidad de Magallaes Aputes del curso de Cotrol Automático Roberto Cárdeas Dobso Igeiero Electricista Msc. Ph.D. Profesor de la asigatura Este apute se ecuetra

Más detalles

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar

Más detalles

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

Sucesiones I Introducción

Sucesiones I Introducción Temas Qué es ua sucesió? Notacioes y coceptos relacioados. Maeras de presetar ua sucesió. Gráfico de sucesioes. Capacidades Coocer y compreder el cocepto de sucesió. Coocer y maejar las diferetes maeras

Más detalles

ANÁLISIS MATEMÁTICO I - EXAMEN FINAL - 16 de julio de 2015 APELLIDO Y NOMBRE:... CORRIGIÓ:...REVISÓ:...

ANÁLISIS MATEMÁTICO I - EXAMEN FINAL - 16 de julio de 2015 APELLIDO Y NOMBRE:... CORRIGIÓ:...REVISÓ:... ANÁLISIS MATEMÁTICO I - EXAMEN FINAL - 6 de julio de 5 APELLIDO Y NOMBRE:... CORRIGIÓ:...REVISÓ:... Ejercicio Ejercicio Ejercicio Ejercicio 4 Ejercicio 5 NOTA Todas sus respuestas debe ser justificadas

Más detalles

Prof: Zulay Franco 1

Prof: Zulay Franco 1 Biestables 1.1 Itroducció Ua vetaja importate de los sistemas digitales sobre los aalógicos es la capacidad de almacear fácilmete grades catidades de iformació por periodos cortos o largos. Esta capacidad

Más detalles

Tema 14: Inferencia estadística

Tema 14: Inferencia estadística Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

Se utilizan tres enunciados para básicos para definir los procesos de Poisson. Sea t un t 0, entonces se tiene:

Se utilizan tres enunciados para básicos para definir los procesos de Poisson. Sea t un t 0, entonces se tiene: 9 TEORÍA DE TRÁFIO La teoría de tráfico es ua herramieta ampliamete utilizada para el aálisis del comportamieto de las redes de comuicacioes, las cuales puede ser de comutació de circuitos, como las redes

Más detalles

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( ) I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

FORMULAS Y EJEMPLOS PARA EL CÁLCULO DE INTERESES DE UN DEPÓSITO A PLAZO FIJO CONVENCIONAL

FORMULAS Y EJEMPLOS PARA EL CÁLCULO DE INTERESES DE UN DEPÓSITO A PLAZO FIJO CONVENCIONAL FORMULAS Y EJEMLOS ARA EL CÁLCULO DE NERESES DE UN DEÓSO A LAZO FJO CONVENCONAL 1. GLOSARO DE ÉRMNOS a. Depósito a plazo fijo: roducto e el que el cliete podrá depositar ua catidad de diero a ua tiempo

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos

Más detalles

AUTÓMATAS Y SISTEMAS DE CONTROL

AUTÓMATAS Y SISTEMAS DE CONTROL º ITT SISTEMAS ELECTRÓNICOS º ITT SISTEMAS DE TELECOMUNICACIÓN º INGENIERÍA DE TELECOMUNICACIÓN AUTÓMATAS Y SISTEMAS DE CONTROL PRÁCTICA 7: SISTEMAS DE SEGUNDO ORDEN. FUNCIÓN DE TRANSFERENCIA La fució

Más detalles

Objetivo: Concepto de Límite

Objetivo: Concepto de Límite --0 Sesió Coteidos: Cocepto ituitivo de límite. > Coceptos básicos propiedades de alguos límites. > Cálculo de límite de alguas fucioes. Objetivo: Determia límite de fucioes, sólo por reemplazo. Determia

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Diversidad Espacial por Igual Ganancia como Contramedida a Desvanecimientos Lentos y Periodo Corto en un Canal Rayleigh.

Diversidad Espacial por Igual Ganancia como Contramedida a Desvanecimientos Lentos y Periodo Corto en un Canal Rayleigh. Diversidad Espacial por Igual Gaacia como Cotramedida a Desvaecimietos Letos y Periodo Corto e u Caal Rayleigh. Everardo INZUNZA 1, Jua M HERNÁNDEZ 2, E Efre GARCÍA 1, Rosa M LÓPEZ 1, Oscar R LÓPEZ 1,

Más detalles

UNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS

UNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS UNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS Capítulo 3 CONCEPTO ELEMENTAL DE BOMBA Y TURBINA COMPORTAMIENTO Y UTILIZACIÓN DE BOMBAS Curvas características Las curvas características de ua bomba, permite coocer

Más detalles

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc.

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc. Sucesioes Sucesi o. Ua sucesió es u cojuto ifiito de úmeros ordeados de tal forma que se puede decir cuál es el primero, cuál el segudo, el tercero, etc. Los térmios de ua sucesió se desiga mediate a 1,

Más detalles

Unidad 10: LÍMITES DE FUNCIONES

Unidad 10: LÍMITES DE FUNCIONES Uidad 1: LÍMITES DE FUNCIONES LÍMITES 1. LÍMITE DE UNA FUNCIÓN EN UN PUNTO Ua sucesió de úmeros reales es u cojuto ordeado de iiitos úmeros reales. Los úmeros reales a1, a,..., a,... se llama térmios,

Más detalles

Cálculo de límites. 3.1. Sumas, productos y cocientes. Tema 3

Cálculo de límites. 3.1. Sumas, productos y cocientes. Tema 3 Tema 3 Cálculo de ites El presete tema tiee u iterés emietemete práctico, pues su pricipal fialidad es aportar los ejemplos que se echaba de meos e el tema aterior. Empezaremos estableciedo las reglas

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

Más detalles

Marco Teórico n = i = 2. Deducción: Si la serie se suma dos veces de la siguiente forma:

Marco Teórico n = i = 2. Deducción: Si la serie se suma dos veces de la siguiente forma: Uiversidad de Sa Carlos de Guatemala Teoría de Cojutos Estudiate: Roald Oliverio Chubay Gallia -6 de mayo 0- Marco Teórico Para el presete texto se deduce alguas expresioes y luego se demuestra, para otras

Más detalles

2. Estimación de errores de medidas directas

2. Estimación de errores de medidas directas Estimació de errores y forma de expresar los resultados de las prácticas. Error: Defiició E el laboratorio igua medida tiee ifiita precisió. Por ello, ua parte importate del proceso de medida es la estimació

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

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE TECNOLOGIA DE LA CONSTRUCCION DEPARTAMENTO DE HIDRAULICA

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE TECNOLOGIA DE LA CONSTRUCCION DEPARTAMENTO DE HIDRAULICA UNIERSIDAD NACIONAL DE INGENIERIA FACULTAD DE TECNOLOGIA DE LA CONSTRUCCION DEPARTAMENTO DE HIDRAULICA LABORATORIO DE HIDRAULICA II PRACTICA # TEMA: DETERMINACION DEL COEFICIENTE DE RUGOSIDAD DE MANNING

Más detalles

Series de potencias Introducción. Temas Series de potencias. Intervalo y radio de convergencia de una serie de potencias.

Series de potencias Introducción. Temas Series de potencias. Intervalo y radio de convergencia de una serie de potencias. Sesió 27 Series de potecias Temas Series de potecias. Itervalo y radio de covergecia de ua serie de potecias. Capacidades Coocer y compreder el cocepto de serie de potecias. Determiar el itervalo y el

Más detalles

Estimadores Puntuales: Propiedades de estimadores Sebastián Court

Estimadores Puntuales: Propiedades de estimadores Sebastián Court Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo Nacioal de Estadística Direcció de Regulació, Plaeació, Estadariació y Normaliació -DIRPEN- Diseño Muestral Ecuesta Ambietal Idustrial Diciembre 00 ELABORÓ: EQUIPO TEMÁTICO DISEÑO

Más detalles

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series. CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió

Más detalles

Burgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana

Burgos Simón, Clara Cortés López, Juan Carlos; Navarro Quiles, Ana Las Matemáticas para la Gestió de Carteras co Riesgo. Carteras compuestas por activos co correlacioes estadísticas arbitrarias. El caso e que se fija el redimieto esperado de la cartera Apellidos, ombre

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

Universidad Nacional Autónoma de Honduras Facultad de Ciencias Económicas Guía de Ejercicios No. 2 DET 385, Métodos Cuantitativos III

Universidad Nacional Autónoma de Honduras Facultad de Ciencias Económicas Guía de Ejercicios No. 2 DET 385, Métodos Cuantitativos III : Derivadas de orde superior: Elaborada por: Wilfredo Saravia M Uiversidad Nacioal Autóoma de Hoduras Facultad de Ciecias Ecoómicas Guía de Ejercicios No DET 85, Métodos Cuatitativos III E los ejercicios

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

Orden en los números naturales

Orden en los números naturales 88 Aritmética U istrumeto para medir usado fraccioes comues Refleioes adicioales Dividir ua uidad e partes iguales: El Teorema de Thales se refiere a dividir u segmeto e cualquier úmero de segmetos iguales.

Más detalles

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t. PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues

Más detalles

Densidad espectral de potencia de una señal digital PAM multinivel

Densidad espectral de potencia de una señal digital PAM multinivel Desidad espectral de potecia de ua señal digital PAM multiivel Mayo de 017 Apellidos, Nombre: Departameto: Cetro: Flores Asejo, Satiago J. (sflores@dcom.upv.es) Dep. de Comuicacioes EPS de Gadia Resume

Más detalles

UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO

UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO Ua serie de tiempo establece las variacioes existetes etre ciertas magitudes. El aálisis de series temporales es u método cuatitativo que se utiliza para detectar

Más detalles

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series. R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M

Más detalles

1. Muestreo Aleatorio Simple

1. Muestreo Aleatorio Simple UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisió y Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

Más detalles

CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo

CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre

Más detalles

Límites y continuidad

Límites y continuidad I.E.S. Ramó Giraldo CONTENIDOS.- MAPA CONCEPTUAL DE LA UNIDAD....- CONCEPTO DE LÍMITE DE UNA FUNCIÓN EN UN PUNTO....- LÍMITES LATERALES: CARACTERIZACIÓN....- LÍMITES Y OPERACIONES CON FUNCIONES: ÁLGEBRA

Más detalles

MINITAB y MODELOS DE REGRESIÓN

MINITAB y MODELOS DE REGRESIÓN Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias

Más detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 3.- INFERENCIA ESTADÍSTICA I UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a

Más detalles

CAPÍTULO 1 COMPUTADORA DIGITAL. Modelo De Von Neumann

CAPÍTULO 1 COMPUTADORA DIGITAL. Modelo De Von Neumann CAPÍTULO 1 COMPUTADORA DIGITAL Ua computadora digital es ua combiació de dispositivos y circuitos electróicos orgaizados de tal forma, que puede realizar ua secuecia programada de operacioes co u míimo

Más detalles

Notas de Teórico. Sistemas de Numeración

Notas de Teórico. Sistemas de Numeración Departameto de Arquitectura Istituto de Computació Uiversidad de la República Motevideo - Uruguay Sistemas de umeració Arquitectura de Computadoras (Versió 4.3b - 6) SISTEMAS DE UMERACIÓ. Itroducció E

Más detalles

INECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.

INECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita x que se verifica para valores mayores que 4. INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad

Más detalles

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 Cetro Nacioal de Saidad Ambietal Área de Cotamiació Atmosférica INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 1 ANTECEDENTES El RD 102/2011 de

Más detalles

Sobre los intervalos de confianza y de predicción

Sobre los intervalos de confianza y de predicción Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de

Más detalles

1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }

1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... } SEÑALES DE TIEMPO DISCRETO SEÑALES Y SISTEMAS DE TIEMPO DISCRETO Las señales está clasificadas de maera amplia, e señales aalógicas y señales discretas. Ua señal aalógica será deotada por a t e la cual

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para

Más detalles

Un comentario sobre New exact solutions for the combined sinh-cosh-gordon equation

Un comentario sobre New exact solutions for the combined sinh-cosh-gordon equation Lecturas Mateáticas Volue 32 (2011), págias 23 27 ISSN 0120 1980 U coetario sobre New exact solutios for the cobied sih-cosh-gordo equatio Jua Carlos López Carreño & Rosalba Medoza Suárez Uiversidad de

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad. Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació

Más detalles