Modelos para el cálculo de consumo y emisiones gaseosas de la flota de autobuses de Madrid

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

Download "Modelos para el cálculo de consumo y emisiones gaseosas de la flota de autobuses de Madrid"

Transcripción

1 Modelos para el cálculo de cosumo y emisioes gaseosas de la flota de autobuses de Madrid Agélica Areas J.T.P D.E 1, Facultad de Igeiería, IIDISa 2, Uiversidad Nacioal de Salta, Argetia Pablo Argeti Salguero J.T.P D.S 3., Uiversidad Nacioal de Salta, Argetia José Mª López Martíez Subdirector, Istituto Uiversitario de Ivestigació del Automóvil, España Felipe Jiméez Aloso DDSIV. Istituto Uiversitario de Ivestigació del Automóvil, España Javier Páez Ayuso DDA, Istituto Uiversitario de Ivestigació del Automóvil, España Fracisco Aparicio Izquierdo Director, Istituto Uiversitario de Ivestigació del Automóvil, España RESUMEN E este trabajo se preseta alguos resultados del estudio experimetal de cálculo de emisioes emaadas e codicioes cocretas de la explotació del servicio de la flota de vehículos del trasporte público de pasajeros de la ciudad de Madrid, realizado e el marco de cooperació etre grupos de ivestigació del Istituto Uiversitario de Ivestigació del Automóvil (INSIA) de la Uiversidad Politécica de Madrid y del Istituto de Desarrollo Idustrial (IIDISA) de la Uiversidad Nacioal de Salta. La experiecia cosistió e la adquisició de datos de emisioes de cotamiates y cosumo de combustible mediate u equipo de medida de emisioes a bordo e u vehículo de prueba e codicioes reales de explotació, e los que se tomaro además, datos de variables ciemáticas e distitas líeas y recorridos represetativos de las que coforma el servicio de la Empresa Muicipal de Trasportes de Madrid. Co los datos adquiridos se ha ajustado modelos para la estimació de emisioes cotamiates y cosumo e u esceario de 30 ciclos, co el objetivo de obteer valores por uidad (30 ciclos) que puede ser utilizados como valores de referecia. Por razoes de extesió, e este estudio se preseta los resultados del modelo estadístico 1 JTP DS: Jefe de Trabajos Prácticos - Dedicació Exclusiva 2 IIDISa: Istituto de Igeiería y Desarrollo Idustrial de Salta 3 JTP DS: Jefe de Trabajos Prácticos - Dedicació Semi-Exclusiva 4 DDSIV: Director de la Uidad de Sistemas Iteligetes e Vehículos. 5 DDA: Director de la Uidad de Estudios de Accidetología.

2 para el cálculo del cosumo y las emisioes totales de CO 2 ajustado e fució de variables ciemáticas como la velocidad media del autobús y el tiempo, e ua de las líeas de servicio más largas de la ciudad: la líea Circular Uo (C1). Las expresioes obteidas permite estimar el cosumo de combustibles y emisioes de CO 2 co valores del coeficiete de correlació superior al 70%. A su vez, es posible realizar u aálisis de la gestió de la flota de trasporte ispirada e la comparació de los ciclos de operació de las líeas y la evaluació de los impactos producidos por la sustitució de vehículos y combustibles. Palabras clave: cosumo de combustibles, emisioes cotamiates, flota de trasporte urbao 1. INTRODUCCIÓN 1.1 Descripció geeral La maifestació física de la cotamiació del aire se observa e la presecia de esmog 4 e las ciudades. De hecho, ua de las fuetes más importates de emisioes la costituye los automóviles, auque e zoas rurales la cotribució a este feómeo proviee de los bosques. La eblia se coforma de pequeñas gotas de agua de color amarillo-grisáceo que cotiee sustacias reactivas que se ha trasformado e el aire cotamiado. Estas sustacias so los factores que ocasioa problemas e la salud de la població humaa y para ser amplios, sobre el medio ambiete. La calidad del aire va empeorado, e base a ua regla geeral, co la vía del desarrollo de las comuidades, así el aire de la ciudad de México, se cosidera como uo de los más cotamiados e comparació a muchas ciudades del mudo (Baird, 2001). La atmósfera cotiee oxígeo (O 2 ) que coduce a la oxidació de las sustacias aturales y cotamiates que coforma la masa de aire y luego de su oxidació, estos productos de las reaccioes, fialmete, so depositados e la masa terrestre. El icremeto de la cotamiació e el ambiete y sus efectos adversos ha impulsado a los estados a regular y gestioar los iveles de emisioes permisibles e busca de mejoras e el desempeño de las actividades idustriales y derivados. Ello ha acarreado u progreso e la calidad del aire e las ciudades desarrolladas debido a accioes basadas e la limitació de las emisioes y desarrollado tecología para esas metas ambietales. 1.2 Materiales y métodos E este trabajo se ha utilizado las medicioes de cocetracioes y emisioes de 3 líeas de la Empresa Muicipal de Trasportes de Madrid (EMT). Los datos de las líeas 27 y 145, ha sido utilizados para la caracterizació de los distitos ciclos y mediate el ajuste de distitos modelos, seleccioar las variables explicativas e u trabajo aterior (Areas et al, 2009). Los datos de la líea C1 se ha utilizado para ajustar u modelo propio. Las cocetracioes y catidades de las emisioes medidas e el gas de escape; moóxido de carboo (CO), dióxido de carboo (CO 2 ), óxidos de itrógeo (NO x ), hidrocarburos totales 4 Niebla mezclada co humo y partículas e suspesió, propia de las ciudades idustriales.

3 (THC), como así tambié el cosumo de combustible fuero determiadas mediate el sistema de medició a bordo del vehículo de prueba, O Board Emisió Measuremet System OBS , marca HORIBA (OBS-2200). E el equipo OBS , CO y CO 2 so aalizados utilizado u detector ifrarrojo NDIR (No Dispersive Ifrared). El OBS 2200 determia la catidad de hidrocarburos totales (THC) e muestra utilizado u detector de ioizació de llama (FID) y usa u detector de quimiolumiiscecia (CLD) para NOx, es decir la suma de las catidades de los óxidos NO y NO 2. La medició de la emisió de Partículas (PM) se realizó co el equipo Diesel Particle Measuremet System MAHA. La iformació sobre las características de la flota y las codicioes de explotació de las líeas fuero obteidas de la EMT. Los datos permitiero la selecció de las líeas represetativas del servicio y la realizació de pruebas experimetales bajo codicioes reales de fucioamieto e la operació del trasporte público. Las medicioes e las líeas 27 y 145 se utilizaro para la caracterizació de los ciclos de movimieto y selecció de variables explicativas, e dos situacioes de carga: vacío y media carga y vehículos propulsados co distitos combustibles: biodiesel derivado del cultivo de colza (B100), gas atural (GN) y gasóleo (GO). Tambié se obtuviero las emisioes istatáeas y acumuladas, cosumo de combustible y velocidad del vehículo a cada istate (iforme de las variables medidas co itervalos de u segudo) para cada codició del estudio experimetal. Los resultados de las emisioes y cosumo para la líea Circular uo (C1) se preseta e la secció 3, 2. ANÁLISIS EXPLORATORIO DE LAS LÍNEAS 27 Y 145. CARACTERIZACIÓN DE LOS CICLOS. SELECCIÓN DE LAS VARIABLES EXPLICATIVAS. Las medicioes realizadas e los vehículos se ha aalizado co u programa e Leguaje MATLAB para la obteció de los ciclos característicos adoptados como patró de operació de los vehículos de todas las líeas estudiadas, asumiedo la metodología de cálculo de cosumo y emisioes basadas e la utilizació de la velocidad media como parámetro descriptivo de los ciclos. Los mismos puede ser clasificados e ciclos de movimieto (CiMov) y ciclos de parada (CiPa) (Figura 1), adoptádose como parámetros de los ciclos: la velocidad media propia de u ciclo CiMov, el tiempo de duració e ambos ciclos (CiMov y CiPa), el acumulado de cosumo y emisioes. El estudio estadístico exploratorio de los datos de las líeas 27 y 145 permitió cocluir que e los ciclos CiMov, tato el cosumo como las emisioes se correlacioa e forma lieal co la variable velocidad media multiplicada por el tiempo que dura el ciclo. (Areas et al, 2009).E cuato a los ciclos CiPa, el cosumo y emisioes se correlacioa e fució del tiempo que dura el ciclo de deteció del autobús. E ambos casos, CiMov y CiPa, el modelo lieal preseta u bue ajuste de los datos experimetales, co valores del coeficiete de correlació ( r 2 ) superiores a 75%. E la Tabla 1 se muestra los resultados obteidos del estudio estadístico (variables explicativas y coeficiete de correlació) e la Líea 27 para los ciclos de movimieto (CiMov), e codicioes de media carga y vacío y propulsados a GO (Areas et al, 2009).

4 Fig. 1 Velocidad y tiempo e u ciclo característico de operació del autobús. Líea 27 e codició de Media Carga Emisió de CO 2 [g/ciclo] Velocidad Media e Km/h] Velocidad media por tiempo [m] Emisió de THC [g/ciclo] Velocidad media por tiempo [m] Emisió de NOx [g/ciclo] Velocidad media por tiempo [m] Emisió Partículas [g/ciclo] Velocidad media por tiempo [m] Cosumo [g/ciclo] Velocidad media por tiempo [m] Líea 27 e codició de Vacío Emisió de CO 2 [g/ciclo] Velocidad media por tiempo [m] Emisió de THC [g/ciclo] Velocidad media por tiempo [m] Emisió de NOx [g/ciclo] Velocidad media por tiempo [m] Emisió Partículas [g/ciclo] Velocidad media por tiempo [m] S/D Cosumo [g/ciclo] Velocidad media por tiempo [m] Tabla 1 Modelos de Regresió Lieal para emisioes y cosumo versus velocidad media por tiempo, e CiMov Líea 27, codició de V y MC, GO. S/D: si datos. E la Tabla 2 se muestra los resultados para los ciclos de parada de la líea 27, e codicioes de media carga y vacío y gasóleo como combustible. La variable idepediete del modelo lieal propuesto es el tiempo de duració del ciclo (t m ). Líea 27 e codició de Media Carga Emisió de CO 2 [g/ciclo] Tiempo (s) Emisió de THC [g/ciclo] Tiempo (s) Emisió de NOx [g/ciclo] Tiempo (s) Emisió de P [g/ciclo] Tiempo (s) Cosumo [g/ciclo] Tiempo (s) 0.903

5 Líea 27 e codició de Vacío Emisió de CO 2 [g/ciclo] Tiempo (s) Emisió de THC [g/ciclo] Tiempo (s) Emisió de NOx [g/ciclo] Tiempo (s) Emisió de P [g/ciclo] Tiempo (s) S/D Cosumo [g/ciclo] Tiempo (s) Tabla 2 Modelos de Regresió Lieal para emisioes y cosumo. Líea 27. Los resultados del modelo lieal para ciclos de movimieto de la líea 145, e codicioes de vacío y media carga, utilizado GO como combustible se resume e la Tabla 3, e codicioes de vacío y media carga, utilizado GO como combustible. Líea 145 e codició de Media Carga Emisió de CO 2 [g/ciclo] Velocidad media por tiempo[m] Emisió de THC [g/ciclo] Velocidad media por tiempo[m] Emisió de NOx [g/ciclo] Velocidad media por tiempo[m] Emisió de P [g/ciclo] Velocidad media por tiempo[m] Cosumo [g/ciclo] Velocidad media por tiempo[m] Líea 145 e codició de Vacío Emisió de CO 2 [g/ciclo] Velocidad media por tiempo[m] Emisió de THC [g/ciclo] Velocidad media por tiempo[m] Emisió de NOx [g/ciclo] Velocidad media por tiempo[m] Emisió de P [g/ciclo] Velocidad media por tiempo[m] Cosumo [g/ciclo] Velocidad media por tiempo[m] Tabla 3 Modelos de Regresió Lieal etre emisioes y cosumo versus velocidad media por tiempo para ciclos de movimieto e la líea 145. Los valores obteidos (variables explicativa y coeficiete de correlació) e el modelo lieal para los ciclos de parada e la líea 145 se preseta e la Tabla 4. Líea 145 e codició de Media Carga Emisió de CO 2 [g/ciclo] Tiempo (s) Emisió de THC [g/ciclo] Tiempo (s) Emisió de NOx [g/ciclo] Tiempo (s) Emisió de P [g/ciclo] Tiempo (s) S/D Cosumo [g/ciclo] Tiempo (s) 0.794

6 Líea 145 e codició de Vacío Emisió de CO 2 [g/ciclo] Tiempo (s) Emisió de THC [g/ciclo] Tiempo (s) Emisió de NOx [g/ciclo] Tiempo (s) Emisió de P [g/ciclo] Tiempo (s) S/D Cosumo [g/ciclo] Tiempo (s) Tabla 4 Modelos de Regresió Lieal etre emisioes y cosumo versus tiempo de ciclo de paradas para la líea RESULTADOS. ESTIMACIÓN DE CONSUMOS Y EMISIONES EN LA LÍNEA C1. La Ecuació (1) represeta la expresió geérica del modelo matemático para estimar las emisioes cotamiates, y cosumo de combustible, co las cotribucioes de los ciclos CiMov y CiPa para cada recorrido del vehículo de la líea C1: E Ti ( g) : Emisió total de la sustacia i durate el recorrido, e gramos. Vm : Velocidad media del ciclo de movimieto e metros/segudos. t : Tiempo medio de duració de ciclos de movimieto e segudos. m t : Tiempo medio de duració de ciclos de paradas e segudos. p E ( g) = ( b Vm t + b ) + ( b t b ) Ti 1 mi m 0mi 1pi p + 0 pi : Catidad de ciclos. b 0mi ; b 1mi : Costates del ciclo de movimieto. b 0pi ; b 1pi : Costates del ciclo de parada. Para la líea C1 se realizó u aálisis comparativo e los distitos iveles de carga y combustibles utilizados. Las emisioes estimadas para la líea C1 e Vacío se muestra e la Tabla 5. () CiMov () CiPa Vm. t t m Emisió [CO 2 ] Vacío B ,23 1,29 73,80 5,20 1,60 96,80 176,70 23, ,98 GASOIL 30 29,84 1,01 83,30 2,63 1,43 98,00 176,70 23, ,71 GNC 30 22,64 1,20 70,90 4,56 1,99 74,20 176,70 23, ,97 () CiMov () CiPa Vm. t t m Emisió [THC] Vacío B ,4E-03 5,9E-05 71,90 1,7E-04 1,0E-04 79,70 176,70 23,57 0,43 GO 30 0,01 6,8E-05 66,90 2,3E-04 1,5E-04 71,50 176,70 23, GNC 30 0,04 1,8E-03 21,70 0,01 2,0E-04 6,50 176,70 23,57 -- () CiMov () CiPa Vm. t t m Emisió [NOx] Vacío B ,08 0,01 71,50 0,14 0,03 96,90 176,70 23,57 109,87 (1)

7 GO 30 0,47 0,01 83,90 0,07 0,03 96,90 176,70 23,57 99,95 GNC 30 0,05 0,01 62,70 0,09 8,8E-04 6,00 176,70 23,57 -- Tabla 5 Regresió lieal y resultados de emisioes para la codició de vacío utilizado distitos combustibles. Las emisioes estimadas para la líea C1 e media carga (MC) se muestra e la Tabla 6. () CiMov () CiPa Vm. t t m Emisió [CO 2 ] MC B ,52 1,03 69,30 16,56 1,92 92,00 176,70 23, ,19 GO 30 7,66 1,42 68,30 9,10 2,04 95,20 176,70 23, ,13 GNC 30 47,43 1,25 64,50 1,28 2,54 88,00 176,70 23,57 -- () CiMov () CiPa Vm. t t m Emisió [THC] MC B ,4E-03 3,2E-05 56,80 7,0E-04 7,1E-05 51,60 176,70 23,57 -- GO 30 1,9E-03 6,4E-05 49,90 0,00 1,3E-04 62,10 176,70 23,57 -- GNC 30 0,01 2,3E-03 9,00 3,6E-03 7,1E-05 1,30 176,70 23,57 -- () CiMov () CiPa Vm. t t m Emisió [NOx] PC B ,25 0,01 69,10 0,28 0,04 90,10 176,70 23,57 142,44 GO 30 0,50 0,01 62,90 0,21 0,04 89,10 176,70 23,57 -- GNC 30 0,31 0,01 52,00 0,10 0,00 0,20 176,70 23,57 -- Tabla 6 Regresió lieal y resultados de emisioes para la codició de media carga (MC) utilizado distitos combustibles. La Tabla 7 muestra los resultados para el cosumo de combustible e diferetes composicioes del estudio experimetal: tipo de combustible y ciclos. Cosumo Vacío () CiMov () CiPa Vm. t t m Cosumo R 2 R 2 estimado B GO GNC Cosumo MC () CiMov () CiPa Vm. t t m Cosumo R 2 R 2 estimado B GASOIL GNC Tabla 7 Cosumo estimado segú el modelo propuesto. E la Tabla 8 se muestra los valores estimados de las emisioes totales de CO 2 para las

8 codicioes de carga aalizadas y los combustibles usados. Emisió total de CO2 (CiMov + CiPa) Codició de B100 GO GNC MC 9738, , ,51 V 8518, , ,97 Tabla 8 Emisioes totales de CO2 estimadas co el modelo lieal. CONCLUSIONES E los ciclos de paradas se obtiee mejores ajustes de la regresió lieal que e los ciclos de movimieto, lo que permite modelizar a los primeros co ua mayor precisió. E los ciclos de movimieto, la variabilidad de los datos experimetales es más sigificativa. El mejor ajuste de las codicioes e vacío puede deberse a que e el modelo o se ha cosiderado los tramos co icliació de calzada, subidas y bajadas y, auque se puede producir algú efecto de compesació etre ambas situacioes, resulta evidete que al aumetar la carga del vehículo, la ifluecia de este factor omitido se icremeta, por lo que deberá ser tomada e cosideració e futuros trabajos. Los resultados muestra que el aumeto e la codició de carga, es decir, de vacío a media carga, aumeta los iveles de emisioes de CO 2, al cosumir el vehículo mayor catidad de combustible. E iguales codicioes de experimetació, utilizado distitos combustibles, se registra ua mayor emisió de CO 2 y cosumo co el combustible B100, e comparació a los otros dos combustibles. Los peores resultados de los ajustes de los modelos para vehículos propulsados a GN respecto a los otros, se puede explicar porque las emisioes puede estar más iflueciadas por los procesos de aceleració que o está represetados e el modelo, al cosiderar sólo velocidad media x tiempo. AGRADECIMIENTOS Este estudio se ha realizado e el marco del Proyecto Desarrollo de ua metodología para el aálisis de las variables de ifluecia e el cosumo y emisioes gaseosas de la flota de vehículos de trasporte urbao de pasajeros, del Cosejo de Ivestigacioes de la Uiversidad Nacioal de Salta (CIUNSa), y del Proyecto de Ivestigació ECOTRAM: Desarrollo de ua metodología de aálisis del cosumo eergético y las emisioes cotamiates producidas por el trasporte público urbao de viajeros. Aplicació a la ciudad de Madrid, fiaciado por el Pla Nacioal I+D+i Subprograma Nacioal de tecologías para la Gestió Sosteible Medioambietal Miisterio de Medio Ambiete. A081/2007/ y cofiaciado por la Empresa Muicipal de Trasporte de Madrid y el Ayutamieto de Madrid durate los años 2006 a Los ivestigadores de la Uiversidad Nacioal de Salta agradece persoalmete al Director del Istituto Dr. Aparicio Izquierdo, la ivitació cursada y su apertura para la itegració y el

9 trabajo colaborativo de los equipos de ambas uiversidades. REFERENCIAS ARENAS A., ARGENTI SALGUERO P., ROBIN J. APARICIO IZQUIERDO F., LOPEZ MARTÍNEZ J., JIMENEZ ALONSO F., FLORES HOLGADO N. (2009), Pricipales compoetes de las emisioes gaseosas y cosumo de combustibles de autobuses de servicio urbao de pasajeros: aplicació a la ciudad de Madrid. Revista de la Asociació Argetia de Eergías Reovables y Medio Ambiete Vol. 23, pp BAIRD C. (2004). Química Ambietal. Editorial Reverté S.A., Barceloa. PEÑA, D. (2002). Regresió y diseño de experimetos. Aliaza Editorial S.A, Madrid. PASQUALI, R. C. (2003). Química Ambietal. Librería AKADIA Editorial, Bueos Aires. MENDENHALL, W. y SINCICH, T. (1997). Probabilidad y Estadística para Igeiería y Ciecias. Pretice-Hall Hispaoamericaa S.A., México.

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES SANTIAGO DE CALI UNIVERSIDAD SANTIAGO DE CALI DEPARTAMENTO DE LABORATORIOS INTRODUCCIÓN

Más detalles

TEMA 16. ESTEQUIOMETRIA DE UNA FORMULA QUIMICA

TEMA 16. ESTEQUIOMETRIA DE UNA FORMULA QUIMICA 1 TEMA 16. ESTEQUIOMETRIA DE UNA FORMULA QUIMICA Mario Melo Araya Ex Profesor Uiversidad de Chile melomarioqca@gmail.com Estructuralmete las substacias químicas está costituidas por etidades elemetales

Más detalles

ESTUDIO DEL PÉNDULO FÍSICO PARA INTRODUCIR MÉTODOS NUMÉRICOS DE RESOLUCIÓN DE ECUACIONES DIFERENCIALES NO LINEALES

ESTUDIO DEL PÉNDULO FÍSICO PARA INTRODUCIR MÉTODOS NUMÉRICOS DE RESOLUCIÓN DE ECUACIONES DIFERENCIALES NO LINEALES ESTUDIO DEL PÉNDULO FÍSICO PARA INTRODUCIR MÉTODOS NUMÉRICOS DE RESOLUCIÓN DE ECUACIONES DIFERENCIALES NO LINEALES Atoio Herádez, Cristia Neipp, Augusto Belédez Departameto de Física, Igeiería de Sistemas

Más detalles

14. Técnicas de simulación mediante el método de Montecarlo

14. Técnicas de simulación mediante el método de Montecarlo 4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios

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

MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO

MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO El muestreo estratificado cosiste e dividir la població e subcojutos o estratos, y de cada uo de ellos seleccioar ua muestra probabilística; de maera idepediete de u estrato a otro. Existe tres razoes

Más detalles

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra. 1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de

Más detalles

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra: T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total

Más detalles

Relación entre los servicios de energía

Relación entre los servicios de energía Crecer Co Eergía Dr. Mauel Fuetes Relació etre los servicios de eergía y el Desarrollo Rural Cuál es uestro Objetivo? Electrificació Rural Desarrollo Rural Desarrollo Rural La eergía es u elemeto muy importate

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES EN LAS MEDIDAS (Coceptos elemetales). Medida y tipos de errores Ua tarea esecial e este Laboratorio de Física de Primero es familiarizarse co la medida de magitudes físicas. Medir cosiste e comparar

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

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució

Más detalles

Uso de Excel en la enseñanza de las series 1

Uso de Excel en la enseñanza de las series 1 Uso de Excel e la eseñaza de las series Carlos E. Azofeifa Resume El presete trabajo tiee como objetivo mostrar el uso de la herramieta muy coocida y flexible como lo es la hoja electróica Excel, e el

Más detalles

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

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 01

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 01 MEDICIONES EXPERIENCIA N 01 Galileo Galilei Nació e Pisa el 15 de febrero de 1564. Astróomo y Físico. 1564-164. "No me sieto obligado a creer que u Dios que os ha dotado de iteligecia, setido comú, y raciociio,

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos

Más detalles

Intervalos de confianza para la media

Intervalos de confianza para la media Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:

Más detalles

Enfoque práctico de los elementos necesarios para la estimación del tamaño de la muestra

Enfoque práctico de los elementos necesarios para la estimación del tamaño de la muestra Capítulo 7 Efoque práctico de los elemetos ecesarios para la estimació del tamaño de la muestra Arturo Redig Beral Jua Carlos López Alvarega Itroducció Las exigecias e la ivestigació actual ha creado la

Más detalles

Señales en Tiempo Discreto

Señales en Tiempo Discreto Señales e Tiempo Discreto Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció.. Señales e tiempo discreto.3. Clasificació de las señales

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

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

Tema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor

Tema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor Tema 7 (IV) Aplicacioes de las derivadas () Represetació gráfica de curvas y fórmula de Taylor Aplicacioes de la derivada primera El sigo de la derivada primera de ua fució permite coocer los itervalos

Más detalles

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta

Más detalles

La Matemática Financiera desde un enfoque de las Ecuaciones en Diferencias

La Matemática Financiera desde un enfoque de las Ecuaciones en Diferencias La Matemática Fiaciera desde u efoque de las Ecuacioes e Diferecias Luis Eresto Valdez Efraí Omar Nieva Luis Edgardo Barros Eje temático: Matemática aplicada Resume Usualmete, se preseta a la Matemática

Más detalles

Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1

Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA) I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co

Más detalles

Tema 1: ESTIMACIÓN DE PARÁMETROS Y CONTRASTE DE HIPÓTESIS.

Tema 1: ESTIMACIÓN DE PARÁMETROS Y CONTRASTE DE HIPÓTESIS. Tema : ETIMACIÓN DE PARÁMETRO CONTRATE DE HIPÓTEI... Itroducció.. Objetivos.3. Distribucioes muestrales.3.. Distribució muestral de la media.3.. Distribució muestral de la proporció.3.3. Distribució muestral

Más detalles

Inferencia Estadística

Inferencia Estadística Iferecia Estadística Tema 1 - Elemetos de la teoría del muestreo 1.1. Coceptos básicos: muestra aleatoria y estadístico. 1.2. Otros tipos de muestreo. a explicació que aquí iiciamos tiee como objetivo

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

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

( ) ( )( )( ) ( ) ( )( ) Algebra uiversitaria UNIDAD III. POLINOMIOS 3.. Técicas elemetales para buscar raíces Recordado la defiició de raíz U poliomio P(x) tiee ua raíz r si y solo si P(r) = 0. Recordar el teorema de factorizació

Más detalles

LABORATORIO DE TECNOLOGÍAS IV

LABORATORIO DE TECNOLOGÍAS IV LABORATORIO DE TECNOLOGÍAS IV INGENIERÍA TÉCNICA INDUSTRIAL MECÁNICA PRÁCTICA 4 INTRODUCCIÓN A LA METROLOGÍA DEPARTAMENTO DE INGENIERÍA MECÁNICA Febrero de 005 Laboratorio de Tecologías IV PROGRAMA 0 OBJETIVOS

Más detalles

Tema 6: Distribuciones Muestrales

Tema 6: Distribuciones Muestrales Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL INISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIENTAL POLITÉCNICA DE LA FUERZA ARADA NACIONAL UNEFA NUCLEO ERIDA APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 8 CONSERVACIÓN

Más detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

Muestreo Aleatorio Simple

Muestreo Aleatorio Simple Capítulo 1 Muestreo Aleatorio Simple Este método de muestreo proporcioa u puto de partida para ua exposició de los métodos de muestreo probabilístico o porque sea uo de los métodos de muestreo más utilizados

Más detalles

Unidad 4 Gases Ideales en Procesos Simples de Compresión y Expansión

Unidad 4 Gases Ideales en Procesos Simples de Compresión y Expansión Uidad 4 Gases Ideales e rocesos imples de Compresió y Expasió U aálisis de procesos simples e sistemas cerrados, e los cuales participa u gas ideal so descritos e esta uidad. e icluye el cocepto de gas

Más detalles

Resolución de ecuaciones no lineales

Resolución de ecuaciones no lineales Resolució de ecuacioes o lieales Solucioa ecuacioes o lieales tipo f()= Normalmete cada método tiee sus requisitos Métodos so iterativos Métodos iterativos para resolver f()= E geeral métodos iterativos

Más detalles

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.

Más detalles

ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN POR INTERVALOS DE CONFIANZA Estimació por itervalos de cofiaza. I.E.. A uqueira I pag. Coceptos ETIMACIÓN POR INTERVALO DE CONFIANZA E este tema vamos a estudiar como estimar, es decir proosticar, u parámetro de la població, geeralmete

Más detalles

TEMA 19 Cálculo de límites de sucesiones*

TEMA 19 Cálculo de límites de sucesiones* CURSO -6 TEMA 9 Cálculo de límites de sucesioes* Propiedades aritméticas de los límites de sucesioes. b tales que : a = a b = b, dode ab, R Sea las sucesioes { } a y { } Etoces podemos obteer su suma,

Más detalles

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ 06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la

Más detalles

PRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA

PRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA PRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA CAPACIDADES A LOGRAR 1. Cooce y aplica procedimietos para determiar tamaño de partícula de polvos. 2. Iterpreta, clasifica y orgaiza datos y calcula

Más detalles

Ejercicios sobre la aplicación de las diferentes leyes que caracterizan a los gases

Ejercicios sobre la aplicación de las diferentes leyes que caracterizan a los gases Ejercicios sobre la aplicació de las diferetes leyes que caracteriza a los gases 1. g de oxígeo se ecuetra ecerrados e u recipiete de L, a ua presió de 1,5 atm. Cuál es la temperatura del gas si se supoe

Más detalles

PROCESO DE POISSON Rosario Romera Febrero 2009

PROCESO DE POISSON Rosario Romera Febrero 2009 1 PROCESO DE POISSON Rosario Romera Febrero 2009 1. Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar

Más detalles

Tema 7: Estimación por intervalos de confianza.

Tema 7: Estimación por intervalos de confianza. Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores

Más detalles

Fundamentos Físicos de la Ingeniería (Ingeniería Industrial) Prácticas de Laboratorio Curso 2008-09

Fundamentos Físicos de la Ingeniería (Ingeniería Industrial) Prácticas de Laboratorio Curso 2008-09 Fudametos Físicos de la Igeiería (Igeiería Idustrial) rácticas de Laboratorio Curso 008-09 ráctica : Estudio experimetal de los gases ideales Objeto de la práctica El objetivo específico es estudiar el

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

POBLACIÓN Y MUESTRA AUTORIA SILVIA BORREGO DEL PINO TEMÁTICA ESTADÍSTICA ETAPA ESTUDIOS UNIVERSITARIOS

POBLACIÓN Y MUESTRA AUTORIA SILVIA BORREGO DEL PINO TEMÁTICA ESTADÍSTICA ETAPA ESTUDIOS UNIVERSITARIOS ISSN 1988-6047 DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 POBLACIÓN Y MUESTRA AUTORIA SILVIA BORREGO DEL PINO TEMÁTICA ESTADÍSTICA ETAPA ESTUDIOS UNIVERSITARIOS Resume La Estadística tiee por objeto el

Más detalles

4.1Regresion de probabilidad simple y curvilínea

4.1Regresion de probabilidad simple y curvilínea 4 REGRESION Y CORREALCION SIMPLE 4.1Regresio de probabilidad simple y curvilíea Clases de Regresió La regresió puede ser Lieal y Curvilíea o o lieal, ambos tipos de regresió puede ser a su vez: a) Regresió

Más detalles

Muestreo estratificado

Muestreo estratificado Capítulo 1 Muestreo estratificado El objetivo del diseño de ecuestas por muestreo es maximizar la catidad de iformació para u coste dado. El muestreo aleatorio simple suele sumiistrar bueas estimacioes

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

Práctica de Laboratorio. Tema: Sistemas de Regulación.

Práctica de Laboratorio. Tema: Sistemas de Regulación. iversidad Nacioal de Mar del Plata. Práctica de Laboratorio Tema: Sistemas de egulació. átedra: Medidas Eléctricas 3º año de la carrera de geiería Eléctrica. Área Medidas Eléctricas NMDP. Prof. Adjuto:

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

DETERMINACIÓN DEL COEFICIENTE DE DEFORMACIÓN ELÁSTICA EN ENSAMBLES PISTÓN CILINDRO DE BALANZAS DE PRESIÓN TIPO INDUSTRIAL

DETERMINACIÓN DEL COEFICIENTE DE DEFORMACIÓN ELÁSTICA EN ENSAMBLES PISTÓN CILINDRO DE BALANZAS DE PRESIÓN TIPO INDUSTRIAL DETERMINACIÓN DEL COEFICIENTE DE DEFORMACIÓN ELÁSTICA EN ENSAMBLES PISTÓN CILINDRO DE BALANZAS DE PRESIÓN TIPO INDUSTRIAL Pablo Olvera Araa Cetro Nacioal de Metroloía, CENAM Resume E el esamble istó cilidro

Más detalles

Repaso...Último Contenidos NM 4

Repaso...Último Contenidos NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Fucioes y relacioes. Diagrama Sagital. Sea A = { a,b, c} y B = { 1, 2, 3, 4} Repaso...Último Coteidos NM 4 A: Cojuto

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

Introducción. v Qué es la estadística?

Introducción. v Qué es la estadística? v Qué es la estadística? Es ua Ciecia que explica y provee de herramietas para trabajar co datos, ha experimetado u gra desarrollo a lo largo de los últimos años. v E qué áreas se aplica la estadística?

Más detalles

GENERACIÓN DE NIVELES DE RUIDO DEL GRAN SANTIAGO 1989 2001. Unidad de Acústica Ambiental Secretaría Regional Ministerial de Salud R.M.

GENERACIÓN DE NIVELES DE RUIDO DEL GRAN SANTIAGO 1989 2001. Unidad de Acústica Ambiental Secretaría Regional Ministerial de Salud R.M. GENERACIÓN DE NIVEES DE RUIDO DE GRAN SANTIAGO 1989 2001 Secretaría Regioal Miisterial de Salud R.M. Noviembre de 2011 Ídice geeral Pág. Presetació 1. Estudio Base de Geeració de Niveles de Ruido del

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

PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.

PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:

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

LECCIÓN Nº 13 y 14 DEPRECIACION.

LECCIÓN Nº 13 y 14 DEPRECIACION. LECCIÓN Nº 13 y 14 DEPRECIACION. OBJETIVO: Coocer la termiología básica de la recuperació del capital que utiliza la depreciació. Utilizar el modelo de depreciació e líea recta. Utilizar el modelo de depreciació

Más detalles

PROGRESIONES ARITMÉTICAS.-

PROGRESIONES ARITMÉTICAS.- PROGRESIONES ARITMÉTICAS.- Ua progresió aritmética es ua sucesió de úmeros tales que cada uo de ellos, excepto el primero, se obtiee sumado al aterior ua costate d, que se deomia diferecia de la progresió.

Más detalles

R E S O L U C I Ó N. a) La distribución de las medias muestrales es: N, N 8'1, N 8'1, 0'3. Como el nivel de confianza es del 97%, podemos calcular

R E S O L U C I Ó N. a) La distribución de las medias muestrales es: N, N 8'1, N 8'1, 0'3. Como el nivel de confianza es del 97%, podemos calcular El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media días y desviació típica 3 días. a) Determie u itervalo de cofiaza para estimar, a u ivel del 97%, co ua muestra aleatoria

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

Más detalles

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación. Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete

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

Mg. Ing. Susana Vanlesberg Profesor Titular

Mg. Ing. Susana Vanlesberg Profesor Titular Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES

Más detalles

Cálculo de límites. 8.1. Criterio de Stolz. Tema 8

Cálculo de límites. 8.1. Criterio de Stolz. Tema 8 Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que

Más detalles

17.3 Intervalos de predicción para el promedio de m observaciones futuras

17.3 Intervalos de predicción para el promedio de m observaciones futuras 4 7.3 Itervalos de predicció para el promedio de m oservacioes futuras Para reducir la icerteza de las prediccioes o alcaza co aumetar idefiidamete el tamaño de la muestra e la que se asa el ajuste. Si

Más detalles

NOMBRE: CURSO: FECHA:

NOMBRE: CURSO: FECHA: AMLIACIÓN co solucioes. EJERCICIO RESUELTO E ua jeriguilla cogemos 3 cm 3 de aire. E ese mometo la presió que ejerce dicho gas es de a. a) Escribe el valor de la presió e atmósferas, e milímetros de mercurio,

Más detalles

UNIDAD 4 MODELOS PROBABILÍSTICOS

UNIDAD 4 MODELOS PROBABILÍSTICOS Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería

Más detalles

Estabilidad Interna de los Sistemas No Lineales

Estabilidad Interna de los Sistemas No Lineales UNR - Igeiería Departameto de Electróica Cátedra D.S.F. Estabilidad Itera de los Sistemas No Lieales Código: A_EstSNL A-7 Cotrol I E-54 Diámica de los Sistemas Físicos Aálisis de la Estabilidad Itera de

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

Unidad 3. Construcción de números índice y aplicaciones al análisis económico

Unidad 3. Construcción de números índice y aplicaciones al análisis económico Uidad 3. Costrucció de úmeros ídice y aplicacioes al aálisis ecoómico Los úmeros ídices, utilizados co frecuecia e Ecoomía, Demografía y diferetes campos de la estadística aplicada, so valores coveietes

Más detalles

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

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS Miisterio de Saidad y Cosumo Cetro Nacioal de Saidad Ambietal Área de Cotamiació Atmosférica INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS 1.- ANTECEDENTES.

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral

Más detalles

ESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean

ESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean ESTADÍSTICA Estadística: Es ua rama de la matemática que comprede Métodos y Técicas que se emplea e la recolecció, ordeamieto, resume, aálisis, iterpretació y comuicació de cojutos de datos. Població:

Más detalles

Análisis Descriptivo y Presentación de Datos en Dos Variables

Análisis Descriptivo y Presentación de Datos en Dos Variables Aálisis Descriptivo Presetació de Datos e Dos Variables Aálisis de Correlació Lieal Regresió Lieal SPSS & Ecel Prof. Gaspar Torres Rivera Math. 98 Supuestos: La muestra de datos bivariados (, ) represeta

Más detalles

ONDAS SOBRE UNA CUERDA

ONDAS SOBRE UNA CUERDA ONDAS SOBRE UNA CUERDA Objetivo: Aalizar el comportamieto de las odas estacioarias e ua cuerda relacioado la tesió, la frecuecia de oscilació, la logitud de la cuerda y el úmero de segmetos que se forma

Más detalles

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander Rudimetos 5: Teorema del Biomio Profesor Ricardo Satader Este capitulo esta destiado a presetar coteidos y actividades que permitirá al estudiate: Operar co simbología matemática, desarrollar expresioes

Más detalles

b) Encontrar: τ o σ ; π o σ ; σ y τ. 2. Usar la definición de determinante para encontrar: 4. Calcular los determinantes de las siguientes matrices:

b) Encontrar: τ o σ ; π o σ ; σ y τ. 2. Usar la definición de determinante para encontrar: 4. Calcular los determinantes de las siguientes matrices: EJERCICIOS PROPUESTOS. Tarea 3. Cosiderar las siguietes particioes de S 5 σ = 354 τ = 354 π = 453. a) Determiar el sigo de cada ua de las ateriores particioes. b) Ecotrar: τ o σ ; π o σ ; σ y τ.. Usar

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre 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

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos

Más detalles

ANÁLISIS SÍSMICO DE EDIFICIOS

ANÁLISIS SÍSMICO DE EDIFICIOS XVI CURSO INTERNACIONAL DE ESTRUCTURAS QUITO ECUADOR OCTUBRE DE 003 ANÁLISIS SÍSMICO DE EDIFICIOS Adaptació de Dyamics of Structures: Theory ad Applicatios Ail K. Chopra. Por: ING. NICOLA TARQUE RUÍZ ING.

Más detalles

EVALUACIÓN DE LA INCERTIDUMBRE EN LA DETERMINACIÓN DEL CAMPO VISUAL DE UN MICROSCOPIO ÓPTICO COMPUESTO

EVALUACIÓN DE LA INCERTIDUMBRE EN LA DETERMINACIÓN DEL CAMPO VISUAL DE UN MICROSCOPIO ÓPTICO COMPUESTO EVALUACIÓN DE LA INCERTIDUMBRE EN LA DETERMINACIÓN DEL CAMPO VISUAL DE UN MICROSCOPIO ÓPTICO COMPUESTO Luis C. Martorelli, Javier R. Bergamii, Alejadro Paola Laboratorio de Óptica, Calibracioes y Esayos-

Más detalles

Lentes divergentes. Estudiar propiedades de lentes divergentes. Análisis de aberraciones por esfericidad.

Lentes divergentes. Estudiar propiedades de lentes divergentes. Análisis de aberraciones por esfericidad. etes divergetes Objetivo Estudiar propiedades de letes divergetes. Aálisis de aberracioes por esfericidad. Actividad etes divergetes Estas letes tiee la característica de ser más delgadas e el cetro que

Más detalles

PROCESOS BIOLOGICOS EN INGENIERIA AMBIENTAL

PROCESOS BIOLOGICOS EN INGENIERIA AMBIENTAL PROCEO BIOOGICO EN INGENIERIA AMBIENTA TRABAJO PRÁCTICO N 5 Degradació de u efluete lácteo utilizado u filtro percolador operado e circuito cerrado. Determiació de las costates de degradabilidad. Miguel

Más detalles

Seminario Internacional de Investigación y Debate

Seminario Internacional de Investigación y Debate Semiario Iteracioal de Ivestigació y Debate Democratizació de la Goberabilidad de los servicios de Agua y Saeamieto Mediate Iovacioes Socio-técicas Cometarios de Apertura Dr. José Esteba Castro, Ivestigador

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

Álgebra. Lenguaje simbólico y Números naturales

Álgebra. Lenguaje simbólico y Números naturales UNIVERSIDAD DIEGO PORTALES FACULTAD DE INGENIERÍA INSTITUTO DE CIENCIAS BASICAS Álgebra Guía de Ejercicios Nº4 Leguaje simbólico y Números aturales Primera Parte: LENGUAJE SIMBÓLICO Elemetos de Lógica

Más detalles

UNIVERSIDAD DIEGO PORTALES FACULTAD DE INGENIERÍA INSTITUTO DE CIENCIAS BASICAS

UNIVERSIDAD DIEGO PORTALES FACULTAD DE INGENIERÍA INSTITUTO DE CIENCIAS BASICAS UNIVERSIDAD DIEGO PORTALES FACULTAD DE INGENIERÍA INSTITUTO DE CIENCIAS BASICAS Álgebra Guía de Ejercicios º4 Leguaje simbólico y úmeros aturales Primera Parte: LE GUAJE SIMBÓLICO Elemetos de Lógica proposicioal.

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles