MÉTODO DE NEWTON. SU APLICACIÓN A LAS FINANZAS

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

Download "MÉTODO DE NEWTON. SU APLICACIÓN A LAS FINANZAS"

Transcripción

1 MÉTODO DE NEWTON. SU APLICACIÓN A LAS INANZAS Dafe R. Courty, Gustavo Alejadro Vera Uversdad Nacoal de la Patagoa Austral Pto. Sa Julá. Prov. de Sata Cruz (Argeta) dafecourty@yahoo.com.ar vera_gustavo4@yahoo.com.ar Es sorpredete, y a alguos profesores os resulta compresble, la aprehesó que tee los alumos haca el estudo de las cecas exactas. S be es lógco que para alguos resulte más apasoates, y compresbles que para otros, o podemos egar que os rodea, y co ellas podemos explcar hechos cotdaos de uestras vdas, de la aturaleza y del uverso. Cada movmeto que realzamos se explca desde la físca, el cómo mateemos uestra temperatura y dgermos los almetos, desde la químca, y así podríamos cotuar ctado ejemplos. Pero lo que queremos destacar es que muchos de estos feómeos ecesta de herrametas matemátcas para ser estudados. Auque os parezca metra las usamos permaetemete, a veces s daros cueta, otras veces, cocetes de lo que estamos buscado. Imagemos ua persoa que esté por ecarar u egoco; dgamos, la compra de ua maquara ueva, la produccó de u be, la prestacó de u servco, o colocar dero e u plazo fjo; hará u aálss cas coscete relacoado tres elemetos: ) El dero que debe vertr. ) Cuato gaará co esa versó ) Y e cuato tempo. S esto lo llevamos a térmos académcos dríamos lo sguete: Cuado evaluamos u proyecto, resulta evtable utlzar herrametas provstas por la matemátca, para comparar los dsttos flujos de caja (dfereca etre pagos y cobros) geerados, co la versó cal realzada, y así saber s el proyecto permte obteer la retabldad deseada, además de recuperar la versó cal.

2 Los métodos más coocdos so los llamados Valor Actual Neto o VAN y la Tasa Itera de Retoro o TIR. El método VAN es el más aceptado por los evaluadores, porque mde la retabldad deseada, después de recuperar la versó, para lo cual debemos calcular el Valor Actual de los flujos futuros de caja, es decr, cuato vale e el presete los flujos futuros y restar la versó total expresada e el mometo cero. El método TIR, mde la retabldad como u porcetaje, su resultado coduce esecalmete, a la msma regla de decsó que el método VAN, por lo que cada vez tee meos aceptacó. S embargo, la TIR os dca cual será la máxma tasa que se puede exgr de u proyecto, cuado el VAN es gual a cero. S el VAN es postvo, la TIR es mayor que la tasa de descueto a la que fuero expuestos los flujos de fodos y s es egatvo, la TIR es meor que la tasa de descueto exgda por el proyecto. Traduzcamos esto a u leguaje matemátco: Al decr que el VAN es producto de actualzar los flujos futuros de fodos y restarles la versó cal estamos plateado lo sguete: S a la versó cal la llamamos ; y a los flujos de caja los detfcamos co la letra agregado u subídce que dque e que mometo de la versó os hallamos, cotado desde períodos hasta períodos y deomado co la letra a la tasa de terés volucrada, obtedríamos: VAN = ( ) ( ) ( ) ( )... Ahora be, cuado estamos buscado ua medda e porcetaje que os dque la máxma tasa que se puede exgr del proyecto, djmos que esta tasa, provocaba que el VAN sea gual a cero, e este caso, estamos e preseca de la TIR. Platear u VAN gual a cero, o es más que decr, que los flujos descotados a ua tasa de terés determada resulta ser exactamete guales a la versó cal realzada, por lo tato matemátcamete platearíamos que: = + + ( ) ( ) ( ) ( )

3 He aquí dos fucoes, ua de ellas costate, que pretedemos gualar, o expresado de otra maera, buscamos que la dfereca etre ambas sea gual a cero. O sea: = ( ) ( ) ( ) ( )... La cuestó es cómo hacer para hallar ese valor de la tasa; que e térmos matemátcos, llamamos cero de la fucó. E la actualdad exste u método umérco de aproxmacó que os permte hallar esta tasa de forma rápda y seclla. Esto se lo debemos a Isaac Newto, cetífco y matemátco glés acdo e la aldea de Wooolsthorp cerca de Lcol, el 4 de eero de 64 y fallecdo e Lodres. E 665, él se traslada a la fca de la famla; pues la captal de Gra Bretaña fue vadda por la peste bubóca, es allí dode desarrolla sus descubrmetos más mportates, como lo so el Teorema Bomal, las bases del cálculo dferecal e tegral. E uo de sus tratados preseta los fudametos de la físca y la astroomía formulados e el leguaje de la geometría pura; Methodus fluxoum et sererum ftorum, e el que se descrbe el método de fluxoes, como lo defó el msmo Newto, para explcar sus métodos ftesmales, este método es el que os permtrá aproxmar la TIR. El lbro se escrbó e 67, pero se publca e 76 cuado lo traduce Joh Colso. Es aquí dode surge algo llamatvo pues, Joseph Raphso ya había publcado este método de Newto e su lbro Aalyss aequatoum uversals e el año 69, que se való su eleccó para formar parte de la Royal Socety e 69. Esto se debó a que Raphso era uo de los pocos que tuvo acceso a las cartas de Newto, tal es así que el año 7, él tuvo acceso a los borradores del surgmeto del Método de luxoes. Por ello e el año 75, luego de su muerte, es publcado Hstory of luxos. Nuestra tecó es mostrar la aplcacó de este método e su forma actual e el cálculo de la TIR. Volvamos a la stuacó que estábamos aalzado, las fucoes de las que estamos hablado so: VAN = ( ) ( ) ( ) ( )... Estas, e geeral, determa curvas tales como la de la g. 4

4 Como se djo aterormete para determar la TIR; que o es más que la raíz de la fucó, podemos aplcar el método de Newto. El procedmeto a utlzar, es elegr u valor aleatoro para "" (x = ) y co esto determar la ecuacó de la recta tagete e ese valor como muestra la g.. y VAN = ( x ) 5

5 Como observamos e la g. esta recta tee su raíz e x = dode () es: ( ) VAN = A cotuacó despejo. VAN = VAN = Esto o es más que la fórmula recursva del método de Newto. 6

6 Como puede observarse, debdo a la covexdad de la fucó, el puto obtedo, está más próxmo a la raíz que el puto. S determamos la recta tagete e ; obtedríamos ua mayor aproxmacó a la TIR, sedo la expresó de : VAN = E geeral: + = VAN Podemos termar el proceso, cuado el + obtedo, es gual al de la etapa ateror, cabe aclarar, que esto depederá del úmero de decmales que cosderemos, obteedo resultados más exactos cuado utlzamos 6 decmales como catdad míma. Pudedo detfcar las varables ecesaras, que os permta la aplcacó del método, aú cuado el objeto de estudo que lo produjo sea dstto del uestro, ecotraríamos multplcdad de aplcacoes. Co esto hemos mostrado al lector ua maera rápda y efcaz, de resolver este tpo de problemas a través de u método; que e u prcpo fue cocebdo, aalzado ua stuacó determada y hoy podemos aplcarla a ua dferete a la cal. Seguramete Isaac Newto o alcazó a tomar real coceca de la magtud de su trabajo. Por ello hemos expuesto uo más de sus aportes; e este caso, a las cecas ecoómcas. REERENCIAS BIBLIOGRÁICAS Vetur García, Alejadro (4). Los matemátcos que hcero la hstora. Bueos Ares: Edcoes Cooperatvas. Cha Sapag Nassr (4). Evaluacó de proyectos de versó e la empresa. Bueos Ares. Pearso educato S.A 7

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

APLICACIONES DE LA MATEMÁTICA FINANCIERA EN LA TOMA DE DECISIONES

APLICACIONES DE LA MATEMÁTICA FINANCIERA EN LA TOMA DE DECISIONES Uversdad de Los Ades Facultad de Cecas Ecoómcas y Socales Escuela de Admstracó y Cotaduría Públca Departameto de Cecas Admstratvas Cátedra de Produccó y Aálss de la Iversó Asgatura: Matemátca Facera APLICACIONES

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

LEY FINANCIERA DE DESCUENTO SIMPLE RACIONAL. DESCUENTO BANCARIO

LEY FINANCIERA DE DESCUENTO SIMPLE RACIONAL. DESCUENTO BANCARIO LEY FINANIEA E ESUENTO SIMPLE AIONAL. ESUENTO BANAIO Profesor: Jua Atoo Gozález íaz epartameto Métodos uattatvos Uversdad Pablo de Olavde www.clasesuverstaras.com Ley Facera de escueto Smple acoal La ley

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el

CAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15 1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

Cálculo Integral. LA INTEGRAL

Cálculo Integral. LA INTEGRAL Cálculo Itegral. LA INTEGRAL Durate la seguda mtad del sglo XVII, Newto y Lebz dero u paso decsvo e la matemátca de las magtudes varables, al setar las bases del cálculo dferecal e tegral. "Este fue el

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

Capítulo 1. CAPITALIZACIÓN SIMPLE

Capítulo 1. CAPITALIZACIÓN SIMPLE Curso de Cotabldad y Matemátcas Faceras 2ª parte: Matemátcas Faceras Capítulo. CAPITALIZACIÓN SIMPLE Capítulo. CAPITALIZACIÓN SIMPLE Ídce de cotedos Pága CAPÍTULO CAPITALIZACIÓN SIMPLE 3. CONCEPTO Y FÓRMULAS

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

Análisis Financiero de Proyectos

Análisis Financiero de Proyectos UNIVERSIDAD POLITÉCNICA DE MADRID COLEGIO DE POSTGRADUADOS DE MÉXICO E.T.S.I. AGRONOMOS Departameto Proyectos y Plafcacó Rural Proyecto de Iovacó Educatva para la mplatacó del Espaco Europeo de Educacó

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Interpolación polinómica.

Interpolación polinómica. 5 Iterpolacó polómca Itroduccó E muchas ocasoes e dferetes ramas de la geería, a la hora de resolver u problema, los datos de que se dspoe se ecuetra e tablas, como por ejemplo tablas estadístcas E la

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

EJERCICIOS SISTEMA FINANCIERO COMPUESTO

EJERCICIOS SISTEMA FINANCIERO COMPUESTO UNIVERSIDAD DE LOS ANDES FAULTAD DE IENIAS EONÓMIAS Y SOIALES DEPARTAMENTO DE IENIAS ADMINISTRATIVAS ÁTEDRA: ANÁLISIS DE LA INVERSIÓN ASIGNATURA: MATEMÁTIA FINANIERA PROFESOR: MIGUEL A. OLIVEROS V. EJERIIOS

Más detalles

Aplicaciones de Balances de Energía en Reactores Batch

Aplicaciones de Balances de Energía en Reactores Batch plcacoes de Balaces de Eergía e Reactores Batch Para u reactor batch, el BdeM se epresa como la ecuacó para determar el tempo de resdeca: t N ( rv Separado varables: V N Esta es ua ecuacó dferecal ordara

Más detalles

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web:

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web: Itroduccó al Algebra Leal e Cotexto Autor José Arturo Barreto M.A. Web: www.abaco.com.e www.mprofe.com.e josearturobarreto@yahoo.com Descomposcó e Valor Sgular (SVD: Sgular Value Decomposto) El sguete

Más detalles

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS

MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS Autores: Dr. Ig. Roberto Pzarro T. Ig. Jua Pablo Flores V. Ig. Clauda Sagüesa P. Ig. Ezo Martíez A. 1. INTRODUCCIÓN El presete documeto fue extraído

Más detalles

1.2. Medidas de Concentración

1.2. Medidas de Concentración .. Meddas de Cocetracó Matlde Machado.. Meddas de Cocetracó La gra mayora de los mercados se ecuetra etre los extremos de competeca perfecta (cocetracó mma) y moopolo (cocetracó máxma). Las meddas de cocetracó

Más detalles

Regla de Bayes. Pedro J. Rodríguez Esquerdo

Regla de Bayes. Pedro J. Rodríguez Esquerdo Regla de Bayes Pedro J. Rodríguez Esquerdo Isttuto de Estadístca y Sstemas Computadorzados de Iformacó Facultad de Admstracó de Empresas y Departameto de Matemátcas Facultad de Cecas Naturales Recto de

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.

Más detalles

Problemas discretos con valores iniciales

Problemas discretos con valores iniciales Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

TEMA 2: CAPITALIZACIÓN SIMPLE

TEMA 2: CAPITALIZACIÓN SIMPLE Matemátcas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 2: APITALIZAIÓN SIMPLE ÍNDIE 1. APITALIZAIÓN SIMPLE... 1 1.1. ONEPTO... 2 1.2. DESRIPIÓN DE LA OPERAIÓN... 2 1.3. ARATERÍSTIAS DE LA OPERAIÓN...

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información? APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

PRÉSTAMOS I: Préstamos que se amortizan mediante pago único de capital (teoría)

PRÉSTAMOS I: Préstamos que se amortizan mediante pago único de capital (teoría) PRÉTAMO I: Préstamos que se amortza medate pago úco de captal teoría Profesor: Jua Atoo Gozález Díaz Departameto Métodos uattatvos Uversdad Pablo de Olavde www.clasesuverstaras.com PRÉTAMO QUE E AMORTIZAN

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles