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

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

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

Transcripción

1 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 Abrl, 7 Departameto de Matemátca Aplcada y Métodos Iformátcos

2 Uversdad Poltécca de Madrd Igeería de Mas OBJETIVOS º. Coocer el cocepto de fórmula de dervacó umérca º. Obteer y aplcar fórmulas de dervacó umérca de tpo terpolatoro para aproxmar prmeras dervadas de fucoes. 3º. Aalzar y obteer cotas del error de aproxmacó de dervadas prmeras medate fórmulas de tpo terpolatoro. 4º. Coocer las prcpales propedades de las fórmulas de dervacó umérca de tpo terpolatoro para aproxmar dervadas prmeras de fucoes. 5º. Obteer y aplcar fórmulas de tpo terpolatoro para aproxmar dervadas de orde superor al prmero, y coocer sus propedades prcpales. Departameto de Matemátca Aplcada y Métodos Iformátcos

3 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de dervacó umérca: defcó. Defcó Se deoma FÓRMULA DE DERIVACIÓN NUMÉRICA para aproxmar f (x*) sobre el soporte {x, x,..., x } a toda expresó de la forma: f'( x* ) c. f( x) A los úmeros c se les deoma COEFICIENTES (o PESOS) de la fórmula. S c = L (x*), sedo L (x) ( =,,..., ) los (+)polomos de base de Lagrage sobre el soporte {x, x,..., x } a la fórmula se la deoma fórmula de dervacó umérca de tpo terpolatoro (e el setdo de Lagrage). Departameto de Matemátca Aplcada y Métodos Iformátcos

4 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de dervacó umérca: error. Defcó Sedo f(x) ua fucó dervable e x* y dada la fórmula de dervacó umérca para aproxmar f (x*) sobre el soporte {x, x,..., x }: f '( x* ) f ' c. f( x ) = * se deoma ERROR DE TRUNCAMIENTO de la fórmula para la fucó f(x) el e puto x*, al valor: R f (x*) = f (x*) f * NOTA: Para cada fucó f, Rf : I R x R f (x) Se buscará acotar R f (x) e el tervalo I. Departameto de Matemátca Aplcada y Métodos Iformátcos 3

5 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de dervacó umérca de de tpo terpolatoro Sea. Sedo p (x) el polomo terpolador de Lagrage de ua fucó f(x) sobre el soporte {x, x,, x } se tee que: f(x) = p (x) + ε f (x) = f(x ) L (x) +ε(x) c l l f f'(x*) = f(x ) L (x*) + ε (x*) f R f (x*) A las fórmulas así obtedas se las de dervacó umérca de tpo terpolatoro costrudas sobre el soporte {x, x,, x } Departameto de Matemátca Aplcada y Métodos Iformátcos 4

6 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: obtecó. OBSERVACIÓN E otros térmos, las fórmulas de dervacó umérca de tpo terpolatoro que aproxma el valor de f (x*), se obtee dervado el polomo terpolador de la fucó f(x) y partcularzado la expresó de la dervada e x*. Para ello, puede utlzarse cualquera de las expresoes que proporcoa el polomo terpolador (fórmula de Lagrage, fórmula de Newto, fórmulas e dferecas ftas,...) Departameto de Matemátca Aplcada y Métodos Iformátcos 5

7 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: ejemplo.. Ejemplo: Soporte: {x, x } Polomo terpolador de f(x) e este soporte: f(x) p (x) = f (x ) + f x,x (x x ) [ ] Aproxmacó de f (x*) medate ua fórmula de tpo terpolatoro co el soporte {x, x } : f '( x) p '(x) = f x, = [ x ] f(x ) f(x ) x x E u puto x*: f'( x* ) p '( x* ) = f(x ) f(x ) x x x x* x Departameto de Matemátca Aplcada y Métodos Iformátcos 6

8 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: ejemplo.. f '( x* ) p '( x* ) = f(x ) f(x ) x x = (x) f + (x) f c c x x* x α β p (x*) = tg (β) f (x*) = tg (α) Departameto de Matemátca Aplcada y Métodos Iformátcos 7

9 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: ejemplo a) Obteer ua fórmula de tpo terpolatoro que aproxme f (x*) sobre el soporte {x =x*-, x =x*-, x =x*} b) Aplcar la fórmula a la aproxmacó de la prmera dervada de la fucó e -x e el puto x* = y co pasos = -, -,, - Solucó: L(x) (x x * + ) (x x*) L' (x*) (x x * + ) (x x*) = L'(x*) = L(x) = = Departameto de Matemátca Aplcada y Métodos Iformátcos 8

10 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: ejemplo (x x * + ) (x x*) L(x) = L' (x*) = (x x * + ) (x x*) L(x) = L'(x*) = (x x * + ) (x x * + ) 3 L(x) = L'(x*) = f'(x*) f(x * ) f(x * ) + f(x*) ( 4 3 ) APLIQUÉMOSLA! Departameto de Matemátca Aplcada y Métodos Iformátcos 9

11 Uversdad Poltécca de Madrd Igeería de Mas Ejemplo f'(x*) f(x * ) f(x * ) + f(x*) x* = f = x e -x f () =- ( 4 3 ) Valor aproxmado de f () Dsmur por debajo de u certo umbral empeora el resultado Departameto de Matemátca Aplcada y Métodos Iformátcos

12 Uversdad Poltécca de Madrd Igeería de Mas El El error e e las fórmulas de de tpo terpolatoro ( ξ(x) ) (+ f x ( x,x ) ξ = ξ(x) /f(x) p (x) = x x + ( ) ( )! = ξ ξ + + R f(x*) ( (+ f ( (x*)) '(x*) (x * )! x ) (+ + f ( ξ(x*)) (x * x ) ( + )! j= j Departameto de Matemátca Aplcada y Métodos Iformátcos

13 Uversdad Poltécca de Madrd Igeería de Mas Uso de desarrollos e sere de Taylor x* x x x = sup(, ) = sup( x*-x, x*-x ) x = x* + θ ( =,..., ) θ [,] S f C + ((a, b)): θ θ f(x ) f( ) f( ) f'( ) f ( ) ( ) j j + + (j ( x * x* x* x* x j j! ( )! f + = +θ = + θ + + * +δ = + c f f c f * c f'( x* ) (x ) = ( x* ) + '( x ) θ + j + + θ + θ +δ j= j! ( + )! (j j + (+ f ( x* ) c ( c f ( x * ) ) Departameto de Matemátca Aplcada y Métodos Iformátcos

14 Uversdad Poltécca de Madrd Igeería de Mas Uso de desarrollos e sere de Taylor c f f c f * c f'( x* ) (x ) = ( x* ) + '( x ) θ + S c = L (x*)... Propedad j + + θ + θ +δ j= j! ( + )! (j j + (+ f ( x* ) c ( c f ( x * ) ) c = Propedad c Propedad 3 θ = (Ver la demostracó e presetacó º 6) (Ver la demostracó e presetacó º 7) j c θ = (j =,..., ) (Ver presetacó º 7) Departameto de Matemátca Aplcada y Métodos Iformátcos 3

15 Uversdad Poltécca de Madrd Igeería de Mas Uso de de desarrollos e e sere de de Taylor + f'( x* ) c f(x ) = f'( x* ) + θ f ( x * +δ ) + (+ ( c ) ( + )! S c = L (x*) y se deota por = θ = x x*: f'( x* ) c f(x ) = f'( x* ) + θ ( x +δ ) ( ( c f + * ) ( + )! f'( x* ) c f(x ) = f'( x* ) + ( ξ ) α ( + )! ξ (+ ( α f ) Rf ( x* ) = f ( ξ ) ( + )! ( (+ α ) Rf ( x* ) f ( ) ( + )! ( (+ α ) ξ Departameto de Matemátca Aplcada y Métodos Iformátcos 4

16 Uversdad Poltécca de Madrd Igeería de Mas Uso de de desarrollos e e sere de de Taylor Rf ( x* ) f ( ) ( + )! ( (+ α ) ξ Lema S g C((a,b)), dados (+) coefcetes o egatvos y o todos ulos {γ,γ,...,γ } y (+) putos {ξ,ξ,..., ξ } de (a,b), exste algú puto ξ (a, b) tal que: γ g( ξ ) = γ g( ξ) dode: γ= γ (Ver demostracó e los aputes) Luego: R ( α ) (+ f ( x* ) f ( ) β ( + )! ξ (+ = β f ξ ( ) Departameto de Matemátca Aplcada y Métodos Iformátcos 5

17 Uversdad Poltécca de Madrd Igeería de Mas Uso de de desarrollos e e sere de de Taylor (Demostracó de las propedades usadas e la presetacó º 3) Propedad S c = L (x*): Demostracó: c = Iterpolado la fucó f(x) = (polomo de grado que se terpolará s error sea cual sea el valor de ) se tee = L (x) + L (x) +.+L (x) = L(x) Dervado la detdad ateror y partcularzádola e x = x* se tee demostrada esta propedad Departameto de Matemátca Aplcada y Métodos Iformátcos 6

18 Uversdad Poltécca de Madrd Igeería de Mas Uso de de desarrollos e e sere de de Taylor (Demostracó de las propedades usadas e la presetacó º 3) Propedad S c = L (x*): Demostracó: Iterpolado la fucó f(x) = x (polomo de grado que se terpolará s error sea cual sea el valor de ) se tee x = L (x) x + L (x) x +.+L (x) x c θ = Departameto de Matemátca Aplcada y Métodos Iformátcos x = Dervado la detdad ateror e x* resultará que: L(x) x = c x = c (x * +θ ) = x * c + c θ Se aula por Propedad de dode se tee la gualdad que se quería demostrar 7

19 Uversdad Poltécca de Madrd Igeería de Mas Uso de de desarrollos e e sere de de Taylor (Demostracó de las propedades usadas e la presetacó º 3) Propedad 3 S c = L (x*) y j < : Demostracó: c θ = j Iterpolado la fucó f(x) = (x x*) j (polomo de grado j que se terpolará s error co los (+) putos de soporte) se tee (x-x*) j = L (x) (x x*) j + L (x) (x x*) j +.+L (x) (x x*) j ( ) j j j x x * = L(x) θ Dervado la detdad ateror y partcularzado e x* resultará que: j c = θ de dode se tee la gualdad que se quería demostrar j Departameto de Matemátca Aplcada y Métodos Iformátcos 8

20 Uversdad Poltécca de Madrd Igeería de Mas x* x x = sup(, ) EJEMPLO Sea θ y θ tales que: f(x) f(x) f(x) f(x) f ( x* ) = x x x x* = θ x x* = θ Se verfca que: = x x = (x - x*) - (x - x*) = θ θ = (θ θ ) y: f(x ) f(x ) f(x*) = S f C ((a, b)): θ f(x ) = f( x* +θ ) = f( x* ) +θ f'( x* ) + f '( x * +δ ) θ f(x ) = f( x* +θ ) = f( x* ) +θ f'( x* ) + f '( x * +δ ) ( θ θ ) f '( x* ) "( ) "( ) ( f x* f x* ) + θ +δ θ +δ Departameto de Matemátca Aplcada y Métodos Iformátcos 9

21 Uversdad Poltécca de Madrd Igeería de Mas ( θ θ ) f(x*) = γ x x* x = sup(, ) Casos partculares: EJEMPLO (cot.) f '( x* ) + θ f "( x* +δ ) "( ) θ f x* +δ ( ) "( ) "( ) γ f(x*) f '(x*) + ( θ f x* +δ θ f x* +δ ) Error de orde R( x* ) = "( ) f ζ () R( x* ) " f ( ) x* = x = ; γ = ; θ = ; θ = ; f x* = x = ; γ = ; θ = -; θ = ; f = ζ () Departameto de Matemátca Aplcada y Métodos Iformátcos

22 Uversdad Poltécca de Madrd Igeería de Mas Casos partculares (cot.): EJEMPLO (cot.) x* = (x +x )/ = ; γ = ; θ = - ½; θ = ½ ; E este caso, s f C 3 ((x, x )): R( f x* ) f "( ζ) "( ) f = ζ 3 f (x ) = f ( x* + ) = f ( x* ) + f '( x* ) + "( ) '''( ) f x* + 6 f ξ 3 f (x ) = f ( x * ) = f ( x* ) f '( x* ) + "( ) '''( ) f x* 6 f ξ f( x* + ) f ( x* ) = f'( x* ) + ( f'''( ξ ) + f''' ( ξ) ) 6 R( f x* ) = "' ( f ( )) "'( ) 6 ξ = 3 f ξ Pero. Departameto de Matemátca Aplcada y Métodos Iformátcos

23 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: orde de de exacttud. Defcó Se dce que la fórmula de dervacó umérca: f = * f '( x* ) ' c. f( x ) es exacta para la fucó f(x) e el puto x* cuado R f (x*) = Defcó Se dce que la fórmula de dervacó umérca: f = * f '( x* ) ' c. f( x ) es exacta de orde k cuado es exacta para cualquer polomo de grado meor o gual que k y e cualquer puto x* de la recta real. Departameto de Matemátca Aplcada y Métodos Iformátcos

24 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: orde de de exacttud. EJEMPLO: La fórmula de dervacó umérca de tpo terpolatoro costruda sobre el soporte {x, x }: f( x* ) f(x ) f( x) x x tee u error de trucatura verfcado: R f (x*) < M dode: M = sup ( f "(x) ) x < x< x S f(x) es u polomo de grado <, se verfca que M =. E cosecueca, la fórmula ateror es exacta de orde. Departameto de Matemátca Aplcada y Métodos Iformátcos 3

25 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: orde de de exacttud. Teorema Las codcó ecesara y sufcete para que ua fórmula de dervacó umérca costruda sobre u soporte de (+) putos {x, x,..., x } sea exacta de orde es que sea ua fórmula de tpo terpolatoro. Demostracó: a) Demostremos que s f'( x* ) c. f( x) es de tpo terpolatoro etoces la fórmula es exacta de orde. S f(x) es cualquer polomo de grado < y deotamos por p (x) a su polomo terpolador de Lagrage sobre el soporte {x, x,..., x } se verfca para cualquer puto x*: f(x) = p (x) = f(x ) L(x) f '( x* ) = f(x ) L '( x* ) = c.f(x) Departameto de Matemátca Aplcada y Métodos Iformátcos 4

26 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: orde de de exacttud. b) Demostremos que s f'( x* ) c. f( x) es de tpo terpolatoro es exacta de orde, etoces S es exacta de orde, para cualquer polomo de grado < y e cualquer x* es exacta. E partcular lo será para cada uo de los polomos de base de Lagrage L j (x) (j =,,...) Lj c L j '( x* ) =. ( x) Recordado que L j (x ) = δ,j se tee que: L '( x* ) = c. δ = c j, j j (j =,,..., ) Departameto de Matemátca Aplcada y Métodos Iformátcos (j =,,..., ) c.q.d. 5

27 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: Propedad Propedad E toda fórmula de dervacó umérca costruda sobre el soporte de (+) putos {x, x,..., x } y que sea de tpo terpolatoro f'( x* ) c. f( x) se satsface que: Demostracó: x: L (x) = c = = L (x) ' L '(x) = L '( x* ) = c = c.q.d. Departameto de Matemátca Aplcada y Métodos Iformátcos 6

28 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: Ejerccos Ejerccos propuestos: º) Cosdérese la fórmula de dervacó umérca de tpo terpolatoro: f'( x* ) c. f( x) y sea m u etero tal que < m <. Demuéstrese que etoces: c x m = ( * ) m x m Departameto de Matemátca Aplcada y Métodos Iformátcos 7

29 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: Ejerccos º) Demuéstrese que para toda fucó f C ((x,x )) sempre exste algú puto x* (x, x ) para el que es exacta la fórmula de dervacó umérca de tpo terpolatoro costruda sobre el soporte {x, x }: f '( x* ) L'(x*) f(x ) + L '(x*) f(x) Obsérvese que segú lo ateror, para cualquer valor o egatvo del etero k exste algú puto x* para el que la fórmula de dervacó umérca de tpo terpolatoro costruda sobre el soporte {x, x } proporcoa el valor exacto de la dervada de cualquer polomo de grado k e x*. Quere ello decr que la fórmula de dervacó cosderada es de orde k para cualquer valor o egatvo del etero k? Se cotradce el teorema sobre el orde de exacttud de las fórmulas de dervacó umérca de tpo terpolatoro? Departameto de Matemátca Aplcada y Métodos Iformátcos 8

30 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: fórmulas usuales a) Soporte co puto {x } f(x) p (x f ) = (x ) b) Soporte co putos {x, x } f(x) p (x) f(x ) f x,x x x f '( x* ) p '( x*) = = + [ ] ( ) f'( x* ) p '( x*) = f[ x, x ] f(x ) f(x) = x x* x f(x + ) f(x ) x* = x f '(x) (Fórmula e adelato o backwd) f(x ) f(x ) x* = x f '(x) (Fórmula e retroceso o upwd) f( x* + ) f( x* ) x* = (x +x )/ f '( x* ) (Fórmula cetrada) Departameto de Matemátca Aplcada y Métodos Iformátcos 9

31 Uversdad Poltécca de Madrd Igeería de Mas c) Soporte co 3 putos {x, x, x } Fórmulas de de tpo terpolatoro: fórmulas usuales [ ] ( ) [ ] ( ) ( ) f(x) p (x) = f(x ) + f x,x x x + f x,x,x x x x x ( ) [ ] [ ] ( ) ( ) f'( x* ) p '( x* ) = f x,x + f x,x,x x * x + x * x f(x ) f(x ) f(x ) f(x ) f(x ) f(x ) x x x x x* x x* x x x x x (( ) ( ) ) = + + Prmer caso partcular: soporte equdstate y x* = x x* x x x f( x* + ) + 4 f( x* + ) 3 f( x* ) f '( x* ) (Fórmula e adelato co 3 putos) Departameto de Matemátca Aplcada y Métodos Iformátcos 3

32 Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de tpo terpolatoro: fórmulas usuales Segudo caso partcular: soporte equdstate y x* = x x* f( x* + ) f( x* ) f '( x* ) x x x (Fórmula cetrada co 3 putos) Tercer caso partcular: soporte equdstate y x* = x x* x x x f '( x* ) 3 f( x* ) 4 f( x * ) + 3 f( x* ) (Fórmula e retroceso co 3 putos) Departameto de Matemátca Aplcada y Métodos Iformátcos 3

33 Uversdad Poltécca de Madrd Igeería de Mas Departameto de Matemátca Aplcada y Métodos Iformátcos 3

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

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

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

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

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

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

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

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

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

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

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

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

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

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

Transparencias de clase

Transparencias de clase Trasparecas de clase Dada ua tabla de datos se ha de ecotrar ua ucó que tome los valores requerdos e los putos dados; e el caso que os ocupa la ucó buscada será de carácter polómco Teorema: El polomo de

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

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

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

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

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

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

2.1 SUCESIONES 2.2 SUMAS Y NOTACIÓN SIGMA

2.1 SUCESIONES 2.2 SUMAS Y NOTACIÓN SIGMA Sucesoes. SUCESIONES. SUMAS Y NOTACIÓN SIGMA Objetvos: Se pretede que el estudte: Determe covergec o dvergec de sucesoes. Alce Mootoí de sucesoes. Coozc ls propeddes de l otcó sgm. 5 Sucesoes.. SUCESIONES..

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

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

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

ANGEL FRANCISCO ARVELO LUJAN

ANGEL FRANCISCO ARVELO LUJAN ANGEL FRANCISCO ARVELO LUJAN Agel Fracsco Arvelo Lujá es u Profesor Uverstaro Veezolao e el área de Probabldad y Estadístca, co más de 0 años de expereca e las más recoocdas uversdades del área metropoltaa

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C

02 ) 2 0 en el resto. Tiempo (meses) Ventilador adicional No No Si No Si Si Si Si No Si Tipo carcasa A C B A B A B C B C Ua empresa motadora de equpos electrócos está realzado u estudo sobre aluos de los compoetes que utlza. E partcular mde el tempo de vda e meses reales de los procesadores que mota, dode a aluos de ellos

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Asignatura: PROGRAMACIÓN Y MÉTODOS NUMÉRICOS

Asignatura: PROGRAMACIÓN Y MÉTODOS NUMÉRICOS UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS DEPARTAMENTO DE MATEMÁTICA APLICADA Y MÉTODOS INFORMÁTICOS Asgatura: PROGRAMACIÓN Y MÉTODOS NUMÉRICOS Tema: INTERPOLACIÓN

Más detalles

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN 0.3. Cojutos abertos y cerrados.3 TOPOLOGÍA BÁSICA EN R El espaco eucldeao dmesoal se defe como: E ( R,,, d ) Dode (asumedo que X, Y R, co X = (x,..., x ), Y = (y,..., y )): El símbolo represeta el producto

Más detalles

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices Tema V DIAGONALIZACIÓN POR TRANSFORMACIONES DE SEMEJANZA Objetvos Presetar los coceptos de autovalor y autovector, los cuales tee gra mportaca e las aplcacoes práctcas (tato es así, que podría decrse que

Más detalles

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

( ) ( ) ( )( ) ( )( ) ( ) Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos

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

Cálculo Diferencial e Integral II INGENIERÍA CÁLCULO DE ÁREAS

Cálculo Diferencial e Integral II INGENIERÍA CÁLCULO DE ÁREAS Cálculo Dferecal e Itegral II I E la actvdad III de la Udad de Repaso, se te pdó calcular el área del rectágulo tal como se muestra e la Fgura 1 sí S x Ahora uestro problema es calcular el área de la regó

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

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

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA NÚMEROS COMPLEJOS E INDUCCIÓN MATEMATICA 55 CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA 4. INTRODUCCIÓN Los úmeros Complejos costtuye el mímo cojuto C, e el que se puede resolver la ecuacó x a

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

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

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff 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

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,. º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:

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

Ejercicios resueltos de funciones generatrices. Matemática discreta 4º Ingeniería Informática

Ejercicios resueltos de funciones generatrices. Matemática discreta 4º Ingeniería Informática Ejerccos resueltos de fucoes geeratrces. Matemátca dscreta º Igeería Iformátca. Determa la fucó geeratrz para el úmero de formas de dstrbur 5 moedas de u euro etre cco persoas, s (a o hay restrccoes; (b

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

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

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

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

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

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

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

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

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

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

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

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

SISTEMAS DE ECUACIONES NO LINEALES SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u

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

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

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

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E

TEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,

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

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

Ejercicios de programación. cos A=

Ejercicios de programación. cos A= Ejerccos de programacó Para cada ejercco se pde: - escrbr el algortmo e pseudocódgo - escrbr el programa correspodete e leguaje C - adjutar el resultado obtedo de la ejecucó del programa, co datos propuestos

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

CAPÍTULO 20: NÚMEROS COMPLEJOS (II)

CAPÍTULO 20: NÚMEROS COMPLEJOS (II) CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Date Guerrero-Chaduví Pura, 05 FACULTAD DE IGEIERÍA Área Departametal de Igeería Idustral y de Sstemas CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Esta obra está bajo ua lceca Creatve

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordacó de Cecas Computacoales - INAOE Matemátcas Dscretas Cursos Propedéutcos 0 Cecas Computacoales INAOE Dr. Erque Muñoz de Cote jemc@aoep.m http://ccc.aoep.m/~jemc Ofca 80 Dapostvas basadas e prevas

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

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

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

( ) = 1 ; f k. u v. uk v. vk u. Diferenciacion e Interpolacion 1/8. Diferenciacion e Interpolacion numerica. Diferencias finitas

( ) = 1 ; f k. u v. uk v. vk u. Diferenciacion e Interpolacion 1/8. Diferenciacion e Interpolacion numerica. Diferencias finitas Derecaco e Iterpolaco /8 Derecaco e Iterpolaco merca. Derecas tas Dadas las abscsas X ormemete espacadas X X h, a las qe correspode alores de co (): (X) se dee las prmeras derecas tas ( Haca delate ) como:

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

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

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

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

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

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

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

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

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

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

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

AUTOVALORES MANUEL HERVÁS CURSO ENDOMORFISMOS 1

AUTOVALORES MANUEL HERVÁS CURSO ENDOMORFISMOS 1 AUTOVALORES MANUEL HERVÁS CURSO 0-0 ENDOMORFISMOS INTRODUCCIÓN Los problemas que volucra a los valores propos va asocados, e geeral, a feómeos de establdad: Dámca, como la frecueca de resoaca de u sstema

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

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

N (2.1) x sobre sub-espacio formado con el conjunto de las

N (2.1) x sobre sub-espacio formado con el conjunto de las CAPITULO II INTERPOLACIÓN Supoemos que sobre ee X está dada ua malla co los odos cuyas abscsas so x1, x,, x N. Supoemos además que los valores de ua fucó descoocda f x está defdos solamete e estos odos

Más detalles

Minimizar el error de interpolación considerando las raíces del polinomio de Chebyshev

Minimizar el error de interpolación considerando las raíces del polinomio de Chebyshev Mmzar el error de terpolacó cosderado las raíces del polomo de Chebyshev Stefao Nas Dept. of Statstcs ad Operatos Research Uverstat Poltécca de Cataluya U polomo de terpolacó es u polomo que pasa eactamete

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