MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS

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

Download "MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS"

Transcripción

1 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.

2 1. INTRODUCCIÓN El presete documeto fue extraído y reedtado del Istructvo N 5 del lbro Elemetos de Hdrología I (Pzarro et al, 1986), el cual pretede etregar ua metodología que permta predecr co certa probabldad los valores que puede tomar ua varable hdrológca, e fucó de la formacó de que se dspoga, plateádose lo ateror, e valores máxmos probables, aplcado la ley de dstrbucó de Gumbel, y asocado esto, a alguas pruebas de bodad de ajuste. Se platea la utlzacó de la ley de dstrbucó de Gumbel, dado que ella ha demostrado poseer ua adecuada capacdad de ajuste, a valores máxmos de caudales, precptacó e dsttos períodos de tempo, aportacoes auales, etc. Además, se etrega ua prueba de bodad de ajuste de Kolmogorov-Smrov, u cálculo del coefcete de determacó, y ello asocado a u ejemplo práctco.. AJUSTE A LA FUNCION DE GUMBEL.1 Defcó de la fucó de Gumbel Ua varable aleatora E sgue ua dstrbucó de probabldad de Gumbel, s: d( x u) X ) P e e = ε = co - x (1) [ X ] y dode x preseta el valor a asumr por la varable aleatora, co d y u parámetros y e base de los logartmos eperaos. Despejado x de (1), queda; x l( l X )) u d = () Para la determacó de los parámetros d y u, se utlza las sguetes expresoes que los defe: u = x S (3) 1 = S (4) d dode: x = meda artmétca de la sere de datos cosderados. S = desvacó típca de la muestra de datos cosderados. Los valores 0, y 0,779696, so váldos para u úmero de ccueta datos. S embargo, Heras (s/a), los señala como admsbles para cualquer tamaño de poblacó, e vrtud de la escasa relevaca que posee. Luego, es posble determar la fucó de Gumbel, co la formacó etregada precedetemete. De la ecuacó (), se desprede que es dable ecotrar, para ua probabldad determada, u valor para la varable aleatora. Así, s se le aplca ua probabldad, de al meos 0,9 y se obtee u valor K, mplca que e el oveta por ceto de los casos cabe esperar u valor de x K.. Determacó de la Probabldad Para cosegur defr la probabldad mplícta es precso cosgar dos coceptos prevos, que so el período de retoro y la probabldad de excedeca. Período de Retoro: se defe como el tempo que trascurre etre dos sucesos guales. Sea ese tempo, T. Probabldad de Excedeca: es la probabldad asocada al período de retoro. Así, 1 P excedeca = P( = T

3 E otras palabras, la probabldad de que la varable aleatora tome u valor gual o feror a certo úmero X, está dado por la fucó de dstrbucó de probabldad F (X). = x 1 f ( dx = P( x X ) = 1 T luego, la probabldad de que x sea mayor que X está dada por la fucó complemetara. 3. BONDAD DEL AJUSTE 1 P( x > X ) = 1 X ) = T Se etede por bodad de ajuste, la asmlacó de datos observados de ua varable, a ua fucó matemátca prevamete establecda y recoocda. A través de ésta es posble terpolar y extrapolar formacó; e otras palabras, predecr el comportameto de la varable e estudo (Pzarro et al, 1986). Para la estmacó de la bodad de ajuste, exste varadas pruebas, las cuales posee dstto grado de efectvdad. E el presete documeto se etrega el test de Kolmogorov-Smrov y el coefcete de determacó (Cd et al, 1990; Shao, 1990). 3.1 Test de Kolmogorov-Smrov: Para la aplcacó del test señalado, es ecesaro determar la frecueca observada acumulada. Para la frecueca observada e el caso especal de Gumbel, se ordea la formacó de meor a mayor y se aplca: F = N + 1 dode: F (: frecueca observada acumulada. : N total de orde N: N total de datos. E el caso de la frecueca teórca acumulada, ésta se determa a través de la fucó de Gumbel. e d ( x u) = e Ua vez determadas ambas frecuecas, se obtee el supremo de las dferecas etre ambas, e la -ésma poscó de orde, que se deoma D. D = Sup F ( Luego, asumedo u valor de sgfcaca, se recurre a la tabla de valores crítcos de D e la prueba de bodad de ajuste de Kolmogorov- Smrov, y cosderado el tamaño de la muestra, se establece lo sguete: S D < D tabla, se acepta que(.el ajuste es adecuado, co el vel de co- fabldad asumdo. 3. Coefcete de Determacó. Se ecuetra defdo por la sguete expresó R = 1 ( F ( F ( ) ) ( F ( dode: R : Coefcete de determacó 0 R 1 F ( : Meda de las frecuecas observadas acumuladas. )

4 El coefcete de determacó señala qué proporcó de la varacó total de las frecuecas observadas, es explcada por las frecuecas teórcas acumuladas. 4. EJEMPLO PRACTICO Ajuste a Gumbel: Se desea coocer la ley de dstrbucó de las precptacoes máxmas e 4 horas, de la estacó Mote Patra provca de Lmarí. Para ello, se dspoe de los sguetes datos. CUADRO N' 1. Precptacoes máxmas e 4 horas. AÑO Pp máxma e 4 hrs AÑO Pp máxma e 4 hrs De lo expuesto, se deduce que se cueta co ua formacó de doce años, y además que los motos deota ua extrema varabldad. E relacó al prmer aspecto, es u deomador comú e muchas estacoes del país, la careca de seres hdrológcas cosstetes, por lo cual es dfícl soslayarlo. E cuato a la varabldad, es precso destacar que las zoas árdas se caracterza por presetar este elemeto como característca de la dstrbucó y moto de las precptacoes. No obstate lo ateror, y como se tede a estmar valores máxmos, se puede obvar este últmo aspecto cosderado las dos o tres precptacoes máxmas auales, para co esta ueva sere de datos elegr u úmero mayor de años a cosderar. Luego, el efretameto de este problema es resorte del crtero que el geero utlce para tomar la decsó, y la cual sólo podrá ser calfcada a la luz de los atecedetes que cada stuacó deote. Así, para el caso e cuestó, se trabajará co la formacó de precptacó máxma aual e 4 horas, toda vez que se trata de u ejercco metodológco. CUADRO N. Datos para Gumbel y Bodad de Ajuste. Precptacó máxma e 4 hrs. Frecueca Relatva Acumulada Frecueca Teórca Acumulada ,077 0, ,154 0, ,31 0, ,308 0, ,385 0, ,46 0, ,538 0, ,615 0, ,69 0, ,769 0, ,846 0, ,93 0,93 Co los datos de la columa 1, se determa que: x = 43.5 S = 3.97 Luego, los parámetros u y d queda: u x S 1 d = = x3.97 = = x 3.97 = 3.46 Por cosguete, la fucó de Gumbel se defe como: e ( x 3.46) F ( X ) = e De lo expuesto, se deduce que se cueta co ua formacó de doce años, y además que los motos deota ua extrema varabldad.

5 Por otra parte, aplcado la expresó /N+1, se obtee la frecueca observada acumulada, la cual se expresa e la columa () del cuadro N. Asmsmo, reemplazado e la ecuacó (1) los valores de x, se obtee las frecuecas teórcas acumuladas, las cuales costtuye la columa (3) del cuadro N. Aplcacó de Kolmogorov-Smrov. Co la formacó del cuadro N, se busca el Sup F ( = D. E este caso, correspode a D = e el tercer valor del cuadro mecoado. Co u 95% de cofabldad y = 1, se obtee u valor de tabla Dt = Luego D < Dt, por cosguete se acepta co 95% de segurdad que el ajuste es bueo. Aplcacó del Coefcete de determacó (R ): Utlzado la ecuacó descrta e 3.., y las columas y 3 del cuadro N, queda: R = 0, 988 Luego se cosdera que el modelo elegdo, explca e u 98,8% las varacoes de las frecuecas observadas, lo cual es muy bueo. Utldad Práctca del Ajuste a Gumbel: Ua vez que se ha valdado el ajuste a la fucó de Gumbel, resta defr la utldad que esto puede determar. E este marco, s de la ecuacó, X ) = e e ( x 3.46) se despeja x, queda: l( l ) x = Por cosguete, para determar los motos de precptacó e 4 horas, asocados a u período de retoro y a ua probabldad, se aplca la ecuacó ateror, y se obtee los X. CUADRO N 3. Precptacoes máxmas e 4 horas asocadas a u período de retoro. Período de retoro 1 1 T (años) T = X (pp máxmas e 4 hrs.) Luego, se puede deducr del cuadro ateror, que exste u 1% de probabldad, de que sea superados los mm. e 4 horas de precptacó, y lo cual correspode a u eveto cetearo; e otras palabras, exste u 99% de probabldades de que el año 1985, la precptacó e 4 horas sea meor o gual a mm. Smlar aálss, puede realzarse para todos los períodos de retoro volucrados. No obstate lo ateror, se recomeda que los períodos de retoro cosderados, o cluya u úmero mayor de formacó que el doble o el trple como máxmo, de la logtud de la sere de datos e estudo. E este caso, como la formacó base correspode a 1 años, se recomeda o exceder de 4 años o u máxmo de 36 años, dado que la sere estadístca o preseta ua logtud adecuada. Por ello, se recomeda el valor de T = 30, coro termedo de lo señalado precedetemete; el cosderar mayor úmero de años o posee setdo desde el puto de vsta estadístco.

6 Coforme se recople ua mayor formacó, las predccoes a realzar poseerá mayor cossteca, y por ede, ua mayor probabldad de acerto. Por ello, año a año debe ser revsadas y completadas. Por otra parte, se platea que este tpo de estudos posee valdez e u gra cúmulo de varables hdrológcas, y además, puede ser aplcado e cálculo de caudales máxmos. Falmete, es mportate señalar que sobre la metodología empleada puede surgr algú cuestoameto, hecho totalmete váldo, s se cosdera que o exste vías de solucó de problemas totalmete defdas, por ello, lo expresado aterormete más que ua metodología, costtuye ua proposcó. 5. REFERENCIAS BIBLIOGRÁFICAS. - CID, L.; MORA, C.; VALENZUELA, M Estadístca matemátca. Probabldades e Ifereca Estadístca. Uversdad de Cocepcó. Facultad de Cecas. Departameto de Matemátcas. Chle. 319 p. - HERAS, R.s/a. Recursos Hdráulcos. Stéss, metodología y ormas. Cooperatva e Publcacoes del Colego e Igeeros e Camos, Caales y Puertos. España, 361 p. - PIZARRO, R.; NOVOA, P Istructvo 5. Determacó de valores probablístcos para varables hdrológcas. Elemetos téccos de Hdrología. Corporacó Nacoal Forestal (CONAF). Chle. 78 p. - SHAO, S Estadístca para ecoomstas y admstradores de empresas. Edtoral Herrero Hermaos, SUCS. S.A. Méxco. 786 p.

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

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

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

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

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

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

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

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

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

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

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

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

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

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA

PRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

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

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

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

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

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

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

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

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

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

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

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

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 40 años de expereca e las más recoocdas uversdades del área metropoltaa

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

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

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

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

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total

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

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

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

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

UN MÉTODO PARA CONTRASTAR LA BONDAD DE UN EXPERTO EN LA METODOLOGÍA PERT

UN MÉTODO PARA CONTRASTAR LA BONDAD DE UN EXPERTO EN LA METODOLOGÍA PERT UN MÉTODO PARA CONTRASTAR LA BONDAD DE UN EXPERTO EN LA METODOLOGÍA PERT RAFAEL HERRERÍAS PLEGUEZUELO FEDERICO PALACIOS GONZÁLEZ JOSÉ CALLEJÓN CÉSPEDES EDUARDO PÉREZ RODRÍGUEZ Departameto. de Ecoomía Aplcada.

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

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 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

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

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

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

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

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

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

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

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

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

VARIABLES ESTADÍSTICAS BIDIMENSIONALES.

VARIABLES ESTADÍSTICAS BIDIMENSIONALES. CONTENIDOS: VARIABLES ESTADÍSTICAS BIDIMENSIONALES. Orgazacó de dato: tabla de frecueca de doble etrada. Frecueca margale. Dagrama de dperó. Regreó leal: recta de regreó. Coefcete de correlacó leal. Iterpretacó.

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

Nociones de Estadística

Nociones de Estadística Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

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

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

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

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

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

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

Más detalles

AGRO Examen Parcial 1

AGRO Examen Parcial 1 AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para

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

Unidad I Estadística Descriptiva

Unidad I Estadística Descriptiva PRESENTACIÓN DEL CURSO Udad I Estadístca Descrptva La ESTADISTICA es la parte de las matemátcas ecargada de la presetacó y aálss de los datos de u expermeto. Normalmete la estadístca se dvde e: Estadístca

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

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

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

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

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

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

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

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

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

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

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

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.

ESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres. ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

2.2 Distribuciones de frecuencias unidimensionales.

2.2 Distribuciones de frecuencias unidimensionales. Itroduccó a la Estadístca Empresaral Capítulo - Aálss de ua varable CAPITULO - AALISIS DE UA VARIABLE Itroduccó E este capítulo se dará u cojuto de strumetos que permtrá el aálss descrptvo de ua varable

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

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO

CURSO PROBABILIDAD Y ESTADISTICAS FMS175 PROFESOR RODOLFO TORO DEPARTAMENTO DE FISICA Y MATEMATICAS UNIVERSIDAD NACIONAL ANDRES BELLO CURO PROBABILIDAD Y ETADITICA FM75 PROFEOR RODOLFO TORO DEPARTAMETO DE FIICA Y MATEMATICA UIVERIDAD ACIOAL ADRE BELLO EL MÉTODO CIETÍFICO La Estadístca, costtuye así, ua dscpla cetífca extremadamete ampla

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

. 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

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

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

4. Estudio de sistemas de potencia en estado estacionario, regulación de tensión y control de reactivos

4. Estudio de sistemas de potencia en estado estacionario, regulación de tensión y control de reactivos Cotedo (I) 4. Estudo de sstemas de poteca e estado estacoaro, regulacó de tesó cotrol de reactvos 4. Itroduccó 4. Modelo estacoaro de la red 4.3 Métodos de fluo de poteca 4.4 Métodos de regulacó de tesó

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

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento-

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento- LC-3054 Sstemas de Poteca II Capítulo Sstemas Mult-Maquas -Plateameto- Prof. Fracsco M. Gozález-Logatt fglogatt@eee.org http://www.gaelec.org/fglogatt/sp.htm SISTMAS D POTNCIA II stabldad Mult-Maquas Fracsco

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

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

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

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

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

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

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos

1. El valor central o típico de los datos 2. La dispersión de los datos 3. La forma de la distribución de los datos Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 47 Meddas Descrptvas Numércas Frecuetemete ua coleccó de datos se puede reducr a ua o uas cuatas meddas umércas secllas que resume al cojuto

Más detalles

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.

TEMA 2: PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES. TEMA : PARÁMETROS ESTADÍSTICOS. CÁLCULO, SIGNIFICADO Y PROPIEDADES.. INTRODUCCIÓN Hasta ahora hemos vsto cómo se puede resumr los datos obtedos del estudo de ua muestra (o ua poblacó) e ua tabla estadístca

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

Cuándo empezó la Estadística? 1.1. El concepto de Estadística. Qué es y para qué sirve?

Cuándo empezó la Estadística? 1.1. El concepto de Estadística. Qué es y para qué sirve? 1.1. El cocepto de Estadístca. Qué es y para qué srve? La Estadístca se ocupa de la recoleccó, agrupacó, presetacó, aálss e terpretacó de datos. A meudo se llama estadístcas a las lstas de estos datos,

Más detalles