Décimo Quinto Encuentro Regional Ibero-americano del CIGRÉ Foz de Iguazú-PR, Brasil 19 al 23 de mayo de 2013

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

Download "Décimo Quinto Encuentro Regional Ibero-americano del CIGRÉ Foz de Iguazú-PR, Brasil 19 al 23 de mayo de 2013"

Transcripción

1 SISTEMA INFORMÁTICO PARA ANÁLISIS MODAL. CÁLCULO DE LA MATRIZ A USANDO MODELOS DE GENERADORES, AVR Y PSS. C. E. Btezk* J. L. Agüero* M. C. Beroqu* R. Caals* S. Barbero* * Isttuto de Ivestvacoes Tecológcas e Redes y Equpos Eléctrcos Laboratoro de Alta Tesó Facultad de Igeería Uversdad Nacoal de La Plata RESUMEN E este trabajo se preseta la seguda etapa de desarrollo del Sstema Iformatco para Aálss Modal (), e la cual se corpora, a sus característcas ya presetadas e [], el cálculo de la matrz de estado A del sstema, basado e los datos de flujo y e los datos de los modelos lealzados de Geerador, AVR y PSS. Asmsmo, se realza ua comparacó de resultados etre el y el PSS/E para u caso de refereca publcado. PALAVRAS-CLAVE Aálss Modal Osclacoes Electromecácas Matrz de estado Modos de osclacó. INTRODUCCIÓN La corporacó de uevas líeas de 500 kv durate los últmos años e el Sstema Argeto de Itercoexó (SADI) y el Sstema Itercoectado Patagóco (SIP), ha trasformado la estructura radal característca de este sstema e ua estructura que comeza a ser mallada. Esta modfcacó estructural trae aparejado cambos e el comportameto dámco del sstema, ya que camba los modos domates de osclacoes electromecácas, o sea los modos de osclacó etre máquas scrócas co más bajos amortguametos. Para aalzar las uevas codcoes de fucoameto del SADI-SIP se debe realzar estudos para determar estos modos de osclacó y sus amortguametos. Estos estudos puede ser hechos e el domo de Laplace (Aálss Modal). El Aálss Modal determa los Autovalores o modos de osclacó del sstema, expresádolos e fucó de su frecueca y amortguameto. Para realzar el Aálss Modal se requere la matrz de estados A del sstema, que vcula a las dervadas temporales de las Varables de Estado co las respectvas Varables de Estado. E la actualdad, para estudos del sstema argeto, esta matrz A se obtee co la actvdad ASTR del módulo para estudos de dámca del programa PSS/E a partr del modelo o leal, del SADI-SIP utlzado para smulacoes temporales e estudos de establdad. La base de datos de estos modelos es admstrada por CAMMESA y se ecuetra dspoble para el programa PSS/E. Para realzar el Aálss Modal medate el procesameto de la matrz de estado A se utlza, el módulo LSYSAN del programa PSS/E. Por su parte, para llevar adelate este procesameto, el IITREE-LAT ha desarrollado u programa e MATLAB deomado (Sstema Iformátco de / 8

2 Aálss Modal). Ambos programas permte obteer todos los Autovalores del sstema y, a su vez, permte calcular los Factores de Partcpacó y los Autovectores asocados a cada Autovalor. E este trabajo se preseta la seguda etapa de desarrollo del, la cual permte calcular la matrz de estado A del sstema, basados e los datos de flujo y e los datos de los modelos lealzados de Geerador, AVR y PSS. Co esta amplacó de las prestacoes del se pretede obteer ua herrameta más versátl para la realzacó de estudos establdad de pequeña señal del SADI-SIP. Como sólo se precsa datos de flujo, ya que la base de datos de modelos de Geeradores, AVR y PSS es la msma que utlza CAMMESA, la potecaldad de esta herrameta para su uso e cetros de cotrol es muy grade, tato para predccó off-le como así també ua posble alteratva de mplemetacó o-le.. SISTEMA DE ECUACIONES DIFERENCIALES ALGEBRAICAS El comportameto dámco de u sstema eléctrco puede ser descrpto por u cojuto de ecuacoes dferecales o leales deomado Ecuacoes Dferecales Algebracas (DAE - dfferetal-algebrac equatos) mostrado e la ecuacó (). x f x, x, u d d a 0 g x, x, u y h x, x, u d d a a Las dos prmeras ecuacoes de () represeta el comportameto del sstema, metras que la tercera muestra el comportameto de ua o varas varables de salda. E la descrpcó que se desarrolla a cotuacó, o se tee e cuata las saldas (y) y se supoe que o exste varables depedetes o etradas (u) e el sstema a aalzar. Las varables de estado (VE) x d correspode a aquellas asocadas a los modelos correspodetes a los geeradores y elemetos del cotrol exstetes e el sstema, tales como reguladores automátcos de tesó (RAT o AVR de sus sglas e glés) y establzadores de sstemas de poteca (ESP ó PSS de sus sglas e glés). Las varables algebracas x a elegdas para el aálss cosste e las corretes yectadas por los geeradores (I g ) al sstema y las tesoes e todos los odos (U) del msmo. Como se mecoó, la fucó f represeta la característca dámca de los elemetos compoetes del sstema metras que g represeta las ecuacoes o leales de la red. A su vez g está compuesta por dos fucoes, ua que descrbe el vículo etre el estator del geerador y la red (g ), y otra correspodete a las relacoes etre odos de la red (g ). Deomaremos a estas dos fucoes: Ecuacó de estator y Ecuacó de red respectvamete. Tomado las premsas aucadas aterormete, la expresó () puede ser reescrta como: x f x, I, U 0 g x, I, U 0 g x, I, U g g g S se lealza la expresó ateror para u dado puto de trabajo, y se escrbe e forma matrcal, se tee: x A B B x 0 C D D I g (3) 0 C D3 D 4 U. Ecuacó de estator Para comezar co el aálss del sstema, se debe prmero ecotrar ua represetacó adecuada que muestre las relacoes exstetes etre el modelo del geerador y el modelo de la red. Estas relacoes () () / 8

3 se descrbe a través de la ecuacó del estator, la cual vcula la tesó del geerador y la correte del msmo yectada a la red, es decr, su poteca etregada []. E estado estacoaro, la dervada del flujo es ula, por lo tato, la tesó de bores del -ésmo geerador está dada por el producto del flujo por la velocdad meos la caída de tesó e la ressteca de estator. E valores por udad (ω=), la tesó es gual a: U ju j R I ji (4) d q q d e d q S cosderamos u geerador de rotor lso co arrollametos amortguadores, el flujo e cada eje, e fucó de las ductacas trastoras (L ) y subtrastoras (L ), esta dado por las ecuacoes (5) y (6): L d L E d q L d Ll Eje drecto d d L did d L d Id (5) L L L L d l d l Eje e cuadratura L L E L L q q d q l q q Lq Iq q Lq Iq L q Ll L q Ll (6) Al expresarse los parámetros e valores por udad, y sedo ω=pu la frecueca e radaes por segudo, los valores de L cocde co los de X. Se asume además que X d = X q =X. Reemplazado (5) y (6) e (4) e gulado a cero, se tee: U d juq q X qiq j d X did Re ( Id jiq ) 0 (7) U ju j I ji R jx 0 d q q d d q e E la Fgura se muestra el crcuto equvalete estatórco. Debdo a que las coordeadas dq de los geeradores está referecado a la f.m.m. del msmo, para vcular las ecuacoes del geerador co el sstema debeos realzar u cambo de refereca, para lo cual rotamos las varables tesó, flujo y correte u águlo (δ π/), dode δ es el águlo de rotor del -ésmo geerador respecto a la refereca del sstema. Los subídces e mayúsculas dca que las compoetes rectagulares se ecuetra rotadas. j j j e D Q q d Fgura : Crcuto equvalete para la resolucó de la ecuacó de estator. Reescrbedo (7) e fucó del cambo de refereca se tee: j j j U e j e R jx I ji e 0 (8) q d e d q El cojuto de ecuacoes de todos los geeradores del sstema costtuye la fucó g del sstema de ecuacoes ().. Ecuacó de red Las ecuacoes de la red puede platearse e base al balace de poteca e los odos. Se cosdera que tato los geeradores como las cargas yecta poteca al sstema. E el caso de las cargas esta yeccó será egatva cuado se trate de ua carga pasva e ductva []. Para expresar las ecuacoes de balace e los odos se emplea la matrz de admtaca odal de la red, resultado para la -ésma barra: j j j jk jk U e I ji e P jq U e U e Y e (9) + - jx j I ji I ji e D Q d q d q L L k k k Re + j j U e U ju U ju e - D Q d q 3 / 8

4 j U e I ji e P jq es la poteca yectada por el geerador e la barra e j Dode d q G G j k Ye k es el elemeto -k de la matrz de admtaca odal del sstema. Igualado a cero la expresó ateror, se tee: j j j jk jk Ue Id jiq e PL jql Ue Uke Yk e 0 (0) Se debe teer e cueta que P L y Q L puede ser fucoes o leales de la magtud de la tesó. El modelo de carga comúmete usado resulta: P U P k U k U () k L L0 P P Q U Q k U k U () L L0 Q Q Las costates P L0 y Q L0 represeta las compoetes de poteca costate, k P y k Q represeta las compoetes de correte costates a factor de poteca costate y k P y k Q represeta las compoetes de mpedaca costate. E aquellas barras dode o exsta geeracó, las corretes será ulas, por lo tato se suprme el prmer térmo de la ecuacó (0). E caso de o exstr carga, se suprmrá el segudo térmo. El cojuto de ecuacoes de todos los odos del sstema costtuye la fucó g del sstema de ecuacoes (). 3. LINEALIZACION DEL SISTEMA Para obteer el sstema lealzado de la expresó (3) debemos obteer las expresoes correspodetes a las dervar las fucoes f, g y g de (). Para la lealzacó se supoe parámetros cotates co la frecueca. 3. Ecuacó dferecales Para poder obteer las ecuacoes lealzadas de la fucó f se debe hallar los elemetos costtutvos de las matrces A, B y B de la expresó (3). A su vez, cada ua de estas matrces está costtuda por submatrces, depedetes las uas de las otras, que represeta la lealzacó de cada uo de los modelos empleados. Tato A como B so matrces dagoales y está costtudas por m submatrces, sedo m el úmero de barras co geeracó. La matrz B sólo posee submatrces e las ubcacoes -j, sedo el úmero de geerador y j el úmero de barra. Sedo a su vez: AGEN A B B GEN AVR AGEN PSS GEN GEN APlata AAVR GEN AAVR A AVRPSS B Plata B B AVR Plata B (3) AVR APSS GEN APSS AVR A PSS B B PSS PSS La matrz A de ua plata cotee e su dagoal las matrces propas de cada compoete: geerador, AVR y PSS. La matrz propa cotee las dervadas de las VE de cada compoete geeradas por las VE propas del compoete. Las matrces fuera de la dagoal, determa las relacoes etre los dsttos compoetes de ua plata, por ejemplo, como las VE del geerador perturba a las dervadas de las VE del AVR o del PSS. Las matrces B y B determa como las varables algebracas (corretes y tesoes) asocadas a esa barra afecta a las dervadas de las VE de los dsttos compoetes de la plata. 3. Ecuacó de estator Para dervar la ecuacó de estator correspodete al -ésmo geerador, prmero se descompoe la expresó (8) e las dos dreccoes de los ejes dq para luego dervarse, resultado: 4 / 8

5 0 cos U U se R se X cos I R cos X se I o o o e o o d e o o q coso d seo q Uoseo (4) 0 seou Uocoso Re coso X seo Id Rese o X coso Iq se o d coso q Uo coso El flujo subtrastoro y el águlo δ depede de las VE del geerador, por lo tato la ecuacó (4) se puede escrbr: coso seo Uoseo A x Ax x seo cos o Uo cos o (5) Rese o X coso Recos o X se I o d U oseo coso Recos o X seo Rese o X cos 0 I o q Uocoso se o U Las matrces A ψ x y A δx depede del modelo de geerador empleado. O be, e forma compacta: c x d I g d U 0 (6) Dode I g Id Iq y T T U U. Procededo de gual maera a la descrpta para los m geeradores, se obtee la lealzacó de g como se muestra a cotuacó: C x D I D U (7) g 0 Tato C como D so matrces dagoales y está costtudas por m submatrces. La matrz D sólo posee submatrces e las ubcacoes -j, sedo el úmero de geerador y j el úmero de barra. 3.3 Ecuacó de red De gual modo como se procedó para el caso de g, la lealzacó de g se realza a partr de la dervacó de las ecuacoes de red descrptas por (0). j j o o jo j ko jk juoe Ido jiqo e j Uoe U koe Yke k k P o U Q U j j o L L jo jko j k e Ido jiqo e j e U koe Yke U U U k jo jko jk jo jko jk o ko k j U e U e Y e k k j o j o j j o o j o j o ju e I ji e U e e I ju e e I U e e Y e U k o k k k o do qo o d o q 0 Recordado que A x x, la ecuacó ateror expresada e forma matrcal compacta, resulta: c j x d 3j I g d 4 U d 4k U k d 4 U 0 (9) Procededo de gual maera a la descrpta para los odos, se obtee la lealzacó de g como se muestra a cotuacó: C x D I D U (0) 3 g 4 0 Tato C como D 3 posee submatrces e las ubcacoes -j, sedo el úmero de geerador y j el úmero de barra. La matrz D 4 se cooce como el Jacobao de la red y posee las expresoes de las dervads de la poteca actva y reactva respecto al módulo y águlo de la tesó. (8) 5 / 8

6 4. IMPLEMENTACIÓN COMPUTACIONAL Para poder costrur la matrz completa del sstema DAE mostrado e la ecuacó (3) se utlza dos programas, el programa PSS/E (PTI-SIEMENS) y u programa desarrollado e MATLAB (MathWorks Ic.) deomado (Sstema Iformatco de Aálss Modal). La estructura geeral del método para hallar la matrz se descrbe e la Fgura. Datos Dámcos Cálculo de Flujo de Carga Coversó de Geeradores y cargas Guardado de Datos Lectura de Datos de Flujo Computo de las Matrces de Plata m veces Guardado Matrz Completa Sstema DAE Cálculo de la Matrz de estado A Jacobao Fgura : Estructura de cálculo. Para el cálculo de los coefcetes de las dferetes submatrces que costtuye el sstema es ecesaro cotar co formacó referete a los resultados del flujo de carga del caso a aalzar. Estos resultados so obtedos e el etoro del PSS/E. Prevamete a la obtecó de los datos, todos los geeradores debe ser covertdos a geeradores de correte co mpedaca de salda gual a la mpedaca del estator de cada uo. Las cargas debe ser covertdas, teedo e cueta el valor de tesó del odo, a cargas de admtacas costates, correte costate o poteca costate segú correspoda. Co los datos obtedos del PSS/E se gresa al. E ua prmera etapa el programa ordea los datos de flujo e corpora a cada geerador los modelos correspodetes co sus ajustes. E este puto, el ya dspoe de todos los datos ecesaros para la costruccó de la matrz. El armado de la msma se realza computado las submatrces A Plata, B Plata, B Plata, C, C j, D, D y D 3j correspodetes a las m barras de geeracó, además del Jacobao (matrz D 4 ). Ua vez falzado el cálculo de todas las submatrces, las cuales fuero sedo guardadas e sus poscoes específcas, se completa co matrces ulas para así formar la matrz del sstema DAE. Para obteer la matrz de estado, se debe elmar las varables algebracas, obteédose ua ecuacó de la forma: x Asst x () Obteda la matrz de estado (A sst ), se realza el aálss modal medate el cálculo de los autovalores y autovectores de la msma, así como el cálculo de los factores de partcpacó []. 5. EJEMPLO NUMÉRICO Etoro PSS/E Barras ( odos) Máquas (m geeradores) Cargas Matrz de Admtaca Nodal Guardado Etoro MATLAB Procesameto de la Matrz A para el Aálss Modal Para el ejemplo umérco se toma el caso de áreas, barras y 4 geeradores presetados e la pag. 83 de la refereca [3]. El modelo de geerador empleado correspode al de rotor lso co u arrollameto amortguador e cada eje (modelo de lbrera GENROU del programa PSS/E [4]), que posee ses VE. Los datos de ajuste de los modelos, como así també los parámetros de los elemetos de sstema se ecuetra e la refereca [3]. La Fgura 3 muestra el dagrama uflar del caso propuesto. Como se explca e el cso ateror, la resolucó del flujo de carga se realza e el etoro PSS/E. A posteror se calcula la matrz de estado medate dos procedmetos, medate el y medate la actvdad ASTR del módulo para estudos dámcos del programa PSS/E. El proporcoa e forma drecta los autovalores de sstema, metras que para el caso de la matrz obteda medate el programa PSS/E se debe emplear el módulo Lysa que forma parte del msmo. 6 / 8

7 Fgura 3: Dagrama uflar del caso ejemplo ([3] pag. 83). La actvdad ASTR calcula la matrz de estado medate la aplcacó de ua perturbacó porcetual e cada ua de las VE para luego obteer su dervada (método cremetal). Al exstr alealdades e los modelos empleados, este método es muy sesble a la eleccó de la ampltud de la perturbacó. E la Fgura 4 se muestra los autovalores obtedos medate la actvdad ASTR y para dsttas ampltudes de pertubacó (0.%, % y 0%). De acuerdo a la expereca obteda e dveros estudos sobre el sstema argeto, el valor a utlzar es del %. Este valor evta grades excursoes de las varables de estado, lo cual os aparta del puto de trabajo, o excursoes muy pequeñas que se perde e rudo umérco del cálculo. La Fgura 5 muestra los resultados obtedos para ua perturbacó del % e el etoro PSS/E y los valores obtedos del cálculo de la matrz de estado e forma aalítca medate el. PSS/E (0.%) PSS/E (%) PSS/E (0%) Amortguameto 5% Amortguameto 0% PSS/E (%) Amortguameto 5% Amortguameto 0% Fgura 4: Autovalores medate la actvdad ASTR y dferetes ampltudes de perturbacó de las varables. Fgura 5: Comparacó de los resultados obtedos medate el PSS/E (%) y el. La frecueca de osclacó y el amortguameto de los modos más relevates obtedos por ambos programas se muestra e la Tabla I. La relevaca de los modos depede de su amortguameto, cosderádose mportates a aquellos que posea valores ferores al 0%. Los modos, y 3, 4 correspode a modos tra-área etre los geeradores - y 3-4 respectvamete. Exste u modo ter-área co frecueca de Hz y amortguameto del 4.4%. Esto se determa e base a los factores de partcpacó de las VE e cada modo (cálculo ya mplemetado e el []). Tabla I: Modos de osclacó sólo co modelos de geerador. PSS/E Modo Real Imagaro Amortguameto Frec. [Hz] Real Imagaro Amortguameto Frec. [Hz], ± ± , ± ± , ± ± Al corporarse el regulador automátco de tesó, se puede aprecar como el amortguameto de los dsttos modos dsmuye. El modelo empleado para e AVR es el IEEET [4] co los ajustes proporcoados e [3]. Los autovalores para este caso se muestra e la Fgura 7 y la frecueca de osclacó y el amortguameto de los modos obtedos por ambos programas de muestra e la Tabla II. Para mejorar el amortguameto, se corpora u PSS a cada uo de los geeradores. El modelo empleado se muestra e la Fgura 6. Los ajustes del msmo se elge para lograr valores de amortguametos mayores o guales al 0%, resultado: T =5s, T =s, T=0.s, T 3 =T 5 =0.4s, T 4 =T 6 =0.05s, Kss=0, Kr= y M=H de cada geerador. Auque T =5s es u valor alto para su 7 / 8

8 utlzacó e sstemas reales, exste u segudo wash-out co T =s. La Fgura 8 muestra los autovalores para este caso. La frecueca de osclacó y el amortguameto de los modos obtedos por ambos programas de muestra e la Tabla II. medda P e st st st st Ms Kr st 4 st N M st st Fgura 6: Modelo empleado de PSS. st3 st 4 st3 st 4 Kss V ss PSS/E (%) Amortguameto 5% Amortguameto 0% PSS/E (%) 5.00 Amortguameto 5% Amortguameto 0% Fgura 7: Comparacó de los resultados obtedos medate el PSS/E (%) y el cluyedo los AVR Fgura 8: Comparacó de los resultados obtedos medate el PSS/E (%) y el cluyedo los PSS CONCLUSIÓN Tabla II: Modos de osclacó cluyedo los AVR. Tabla III: Modos de osclacó cluyedo los AVR y PSS. Como se puede ver e el ejemplo umérco, medate la costruccó de la matrz de estado utlzado el se obtee resultados smlares a los logrados co el programa PSS/E, sedo dcho programa amplamete recoocdo a vel mudal para la realzacó de esta clase de estudos. Al utlzar el método que aplcar pertubacoes e las dsttas VE para obteer el valor de las dervadas, como lo hace el programa PSS/E, se produce errores umércos que se refleja e autovalores espuros e el semplao derecho. Debdo a que el obte la matrz e base al cálculo aalítco de las dervadas e el puto de trabajo del sstema y todos sus compoeetes, o aparece autovalores espuros e el semplao derecho de lugar de raíces. La dspobldad de la matrz completa del sstema, mostrada e la ecuacó (3), permte realzar cálculos adcoales a la obtecó de autovalores, autovectores y factores de partcpacó, como ser el cálculo de ídces de cotrolabldad y observabldad, que será reportados e futuras cotrbucoes. BIBLIOGRAFÍA PSS/E Modo Real Imagaro Amortguameto Frec. [Hz] Real Imagaro Amortguameto Frec. [Hz], ± ± , ± ± , ± ± PSS/E Modo Real Imagaro Amortguameto Frec. [Hz] Real Imagaro Amortguameto Frec. [Hz], ± ± , ± ± , ± ± [] J.L. Agüero, et al. Aálss modal. Expasó del sstema de trasmsó e 500 kv del SADI- SIP. Décmo Cuarto Ecuetro Iberoamercao del CIGRÉ, XIV ERIAC. 0. [] P. Sauer, M. Pa. Power System Dyamcs ad Stablty. Prtce Hall Cap. 6 y 7. [3] P. Kudur. Power System Stablty ad Cotrol.McGraw-Hll. Ic [4] PSS/E 30.. Program Operato Maual. Volume II. SIEMENS-PTI / 8

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

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

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

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

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

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

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

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

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

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

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

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

Unidad 2. Reactores Continuos

Unidad 2. Reactores Continuos Reactores Químcos: Udad Udad Reactores otuos Reactores cotuos so aquellos e los cuales, de maera cotua, se almeta los reactvos y també, de maera cotua se extrae los productos Detro de esta clasfcacó, de

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

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

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

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

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

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

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

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

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

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

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

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

Análisis de Regresión y Correlación Lineal

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

Más detalles

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

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

5.3 Estadísticas de una distribución frecuencial

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

Más detalles

CÁLCULO 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

Análisis de Regresión y Correlación Lineal

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

Más detalles

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

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

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

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

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

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

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

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

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

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

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

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

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

Más detalles

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

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

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

Práctica número 12. Capacitor, resistor e inductor equivalentes

Práctica número 12. Capacitor, resistor e inductor equivalentes Práctca úmero 2 Capactor, resstor e ductor equvaletes Lab. de Prcpos de Termodámca y Electromagetsmo Objetvos a) Idetfcar el fucoameto de u resstor e los crcutos eléctrcos y obteer el resstor equvalete

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

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

Aplicaciones de Balances de Energía en Reactores Batch

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

Más detalles

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

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

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

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

2.5. Área de una superficie.

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

Más detalles

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

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

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

Más detalles

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

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

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

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

CAPÍTULO II MARCO TEÓRICO

CAPÍTULO II MARCO TEÓRICO CAPÍTULO II MARCO TEÓRICO - - MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles

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

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

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

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

. 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

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

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

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

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

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

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

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

Ejemplo de cálculo de sección por el criterio de la intensidad de cortocircuito. Método ampliado.

Ejemplo de cálculo de sección por el criterio de la intensidad de cortocircuito. Método ampliado. Ejemplo de cálculo de seó por el crtero de la tesdad de cortocrcuto. Método amplado. Basádoos e el ejemplo de la ewsletter ateror amplaremos el cálculo del cortocrcuto hasta cosderar todas las mpedacas

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

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

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

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

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

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

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood ) Apédces Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess

Más detalles

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

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

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

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

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

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

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

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

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

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

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

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

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

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

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

4 MÉTODOS NUMÉRICOS UTILIZADOS

4 MÉTODOS NUMÉRICOS UTILIZADOS 4 MÉTODOS UMÉRICOS UTILIZADOS C omo se verá más adelate, e alguos de los problemas plateados colleva ua sere de establdades que hace que la solucó sea dfícl de obteer. Las establdades será eucadas coforme

Más detalles