2 - TEORIA DE ERRORES : Calibraciones

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "2 - TEORIA DE ERRORES : Calibraciones"

Transcripción

1 - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto de error sstemátco y la correccó de los msmos. Aplcar el Modelo Studet y el método de los mímos cuadrados. Operar co coceptos báscos de regresó. Realzar curvas de calbracó para dferetes strumetos. Utlzar la curva de calbracó para corregr valores meddos. II. FUNDAMENTOS TEÓRICOS Los errores sstemátcos provee de u defecto de costruccó o calbracó de u strumeto de medda. Puede deberse també a métodos de medda erróeos o a la accó costate de agetes exteros. La característca prcpal de este tpo de errores es que so costates y peródcos y tee por lo geeral gual setdo y magtud (por exceso o por defecto). Los errores sstemátcos afecta a la exacttud de las meddas o así a la precsó. II.. COMPENSACION DE ERRORES * Método de los Mímos Cuadrados Sí se tee ua sere de meddas de dos magtudes x e y que está relacoadas medate algua fucó y f(x), cada ua de las meddas es afectada por u certo error y se tedrá tatos errores como tatas medcoes se efectúe. decr: Sea pares de meddas de x e y, relacoadas medate ua fucó leal, es Y f ( x) m. X + b Sí teemos pares de meddas de X e Y, de la sguete maera: Nº de Medcoes 3 X X X X 3 X X Y X Y Y 3 Y Y 8

2 El propósto es ajustar la recta que mejor se aproxme a los putos, determado los parámetros m y b de la recta de tal forma que la dfereca etre los putos y la recta se matega e u valor mímo. La recta que satsface esta codcó es aquella que verfca que la sumatora de las desvacoes elevadas al cuadrado es míma. Dcho de otra maera la recta buscada es aquella que pasa por el cetro geométrco de la ube de putos y para la cual se observa ua meor dspersó. Y ρ y α Y f(x) m.x+b m tg α y y ρ y b y x X RECTA DE REGRESION La sguete deduccó se realzó supoedo que e el eje de las abscsas (X) se represeta a la varable que tee meor error, o sea los patroes. Además este error debe ser muy pequeño. Así, las desvacoes e de la varable Y respecto de la recta de ajuste puede ser expresadas por : e Y Y Ahora be, la suma de estas desvacoes elevadas al cuadrado debe ser míma, lo que sgfca que: o be, S S ( e ) ( Y Y ) Mímo ( Y ( b + m. X ) Mímo Para que dcha suma sea míma, la prmera dervada debe ser cero, etoces, dervado la expresó ateror respecto de m y de b e gualado a cero las dervadas, se determa los parámetros m y b que defe la mejor recta de ajuste de los putos, estos so: 9

3 m b ( ) x. Y x. Y ( x ) x. ( x ). Y x. ( x. Y ) ( x ) x. Dode: m pedete de la recta de ajuste b ordeada al orge. La ordea al orge b determa u error fjo de magtud costate cualquera sea el valor de la medcó. E el caso partcular de que la ordeada al orge sea cero, la recta de ajuste pasa por el orge de coordeadas y las expresoes aterores se smplfca a: m ( x. Y ) ( x ) Cuado la pedete m es dstta a (uo) dca que exste u error proporcoal que depede del valor de la medcó. 0

4 II.. CALIBRACION DE INSTRUMENTOS Todo strumeto de medcó tee ua certa exacttud y precsó que depede del tpo de equpo y que afecta a la precsó y exacttud de las medcoes que se efectúa co él. Las característcas del strumeto so proporcoadas por el fabrcate e cluye por lo geeral los valores de exacttud, precsó, alcace, rago, etre otras. Todo strumeto de medcó es perfecto, está exeto de sufrr desgastes por la accó del tempo, desajustes accdetales, etc. Lo cual trae aparejado ua dsmucó e la caldad de sus medcoes, ya que cada lectura que se realce se verá fluecada por u error de tpo sstemátco; por tal motvo debe efectuarse revsoes y cotroles peródcos del strumeto para asegurar ua caldad costate e las medcoes. U error sstemátco, báscamete puede corregrse de dos formas:. Elmado la causa que lo produce (calbracó propamete dcha).. Adcoado el valor del error sstemátco a la medcó s corregr el strumeto (correccó de las medcoes). De ser posble, es recomedable elmar las causas que produce el error sstemátco y que puede deberse prcpalmete a las sguetes causas, a saber: A. Hábtos de lectura correctos por parte del observador. B. Defectos de costruccó del strumeto. C. Desca lbracó del strumeto. D. Accó costate de agetes exteros. E. Métodos de medda apropados. E el caso de o poder elmar el error sstemátco se debe cuatfcar el valor del msmo ya que este afectará al resultado de cada medcó. A cotuacó se euca dos métodos usuales para su determacó y que se basa e la calbracó medate ua o más magtudes que se adopta como refereca y cotrol. II... CALIBRACION MEDIANTE UNA MAGNITUD PATRON * Modelo de Studet Cuado se cueta co ua úca magtud patró, puede aplcarse el modelo de Studet que se euca brevemete a cotuacó: Se debe medr N veces el valor patró P (magtud de refereca). Se evalúa el promedo de las medcoes Z. Se calcula el desvío estadar muestral σ -. Se determa el parámetro τ medate la sguete expresó. τ Z P σ

5 Falmete, se compara el valor de t co el de los coefcetes t de Studet. Ahora be, s τ < t etoces o hay evdeca de error sstemátco, e cambo s τ > t etoces hay evdeca de error sstemátco. E el caso de exstr dcho error, este puede calcularse de la sguete maera: δ Z P Sí el valor promedo es mayor que el valor patró, Z P, el error sstemátco será por exceso, y para corregr la medcó se deberá restar a cada medcó Z el valor de d. Sí el valor promedo es meor que el valor patró, Z P, el error sstemátco será por defecto, y para corregr la medcó se deberá sumar a cada medcó Z el valor de d. II... CALIBRACION MEDIANTE VARIAS MAGNITUDES PATRONES Curvas de Calbracó Muchas veces el strumeto trae medos para efectuar calbracoes secllas, de maera tal, de cuatfcar la falta de exacttud e forma aalítca y poder corregr las lecturas que se haga co tal strumeto; para ello es que se efectúa, las curvas de calbracó. Para realzar ua curva de calbracó se procede de la sguete maera: Se elge ua sere de magtudes patroes P, P,P 3,... P Se mde cada uo de los valores patroes co el strumeto que se desea calbrar, obteédose ua sere de medcoes Z, Z,Z 3,... Z Co los valores obtedos se tee ua sere de magtudes que puede ser represetadas medate ua fucó, es decr: Z f (P) La cuál se represeta e u sstema de ejes coordeados cartesaos obteédose u cojuto de putos que puede ajustarse, medate el método de los mímos cuadrados. Es coveete otar que dcha fucó puede ser leal o o, e cuyo caso el ajuste de los putos puede ser ua fucó dferete a la de ua recta. Sí la relacó es leal, es decr, la curva es u polomo de prmer orde, el ajuste se deoma recta de regresó o regresó leal y la fucó tedrá la forma: Z f (P) m.p + b dode los valores de m y b se calcula medate las ecuacoes deducdas e el puto II... Así, de la recta de regresó obteda se puede coclur lo sguete: a) Sí el strumeto está be calbrado, las medcoes efectuadas cocdrá co los valores patroes, la recta pasa por el orge del sstema de coordeadas cartesaas

6 y su pedete es gual a la udad, es decr que su clacó co el eje de abscsas es de 45º. (Fgura ) Z Z Pedete π 4 Pedete π radaes 4 O Fgura P O Fgura P b) Sí el strumeto o está be calbrado, etoces cada medcó estará afectada por u error sstemátco que se determa de la ecuacó de la recta de regresó.(fgura ) Dcho error sstemátco está coformado por dos tpos de errores:. El error fjo, que está determada por b y que agrega u valor costate a cada medcó.. El error proporcoal, que está expresado por la dfereca m y que agrega u valor proporcoal a cada ua de las medcoes. Ua vez determada la curva de calbracó del strumeto, esta se utlzará, cada vez que se efectúe ua medcó co dcho strumeto, para así poder corregr el valor meddo. Ejemplo: Supogamos que hallamos los sguetes valores de la curva de calbracó: m.00 y b 0.05 Etoces: Z.00 P S pesamos u cuerpo descoocdo e la balaza y os da ua lectura de 97 gr. (este es el valor de la lectura, o sea Z) para hallar el valor corregdo ( o sea P) se debe proceder así: Despejado P: 97 gr..00 P P gr gr. Sedo falmete P gr. el valor corregdo por la curva de calbracó. 3

7 II. PROCEDIMIENTOS A) Determacó de la Curva de Calbracó de ua Balaza. Determar las característcas de la balaza eléctrca (rago, alcace, exacttud, precsó, error de aprecacó, etc.). Seleccoar dez juegos de pesas patroes, tratado de cubrr el rago de la balaza. 3. Efectuar la medcó de cada pesa patró o juego de pesas, determado los valores meddos. 4. Cofeccoar ua tabla de valores meddos, e fucó a sus correspodetes valores patroes. 5. Determar la recta de regresó utlzado el método de los mímos cuadrados, calculado los valores de su pedete m y ordeada al orge b. MEDICION VALORES PATRONES (P ) VALORES MEDIDOS (Z ) (P. Z ) P P Z P. Z P ( P ) 6. Determar la expresó de la curva de calbracó para dcha balaza, esto es: Z m P + b 7. Grafcar e papel mlmetrado la curva de calbracó de la balaza. 8. Pesar u cuerpo cualquera y corregr el valor meddo medate la curva de calbracó. 9. Expresar todos los resultados co su correspodete error. 0. Elaborar las correspodetes coclusoes de la expereca. B) Determacó de la Curva de Calbracó de Urodesímetros Exste aparatos preparados para la lectura drecta de la desdad de líqudos llamados desímetros. Se basa e la medcó del volume sumergdo del cuerpo metras flota 4

8 lbremete e el líqudo a medr. El desímetro se sumerge e el líqudo y recbe u empuje de abajo haca arrba, gual al peso del volume del líqudo desalojado. Cuado se equlbra el peso del aparato y el empuje el cuerpo flotará, dejádo sumergdo u certo volume calbrado para leer drectamete la desdad del líqudo. Como el volume del aparato sempre es el msmo, los dferetes empujes que recba, depederá drectamete de la desdad del líqudo aalzado. Para efectuar la calbracó del urodesímetro se debe preparar solucoes patroes de desdad coocda ( d, d, d 3,...d ), y efectuar las lecturas de estas solucoes co el aparato para obteer los valores (z, z, z 3...z ). Sí el aparato está be calbrado, se deberá obteer ua equvaleca total etre los valores leídos y etre los patroes ( Stadard ). Esto es que s se represeta grafcamete se obtedría ua recta de 45º que pasa por el orge. S embargo es de esperar que haya fluctuacoes que habrá de evaluar. Por lo tato s deomamos d a la desdad de las solucoes stadard, y z a las desdades correspodetes leídas co el desímetro, habrá ua relacó: z m d + b Sedo (m) el factor de correccó; sí m, quere decr que el urodesímetro es correctamete calbrado. Metras que (b) es u factor de valor costate que cuatfcará el error sstemátco del urodesímetro s es que este error exste. Las codcoes totales de correcta calbracó so: m y b 0.. Preparacó de la solucó stadard: Para ello se empleará como materal el SO 4 K puro que se dluye e catdades apropadas de agua pura trdestlada y desmeralzada. De acuerdo a la tabla sguete se prepara cco cocetracoes: Stadard Agua pura (cm 3 ) SO 4 K (g) Desdad (g/l) 00 0, ,850, ,09, ,000, ,6,060. Se llea el vaso hasta tres cuartos de su capacdad co la solucó stadard y se coloca detro el urodesímetro, pero sumstrádole u movmeto de rotacó, para estar seguros que flota lbremete. 3. Se debe evtar la formacó de burbujas y que el aparato toque las paredes del recpete. 4. Se debe leer el fodo del mesco que se forma y la temperatura del líqudo. 5. Se debe efectuar las correccoes por temperatura s correspode. 5

9 6. Determar la recta de regresó utlzado el método de los mímos cuadrados, calculado los valores de su pedete m y ordeada al orge b. MEDICION VALORES PATRONES (d ) VALORES MEDIDOS (z ) (d. z ) d d z d. z d ( d ) 7. Determar la expresó de la curva de calbracó para dcha balaza, esto es: z m d + b 8. Grafcar e papel mlmetrado la curva de calbracó. 9. Determar la desdad de ua muestra cualquera y corregr el valor obtedo medate la curva de calbracó realzada aterormete. 6

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

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

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

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

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

CENTRO DE MASA centro de masas centro de masas

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

Más detalles

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

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

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

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

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

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

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

Más detalles

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

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

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

Figura 1

Figura 1 Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable

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

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

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

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

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

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

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente: Matemátcas faceras 4.2. Aualdades atcpadas 4.2. Aualdades atcpadas UNIDAD IV. ANUALIDADES Las aualdades vecdas so aquellas que sus pagos guales ocurre al falzar cada perodo, u dagrama de flujo de cada

Más detalles

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

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

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

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

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

UNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad

UNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad UNIDAD 7 SERIES DE TIEMPO Itroduccó a la udad Ua sere de tempo es el cojuto de datos que se regstra a través del tempo sobre el comportameto de ua varable de terés, geeralmete los regstros se realza e

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN

NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

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

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

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

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

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

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

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

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

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

LA ESTADÍSTICA EN QUÍMICA ANALÍTICA

LA ESTADÍSTICA EN QUÍMICA ANALÍTICA LA ESTADÍSTICA EN QUÍMICA ANALÍTICA MONOGRAFÍA PARA ALUMNOS DE º DE LA LICENCIATURA EN QUÍMICA 001 DR. JOSÉ MARÍA FERNÁNDEZ ÁLVAREZ Edfco de Ivestgacó. C/Irularrea,1. 31080 Pamploa. España Tel. +34 948

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

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

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

α 3 = α 1 + 2ρ ... α n = α 1 + (n-1)ρ

α 3 = α 1 + 2ρ ... α n = α 1 + (n-1)ρ 4 RENT RIBLE I EN PROGREIÓN RITMÉTI: álculo del alor actual: ea,,, los térmos de ua reta aual que ece e los mometos,,, respectamete upogamos que las aualdades aría e progresó artmétca, es decr que cada

Más detalles

3 AJUSTE DE FUNCIONES

3 AJUSTE DE FUNCIONES AJUSTE DE UNCIONES.. udametos de estadístca: cojuto de medcoes epermetales meda y desvacó estádar INTRODUCCION TEÓRICA E la mayoría de los procedmetos epermetales se gasta mucho esfuerzo para reur los

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA: UNIVERSIDAD DE PANAÁ FACULTAD DE INFORÁTICA, ELECTRÓNICA Y COUNICACIÓN ESCUELA DE INFORÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS ONOGRAFÍA: INTEGRACIÓN NUÉRICA POR EL ÉTODO DE LOS TRAPECIOS PRESENTA:

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

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

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

. Usaremos una vía algebraica y una geométrica que nos Título: La desgualdad etre la meda artmétca y geométrca e problemas de olmpadas. Resume: E el presete artículo se pretede mostrar la utldad de ua desgualdad ta elemetal como la relacó etre las medas artmétca

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

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

Más detalles

I n t r o d u c i ó n A l a E s t a d í s t i c a 1

I n t r o d u c i ó n A l a E s t a d í s t i c a 1 Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1 Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,

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

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles