PRÁCTICA No. 1 INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES EN LAS MEDICIONES

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

Download "PRÁCTICA No. 1 INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES EN LAS MEDICIONES"

Transcripción

1 PRÁCTICA No. 1 INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES EN LAS MEDICIONES 1 INTRODUCCIÓN E las ciecias aturales los resultados de las medidas experimetales sirve para verificar la validez de modelos, leyes y teorías. Por esta razó, e ciecia el experimeto es "juez de última istacia". E geeral, los euciados cietíficos está soportados e resultados de medició. No obstate, como toda actividad humaa, la medició o esta exeta de imperfeccioes. Todas las medidas, icluso las que se realiza co los métodos y equipos más sofisticados y por el persoal más calificado, posee algú grado de icertidumbre. Como cosecuecia, es obligació de todo experimetador reportar cualquier resultado de medició juto co ua estimació de su icertidumbre. E esta práctica se ilustrará, mediate u ejemplo cocreto, el método para calcular icertidumbres que se describe e la secció 2.2 del Laboratorio Cero. 2 PROCEDIMIENTO El sistema que se va a estudiar es u pédulo simple, es decir, ua masa putual que pede de ua cuerda. Las catidades por medir so las siguietes: - el período de oscilació del pédulo, - la logitud del pédulo, - la aceleració g debida a la gravedad terrestre. Ua vez medida cada variable se procederá a estimar su icertidumbre. Se calculará la icertidumbre tato para resultados de medició obteidos directamete del istrumeto (período y logitud) como para resultados de medició idirectos (e este caso, aceleració g). Adicioalmete, se calculará compoetes de icertidumbre por métodos tipo A y tambié por métodos tipo B. 2.1 MEDICIÓN DEL PERÍODO (T) DE OSCILACIÓN DEL PÉNDULO. Costruya u pédulo de logitud cualquiera l y pógalo a oscilar. Co el croómetro mida el tiempo de ua oscilació (tiempo de salida y regreso de la masa al mismo puto). Este tiempo se llama período y se simboliza co la letra T. Se recomieda iiciar la medició después de que el pédulo haya realizado al meos ua oscilació. Ello co el fi de evitar el efecto sistemático proveiete de algú empujó ivolutario que pueda darle la mao a la masa e el mometo de su liberació. Registre el valor obteido. Repita la operació aterior hasta completar 50 datos. Procure que cada uo de los datos se obtega de la misma maera, es decir, mismo método, misma persoa, mismo istrumeto, etc. 1

2 Se puede hacer alguos esayos prelimiares a la toma de los 50 datos (3 o 4), a maera de etreamieto, para garatizar la uiformidad del método. Aote sus resultados e la seguda columa de la tabla 1. Al observar los datos obteidos se ve que la mayoría de ellos so diferetes etre sí. Si embargo, ecesitamos reportar u solo resultado de medició. Cómo saber cuál de todos los valores obteidos debe reportarse como mejor estimado del período? La siguiete discusió ayudará a resolver dicha iquietud. Orgaice los 50 datos escribiédolos e orde ascedete e la tercera columa de la tabla No. 1. No omita los datos que se repite. A cotiuació debe costruir u gráfico de barras llamado histograma de frecuecias, para lo cual se debe diligeciar la tabla No. 2. Divida el rago de los datos (T max T mi ) e 5 o más itervalos. Aote cada itervalo e la primera columa de la tabla No.2. (Precaució: Defia los itervalos de tal maera que NO sea posible cotar el mismo dato e dos itervalos cotiguos). Ahora, e la columa de datos ordeados, cuete el úmero de datos que cae detro cada uo de los itervalos defiidos (si u dato se repite varias veces, cuételo tatas veces como se repita). El úmero de datos e u itervalo dado se llama frecuecia. Registre la frecuecia de cada itervalo e la seguda columa de la tabla No. 2. Verifique que el coteo fue correcto sumado la columa de frecuecias. La suma debe ser igual a el total de datos medidos, es decir, 50. co los datos de la tabla No. 2 haga ua gráfica de barras (Histograma) sobre la figura No. 1. E el eje horizotal debe ir los itervalos y el eje vertical correspode a la frecuecia. Ahora Calcule el promedio de los 50 datos y escriba su valor al fial de la tabla No. 1 (escriba el resultado co todas las cifras sigificativas que arroje la calculadora). Ubique el valor del promedio sobre el eje horizotal del histograma. E cuál de los itervalos se ubica dicho promedio? Cómo es la frecuecia de este itervalo comparada co las demás frecuecias?, Qué se puede cocluir acerca de la probabilidad de obteer el promedio como resultado de medició, e comparació co la probabilidad de obteer cualquier otro dato? Sus respuestas al umeral aterior justifica por qué el promedio de ua serie de medidas repetidas es el mejor estimado de la catidad por medir. Reporte el promedio como el resultado de la medició del período aotado este valor e el lugar que le correspode e el ecabezado de la tabla No ESTIMACIÓN DE LA INCERTIDUMBRE DEL PERÍODO Recordemos brevemete los pasos a seguir para estimar la icertidumbre de u resultado de medició: I. Defiir la catidad por medir. II. Idetificar las catidades de etrada, esto es las variables de las cuales depede la catidad por medir. 2

3 III. Escribir el modelo matemático que relacioa las catidades de etrada co la catidad por medir. IV. Estimar la compoete de icertidumbre asociada co cada catidad de etrada. V. Combiar las compoetes de icertidumbre para ecotrar la icertidumbre combiada. VI. Reportar el resultado de medició co su icertidumbre. (Nota: E alguas ocasioes se suele aplicar u factor de cobertura a la icertidumbre combiada co el fi de dar u ivel de cofiaza l valor de la icertidumbre. Este o será el caso e esta secilla guía.) Ahora apliquemos estos pasos para calcula icertidumbre del período: Paso (I). Defiició de la catidad por Medir: E la primera fila de la tabla No. 3 describa e palabras la catidad por medir, es decir, el período. Pasos II y III. Catidades de Etrada y Modelo matemático. Existe u pricipio metrológico que establece que igú resultado de medició se puede reportar hasta tato o se le aplique las correccioes a que hubiere lugar. El VIM (2.53) defie ua correcció como la compesació de u efecto sistemático estimado. Ua correcció puede ser u sumado, u factor, o u valor que se deduce de ua tabla. El resultado de medició que se obtiee después de aplicar las correccioes se llama resultado corregido. Alguos ejemplos de correccioes so: Correccioes asociadas a los errores reportados e el certificado de calibració. Correcció por resolució del sistema de medició. Correcció por dilatació térmica del istrumeto de medició, de la pieza a medir o de ambos, Correccioes por elasticidad, por redodez, por plaitud, etc. E el caso de termómetros, correcció por imersió parcial etc. La aplicació de correccioes es u importate elemeto a teer e cueta a la hora de costruir el modelo matemático, sobre todo cuado se trata de variables de medició directa. E el caso que os ocupa, es decir, el período, vamos a cosiderar solo dos correccioes, ambas de carácter aditivo: La correcció por calibració C cal y la correcció por resolució C res. De esta maera, el modelo quedaría: T T C C (1) corregido Paso IV: Estimació de las compoetes de icertidumbre. Del modelo aterior se ve que las variables o catidades de etrada de las que depede el valor del período so: promedio T, la correcció por calibració C cal y la correcció por resolució C res. Estimemos la icertidumbre (o compoete de icertidumbre) que correspode a cada ua de ellas: res cal Icertidumbre T del promedio: El valor T se obtuvo de la repetició de 50 medicioes de período cuya variabilidad se ilustra e el histograma de la figura 1. Así, es razoable pesar que la icertidumbre del promedio está relacioada co la variabilidad de los datos. De acuerdo co los pricipios de la estadística, la variabilidad de u cojuto de datos se mide co parámetros de dispersió estadísticos, etre ellos la desviació estádar. E este experimeto se usará la desviació estádar como u idicador de la icertidumbre del 3

4 período promedio T. La variabilidad de u cojuto de medicioes repetidas es cosecuecia de las características del sistema de medició. Para el caso que os ocupa, el sistema de medició es el cojuto persoa croómetro y la variabilidad observada es cosecuecia de la combiació de efectos tales como: - Estimació a simple vista de los mometos de iicio y termiació de la oscilació. - El tiempo de reacció de la persoa e el istate de eceder y de apagar el croómetro. Ee decir, el tiempo que tarda el estímulo e recorrer el trayecto: ojo-cerebro mao. - Movimietos de torsió o rotatorios de la pesa, - Movimieto del puto de suspesió, - Cambios e logitud de la cuerda durate su recorrido debido a su elasticidad, etc. E estadística, el parámetro que refleja la icertidumbre de la media o promedio es la desviació estádar de la media, s m. Este parámetro está relacioado co la desviació estádar s del cojuto de datos de acuerdo co: s s m (2) Así, el valor de la icertidumbre de la variable T que se debe reportar e la tabla 3 T s m. Este parámetro cuatifica de los efectos combiados de las distitas fuetes de variació citadas arriba. Icertidumbre C res de la correcció por resolució. E este experimeto los tiempos se mide co u croómetro digital que lee hasta cetésimas de segudo, es decir, el cambio más pequeño de tiempo que el croómetro puede detectar es de 0,01 s. Así, cuado e el croómetro se lee, por ejemplo, el tiempo 1,43 s, se etiede que el istrumeto o sabe cuáles so las cifras que sigue después del dígito 3. Esto es, o puede iformaros ada acerca de las milésimas, las diezmilésimas, etc., del valor verdadero de la catidad medida. Por tato, el resultado 1,43 s sigifica que el valor verdadero de la medició debe estar e el itervalo 1,425 s < T < 1,435 s. Como cosecuecia, la correcció asociada co la resolució del istrumeto, que debería aplicarse al resultado 1,43 s para que coicida co el valor verdadero, debe ser u valor etre -0,005 s y 0,005 s. Ahora, como el valor verdadero de la medida es descoocido por aturaleza, tambié lo será la correcció. Por tato, lo úico que puede decirse sobre la correcció por resolució es que: -0,005 s < C res < 0,005 s Otra forma de expresar este mismo hecho es que C res =0 s ± 0,005 s. Es decir, puesto que es imposible saber cuáto vale realmete C res, el valor a reemplazar e la ecuació (1) y e la tabla No.3 es: C res =0 s. Mietras tato, la icertidumbre de C res o es cero: C res = 0,005 s. Icertidumbre C cal de la correcció por calibració. Otro pricipio básico e metrología es que todo istrumeto de medició debe haber sido calibrado ates de su uso. De esta maera se garatiza que el istrumeto está fucioado correctamete y, al mismo tiempo, se 4

5 asegura que las medidas tega trazabilidad a patroes iteracioales. Recordemos que ua calibració es la comparació de las lecturas de u istrumeto cotra las de otro istrumeto de mejor clase de exactitud, llamado patró. Si los errores, es decir, las diferecias etre las lecturas del istrumeto y las lecturas del patró so meores que las toleracias establecidas e los estádares pertietes, el istrumeto pasa la prueba. Los certificados de ua calibració puede veir acompañados de ua tabla dode está cosigados los errores que dio el istrumeto juto co la icertidumbre de cada error. Cuado este es el caso, los valores de la correcció C cal y de su icertidumbre C cal se toma directamete del certificado. De otro lado, si el certificado o cotiee tabla de errores, los valores de C cal y C cal se calcula a partir de las toleracias permitidas e los estádares de calibració del istrumeto, o de algua otra iformació cofiable relacioada. E uestro caso, por ejemplo, o teemos certificados de calibració de los croómetros (o ha sido calibrados). No obstate, e la literatura se ecuetra que el tiempo es ua de las variables metrológicas que puede reproducirse co mayor exactitud, y e promedio, los croómetros ofrece ua exactitud del orde de ±0,0005%. (ver el elace: tros.pdf ). Por lo tato, para u tiempo del orde de 2,00 s, la correcció por error o toleracia de calibració de este istrumeto debe ser del orde de ±0, s. Que equivale a, C cal = 0 ± 0, s. Por razoes similares a las del caso de la resolució, tomamos el valor de la correcció igual a cero (pues o sabemos si es por exceso o por defecto) pero su icertidumbre es distita de cero: C cal = 0, s. Paso V: Combiació de las compoetes de Icertidumbre: Registre e la tabla No. 3 los diferetes valores de las catidades de etrada y de sus icertidumbres. Combie dichas icertidumbre y obtega la icertidumbre combiada. Paso VI: Reporte de icertidumbre: E la última fila de la tabla No. 3 reporte el resultado de medició que obtuvo para el período, juto co su. Tega e cueta las ormas de redodeo que se explica e el laboratorio cero. 2.3 MEDICIÓN DE LA LONGITUD DE LA CUERDA. Ahora mida la logitud del pédulo desde el puto de suspesió o udo hasta el cetro de la masa. Registre su resultado e la 2ª fila de la tabla No ESTIMACIÓN DE LA INCERTIDUMBRE PARA LA LONGITUD No siempre se dispoe del tiempo, los recursos o la iformació ecesarios para repetir la medida y evaluar la icertidumbre por el método tipo A. E estos casos se debe recurrir a métodos tipo B. E geeral, estos métodos se basa e la experiecia, la ituició, el tateo, el coocimieto previo de la magitud por medir, iformació extraída tablas o mauales, etc. Aplicaremos solo métodos tipo B para el caso de la logitud del pédulo, cuya medida se realizó 5

6 ua sola vez. Siga los siguietes pasos para hallar la icertidumbre de la logitud. A medida e que los vaya realizado, cosige sus resultados y estimacioes e la tabla No Idetifique cuáles puede ser las diferetes fuetes de error e la medida de la logitud del pédulo y las correccioes correspodietes. Escriba la lista de estas catidades de etrada e la seguda columa de la Tabla 4 (cosidere e su discusió, el istrumeto, el procedimieto de medida etc.). - Escriba el modelo (fórmula) matemática que relacioa la catidad por medir co las diferetes variables o catidades de etrada. - Asígele u valor a cada catidad de etrada, 1, y estime su icertidumbre. - Halle la icertidumbre combiada l combiado las diferetes compoetes que cuatificó e el paso aterior. Use la regla de combiació que correspoda al modelo matemático de esta variable. Tega e cueta la secció del laboratorio cero. - E la casilla respectiva de la tabla No.4, reporte los valores de l y l co el úmero correcto de cifras sigificativas. Al térmio de esta secció, la tabla No. 4 debe quedar completamete diligeciada. 2.5 CÁLCULO DEL VALOR DE LA ACELERACIÓN GRAVITACIONAL g EN CALI Empleado las leyes de la mecáica ewtoiaa, puede probarse teóricamete que el período de u pédulo que oscila co pequeñas oscilacioes está dado por la expresió: T 2 l g Co los resultados de medició para T y l obteidos e las seccioes ateriores calcule el valor de la aceleració de la gravedad g e el laboratorio de física. De uevo, use y coserve e los cálculos itermedios todas las cifras sigificativas que da la calculadora. Redodee úicamete al fial, cuado vaya reportar el resultado co su icertidumbre. 2.6 ESTIMACIÓN DE LA INCERTIDUMBRE PARA LA GRAVEDAD De maera semejate a como lo hizo para el período y la logitud, siga los pasos ecesarios para hallar la icertidumbre g. Diligecie la tabla No. 5 a medida que sigue el procedimieto. Para facilitar sus cálculos exprese la fució g = f(t, l) como u producto de potecias. Termie de diligeciar la tabla No. 5 expresado g y su icertidumbre co el úmero correcto de cifras sigificativas. 1 Se asume de uevo que los errores cosiderados se debe a efecto aleatorios, esto es, que e caso de que se repitiera la medida el error tiee la misma probabilidad de ser positivo o egativo, oscilado su valor alrededor de cero. Por tato, el valor más probable para ua correcció debida a ese efecto es cero. 6

7 2.7 ERROR Medicioes más cofiables que la de esta práctica ha establecido que la gravedad e Cali tiee u valor de g = 9,77 m/s 2 + 0,10 m/s 2. Tomado este valor como referecia halle el error y el porcetaje de error de su resultado de medició. 3 CONCLUSIONES. Compare sus resultados, discuta acuerdos y diferecias y haga sus coclusioes. 7

8 Tabla No. 1 Medida Nº T i (s) T i (s) (ordeado) (T i - T )(s) (T i - T ) 2 (s 2 )

9 =50 i1 ( Ti ) ( Ti T ) i1 i1 ( Ti T ) 2 T s = 1 i1 Ti s 2 1 (Ti T 1 s s m = i1 ) 2 9

10 Tabla No 2 Itervalo frecuecia Figura No F r e c u e c i a

11 Tabla No. 3 Magitud por medir (Defiició de T, e palabras): Fució (Relació de T co las catidades de etrada): T = Resultado de Medició ( mejor estimado de T) T = X i Nombre de la catidad de etrada x i Valor de la catidad de etrada x i Icertidumbre estimada para el valor de cada catidad de etrada Método de estimació (A o B) T C res 0 C cal Expresió para calcular la icertidumbre combiada de la magitud por medir: T = T = Valor de la icertidumbre combiada Reporte del resultado de medició co su icertidumbre: T = + 11

12 Tabla No. 4 Magitud por medir (Defiició de l, e palabras): Logitud de la cuerda Fució (Relació de l co las catidades de etrada): l = Resultado de Medició ( mejor estimado de l) l = X i Nombre de la catidad de etrada x i Valor de la catidad de etrada x i Icertidumbre estimada para el valor de cada catidad de etrada Método de estimació (A o B) Expresió para calcular la icertidumbre combiada de la magitud por medir: l = l = Valor de la icertidumbre combiada Reporte del resultado de medició co su icertidumbre: l = + 12

13 Tabla No. 5 Magitud por medir (Defiició g, e palabras): Aceleració de la gravedad e Cali Resultado de Medició ( mejor estimado de g) g = Fució (Relació de g co las catidades de etrada): g = X i Nombre de la catidad de etrada x i Valor de la catidad de etrada x i Icertidumbre estimada para el valor de cada catidad de etrada Método de estimació (A o B) Expresió para calcular la icertidumbre combiada de la magitud por medir (deducir e casa): g = g = Valor de la icertidumbre combiada Reporte del resultado de medició co su icertidumbre: g = + Revisió

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo:

INGENIERÍAS Cordinador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: Itroducció al cálculo de icertidumbres e las INGENIERÍAS Cordiador: Luís Alfredo Rodríguez Saucedo, M. Sc. Correo: lurodrig@puj.edu.co INTRODUCCIÓN E las ciecias aturales los resultados de las medidas

Más detalles

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES SANTIAGO DE CALI UNIVERSIDAD SANTIAGO DE CALI DEPARTAMENTO DE LABORATORIOS INTRODUCCIÓN

Más detalles

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica

Más detalles

2. Estimación de errores de medidas directas

2. Estimación de errores de medidas directas Estimació de errores y forma de expresar los resultados de las prácticas. Error: Defiició E el laboratorio igua medida tiee ifiita precisió. Por ello, ua parte importate del proceso de medida es la estimació

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

02) Mediciones. 0202) Mediciones

02) Mediciones. 0202) Mediciones Págia 02) Medicioes 0202) Medicioes Desarrollado por el Profesor Rodrigo Vergara Rojas Págia 2 A) Teoría de Errores e Icertezas Si usted puede medir lo que está cosiderado y expresarlo e úmeros, usted

Más detalles

Pre-PAES 2016 Media aritmética, moda y mediana.

Pre-PAES 2016 Media aritmética, moda y mediana. Pre-PAES 016 Media aritmética, moda y mediaa. Nombre: Secció: Las medidas de tedecia cetral (MTC) so ciertos valores alrededor de los cuáles tiede a cocetrarse los datos de ua població, esto se debe a

Más detalles

Tema 14: Inferencia estadística

Tema 14: Inferencia estadística Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos

Más detalles

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco

Capítulo 4 (Continuación) MÉTODOS ESTADÍSTICOS. Autor: José María García Palanco Capítulo 4 (Cotiuació MÉTODOS ESTADÍSTICOS Autor: José María García Palaco Técicas Eperimetales Medida de magitudes 4.8 Métodos Estadísticos Ya hemos visto e los apartados ateriores, que u procedimieto

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

Problemas de cálculo

Problemas de cálculo Problemas Estimació estadística Vicete Mazao-Arrodo, 2012,2013 Problemas de cálculo Ejercicio 1 resuelto Observamos e mometos al azar e ua cocurrida calle de la ciudad. Nos iteresa registrar cuátas persoas

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

TEORÍA DE LA ESTIMACIÓN

TEORÍA DE LA ESTIMACIÓN TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0

FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 DEPARTAMENTO DE FÍSICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS AGRÓNOMOS Y DE MONTES UNIVERSIDAD DE CÓRDOBA FUNDAMENTOS FÍSICOS DE LA INGENIERIA SESIÓN DE PRÁCTICAS 0 1. Itroducció al cálculo de

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc.

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc. Sucesioes Sucesi o. Ua sucesió es u cojuto ifiito de úmeros ordeados de tal forma que se puede decir cuál es el primero, cuál el segudo, el tercero, etc. Los térmios de ua sucesió se desiga mediate a 1,

Más detalles

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo

Más detalles

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. U itervalo de cofiaza, para u parámetro poblacioal θ, a u ivel de cofiaza (1 ) 100 %, o es más que u itervalo (L i, L s

Más detalles

PROCEDIMIENTO DE CALIBRACIÓN M-002 BALANZA MONOPLATO INDICE 1. OBJETO 2. ALCANCE

PROCEDIMIENTO DE CALIBRACIÓN M-002 BALANZA MONOPLATO INDICE 1. OBJETO 2. ALCANCE INDICE BALANZA MONOPLATO EDICIÓN 0 1. OBJETO 2. ALCANCE 3. GENERAL 4. EQUIPO A UAR EN LA CALIBRACION 5. OPERACIONE PREVIA 6. REALIZACION 7. TOMA DE DATO 8. REULTADO DE LA CALIBRACIÓN 9. CRITERIO DE ACEPTACION

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales

Curso de Estadística Aplicada a las Ciencias Sociales Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

Combinatoria. Tema Principios básicos de recuento

Combinatoria. Tema Principios básicos de recuento Tema 4 Combiatoria La combiatoria, el estudio de las posibles distribucioes de objetos, es ua parte importate de la matemática discreta, que ya era estudiada e el siglo XVII, época e la que se platearo

Más detalles

Introducción a las medidas de dispersión.

Introducción a las medidas de dispersión. UNIDAD 8: INTERPRETEMOS LA VARIABILIDAD DE LA INFORMACION. Itroducció a las medidas de dispersió. Como su ombre lo idica, las medidas de dispersió so parámetros que os idica qué ta dispersos está los datos.

Más detalles

Material del que dispone:

Material del que dispone: Prueba experimetal. El vuelo del capacillo Cuado u cuerpo se mueve e el seo de u fluido co velocidad v, su movimieto se ve freado por ua fuerza, llamada de resistecia. Supogamos que esta fuerza depede

Más detalles

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ

R-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ 06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

Informe Final de la Evaluación de Desempeño DM-LFP-02

Informe Final de la Evaluación de Desempeño DM-LFP-02 Istituto Nacioal de Calidad Iforme Fial de la Evaluació de Desempeño DM-LFP-02 Comparació Iterlaboratorios Comparació e Calibració de Maómetro de Deformació Elástica de 0 bar a 10 bar Setiembre - Diciembre

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA DISTRIBUCIÓN DE FRECUENCIAS, HISTOGRAMA, POLIGONO Y ESTADÍSITICOS DE TENDENCIA CENTRAL, DISPERSIÓN, ASIMETRÍA Y CURTOSIS. Prof.: MSc. Julio R. Vargas I. Las calificacioes fiales

Más detalles

Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 138

Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 138 Prácticas de Matemáticas I y Matemáticas II co DERIVE-5 8. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales

Más detalles

Álgebra I Práctica 2 - Números naturales e inducción

Álgebra I Práctica 2 - Números naturales e inducción FCEyN - UBA - Segudo Cuatrimestre 203 Álgebra I Práctica 2 - Números aturales e iducció. Reescribir cada ua de las siguietes sumas usado el símbolo de sumatoria (a) + 2 + 3 + 4 + + 00, (b) + 2 + 4 + 8

Más detalles

4.4 Sistemas mal condicionados

4.4 Sistemas mal condicionados 7 4.4 Sistemas mal codicioados l resolver u sistema de ecuacioes lieales usado u método directo, es ecesario aalizar si el resultado calculado es cofiable. E esta secció se estudia el caso especial de

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL INISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIENTAL POLITÉCNICA DE LA FUERZA ARADA NACIONAL UNEFA NUCLEO ERIDA APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 8 CONSERVACIÓN

Más detalles

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,...

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,... SUCESIONES Y SERIES. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:...... 1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los istogramas y los polígoos

Más detalles

SOLUCIONARIO II Parcial Cálculo Proyecto MATEM UNIVERSIDAD DE COSTA RICA Miércoles 10 de agosto del Solucionario

SOLUCIONARIO II Parcial Cálculo Proyecto MATEM UNIVERSIDAD DE COSTA RICA Miércoles 10 de agosto del Solucionario SOLUCIONARIO II Parcial Cálculo Proyecto MATEM UNIVERSIDAD DE COSTA RICA Miércoles de agosto del ESCUELA DE MATEMÁTICA Segudo Eame Parcial Cálculo I PROYECTO MATEM Tiempo Probable: horas Solucioario. Use

Más detalles

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series. R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)

Curso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos) Curso de Estadística Aplicada a las Ciecias Sociales Tema 10. Estimació de ua proporció Cap. 0 del maual Tema 10. Estimació de ua proporció Itroducció 1. Distribució e el muestreo de ua proporció. Estimadores

Más detalles

TRABAJO DE GRUPO Series de potencias

TRABAJO DE GRUPO Series de potencias DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre

Más detalles

Prácticas de Matemáticas I y Matemáticas II con DERIVE 136

Prácticas de Matemáticas I y Matemáticas II con DERIVE 136 Prácticas de Matemáticas I y Matemáticas II co DERIVE 6. DIGONLIZCIÓN... PRINCIPLES FUNCIONES DE DERIVE PR L DIGONLIZCION: CLCULO DE UTOVLORES Y UTOVECTORES. tes de iiciar el estudio de los pricipales

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

Introducción a las Funciones Vectoriales (Funciones de R R n ) 1. Funciones de R en R n (Funciones Vectoriales)

Introducción a las Funciones Vectoriales (Funciones de R R n ) 1. Funciones de R en R n (Funciones Vectoriales) Itroducció a las Fucioes Vectoriales (Fucioes de R R 1 Fucioes de R e R (Fucioes Vectoriales Llamaremos fució vectorial de variable real o simplemete fució vectorial, a aquellas co domiio e u subcojuto

Más detalles

Introducción a las Funciones Vectoriales (Funciones de R R n ) 1. Funciones de R en R n (Funciones Vectoriales)

Introducción a las Funciones Vectoriales (Funciones de R R n ) 1. Funciones de R en R n (Funciones Vectoriales) Itroducció a las Fucioes Vectoriales (Fucioes de R R 1 Fucioes de R e R (Fucioes Vectoriales Llamaremos fució vectorial de variable real o simplemete fució vectorial, a aquellas co domiio e u subcojuto

Más detalles

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

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( ) I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad

Más detalles

Gráficos de control por atributos

Gráficos de control por atributos Gráficos de cotrol por atributos por Felipe de la Rosa Los gráficos de cotrol por variables so istrumetos sumamete útiles para moitorear y mejorar la calidad, si embargo, preseta al meos dos limitacioes

Más detalles

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011. NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11. INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

Apéndice I. Nociones de Cálculos de Errores. Definiciones

Apéndice I. Nociones de Cálculos de Errores. Definiciones Uiversidad Tecológica Nacioal Facultad Regioal La Plata Departameto de Ciecias Básicas Uidad Docete Básica Física Laboratorio de Física Cátedra: Física I Apédice I Nocioes de Cálculos de Errores El trabajo

Más detalles

e i y i y i y i 0 1 x 1i 2 x 2i k x ki

e i y i y i y i 0 1 x 1i 2 x 2i k x ki Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede

Más detalles

TEMA 6.- INTERVALOS DE CONFIANZA

TEMA 6.- INTERVALOS DE CONFIANZA TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método

Más detalles

Práctica 3: Convolución

Práctica 3: Convolución Práctica 3: Covolució Apellidos, ombre Apellidos, ombre Grupo Puesto Fecha El objetivo de esta práctica es familiarizar al alumo co la suma de covolució, fudametal e el estudio de los sistemas lieales,

Más detalles

a = n Clase 11 Tema: Radicación en los números reales Matemáticas 9 Bimestre: I Número de clase: 11 Esta clase tiene video

a = n Clase 11 Tema: Radicación en los números reales Matemáticas 9 Bimestre: I Número de clase: 11 Esta clase tiene video Matemáticas 9 Bimestre: I Número de clase: Clase Actividad Esta clase tiee video Tema: Radicació e los úmeros reales Lea la siguiete iformació. Si es u úmero etero positivo, etoces la raíz -ésima de u

Más detalles

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la

Más detalles

INTRODUCCION Teoría de la Estimación

INTRODUCCION Teoría de la Estimación INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede

Más detalles

Tema 2. Medidas descriptivas de los datos

Tema 2. Medidas descriptivas de los datos Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa

Más detalles

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11.

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11. rueba Itegral Lapso 03-7-76-77 /0 Uiversidad Nacioal Abierta Matemática I (Cód. 7-76-77) icerrectorado Académico Cód. Carrera: 6-36-80-08- -60-6-6-63 Fecha: 0 0-0 MODELO DE RESUESTAS Objetivos al. OBJ

Más detalles

COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN

COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN COLEGIO PEDAGÓGICO DE LOS ANDES ACTIVIDAD DE NIVELACIÓN SEGUNDO PERIODO GUÍA SÍNTESIS ESTADÍSTICA MEDIDAS DE DISPERSIÓN Y POSICIÓN MEDIDAS DE POSICIÓN Las medidas de posició divide u cojuto de datos e

Más detalles

Otro ejemplo es la tasa de cambio del tamaño de una población (N), que puede expresarse como:

Otro ejemplo es la tasa de cambio del tamaño de una población (N), que puede expresarse como: SOLUCIÓN DE ECUACIONES DIFERENCIALES Autor: Keith Gregso Traducció: José Alfredo Carrillo Salazar Muchos sistemas diámicos puede represetarse e térmios de ecuacioes difereciales. Por ejemplo, la tasa de

Más detalles

Unidad 2 Diseño de experimentos de un factor

Unidad 2 Diseño de experimentos de un factor Uidad Diseño de experimetos de u factor.. Familia Diseños para comparar tratamietos.. Diseño Complemetario al azar y ANOVA.3. Comparacioes o Pruebas de Ragos Multiples.4. Verificació Supuestos del Modelo.5.

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad. Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació

Más detalles

Sucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7

Sucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7 Sucesioes. Defiició Sucesió Matemática Ua sucesió fiita (a k ) (de logitud r) co elemetos perteecietes a u cojuto S, se defie como ua fució y e este caso el elemeto a k correspode a f(k). f : {,,...,r}

Más detalles

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio. EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2005

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2005 Solució del exame de Ivestigació Operativa de Sistemas de septiembre de 5 Problema (,5 putos): E ua serie de lazamietos de u dado, se observa cuatos resultados diferetes ha aparecido hasta cada mometo.

Más detalles

Matemáticas Discretas Inducción y Recursión

Matemáticas Discretas Inducción y Recursión Coordiació de Ciecias Computacioales - INAOE Matemáticas Discretas Iducció y Recursió Cursos Propedéuticos 00 Ciecias Computacioales INAOE Iducció y recursió Geeralidades Iducció de úmeros aturales Iducció

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

DEFINICIÓN DE PRODUCTO CARTESIANO:

DEFINICIÓN DE PRODUCTO CARTESIANO: Fucioes DEFINICIÓN DE PRODUCTO CARTESIANO: Dados dos cojutos A y B, llamaremos producto cartesiao de A por B (lo aotaremos A B) al cojuto formado por todos los pares ordeados que tiee como primera compoete

Más detalles

Probabilidad FENÓMENOS ALEATORIOS

Probabilidad FENÓMENOS ALEATORIOS Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El

Más detalles

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b)

De esta forma, el problema de encontrar la mejor recta se concentra en calcular los valores de la pendiente (m) y de la ordenada al origen (b) MÉTODO DE MÍNIMOS CUADRADOS E muchos de los experimetos que se realiza e Física, se obtiee u cojuto de parejas de úmeros (abscisa, ordeada) por los cuales ecesitamos, para obteer u modelo matemático que

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació DIRPE Metodología Diseño Estadístico Ecuesta Sobre Ambiete y Desempeño Istitucioal Departametal

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL Cuado u objeto real gira alrededor de algú eje, su movimieto o se puede aalizar como si fuera ua partícula,

Más detalles

No obstante, cuando intentamos hacer lo mismo con los números racionales y reales vemos que. con como lo hicimos con. es diferente de los conjuntos

No obstante, cuando intentamos hacer lo mismo con los números racionales y reales vemos que. con como lo hicimos con. es diferente de los conjuntos Departameto de Matemáticas Guía Iducció Matemática Objetivos: Eteder el pricipio del bue orde Realizar demostracioes matemáticas por medio del pricipio de iducció matemática El pricipio del bue orde: iducció

Más detalles

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles