Factores de Carga, Simultaneidad, Diversidad y Pérdidas

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

Download "Factores de Carga, Simultaneidad, Diversidad y Pérdidas"

Transcripción

1 Factores de Carga, imltaeidad, Diversidad y érdidas Abordaje qe asegra s cosistecia Bogotá, Diciembre 013 1

2 Itrodcció E los cálclos de redes de distribció para proyectos y operació se caracteriza las cargas impestas e los diferetes segmetos de la red mediate factores de diseño. Esos factores de diseño so: de carga (FC), de simltaeidad (F), de diversidad (FD) y de pérdidas (F). Usalmete tiee formlacioes empíricas de distito orige qe pede o ser cosistetes etre sí. Estos factores varía e distitos segmetos o tramos de la red porqe depede del cojto de las demadas atedidas agas abajo del tramo cosiderado. i embargo, por carecerse de datos reales cofiables, se sele cosiderar valores típicos de modo iforme. Este proceder pede falsear iformació my relevate tal como la estimació de pérdidas de eergía, la máxima solicitació dimesioate o las codicioes operativas extremas. e preseta abordaje qe, recoociedo el carácter estocástico de las variables de iterés, permite a formlació cosistete del cojto de factores de diseño.

3 Defiicioes Factor de Carga por el segmeto de red [ kwh año] [ h año] otecia máxima registrada drate el año e [ kw ] FC Eergía qe circla aalmete / 8760 Factor de érdidas de pérdidas e el segmeto de red [ kwh año] [ h año] otecia de pérdidas co la máxima del año e [ kw ] F Eergía aal / 8760 Factor de imltaeidad F otecia máxima del año registrada e el segmeto de otecias máximas aales de las cargas servidas " agas red abajo" de [ kw ] [ kw ] 3

4 Relacioes Empíricas Moótoa aal de carga e ˆ máxima aal media horas de pta W Dració [h/año] Velader (ecia) 1 FC Bochaky (Alemaia) Willis (UA) ˆ k 1 W 8760 k F N F 1 + k ; K W V ( 1 α ) k k 1 1 FC 1 FC 330 [ kwh α + ; α 0,1...0, N a FC + (1 a) FC ; a 1 + 1/ ] 0,3 K V W 4

5 Modelo Estocástico Coceptal Las cargas se spoe costitidas por el agregado de idades de carga qe tiee comportamieto estocástico semejate. La potecia qe circla por cada segmeto de la red e el mometo de la máxima demada aal agregada del sistema, será a variable estocástica resltate del agregado de todas las idades de carga qe sirve la red agas abajo de El valor esperado es directamete proporcioal a la eergía W qe aalmete circla por el segmeto de red ; es decir, proporcioal a la sma de la eergía aal de todas las cargas servidas agas abajo de La máxima potecia aal estocástica ˆ dimesioate del segmeto de red es aqélla qe reslta de smar al valor esperado úmero k de veces la desviació estádar s El valor de k adoptado es úico para toda la red. 5

6 Modelo Estocástico vs. Relacioes Empíricas El comportamieto estocástico de la idad de carga se describe por s valor esperado y s variaza s (coeficiete de variació cv s ) Ua dada carga se cosidera coformada por x idades de carga de modo qe: x ; s x s ˆ + k s Así, el Factor de imltaeidad de las idades de carga e reslta : ( 1 α ) 1 F e ecetra asimismo qe: α + x ( ) ( ) ; ; co α FC ( 1+ k cv ) F K V 8760 k cv K Determiado la costate del sistema: K ( ˆ ) / 6

7 Aplicació: Fljos de Carga Cálclo de fljos de potecia e codicioes de carga media aal e horas de pta co: e el odo fete ( : orige del istema) ( W / W ) e cada odo de carga cosfi estádar e todos los odos Resltados del cálclo: otecia media de pérdidas e cada tramo e las codicioes medias de pta Las pérdidas obteidas debe ajstarse por el factor de pérdidas eqivaletes Tesió media e cada odo, se debe ajstar para obteer las tesioes míimas 7

8 otecia máxima estocástica por tramo : Tesió míima estocástica e el odo : 8 Resltados: otecias máximas - Tesioes K co K ) / ˆ ( ; ˆ + s k

9 Resltados: érdidas o coocidos : la crva de dració aal de demadas para la carga agregada e el odo (fete, orige) y el correspodiete factor de pérdida F Del cálclo de fljos de carga se tiee para cada tramo la potecia de pérdida p co la trasitada e determia la pérdida de eergía aal e el tramo Wp p F 8760 F F 1 + K k 9

10 Variate: Carga por trafo MT/BT Dados a red MT y ss trasformadores MT/BT cál es s capacidad para distribir la Demada agregada? e adopta La costate del modelo estocástico ( ej.: K 10 kw ) FU El Factor de Utilizació de la capacidad de los trasformadores (ej.: FU0,8) Al -ésimo trasformador de capacidad omial se asiga La máxima carga aal ˆ FU + K ; de la qe se dedce La media aal e horas de pta Del cálclo covecioal de fljos de potecia co las cargas, e el odo orige del sistema MT reslta K + pérdidas La media aal de potecia e las horas de pta + K ˆ La máxima Demada agregada aal o pta aal e defie así el Factor de Diversidad sobre la capacidad istalada MT/BT ˆ FD 10 ˆ ˆ FU ˆ K ˆ K + K + 4 4

11 Coclsioes El cocepto de modelo estocástico de las cargas permite: a explicació de fórmlas empíricas de so difdido para los factores de diseño qe se sa e los estdios de redes de distribció: de carga (FC), de simltaeidad (F), de diversidad (FD), de pérdidas (F). asegrar la cosistecia etre los distitos factores de diseño al revelar ss iterrelacioes implícitas. perfeccioar los resltados de los cálclos de fljos de carga a partir de los modelos de comptació covecioales, poteciado s valor explicativo. recoocer e esos cálclos las diferecias de los factores de diseño e diferetes partes de la red 11

12 Gracias por s ateció! Jea Ribrget - Alejadro A. Ara armieto MERCADO ENERGÉTICO CONULTORE.A. Beos Aires, Argetia jribrget@cosltoresidepedietes.com (54 11) ext.13 (54 9 1)

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

TRANSFORMADORES PARALELO DE TRANSFORMADORES TRIFÁSICOS

TRANSFORMADORES PARALELO DE TRANSFORMADORES TRIFÁSICOS TRANFORMADORE PARALELO DE TRANFORMADORE TRFÁCO Geeralmete se preseta los sigietes casos: 1 -) Los trasformadores está coectados directamete sobre barras primarias y secdarias Figra 1 -) Los primarios está

Más detalles

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar

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

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

Distribuciones en el muestreo, EMV

Distribuciones en el muestreo, EMV Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador

Más detalles

ELEMENTOS PARA EL ANÁLISIS DE LA RENTABILIDAD DEL CAPITAL INDIVIDUAL (BORRADOR) 1 LA RENTABILIDAD DEL CAPITAL INDIVIDUAL: RELACIONES CONTABLES

ELEMENTOS PARA EL ANÁLISIS DE LA RENTABILIDAD DEL CAPITAL INDIVIDUAL (BORRADOR) 1 LA RENTABILIDAD DEL CAPITAL INDIVIDUAL: RELACIONES CONTABLES LMNTOS PR L NÁLISIS D L RNTILIDD DL CPITL INDIVIDUL (ORRDOR) belardo Mariña Flores otoño de 2009 1 L RNTILIDD DL CPITL INDIVIDUL: RLCIONS CONTLS La tasa de gaacia de capital idividal ( r ) e periodo, por

Más detalles

Estimación de Parámetros

Estimación de Parámetros Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció

Más detalles

Solución: de una distribución con media µ y varianza conocida. = X. Aquí 100. Así σ = a) Se pide determinar "n", de modo que:

Solución: de una distribución con media µ y varianza conocida. = X. Aquí 100. Así σ = a) Se pide determinar n, de modo que: Ejercicios Itervalos de Cofiaza. Se toma ua muestra aleatoria de observacioes y se costruye u itervalo de cofiaza del 95% para la media poblacioal, co variaza coocida. El itervalo de cofiaza resultó co

Más detalles

Repaso...Último Contenidos NM 4

Repaso...Último Contenidos NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Fucioes y relacioes. Diagrama Sagital. Sea A = { a,b, c} y B = { 1, 2, 3, 4} Repaso...Último Coteidos NM 4 A: Cojuto

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

TEORÍA DEL CONTROL III

TEORÍA DEL CONTROL III Igeiería e Cotrol y Atomatizació Formas caóicas Trasformació de similitd TEORÍA DEL CONTROL III 5 de agosto de 5 Ator: M. e C. Rbé Velázqez Cevas Escela Sperior de Igeiería Mecáica y Eléctrica Formas caóicas

Más detalles

TRABAJO PRACTICO Nº 1

TRABAJO PRACTICO Nº 1 TRABAJO PRACTICO Nº 1 DEMANDA DE TRANSPORTE: ELASTICIDAD OFERTA DE TRANSPORTE: COSTOS AJUSTE DE FUNCIONES ANÁLISIS DE REGRESIÓN Objetivo: Aplicar a u caso práctico utilizado las herramietas básicas de

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

Estimadores Puntuales: Propiedades de estimadores Sebastián Court

Estimadores Puntuales: Propiedades de estimadores Sebastián Court Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria

Más detalles

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton Estado gaseoso Ecuació de estado de los gases perfectos o ideales Mezclas de gases ideales presió parcial de u gas e ua mezcla de gases ideales ley de Dalto Feómeos de disolució de gases e líquidos leyes

Más detalles

es ligada, siendo v V Dos subespacios F y G de V son suplementarios si y solo si se verifica:

es ligada, siendo v V Dos subespacios F y G de V son suplementarios si y solo si se verifica: 1- Dado el sbcojto F={ ( λ μ, λ,μ, μ) R / λ, μ R} de R, se verifica qe: a) dim F= b) {(1,1,0,0),(-,0,,-1)} es a base de F c) F o es sbespacio vectorial de R - E sistema ligado, se verifica qe: a) Agregado

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

) 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

I. Aspectos metodológicos y organización de la encuesta

I. Aspectos metodológicos y organización de la encuesta I. Aspectos metodológicos y orgaizació de la ecuesta I. Objetivos de la Ecuesta La ecuesta tuvo como objetivo fudametal describir, a partir de ua muestra probabilística e todo el país, la tuació de salud

Más detalles

Análisis estadístico de datos. Análisis estadístico de datos simulados. Elección de una distribución. Análisis estadístico de datos simulados

Análisis estadístico de datos. Análisis estadístico de datos simulados. Elección de una distribución. Análisis estadístico de datos simulados Aálisis estadístico de datos Aálisis estadístico de datos simulados Patricia Kisbye FaMAF 29 de abril, 2008 Cada fuete de aleatoriedad debe expresarse de acuerdo a ua distribució de probabilidad. Ua mala

Más detalles

MANUAL DE METODOLOGÍAS

MANUAL DE METODOLOGÍAS REV-01_29092014 I 3 6 1 de 7 1.3.6. CURVA OVERNIGHT INDEX SWAP (OIS) EN PESOS A. CARACTERÍSTICAS GENERALES CURVA OIS EN PESOS Nombre de las curvas e Web: Plazo máximo de geeració: Base: Tipo de tasa: Bootstrapig:

Más detalles

UNIDAD 3.- INFERENCIA ESTADÍSTICA I

UNIDAD 3.- INFERENCIA ESTADÍSTICA I UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a

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

Distribuciones Muestrales

Distribuciones Muestrales 10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes

Más detalles

ESTAS NOTAS NO PUEDEN SUSTITUIR A BUEN LIBRO, NI EL ESFUERZO PERSONAL CONTINUADO PARA ASIMILAR Y APLICAR LAS IDEAS EXPUESTAS!!!

ESTAS NOTAS NO PUEDEN SUSTITUIR A BUEN LIBRO, NI EL ESFUERZO PERSONAL CONTINUADO PARA ASIMILAR Y APLICAR LAS IDEAS EXPUESTAS!!! . SERIES MM_III. EDO HOMOGÉNEAS: SOLUCIONES TIPO SERIE.. Clasificació de las siglaridades de a EDO hoogéea de º orde lieal.. Solcioes ptos siglares de a EDO hoogéea de º orde lieal..3 Método de Frobeis..4

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

q = η T ESTUDIO DE LA DIFUSIÓN DEL CALOR Victor Minces-Nicolás Busca ( T = α

q = η T ESTUDIO DE LA DIFUSIÓN DEL CALOR Victor Minces-Nicolás Busca (  T = α ESTUDIO DE LA DIFUSIÓN DEL CALOR Victor Mices-Nicolás Busca ( victormices@hotmail.com, gbusca@hotmail.com) Laboratorio 5 - UBA - Julio Se estudia e este trabajo la difusió del calor. Se compara dos diferetes

Más detalles

Formulas. Población infinita. Población finita

Formulas. Población infinita. Población finita Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza

Más detalles

NORMA TÉCNICA NTC COLOMBIANA 2135

NORMA TÉCNICA NTC COLOMBIANA 2135 NORMA TÉCNICA NTC COLOMBIANA 135 1997-11-6 ELECTROTECNIA. TRANSFORMADORES. GUÍA PARA FÓRMULAS DE EVALUACIÓN DE PÉRDIDAS E: ELECTROTECHNICS. TRANSFORMATORS. GUIDE LINES FORMULAE DESIGNED FOR LOSSES EVALUATION

Más detalles

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

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios 1. Experimetos aleatorios U experimeto se llama aleatorio cuado o se puede predecir su resultado; además, si se repitiese el mismo experimeto e codicioes aálogas, los resultados puede diferir. a) El resultado

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

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes

Más detalles

3. Igualdad de proporciones

3. Igualdad de proporciones 1 La prueba de Pearso Tema 10 1. Bodad de ajuste. Idepedecia 3. Igualdad de proporcioes 4. Medidas de asociació 5. Errores tipificados 1. Bodad de ajuste Objetivo: Comprobar si ua distribució teórica de

Más detalles

Introducción. v Qué es la estadística?

Introducción. v Qué es la estadística? v Qué es la estadística? Es ua Ciecia que explica y provee de herramietas para trabajar co datos, ha experimetado u gra desarrollo a lo largo de los últimos años. v E qué áreas se aplica la estadística?

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

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t. PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

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

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

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

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

PROBABILIDAD y ESTADÍSTICA II

PROBABILIDAD y ESTADÍSTICA II UNIVERSIDAD TECNOLÓGICA NACIONAL Facultad Regioal Sa Nicolás PROBABILIDAD y ESTADÍSTICA II UNIDAD Nº3 Liceciatura e Eseñaza de la Matemática Año 011 Mg. Lucía C. Sacco UNIDAD Nº3 Estimacioes de parámetros.

Más detalles

ENGRANAJES CILINDRICOS A DIENTES HELICOIDALES

ENGRANAJES CILINDRICOS A DIENTES HELICOIDALES MECANISMOS Y SISTEMAS DE AERONAVES MECANISMOS Y ELEMENTOS DE MÁQUINAS ENGRANAJES CILINDRICOS A DIENTES HELICOIDALES Prof.: Ig Pablo L. Rigegi Ayte: Sr. Mariao Arbelo Egraajes cilídricos a dietes helicoidales

Más detalles

Ejercicio 1. Calcule y grafique la densidad espectral de potencia de la salida del filtro y el valor de potencia total. Ejercicio 2.

Ejercicio 1. Calcule y grafique la densidad espectral de potencia de la salida del filtro y el valor de potencia total. Ejercicio 2. Guía de Ejercicios Ejercicio El circuito RC de la figura es excitado por ua señal de ruido blaco co desidad espectral de potecia costate e igual a N /. R w(t) C v(t) Calcule y grafique la desidad espectral

Más detalles

DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA, GEOGRAFÍA E INFORMÁTICA (INEGI)

DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA, GEOGRAFÍA E INFORMÁTICA (INEGI) 403 DISEÑO MUESTRAL DE LA ENCUESTA NACIONAL DE EMPLEO URBANO MÉXICO INSTITUTO NACIONAL DE ESTADÍSTICA GEOGRAFÍA E INFORMÁTICA (INEGI 404 Diseño muestral de la ecuesta ÍNDICE Págia. Itroducció... 405 2.

Más detalles

CAPÍTULO H. BARRAS SOMETIDAS A SOLICITACIONES COMBINADAS Y TORSIÓN

CAPÍTULO H. BARRAS SOMETIDAS A SOLICITACIONES COMBINADAS Y TORSIÓN CAPÍTULO H. BARRAS SOMETIDAS A SOLICITACIONES COMBINADAS Y TORSIÓN Este Capítlo se aplica a arras prismáticas sometidas a ferza axil y a flexió alrededor de amos ejes de simetría, co o si torsió y a arras

Más detalles

UNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS

UNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS UNIDAD 4 SISTEMAS COMPLEJOS DE TUBERÍAS Capítulo 3 CONCEPTO ELEMENTAL DE BOMBA Y TURBINA COMPORTAMIENTO Y UTILIZACIÓN DE BOMBAS Curvas características Las curvas características de ua bomba, permite coocer

Más detalles

Intervalos de confianza Muestras grandes

Intervalos de confianza Muestras grandes Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

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

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

SOLUCIONES EN UN CASO TÍPICO UNIDIMENSIONAL: EL POZO CUADRADO INFINITO

SOLUCIONES EN UN CASO TÍPICO UNIDIMENSIONAL: EL POZO CUADRADO INFINITO SOLUCIONES EN UN CASO TÍPICO UNIDIMENSIONAL: EL POZO CUADRADO INFINITO Sea ua partícula de masa m costreñida a ua sola dimesió e el espacio y detro de u segmeto fiito e esa dimesió. Aplicamos tambié el

Más detalles

Introducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino

Introducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras

Más detalles

UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO

UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO UNIDAD 3: ANÁLISIS DE SERIES DE TIEMPO Ua serie de tiempo establece las variacioes existetes etre ciertas magitudes. El aálisis de series temporales es u método cuatitativo que se utiliza para detectar

Más detalles

[e j N 2 e j N 2 ]...} (22)

[e j N 2 e j N 2 ]...} (22) Trasformadores multiseccioales de cuarto de oda. La teoría de reflexioes pequeñas descrita e la secció aterior se puede usar para aalizar trasformadores multiseccioales de u cuarto de oda. Cosidere la

Más detalles

Tema 3. Series de Fourier. Análisis de Espectros

Tema 3. Series de Fourier. Análisis de Espectros Tema 3. Series de Fourier. Aálisis de Espectros Idice: Series de Fourier Serie Trigoométrica de Fourier Aálisis gráfico. Primeras compoetes de frecuecia Ejemplo Serie de Fourier e forma de Expoeciales

Más detalles

TEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Introducción a la Inferencia Estadística Método de los momentos

TEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Introducción a la Inferencia Estadística Método de los momentos TEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Itroducció a la Iferecia Estadística. Método Estadístico. Defiicioes previas. 5.2. Estimació putual 5.3. Métodos de obteció de estimadores: 5.3.1. Método de los

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

17.3 Intervalos de predicción para el promedio de m observaciones futuras

17.3 Intervalos de predicción para el promedio de m observaciones futuras 4 7.3 Itervalos de predicció para el promedio de m oservacioes futuras Para reducir la icerteza de las prediccioes o alcaza co aumetar idefiidamete el tamaño de la muestra e la que se asa el ajuste. Si

Más detalles

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?

Hacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica? COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa

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

PROCEDIMIENTO DE LA CNE SOBRE EL SISTEMA DE INFORMACIÓN DE LA POTENCIA DE RÉGIMEN ESPECIAL CON INSCRIPCIÓN DEFINITIVA, PREVISTO EN LOS ARTÍCULOS 21 Y

PROCEDIMIENTO DE LA CNE SOBRE EL SISTEMA DE INFORMACIÓN DE LA POTENCIA DE RÉGIMEN ESPECIAL CON INSCRIPCIÓN DEFINITIVA, PREVISTO EN LOS ARTÍCULOS 21 Y PROCEDIMIENTO DE LA CNE SOBRE EL SISTEMA DE INFORMACIÓN DE LA POTENCIA DE RÉGIMEN ESPECIAL CON INSCRIPCIÓN DEFINITIVA, PREVISTO EN LOS ARTÍCULOS 21 Y 22 DEL REAL DECRETO 661/2007 25 de ulio de 2007 1.

Más detalles

a) Al estar a plena carga en índice de carga es la unidad, luego el rendimiento es:

a) Al estar a plena carga en índice de carga es la unidad, luego el rendimiento es: NIDAD 8: TRANSFORMADORES ACTIVADES PAG 5. trasformador trifásico de.5 kva ha dado e el esayo e vacío.85 W de pérdidas y e el de cortocircuito 5.65 W. Calcular: a) El redimieto a plea carga para u factor

Más detalles

Sesión No. 6. Contextualización. Nombre: Funciones exponenciales y logarítmicas y el uso de las MATEMÁTICAS. progresiones aritméticas y geométricas.

Sesión No. 6. Contextualización. Nombre: Funciones exponenciales y logarítmicas y el uso de las MATEMÁTICAS. progresiones aritméticas y geométricas. Matemáticas Sesió No. 6 Nombre: Fucioes expoeciales y logarítmicas y el uso de las progresioes aritméticas y geométricas. Cotextualizació Las fucioes expoeciales y logarítmicas se les cooce como trascedetes,

Más detalles

Métodos de Análisis Cuantitativo

Métodos de Análisis Cuantitativo Métodos de Aálisis Cuatitativo Fórmulas E este documeto se lista las fórmulas trabajadas e las clases del curso de Métodos de Ivestigació Cuatitativa (GES204) de la Facultad de Gestió y Alta Direcció de

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Divisió de Plaificació, Estudios e Iversió MIDEPLAN Curso: Preparació y Evaluació de Proyectos EVALUACIÓN DE PROYECTOS: Coceptos Básicos Temario Matemáticas

Más detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

1. Propiedades de los estimadores

1. Propiedades de los estimadores . Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie

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

Mg. Ing. Susana Vanlesberg Profesor Titular

Mg. Ing. Susana Vanlesberg Profesor Titular Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES

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

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

Más detalles

UNIVERSIDAD DE VALENCIA DEPARTAMENTO DE ECONOMÍA FINANCIERA Y ACTUARIAL

UNIVERSIDAD DE VALENCIA DEPARTAMENTO DE ECONOMÍA FINANCIERA Y ACTUARIAL UNIVERSIDAD DE VALENCIA DEPARTAMENTO DE ECONOMÍA FINANCIERA Y ACTUARIAL Asigatura: 1141 MATEMÁTICA FINANCIERA NOTAS DEL TEMA 1 CURSO ACADÉMICO 008-009 TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a

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

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La universidad católica de Loja

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La universidad católica de Loja 1. MANUAL DE LA HERRAMIENTA 2S-PORCH 1.1 INTRODUCCIÓN Ates de empezar a utilizar esta herramieta es ecesario que se haya leído el tutorial de la herramieta SDOF-Dyamics (1). Y si o se lo hace aú se pide

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete

Más detalles

ESTADISTICA EMPRESARIAL - Segundo Curso Curso Convocatoria de Febrero INSTRUCCIONES

ESTADISTICA EMPRESARIAL - Segundo Curso Curso Convocatoria de Febrero INSTRUCCIONES ESTADISTICA EMPRESARIAL - Segudo Curso Curso.006-07 Covocatoria de Febrero. 6-1-07 INSTRUCCIONES 1. El exame costa de cuestioes, que se respode sobre la hoja de codificació proporcioada, y problemas, que

Más detalles

Estimación de Parámetros. Estimación de Parámetros

Estimación de Parámetros. Estimación de Parámetros Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle

Más detalles

Composición de fundamental con tercera armónica Onda fundamental. Onda resultante

Composición de fundamental con tercera armónica Onda fundamental. Onda resultante Fució POLARMÓNCAS ENSONES Y CORRENES POLARMÓNCAS 7. troducció E los aálisis ateriores, hemos trabajado co geeració de tesioes alteras del tipo seoidal, y circuitos co características lieales, lo cual se

Más detalles

ANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la

ANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de

Más detalles

Ejercicios resueltos de Muestreo

Ejercicios resueltos de Muestreo Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo

Más detalles

Capítulo 9. Método variacional

Capítulo 9. Método variacional Capítulo 9 Método variacioal 9 Miimizació de la eergía 9 Familia de fucioes 9 Partícula ecerrada e ua dimesió etre [-aa] 9 Oscilador armóico e ua dimesió 93 Átomo de helio 93 Combiació lieal de fucioes

Más detalles

( 3.c) INTRODUCCIÓN A LOS MODELOS NO EXPONENCIALES Y REDES DE COLAS

( 3.c) INTRODUCCIÓN A LOS MODELOS NO EXPONENCIALES Y REDES DE COLAS (.c) INTRODUCCIÓN A LOS MODELOS NO EXONENCIALES Y REDES DE COLAS INTRODUCCIÓN A LAS REDES DE COLAS. Cocepto de red abierta y cerrada. Redes abiertas y Teorema de Jackso. MODELOS NO EXONENCIALES Cola M/G/:

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

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 1. Obteemos la tabla de frecuecias: Altura a) Para el cálculo de la media se tiee: y i i N i y i i 65,6 9 9

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

Identificación de Sistemas

Identificación de Sistemas Departameto de Electróica Facultad de Ciecias Eactas Igeiería y Agrimesura Uiversidad Nacioal de osario Idetificació de Sistemas Coceptos Fudametales de robabilidad Variables Aleatorias y rocesos Aleatorios

Más detalles

UNIVERSIDAD CATÓLICA DE TEMUCO FACULTAD DE INGENIERÍA DEPTO. DE CIENCIAS MATEMÁTICAS Y FÍSICAS SERIES DE POTENCIAS

UNIVERSIDAD CATÓLICA DE TEMUCO FACULTAD DE INGENIERÍA DEPTO. DE CIENCIAS MATEMÁTICAS Y FÍSICAS SERIES DE POTENCIAS UNIVERSIDAD CATÓLICA DE TEMUCO FACULTAD DE INGENIERÍA DEPTO. DE CIENCIAS MATEMÁTICAS Y FÍSICAS Asigatura : Cálculo Numérico, MAT-23. Profesor : Emilio Cariaga L. Periodo : er. Semestre 205. SERIES DE POTENCIAS

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

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