Teorema del Muestreo

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Teorema del Muestreo"

Transcripción

1 Teorema del Muestreo Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice 1.1. Itroducció 1.2. Coversió aalógico-digital y digital-aalógico 1.3. Proceso de muestreo 1.4. Teorema del muestreo 1.. Alteració de la tasa de muestreo 1.6. Tarea Dr. Luis Javier Morales Medoza 2 1

2 Itroducció 1.1. Itroducció Las técicas de señales digitales proporcioa u método alterativo para procesar ua señal aalógica de iterés práctico tales como la voz, señales biológicas, sísmicas, del soar y de los distitos tipos de comuicacioes so. Para realizar esto, es ecesario ates que ada de ua iterfaz etre la señal aalógica y el procesador digital y viceversa. Estas iterfaces so el covertidor Aalógico-Digital (ADC) y el covertidor Digital-Aalógico (DAC) como se muestra e la Figura 1.1. Señal Aalógica ADC Procesador Digital DAC Señal Aalógica Figura 1.1: Diagrama a bloques de u sistema digital Dr. Luis Javier Morales Medoza 3 Itroducció El procesador digital de señales puede ser u gra ordeador digital programable (p. e. ua PC) o u pequeño microprocesador embebido (p. e. u DSP, FPGA, PIC) para realizar las operacioes deseadas sobre la señal de etrada. Figura 1.2: DSP de la compañía Altera y uo de la Familia TMS320 de Texas Istrumets Dr. Luis Javier Morales Medoza 4 2

3 Coversió AD y DA 1.2. Coversió Aalógico-Digital y Digital-Aalógico Para procesar señales aalógicas por medios digitales es ecesario covertirlas a formato digital, esto es, trasformarlas e ua secuecia de úmeros de precisió fiita. Este procedimieto se deomia coversió aalógico-digital (ADC). Coceptualmete, se puede ver que la ADC posee u proceso de tres pasos los cuales so: 1. Muestreo. Esta es la coversió de ua señal e tiempo cotiuo a ua señal e tiempo discreto obteida tomado muestras de la señal e tiempo cotiuo e istates de tiempo discreto. Así x a (t) es la etrada al muestreador, la salida es x a (T) x(), dode T se deomia el itervalo de muestreo. Dr. Luis Javier Morales Medoza Coversió AD y DA 2. Cuatificació. Esta es la coversió de ua señal e tiempo discreto co valores cotiuos a ua señal e tiempo discreto co valores discretos (señal digital). El valor de cada muestra de la señal se represeta mediate u valor seleccioado de u cojuto fiito de valores posibles. La diferecia etre la muestra si cuatificar x() y la salida cuatificada x q () se deomia error de cuatificació. 3. Codificació. E el proceso de codificació, cada valor discreto x q () se represeta mediate ua secuecia biaria de b bits. x a (t) x() x q () 1001 Muestreador Cuatificador Codificador Figura 1.3: Diagrama a Bloques de u ADC Dr. Luis Javier Morales Medoza 6 3

4 Coversió AD y DA ADC tipo flash (e paralelo). Cosiste e ua serie de comparadores arreglados e paralelo que compara a la señal co ua referecia para cada ivel. El resultado de las comparacioes igresa a u circuito lógico que cueta los comparadores activados. Figura 1.4: ADC Flash Dr. Luis Javier Morales Medoza 7 Coversió AD y DA ADC de simple rampa. Este tipo de covertidor utiliza u itegrador co u codesador que se carga a pediete costate hasta alcazar la tesió a covertir, istate e el que cesa la itegració. El tiempo requerido es proporcioal a la tesió de etrada, y puede medirse co u cotador digital. Figura 1.: ADC Simple Rampa Dr. Luis Javier Morales Medoza 8 4

5 Coversió AD y DA ADC de doble rampa. Este esquema permite idepedizarse de la precisió de la frecuecia del reloj, la resistecia y el codesador. La coversió se hace e dos etapas, la primera se realiza la itegració de la tesió de etrada durate u tiempo fijo, y e la seguda se produce la descarga co pediete fija, durate u tiempo que depede de la catidad de carga acumulada. Figura 1.6: ADC doble rampa Dr. Luis Javier Morales Medoza 9 Coversió AD y DA DAC de escalera. Esta cofiguració permite u rago amplio de valores de las resistecias. E la actualidad, este tipo de circuito es superado por las redes de escalera del tipo R-2R Figura 1.7: DAC de escalera Dr. Luis Javier Morales Medoza 10

6 Coversió AD y DA DAC de escalera R-2R. La propiedad de esta cofiguració es que cualquiera que sea el úmero de seccioes e la red, la resistecia vista por el operacioal es R. Figura 1.8: DAC escalera R-2R Dr. Luis Javier Morales Medoza 11 Coversió AD y DA Existe otros circuitos covertidores aalógico-digital y digital-aalógico que posee circuitería mucho más compleja para mejorar que las vistas atrás. Por ejemplo, los ADC usa DAC detro de su propia circuiteria. Alguos ejemplos so: de aproximacioes sucesivas, balace cotiuo y de rampa discreta Figura 1.9: aproximacioes sucesivas Dr. Luis Javier Morales Medoza 12 6

7 Coversió AD y DA Alguos parámetros de iterés para los DAC so: La resolució, exactitud, el error de escala, error de offset, mootoía, Tiempo de establecimieto, slew-rate, sobrepico y glith, derivadas co la temperatura y co el evejecimieto etre otros parámetros. Para los ADC so: Rechazo al ruido, resolució, error de cuatizació, error de histéresis, error de offset, error de cero, y error de escala. Dr. Luis Javier Morales Medoza 13 Muestreo de Señales.3. Muestreo de señales aalógicas Existe muchas maeras de muestrear ua señal, la más comú es el muestreo periódico o uiforme. Este proceso se describe mediate la relació x ( ) x ( T ) = a < < + (1.1) dode x() es la señal e tiempo discreto obteida tomado muestras de la señal aalógica x a (t) cada T segudos. Este proceso se ilustra e la Figura El itervalo de tiempo T etre dos muestras sucesivas se deomia periodo de muestreo o itervalo de muestreo, y su reciproco (1/T = F s ) se llama velocidad de muestreo (muestras por segudo) o frecuecia de muestreo (Hertz). Dr. Luis Javier Morales Medoza 14 7

8 Muestreo de Señales x a (t) x() = x a (t) x a (t) F s = 1/T Muestreador x() x a (t) x() = x a (t) t T 2T T 9T t = T Figura 1.10: Muestreo periódico de ua señal aalógica Dr. Luis Javier Morales Medoza 1 Muestreo de Señales El muestreo periódico establece ua relació etre las variables t de tiempo cotiuo y de tiempo discreto. De hecho, estas variables se relacioa liealmete a través del periodo de muestreo T o equivaletemete, a través de la velocidad de muestreo como t T = T = (1.2) Como cosecuecia de (1.2), existe ua relació etre la variable frecuecia F de las señales aalógicas y la variables frecuecia f de las e tiempo discreto. Para establecer dicha relació si se cosidera ua señal aalógica de la forma ( t) = A ( π Ft +θ ) x a 2 cos (1.3) Dr. Luis Javier Morales Medoza 16 8

9 Muestreo de Señales que, cuado se muestrea periódicamete a ua velocidad de F s = 1 /T muestras por segudo, da lugar a ( T ) x( ) = Acos( π FT +θ ) x a 2 x 2πF ( ) = Acos + θ F s Si ua señal e tiempo discreto es expresada como ( ) = A ( π f +θ ) x 2 (1.4) cos (1.) etoces, al comparar la relació (1.4) co la (1.), se observa que las variables de frecuecia F y f está liealmete relacioadas como Dr. Luis Javier Morales Medoza 17 Muestreo de Señales F f = (1.6) F s Si ω = 2πf y Ω = 2πF, etoces, la (1.6) queda como ω = ΩT (1.7) La relació dada e (1.6) justifica el ombre de frecuecia ormalizada o relativa, que se usa a veces para describir a la variable f. Como se ve e (1.6), se puede usar a f para determiar a la frecuecia F solo si la frecuecia de muestreo F s es coocida. El rago de la variable de frecuecia F ó Ω para seoides e tiempo cotiuo es < Ω < + < F < + (1.8) Dr. Luis Javier Morales Medoza 18 9

10 Muestreo de Señales Si embargo, la situació es diferete para seoides e tiempo discreto, las cuales establece que ½ < F < ½ π < ω < π (1.9) Sustituyedo (1.6) y (1.7) e (1.9) se ecuetra que la frecuecia de la seoide e tiempo cotiuo cuado se muestreo a ua velocidad F s = 1/T debe ecotrarse e el rago o equivaletemete 1 Fs = 2T 2 Fs F 2 1 = 2T (1.10) π = πfs Ω πfs T π = T (1.11) Dr. Luis Javier Morales Medoza 19 Muestreo de Señales Ejemplo 1. cosidere la siguiete señal aalógica x a ( t) = 3cos( 100πt ) a) Si la señal se muestrea a ua velocidad de F s = 200Hz cuál es la señal e tiempo discreto obteida tras el muestreo?. b) Si la velocidad de muestreo cambia a F s = 7Hz. Sol. Aplicado la (1.4) se tiee a) b) x x 100π 200 ( ) = 3cos = 100π 7 ( ) = 3cos = π 3cos 2 4π 3cos 3 Dr. Luis Javier Morales Medoza 20 10

11 Muestreo de Señales Figura 1.11: Muestreo de la señal x a (t) Dr. Luis Javier Morales Medoza 21 Teorema del Muestreo.4. Teorema de Muestreo Dada ua señal aalógica cualesquiera, cómo se debe elegir el periodo de muestreo T? ó cual es velocidad de muestres F s? Para cotestar esta preguta es ecesario cierta iformació sobre la característica de la señal que va a ser muestreada. E particular, se debe teer cierta iformació geeral sobre el coteido de frecuecia de la señal. Geeralmete, dicha iformació se ecuetra dispoible, por ejemplo se sabe que la frecuecia mayor e señales de voz roda los 3KHz o e las señales de televisió tiee compoetes de frecuecia importate hasta los MHz. La iformació coteida e dichas señales se ecuetra e la amplitud, frecuecia y fase de las distitas compoetes de frecuecia, pero ates de obteer dichas señales o se cooce sus características co detalle. Dr. Luis Javier Morales Medoza 22 11

12 Teorema del Muestreo De hecho, el propósito del procesado de señal es ormalmete la extracció de dichas características. Si embargo, si se cooce la máxima frecuecia de ua determiada clase de señal, se puede especificar la velocidad de muestreo ecesaria para covertir las señales aalógicas e señales digitales. Si se supoe que cualquier señal aalógica se puede represetar como ua suma de seoides de diferetes amplitudes, frecuecias y fases, es decir x a N () t = A cos( 2 Ft + θ ) i= 1 i π (1.12) dode N idica el úmero de compoetes de frecuecia. Todas las señales, como las de voz ó video se presta a dicha represetació e cualquier itervalo de tiempo pequeño. i i Dr. Luis Javier Morales Medoza 23 Teorema del Muestreo Normalmete, las amplitudes, fases y frecuecias varía letamete de u itervalo de tiempo al siguiete. Si se supoe que la frecuecia de ua determiada señal o excede ua frecuecia máxima coocida F max. Por ejemplo, si F max = 3KHz, para señales de voz y F max = MHz para señales de video, se puede ver que la máxima frecuecia puede variar ligeramete, y para asegurar que F max o sobrepase determiado valor, la señal aalógica es pasada a través de u filtro que ateúe fuertemete las compoetes de frecuecia por ecima de F max. E la práctica, este filtrado se realiza ates del muestreo. Se sabe que la frecuecia más alta de ua señal aalógica que puede recostruirse si ambigüedad cuado la señal se muestrea a ua velocidad de F s = 1/T es F s /2. Cualquier frecuecia por ecima de F s /2 o por debajo de F s /2 produce muestras que so idéticas a las correspodietes a las frecuecias detro del itervalo F s /2 F F s /2. Dr. Luis Javier Morales Medoza 24 12

13 Teorema del Muestreo Para evitar las ambigüedades, que resulta del aliasig, se debe seleccioar ua velocidad de muestreo lo suficietemete alta, esto es, se debe escoger a F s /2 mayor que a F max. Por lo tato para evitar el problema de aliasig, se seleccioa a F s como F s > 2F max (1.13) Teorema: Si la frecuecia más alta coteida e ua señal aalógica x a (t) es F max = B y la señal se muestrea a ua velocidad F s > 2F max, etoces x a (t) se puede recuperar totalmete de sus muestras mediate la siguiete fució de iterpolació: g () t ( 2πBt) si = 2πBt (1.14) Dr. Luis Javier Morales Medoza 2 Teorema del Muestreo Así, x a (t) se puede expresar como a () t = = x a g t Fs Fs x (1.1) dode x a (/F s ) = x a (T) = x(). Cuado el muestreo de x a (t) se realiza a la tasa míima de muestreo F s =2B, la formula de recostrucció (1.1) se trasforma e x a () t = si 2π xa = 2 2πB B B( t 2B) ( t ) 2B (1.16) La tasa de muestreo dada por FN = 2B = 2Fmax, se deomia tasa de Nyquist. La Figura 1.12 ilustra el proceso de u DAC ideal que usa esta fució de iterpolació. Dr. Luis Javier Morales Medoza 26 13

14 Teorema del Muestreo g () t si 2π = 2πB B( t 2B) ( t ) 2B Figura 1.12: Coversió aalógico a digital ideal Dr. Luis Javier Morales Medoza 27 Teorema del Muestreo Como puede observarse tato e la (1.1) como e la (1.16), la recostrucció de x a (t) a partir de la secuecia x() es u proceso complicado que supoe la suma poderada de la fució de iterpolació g(t) y sus versioes correspodietemete desplazadas e el tiempo g(t - T) co < <, dode los coeficietes de poderació so las muestras de x(). Dada la complejidad y el ifiito úmero de muestras que se requiere e (1.1) y (1.16), éstas formulas de recostrucció, so puramete de iterés teórico. Ejemplo 2. Cosidere la siguiete señal aalógica x a () t = 3cos0πt + 10si 300πt cos100πt Cual es la tasa de Nyquist para esta señal? Dr. Luis Javier Morales Medoza 28 14

15 Teorema del Muestreo Sol. Las frecuecias presetes e la señal so: F = 1 2Hz F = 10Hz F 0Hz 2 3 = Por lo tato, la frecuecia máxima coteida e la señal es 10Hz, y de acuerdo a (1.13) la tasa de Nyquist es F N = 2F max F N = 300Hz Dr. Luis Javier Morales Medoza 29 Teorema del Muestreo Ejemplo 3. Cosidere la siguiete señal aalógica x a ( t) = 3 cos 2000πt + si 6000πt + 10cos12000πt a) Cual es la tasa de Nyquist para esta señal? b) supoga ahora que se muestrea esta señal a ua velocidad de F s = 000 muestras por segudo Cuál es la señal e tiempo discreto que se obtiee tras el muestreo? Sol. F = 1 1KHz F = 3KHz F3 = 6KHz 2 Por lo tato F N = 12KHz Dr. Luis Javier Morales Medoza 30 1

16 Teorema del Muestreo b) Dado que se ha elegido a F s = KHz, la máxima frecuecia que puede ser represetada si ambigüedad mediate las muestras es usado la (1.2) se obtiee F s KHz 2 = 2. 3 ( t) = 3cos 2π ( 1 ) ( ) 2 ( + si 2π + 10cos π ) 1 = 3 cos 2π ( 1 ) ( 2 ) ( 1 + si 2π cos 2π + ) 1 = 3cos 2π ( 1 ) ( 2 ) 2 ( + si 2π + 10cos π ) 1 2 = 13cos 2π ( ) si 2π ( ) x a 6 Dr. Luis Javier Morales Medoza 31 Tarea 1. Ivestigue e forma detallada cada uo de los covertidores aalógicodigital que se presetaro e esta lectura, cubriedo el aálisis del circuito, aplicacioes, vetajas y desvetajas que preseta cada uo, etre otros datos de iterés. 2. Realice la programació de u DAC y ADC e Matlab aplicado los métodos de coversió descritos e esta lectura. 3. Ivestigue cual es el estado del arte de los covertidores aalógicosdigitales y digitales-aalógicos e cuestió de diseño electróico, e programació de alguos sistemas embebidos (PIC, FPGA, DSP), velocidad, etc. Dr. Luis Javier Morales Medoza 32 16

17 Tarea 4. Se tiee las siguietes señales aalógicas x a x a x a () t = 3 cos 600πt + 2cos1800πt () t = Re{ exp( j200πt )} + 7 Im{ exp( j400πt )} () t = 3Re{ exp( j200πt )} Im{ exp( j100πt )} Ecuetre: a) La frecuecia máxima b) La tasa de Nyquist c) Si la frecuecia de muestreo cambia a F s = 00 muestras por segudo Cuál es la señal e tiempo discreto que se obtiee tras el muestreo? Dr. Luis Javier Morales Medoza 33 17

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

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

Problemas de Introducción al Procesado digital de Señales. Boletín 1.

Problemas de Introducción al Procesado digital de Señales. Boletín 1. Problemas de Itroducció al Procesado digital de Señales. Boletí. Se tiee la señal aalógica t e segudos t se 5 π t + cos 5 π t se 5 π t se muestrea co ua frecuecia de 5 H. Determia la señal obteida al hacer

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

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

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

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

Electrónica de Potencia (Especialidad de Electricidad)

Electrónica de Potencia (Especialidad de Electricidad) Electróica de Potecia (Especialidad de Electricidad). Itroducció PRÁCICA DEERMINACIÓN DE LA HD Y EL FACOR DE POENCIA MEDIANE PSPICE Y SIMPOWERSYSEM oda fució periódica que cumple ciertas propiedades puede

Más detalles

Señales en Tiempo Discreto

Señales en Tiempo Discreto Señales e Tiempo Discreto Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció.. Señales e tiempo discreto.3. Clasificació de las señales

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

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

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

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

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

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

CAPÍTULO 1 COMPUTADORA DIGITAL. Modelo De Von Neumann

CAPÍTULO 1 COMPUTADORA DIGITAL. Modelo De Von Neumann CAPÍTULO 1 COMPUTADORA DIGITAL Ua computadora digital es ua combiació de dispositivos y circuitos electróicos orgaizados de tal forma, que puede realizar ua secuecia programada de operacioes co u míimo

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007

CÁLCULO Ejercicios Resueltos Semana 1 30 Julio al 3 Agosto 2007 CÁLCULO Ejercicios Resueltos Semaa 0 Julio al Agosto 007 Ejercicios Resueltos. Estime el área ecerrada por la curva de ecuació y, el eje X y, para ello, divida el itervalo [0,] e cico partes iguales, y

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

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

Teoría de la conmutación. Álgebra de Boole

Teoría de la conmutación. Álgebra de Boole Álgebra de Boole Defiicioes y axiomas Propiedades Variables y fucioes booleaas Defiicioes Propiedades Formas de represetació Fucioes booleaas y circuitos combiacioales Puertas lógicas Puertas lógicas fudametales

Más detalles

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1 Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir: DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució

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

Sistemas de Segundo Orden

Sistemas de Segundo Orden Apute I Departameto de Igeiería Eléctrica Uiversidad de Magallaes Aputes del curso de Cotrol Automático Roberto Cárdeas Dobso Igeiero Electricista Msc. Ph.D. Profesor de la asigatura Este apute se ecuetra

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

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

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

LAS MUESTRAS ESTADÍSTICAS

LAS MUESTRAS ESTADÍSTICAS 11 LAS MUESTRAS ESTADÍSTICAS Págia 266 1. Ua gaadería tiee 3 000 vacas. Se quiere extraer ua muestra de 120. Explica cómo se obtiee la muestra: a) Mediate muestreo aleatorio simple. b) Mediate muestreo

Más detalles

SUCESIONES DE NÚMEROS REALES. PROGRESIONES

SUCESIONES DE NÚMEROS REALES. PROGRESIONES www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos

Más detalles

6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES

6. Sucesiones y Series numéricas Sucesiones numéricas DEFINICIONES 6. Sucesioes y Series uméricas 6.. Sucesioes uméricas 6... DEFINICIONES Sucesioes de úmeros reales Se llama sucesió de úmeros reales a cualquier lista ordeada de úmeros reales: a, a 2, a 3,..., a,...,

Más detalles

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC. APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de

Más detalles

( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7

( ) = 1= + + ( ) + + lim 3x 5 = lim 3x lim5 = lim3 lim x lim5 = = 12 5 = 7 LÍMITES DE FUNCIONES POLINÓMICAS Límites de ua fució costate f k, k El límite de ua fució costate es la misma costate f k f k k k a a Límites de la fució idetidad I I a a a I I Límites e u puto fiito.

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

UNEFA C.I.N.U. Matemáticas

UNEFA C.I.N.U. Matemáticas RADICACIÓN: DEFINICIÓN Y PROPIEDADES Ates de etrar e el tema Radicació, vamos a comezar por recordar u poco sore Poteciació: Saemos que e lugar de escriir, utilizamos la otació: de Poteciació, dode el

Más detalles

Tema 5 Series numéricas

Tema 5 Series numéricas Tema 5 Series uméricas Objetivos 1. Defiir series co wxmaxima. 2. Calcular sumas parciales de ua serie. 3. Iterpretar la defiició de suma de ua serie. 4. Calcular la suma de ua serie geométrica. 5. Calcular

Más detalles

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series. CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió

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

Análisis de Señales en Geofísica

Análisis de Señales en Geofísica Aálisis de Señales e Geofísica 3 Clase Frecuecia de los Sistemas Lieales e Ivariates Facultad de Ciecias Astroómicas y Geofísicas, Uiversidad Nacioal de La Plata, Argetia Fucioes y Valores Propios Defiició:

Más detalles

Técnicas para problemas de desigualdades

Técnicas para problemas de desigualdades Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,

Más detalles

UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION.

UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION. FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION. FERNANDO ESPINOSA FUENTES INTRODUCCION. U sistema productivo

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

EJERCICIOS RESUELTOS. t +

EJERCICIOS RESUELTOS. t + BXX5744_07 /6/09 4: Págia 49 EJERCICIOS RESUELTOS Calcula la tasa de variació media de la fució f() = + e los itervalos [, 0] y [0, ], aalizado el resultado obteido y la relació co la fució. La fució f()

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

14. Técnicas de simulación mediante el método de Montecarlo

14. Técnicas de simulación mediante el método de Montecarlo 4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra. 1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de

Más detalles

Introducción al Método de Fourier. Grupo

Introducción al Método de Fourier. Grupo Itroducció al Método de Fourier. Grupo 536. 14-1-211 Problema 1.) Ua cuerda elástica co ρ, y logitud L coocidos, tiee el extremo de la izquierda libre y el de la derecha sujeto a u muelle de costate elástica

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

Resolución de ecuaciones no lineales

Resolución de ecuaciones no lineales Resolució de ecuacioes o lieales Solucioa ecuacioes o lieales tipo f()= Normalmete cada método tiee sus requisitos Métodos so iterativos Métodos iterativos para resolver f()= E geeral métodos iterativos

Más detalles

Estadístico. Parámetro

Estadístico. Parámetro La iferecia estadística comprede el establecer ciertos juicios co respecto a algo después de examiar solamete ua parte o muestra de ello. Así, se ofrece ua muestra gratis de u uevo producto alimeticio

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS AEXO I COCEPTOS SÍSMICOS BÁSICOS E este aeo se compila alguos de los coceptos sísmicos básicos pero ecesarios. Se itroduce los tipos de movimietos vibratorios, así como su descripció y otació matemática.

Más detalles

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

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

Procesadores aritméticos. Ejercicios

Procesadores aritméticos. Ejercicios UNIVERSITAT POLITÈCNICA DE CATALUNYA ESCOLA UNIVERSITÀRIA POLITÈCNICA DE VILANOVA I LA GELTRÚ Procesadores aritméticos. Ejercicios DEPARTAMENT: Arquitectura de Computadors ESPECIALITAT: Iformàtica de Gestió

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

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

2,0 1,5. 1/v. Cooperatividad negativa 1,0 0,5

2,0 1,5. 1/v. Cooperatividad negativa 1,0 0,5 Ezimología Efecto cooperatio 1 EFECTO COOPERATIVO El efecto cooperatio ocurre e ezimas oligoméricas que posee arios sitios para la uió de sustrato y es el feómeo por el cual la uió de u ligado a ua ezima

Más detalles

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas Sistemas Automáticos. Ig. Orgaizació Cov. Juio 05. Tiempo: 3,5 horas NOTA: Todas las respuestas debe ser debidamete justificadas. Problema (5%) Ua empresa del sector cerámico dispoe de u horo de cocció

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

ECUACIONES DIFERENCIALES Problemas de Valor Frontera

ECUACIONES DIFERENCIALES Problemas de Valor Frontera DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DPTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS APROXIMADOS EN ING. QUÍMICA TF-33 ECUACIONES DIFERENCIALES Problemas de Valor Frotera Esta guía fue elaborada

Más detalles

Muestreo Estratificado.

Muestreo Estratificado. Muestreo Estratificado. 1.- Itroducció: Para aplicar este diseño, se precisa que la població esté dividida e subpoblacioes, estratos, que o se solape. Se seleccioa ua muestra probabilística e cada estrato

Más detalles

Ejercicios Resueltos ADC / DAC

Ejercicios Resueltos ADC / DAC Curso: Equipos y Sistemas de Cotrol Digital Profesor: Felipe Páez M. Programa: Automatizació, espertio, 010 Problemas Resueltos: Ejercicios Resueltos ADC / DAC ersió 1.1 1. Se tiee u DAC ideal de 10 bits,

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

Series de potencias. Desarrollos en serie de Taylor

Series de potencias. Desarrollos en serie de Taylor Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de

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- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos

Más detalles

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción CAPÍTULO SEIS LA TRANSFORMADA Z 6. Itroducció E el Capítulo 5 se itrodujo la trasformada de Laplace. E este capítulo presetamos la trasformada Z, que es la cotraparte e tiempo discreto de la trasformada

Más detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 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

Más detalles

SOLUCIÓN EXAMEN I PARTE II

SOLUCIÓN EXAMEN I PARTE II Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes

Más detalles

Análisis en el Dominio de la Frecuencia. Análisis en el Dominio de la Frecuencia. Sistemas de Control. Análisis en el Dominio de la Frecuencia

Análisis en el Dominio de la Frecuencia. Análisis en el Dominio de la Frecuencia. Sistemas de Control. Análisis en el Dominio de la Frecuencia Aálisis e el Domiio de la Frecuecia Sistemas de Cotrol El desempeño se mide por características e el domiio del tiempo Respuesta e el tiempo es díficil de determiar aalíticamete, sobretodo e sistemas de

Más detalles

La característica más resaltante de la capitalización con tasa de. interés simple es que el valor futuro de un capital aumenta de manera

La característica más resaltante de la capitalización con tasa de. interés simple es que el valor futuro de un capital aumenta de manera La Capitalizació co ua Tasa de Iterés Siple El Iterés Siple La característica ás resaltate de la capitalizació co tasa de iterés siple es que el valor futuro de u capital aueta de aera lieal. Sea u pricipal

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

Capítulo I. La importancia del factor de potencia en las redes. eléctricas

Capítulo I. La importancia del factor de potencia en las redes. eléctricas La importacia del factor de potecia e las redes eléctricas. Itroducció Las fuetes de alimetació o geeradores de voltaje so las ecargadas de sumiistrar eergía e las redes eléctricas. Estas so de suma importacia,

Más detalles

Capitulo 2. Filtros. 2.1 Antecedentes

Capitulo 2. Filtros. 2.1 Antecedentes Capitulo. Filtros.. Atecedetes U filtro es u elemeto que tiee como fució separar compoetes que se ecuetra mezclados, ser capaz de rechazar los ideseables y así daros como resultado úicamete los deseados.

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos

Más detalles

CONCEPTOS BÁSICOS DE PRESTAMOS.

CONCEPTOS BÁSICOS DE PRESTAMOS. GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,

Más detalles

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

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

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación

Matemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de una variable. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación Matemáticas EJERCICIOS RESUELTOS: Fucioes de ua variable Elea Álvarez Sáiz Dpto. Matemática Aplicada y C. Computació Uiversidad de Catabria Igeiería de Telecomuicació Fudametos Matemáticos I Ejercicios:

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD

INTRODUCCIÓN A LA PROBABILIDAD INTRODUIÓN L PROBBILIDD EXPERIMENTOS LETORIOS Y DETERMINISTS Los experimetos o feómeos cuyo resultado o puede coocerse hasta haber realizado la experiecia se llama aleatorios o estocásticos. uado el resultado

Más detalles

CONTROL DE TEMPERATURA POR HISTERESIS USANDO UN TRIAC Y UN DETECTOR DE CRUCE POR CERO

CONTROL DE TEMPERATURA POR HISTERESIS USANDO UN TRIAC Y UN DETECTOR DE CRUCE POR CERO CONTROL DE TEMPERATURA POR HISTERESIS USANDO UN TRIAC Y UN DETECTOR DE CRUCE POR CERO OBJETIOS: Se pretede cotrolar la temperatura de u ambiete reducido (e este caso la cabia de ua icubadora para eoatos),

Más detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES ALGEBRAICAS FUNDAMENTALES MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6

Más detalles

Sucesiones. Se denomina sucesión a una función cuyo dominio es el conjunto de los números naturales.

Sucesiones. Se denomina sucesión a una función cuyo dominio es el conjunto de los números naturales. Sucesioes Sucesió Se deomia sucesió a ua fució cuyo domiio es el cojuto de los úmeros aturales. Para deotar el -ésimo elemeto de la sucesió se escribe a e lugar de f(). Ejemplo: a = 1/ a 1 = 1, a 2 = 1/2,

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

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

(10K) (12K) (470) (c) A v = 190 (d) f c = 53 MHz

(10K) (12K) (470) (c) A v = 190 (d) f c = 53 MHz 3. AMPIFICADORES Y MEZCADORES 1. E el circuito de la figura: a) Determiar el puto de trabajo de ambos BJT. b) Represetar el circuito e pequeña señal idicado los valores de cada elemeto. c) Hallar la gaacia

Más detalles

Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones.

Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones. TÉNIAS DE ONTEO. ara obteer el úmero total de los resultados, es ecesario desarrollar alguas técicas de coteo, las cuales so:. ricipio fudametal de coteo. Diagramas de árbol.. Aálisis combiatorio. ermutacioes.

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