Estadística Descriptiva

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

Download "Estadística Descriptiva"

Transcripción

1 Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso Defiicioes fudametales La Estadística Descriptiva se ocupa de la descripció de datos experimetales, más específicamete de la recopilació, orgaizació y aálisis de datos sobre algua característica de ciertos idividuos perteecietes a la població o uiverso. Defiició 1 (Població, tamaño). Llamamos població a u cojuto bie defiido sobre el que se observa o puede observarse ua cierta característica. Puede ser fiita o ifiita. El tamaño de la població es el úmero de idividuos que tiee, su cardial, lo deotamos por N. Si la població es muy grade se hace muy costoso y e alguos casos imposible cosiderar cada idividuo y se realiza ua selecció deomiada muestra. Defiició 2 (Idividuo). Llamamos idividuo a cada uo de los elemetos de la població. Defiició 3 (Muestra, tamaño). Ua muestra es u cojuto de idividuos de la població que refleja las características de ésta lo mejor posible. Si las características queda bie reflejadas, se dice que la muestra es represetativa. El tamaño de ua muestra es el úmero de idividuos que tiee, lo deotamos por. Si muestra y població coicide, se dice que se dispoe de u ceso. Defiició 4 (Variable, dato). Ua variable (X) es u símbolo que represeta ua característica a estudiar e la població. Llamamos dato (x) al valor (umérico o o) que la variable toma sobre u idividuo cocreto de la muestra. 1

2 Tipos de variables Cuatitativa: toma valores e u cojuto prefijado de valores uméricos, se puede medir. Discreta: el cojuto es fiito o umerable (Ej. úmero de hijos de ua familia). Cotiua: el cojuto es ifiito o umerable, cotiee algú itervalo (Ej. duració de algua compoete e u sistema). Cualitativa: toma valores que se correspode co cualidades o cuatificables de los idividuos, o se puede medir (Ej. color). Dicotómicas: sólo puede tomar dos valores, (SI/NO); (0,1). 2. Represetacioes tabulares, frecuecias Ua vez obteida ua muestra de cualquier població y observados los valores que toma la variable e los idividuos de la muestra, estos valores se suele ordear. Si la variable es cuatitativa la ordeació será de meor a mayor. Dada ua variable X, cosideramos ua muestra de tamaño que toma k valores distitos, x 1,..., x k (si la variable es cuatitativa x 1 < x 2 <... < x k ). La frecuecia absoluta de u valor x i es el úmero de veces que dicho valor aparece e la muestra. Se represeta por i y cumple i = k = La frecuecia relativa de u valor x i es el cociete de la frecuecia absoluta de x i ( i ) etre el tamaño de la muestra (), se represeta por f i f i = i, se cumple f i = 1. Si trabajamos co variables cuatitativas, como hemos ordeado los valores de la muestra de meor a mayor, podemos defiir las frecuecias acumuladas. 2

3 La frecuecia absoluta acumulada del valor i-ésimo es la suma de las frecuecias absolutas hasta dicho valor, se deota por N i N i = i La frecuecia relativa acumulada del valor i-ésimo es la suma de las frecuecias relativas hasta dicho valor, se deota por F i F i = f 1 + f f i, F i = N i Ua tabla de frecuecias tiee la siguiete estructura. x i i f i N i F i Podríamos hablar tambié de la frecuecia de u cierto valor detro de ua població (siempre que ésta fuera fiita), bastaría co tomar como muestra u ceso. Lo mismo ocurre para todas las medidas que describiremos más adelate (de tedecia cetral, posició, dispersió y forma), e pricipio os referiremos a medidas sobre ua muestra, e otro caso (si fuera relativas a la població) lo explicitaríamos. 3. Datos agrupados A veces se hace ecesario trabajar co datos agrupados (el por qué y cómo fuero brevemete explicados e clase). Defiimos etoces como clase a cada uo de los itervalos e que se agrupa los datos. Las frecuecias hará ahora referecia al úmero de datos que hay e cada itervalo. Deotaremos la i-ésima clase como [L i, L i ]. Si sucede que L i = L i 1, las clases será de la forma (L i, L i ], de tal modo que la itersecció de dos clases distitas sea el vacío. Dada la i-ésima clase, L i será su límite iferior y L i su límite superior. La marca de clase será el puto medio del itervalo, m i = (L i + L i )/2 y la amplitud el tamaño del itervalo, c i = L i L i. Ua tabla de frecuecias tedrá ahora la siguiete estructura. 3

4 (L i, L i ] i f i N i F i 4. Medidas de posició 4.1. Medidas de tedecia cetral Los promedios o medidas de tedecia cetral so valores típicos o represetativos de u cojuto de datos. Pretede resumir todos los datos e u úico valor. Defiimos tres medidas de tedecia cetral, media, mediaa y moda Media, (x) Se calcula para variables cuatitativas y se trata del cetro geométrico o de gravedad de uestros datos, x = 1x x k x k = x i f i Si se trata de ua media poblacioal, es decir, estamos cosiderado todos los idividuos de la població, suele deotarse por µ. Propiedades. 1. k (x i x) i = 0 2. la media es el puto para el que la distacia cuadrática media a los valores de la muestra es míima, es decir, para cualquier a R (x i x) 2 i (x i a) 2 i Obsérvese que e el cómputo de la media se utiliza todos los valores, por tato si hay valores aómalos (extremos) ifluirá fuertemete e ella. Si los datos está agrupados, para hallar la media tomamos la marca de las clases, x = 1m m k m k 4 = m i f i

5 Mediaa, (Me) Se calcula para variables cuatitativas, es u úmero tal que al meos el 50 % de los datos es meor o igual que la mediaa y al meos el 50 % mayor o igual. Si hay más de ua mediaa tomamos el puto medio etre la mediaa mayor y la más pequeña, que será los datos que aparece e la muestra y sirve como mediaas. Para calcularla, recurrimos a la columa de las frecuecias relativas acumuladas y buscamos el primer valor F i 0 5, es decir aquel para el que F i 0 5 y F i 1 < 0 5. Si F i > 0 5, etoces Me = x i, si F i = 0 5, etoces Me = (x i + x i+1 )/2. Propiedad. La mediaa es el puto para el que la distacia euclídea media a los valores de la muestra es míima, es decir, para cualquier a R x i Me i x i a i Sólo tiee e cueta la posició de los valores e la muestra y por lo tato tiee mucho mejor comportamieto que la media cuado hay observacioes aómalas Moda, (Moda) Es el valor co mayor frecuecia. Si hay más de ua, la variable se dice multimodal y puede calcularse para cualquier tipo de variable. Si los datos está agrupados hablamos de clase modal y será aquella para la que el cociete frecuecia relativa dividido etre amplitud (f i /c i ) es mayor Media armóica, (x H ) x H = k i/x i Media geométrica, (x G ) x G = x 1 1 x x k k 5

6 Media recortada al 5 %, (x R ) x R = 1 [ (F k1 0 05)x k1 + (0 95 F k2 1)x k co k 1 y k 2 satisfaciedo, 2 1 i=k 1 +1 f i x i ] 4.2. Cuatiles F k1 1 < 0 05 F k1 ; F k < F k2 Se calcula para variables cuatitativas y al igual que la mediaa sólo tiee e cueta la posició de los valores e la muestra. Casos particulares de cuatiles so los cuartiles, los percetiles y los deciles (estos últimos divide la muestra ordeada e 10 partes) Cuartiles Divide la muestra ordeada e 4 partes. Q 1, primer cuartil, al meos el 25 % de los datos so meores o iguales que él y al meos el 75 % de los datos so mayores o iguales que él. Q 2, segudo cuartil, es la mediaa, Q 2 = Me. Q 3, tercer cuartil, al meos el 75 % de los datos so meores o iguales que él y al meos el 25 % de los datos so mayores o iguales que él. Q 4, cuarto cuartil, es el mayor valor que se alcaza e la muestra Percetiles Divide la muestra ordeada e 100 partes. Dado α N tal que 1 α 99, el α-ésimo percetil, P α es u valor tal que al meos el α % de los datos so meores o iguales que él y al meos el (100 α) % de los datos so mayores o iguales que él. A partir de las defiicioes de los cuartiles y percetiles, es claro que Q 1 = P 25 y Q 3 = P 75. 6

7 Para calcular el percetil P α, buscamos e la columa de las frecuecias relativas acumuladas el primer valor mayor o igual que α/100, es decir, buscamos F i α/100 tal que F i 1 < α/100. Si F i > α/100, etoces P α = x i, si F i = α/100, etoces P α = (α/100)x i + (1 α/100)x i Medidas de dispersió Sólo tiee setido para variables cuatitativas y las defiimos para variables o agrupadas Recorrido o rago Diferecia etre el mayor y meor valor de ua muestra, x k x Rago semiitecuartícilo y amplitud itercuartil El rago semiitercuartílico es la mitad de la diferecia etre el tercer y primer cuartil, Q = (Q 3 Q 1 )/2. La amplitud itercuartil es el doble del valor aterior, 2Q = (Q 3 Q 1 ) Desviació típica, (s) Cuatifica el error que cometemos si represetamos ua muestra úicamete por su media. s = k (x i x) 2 f i La desviació típica poblacioal suele deotarse por σ Variaza muestral, (s 2 ) s 2 = (x i x) 2 f i La variaza poblacioal suele deotarse por σ 2. 7

8 Propiedad. s 2 = x 2 i f i (x) Cuasivariaza muestral, (s 2 ) s 2 = k (x i x) 2 i 1 = 1 s Desviació media respecto de la mediaa DM = k x i Me i 5.7. Coeficiete de variació, (CV ) CV = s x 100 La medidas de dispersió ateriores depede de las uidades de medida, el coeficiete de variació es, e cambio, ua medida de dispersió relativa (adimesioal). Tambié existe las llamadas medidas de forma que os idica uméricamete cómo está distribuidos los datos e ua muestra. 6. Medidas de forma 6.1. Asimetría El coeficiete de asimetría de ua variable mide el grado de asimetría de la distribució de sus datos e toro a su media. Es adimesioal y se defie como sigue: k As = i(x i x) 3 /. s 3 8

9 Las colas de ua variable está costituidas por los valores alejados de la media (valores extremos). Ua variable es asimétrica si su cola a u lado más larga que su cola al otro y simétrica si ambas colas so igual de largas. si As > 0 la distribució será asimétrica a la derecha. La cola a la derecha es más larga que la cola a la izquierda. si As = 0 la distribució será simétrica. Ambas colas so igual de largas si As < 0 la distribució será asimétrica a la izquierda. La cola a la izquierda es más larga que la cola a la derecha Aputamieto o curtosis El coeficiete de aputamieto o curtosis de ua variable sirve para medir el grado de cocetració de los valores que toma e toro a su media. Se elige como referecia ua variable co distribució ormal, de tal modo que para ella el coeficiete de aputamieto es 0. Ap = k i(x i x) 4 / s 4 3. Segú su aputamieto, ua variable puede ser: Leptocúrtica, si Ap > 0, es decir, es más aputada que la ormal. Los valores que toma la variable está muy cocetrados e toro a su media y hay pocos valores extremos. Mesocúrtica, si Ap = 0, es decir, es ta aputada como la ormal. Platicúrtica, si Ap < 0, es decir, es meos aputada que la ormal. Hay muchos valores extremos, las colas de la variable so muy pesadas. 7. Represetacioes gráficas 7.1. Diagrama de barras E el eje OX represetamos los valores de las variables y levatamos u trazo o barra de logitud igual a la frecuecia relativa (o absoluta). 9

10 7.2. Pictogramas Figuras cuya área es la frecuecia (o u valor proporcioal) del valor que represeta Diagrama de sectores Se divide u círculo e sectores cada uo de ellos proporcioal a la frecuecia relativa de u valor Histograma Es la represetació más frecuete co datos agrupados. Está formado por u cojuto de rectágulos tales que: 1. Sus bases coicide co el itervalo que represeta y cuyos valores aparece e el eje OX. 2. El área de cada rectágulo debe ser igual a la frecuecia relativa del itervalo. Su altura será por tato f i /c i y la suma de las áreas de todos los rectágulos la uidad Polígoo de frecuecias (poligoal de frecuecias) Se obtiee uiedo los putos medios de los extremos superiores de los rectágulos que forma el histograma, es decir los putos (m i, f i /c i ). E los extremos, uimos (m 1, f 1 /c 1 ) co (L 1, 0) y (m k, f k /c k ) co (L k, 0) Diagrama de tallos y hojas Procedimieto semigráfico para el que se prepara los datos resumiédolos e dos o tres cifras (expresádolos e las uidades adecuadas). A cotiuació se dispoe e ua tabla de dos columas del siguiete modo: 1. Si los datos so de dos dígitos, a la izquierda (e el tallo) aparece la cifra de las deceas, a la derecha separadas por ua líea aparece las hojas y se escribe todas seguidas. 2. Si hay tres dígitos el tallo está formado por los dos primeros. 10

11 Ejemplo. Dada la muestra {114, 125, 114, 124, 152, 134}, dibuja su diagrama de tallos y hojas., las hojas so las uidades Observació. Se trata de u histograma co amplitud de las clases costate y girado Diagrama de cajas Paralelo a u eje umerado dibujamos u segmeto co extremos e los valores meor y mayor que aparece e la muestra y que marcamos co dos bigotes. Dibujamos además ua caja co extremos e el primer y tercer cuartil y marcamos e ella la mediaa. Observació. E los diagramas de cajas que os ofrece ciertos paquetes estadísticos aparece reflejados los valores atípicos y casos extremos fuera del segmeto. 8. Estadística descriptiva bidimesioal Estudiamos simultáeamete dos variables del idividuo. Defiició 5. Ua variable bidimesioal (X, Y ) es u símbolo que represeta dos características de los idividuos de la població. Dada ua variable bidimesioal (X, Y ), cosideramos ua muestra de tamaño e la que X toma k valores distitos, x 1,..., x k, si la variable es cuatitativa x 1 < x 2 <... < x k e Y toma l valores distitos, y 1,..., y l, si la variable es cuatitativa y 1 < y 2 <... < y l. Obteemos, por tato, observacioes del tipo (x i, y j ). La frecuecia absoluta de u valor (x i, y j ) es el úmero de veces que dicho valor aparece e la muestra. Se represeta por ij, se cumple l ij =. j=1 11

12 La frecuecia relativa de u valor (x i, y j ) es el cociete de la frecuecia absoluta de (x i, y j ), ij etre el tamaño de la muestra, se represeta por f ij f ij = i se cumple 8.1. Distribucioes margiales l f ij = 1. Nos idica el comportamieto aislado de cada ua de las variables X e Y que da lugar a ua variable bidimesioal. Frecuecia absoluta margial de x i, i = i1 + i2 + + il = l j=1 ij. Frecuecia relativa margial de x i, f i = i /. Frecuecia absoluta margial de y j, j = 1j + 2j + + kj = k ij. Frecuecia relativa margial de y j, f j = j /. Podemos calcular las medidas de tedecia cetral o dispersió y realizar cualquier tipo de represetació gráfica de las margiales. Ua tabla de doble etrada de ua variable bidimesioal sigue la estructura que se preseta a cotiuació, e la que tiee cabida las frecuecias margiales (represetadas e la última fila y última columa). Puede ser de frecuecias absolutas o relativas. j=1 X\Y y 1 y 2... y l i x l 1 x l x k k1 k2... kl k j l 12

13 8.2. Distribucioes codicioadas So distribucioes fijada ua codició. Dicha codició puede ser sobre la misma variable o la otra. La frecuecia absoluta de x i dada cierta codició será el úmero de observacioes e la muestra que cumple la codició y para las que la variable X toma el valor x i. La frecuecia relativa de x i dada cierta codició será la frecuecia absoluta de x i dada la codició dividida etre el úmero total de observacioes de la muestra que cumple la codició. Podemos hablar de la distribució de X codicioada a que Y toma el valor y j, X Y =yj y será la distribució de todas las observacioes co valor y j e Y. Su distribució de frecuecias absolutas ( i j ) será la columa j- ésima de la tabla de doble etrada, las frecuecias relativas vedrá dadas por f i j = ij / j Podemos hablar de medidas de tedecia cetral o dispersió para distribucioes margiales Idepedecia estadística El iterés del estudio cojuto de dos variables como variable aleatoria bidimesioal es sacar coclusioes sobre la posible relació de depedecia etre ellas. Dos variables so estadísticamete idepedietes cuado o existe relació algua etre ellas. Defiició 6. Dos variables X e Y se dice idepedietes si las distribucioes de X codicioadas a cualquier valor de Y so iguales, es decir, i1 = i2 =... il para todo i = 1,..., k 1 2 l o equivaletemete f i 1 = f i 2 =... = f i l para todo i = 1,..., k Se puede demostrar que la relació aterior es equivalete a ij = i j para todo i, j. Es decir, las variables X e Y so estadísticamete idepedietes si la frecuecia relativa cojuta de cada par de valores es igual al producto de las frecuecias relativas margiales (f ij = f i f j para todo i, j). 13

14 Cometario. El valor esperado de la casilla (i, j) si las variables fuese idepedietes se obtiee utilizado la fórmula f i f j 8.4. Regresió lieal (método de míimos cuadrados), correlació E este apartado cosideraremos que las variables co las que trabajamos so cuatitativas Nube de putos o diagrama de dispersió El procedimieto gráfico habitual para represetar ua variable bidimesioal es ua ube de putos o diagrama de dispersió e la que cada valor (x i, y j ) que aparece e la muestra se represeta por u úico puto de abscisa x i y ordeada y j. E dicha ube de putos podemos apreciar la relació etre las variables Covariaza, (s XY ) Defiimos la covariaza de ua variable bidimesioal (X, Y ) como: k l j=1 s XY = (x i x)(y j y) ij. Propiedad. s XY = k l j=1 x iy j ij x y. Si la covariaza es positiva (s XY > 0), existirá tedecia a que las mayores observacioes de ua de las variables se correspoda co las mayores observacioes de la otra. Si la covariaza es egativa (s XY < 0), existirá tedecia a que las mayores observacioes de ua de las variables se correspoda co las meores de la otra. Si la covariaza es cero (s XY variables. = 0), o existe relació lieal etre las Si X e Y so idepedietes, etoces su covariaza será cero, s XY = 0, el resultado recíproco o es cierto. 14

15 Regresió lieal, míimos cuadrados La regresió cosiste e modelizar la relació de depedecia etre las variables y predecir los valores de ua de ellas (variable depediete) e fució de los valores de la otra (variable idepediete o explicativa). La maera de coseguir este objetivo es ajustar ua ecuació dada a la ube de putos, e uestro caso como la regresió es lieal, la ecuació será la de ua recta. Sea X la variable idepediete e Y la variable depediete, plateamos la ecuació de ua recta ŷ = a + bx para estimar Y a partir de X. Buscamos los valores a, b para los que la suma del error cuadrático es más pequeña, es decir, dada la fució F (a, b) = l ( yj (a + bx i ) ) 2 ij j=1 queremos hallar los valores de a y b para los que F (a, b) es más pequeña. Dichos valores so b = s XY s 2 X, a = y s XY s 2 X A b le llamamos coeficiete de regresió lieal de Y sobre X. Co a y b obteemos la recta de regresió de Y sobre X, que expresada e su ecuació puto-pediete resulta ser ŷ y = s XY s 2 X (x x), es decir, la pediete de la recta de regresió de Y sobre X es el coeficiete de regresió lieal de Y sobre X y pasa por el puto que tiee por abscisa la media de X y por ordeada la media de Y, (x, y). La recta de regresió de X sobre Y se calcula de modo aálogo a la de Y sobre X. x. 15

16 Correlació lieal El coeficiete de correlació lieal de Pearso se defie como y toma valores etre 1 y 1. r = ρ XY = s XY s X s Y Si r = 1 decimos que hay correlació positiva perfecta. Si r = 1 decimos que hay correlació egativa perfecta. Si r < 0 hay correlació lieal egativa, ambas rectas de regresió so decrecietes. Si r > 0 hay correlació lieal positiva, ambas rectas de regresió so crecietes. Si r = 0 las variables so icorreladas o liealmete idepedietes. El coeficiete de determiació lieal o de bodad de ajuste es el cuadrado del coeficiete de correlació, r 2, está e el itervalo [0, 1] y cuato mayor sea, mejor será el ajuste. 16

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

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

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos

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

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

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

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

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

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

APUNTES DE MATEMÁTICAS

APUNTES DE MATEMÁTICAS APUNTES DE MATEMÁTICAS 4º ESO º Trimestre Autor: Vicete Adsuara Ucedo INDICE Tema : Vectores e el Plao.. Ejercicios Tema 9 Tema : Depedecia Lieal...7 Ejercicios Tema. 0 Tema 3: El Plao Afí...... Ejercicios

Más detalles

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL ) MEDIA ARITMÉTICA MEDIDAS DE TENDENCIA CENTRAL CON EXCEL Las medidas de tedecia cetral so medidas represetativas que como su ombre lo idica, tiede a ubicarse hacia el cetro del cojuto de datos, es decir,

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

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

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

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

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

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con: TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a

Más detalles

TEMA 5 ESTADÍSTICA. 3. Cómo debe de ser una muestra para ser correcta?

TEMA 5 ESTADÍSTICA. 3. Cómo debe de ser una muestra para ser correcta? TEMA 5 ESTADÍSTICA Estadística obteció, estudio e iterpretació de grades masas de datos Població es el cojuto de todos los elemetos que cumple ua determiada característica. Muestra es cualquier parte de

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1 IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial

Más detalles

8 Funciones, límites y continuidad

8 Funciones, límites y continuidad Solucioario 8 Fucioes, límites y cotiuidad ACTIVIDADES INICIALES 8.I. Copia y completa la siguiete tabla, epresado de varias formas los cojutos uméricos propuestos. Gráfica Itervalo Desigualdad Valor absoluto

Más detalles

1.1. Campos Vectoriales.

1.1. Campos Vectoriales. 1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

TEMA 28: Estudio global de funciones. Aplicaciones a la representación gráfica de funciones.

TEMA 28: Estudio global de funciones. Aplicaciones a la representación gráfica de funciones. MATEMÁTICAS Represetació Gráica de Fucioes 1 TEMA 28: Estudio global de ucioes Aplicacioes a la represetació gráica de ucioes Esquema: Autor: Atoio Pizarro Sácez 1 Itroducció 2 Domiio de deiició y recorrido

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

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2 Estadística o Paramétrica ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ Autores: Jua Fracisco Moge Ivars (jmoje@uoc.edu), Ágel A. Jua Pérez (ajuap@uoc.edu) ESQUEMA DE CONTENIDOS Estadística o Paramétrica

Más detalles

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición MATEMÁTICA Uidad Utilicemos fucioes Reales de variable Real. Utilicemos medidas de tedecia cetral. Trabajemos co medidas de posició Objetivos de la Uidad: Resolverás situacioes que implique la utilizació

Más detalles

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es, VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

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.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE

Más detalles

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

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- II FUNDAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- II FUNDAMENTOS DE DIRECCIÓN FINANCIERA Tema 3- Parte I Etapas del Modelo de Markowitz I. DETERMINACIÓN DEL CONJUNTO DE POSIBILIDADES DE INVERSIÓN - Se

Más detalles

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010)

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010) UNIVERSIDAD DE LOS ANDES DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferecial Parcial 3 (27/10/2010) 1. Cosidere la fució f (x) = 3(x 1) 2/3 (x 1) 2 a) Halle el domiio b) Ecuetre los putos críticos,

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

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A

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

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva Itroducció Se defie alguos coceptos básicos para ua compresió ituitiva de la Estadística. Se itroduce los primeros coceptos sobre el uso y maejo de datos uméricos, que permite distiguir

Más detalles

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:

Más detalles

ANALISIS ESTADISTICO DE VALORES EXTREMOS

ANALISIS ESTADISTICO DE VALORES EXTREMOS ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5) SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 01 (MODELO 5) OPIÓN A EJERIIO 1_A ( 5 putos) U comerciate dispoe de 100 euros para comprar dos tipos de mazaas A y B. Las del tipo A las compra a 0 60 euros/kg

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los

Más detalles

Gradiente, divergencia y rotacional

Gradiente, divergencia y rotacional Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució L I T E R A T U R A Y M A T E M Á T I C A S El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía

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

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 001 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Se quiere orgaizar u puete aéreo etre dos ciudades, co plazas suficietes de pasaje y carga,

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A = IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)

Más detalles

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,

Más detalles

Sucesiones y ĺımite de sucesiones

Sucesiones y ĺımite de sucesiones Tema 3 Sucesioes y ĺımite de sucesioes Ídice del Tema Sucesioes........................................ 60 Progresioes....................................... 63 3 Covergecia......................................

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 6. Sucesiones y Series. Teorema de Taylor Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

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

ESTADISTICA Y PROBABILIDAD. (Notas del curso) RAÚL RAFAEL URBAN RUIZ UNAM DIVISION DE ESTUDIOS DE POSGRADO FACULTAD DE ECONOMIA

ESTADISTICA Y PROBABILIDAD. (Notas del curso) RAÚL RAFAEL URBAN RUIZ UNAM DIVISION DE ESTUDIOS DE POSGRADO FACULTAD DE ECONOMIA ESTADISTICA Y PROBABILIDAD (Notas del curso) RAÚL RAFAEL URBAN RUIZ UNAM DIVISION DE ESTUDIOS DE POSGRADO FACULTAD DE ECONOMIA Eero 2015 0 INTRODUCCION Los juegos de azar o quizá la ecesidad de medir la

Más detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

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

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por:

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por: Tema 4. Trasformada Z. La trasformada Z para sistemas discretos desempeña u papel aálogo a la trasformada de Laplace para sistemas cotiuos. os va a permitir represetar la relació etrada salida de u sistema

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

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

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

APLICACIONES LINEALES.

APLICACIONES LINEALES. APLICACIONES LINEALES. INTODUCCIÓN: APLICACIONES ENTE CONJUNTOS. Ua aplicació etre dos cojutos A y B es ua regla que permite asigar a cada elemeto de A, uo de B. La aplicació del cojuto A e el cojuto B

Más detalles

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV Iforme sobre el Cálculo de Errores de Muestreo Ecuesta sobre Codicioes de Vida - ECV EUSKAL ESTATISTIKA ERAKUNDA INDICE. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo de errores....4 3.

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

Más detalles

denomina longitud de paso, que en un principio se considera que es constante,

denomina longitud de paso, que en un principio se considera que es constante, 883 Aálisis matemático para Igeiería. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA CAPÍTULO 3 Métodos uméricos de u paso El objetivo de este capítulo es itroducir los métodos uméricos de resolució

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

Análisis en el Dominio del Tiempo para Sistemas Discretos OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 4) IES Fco Ayala de Graada Sobrates de 8 (Modelo 4) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 8 (MODELO 4) OPCIÓN A EJERCICIO 1_A (3 putos) U joyero fabrica dos modelos

Más detalles

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene Existecia. El pricipio de los casilleros. Si queremos colocar 3 bolillas e cajas, es evidete que e algua caja deberemos colocar al meos dos bolillas. Lo mismo ocurre si e lugar de 3 bolillas tuviésemos

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros

Más detalles

b. La primera parte del apartado es igual al apartado a, con la diferencia de que el segundo medio es agua.

b. La primera parte del apartado es igual al apartado a, con la diferencia de que el segundo medio es agua. Septiembre 0. Preguta B.- Se tiee u prisma rectagular de vidrio de ídice de refracció,4. Del cetro de su cara A se emite u rayo que forma u águlo a co el eje vertical del prisma, como muestra la figura.

Más detalles

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES 57 3. TET E INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE DO POBLACIONE U test de hipótesis para dos muestras es similar e muchos aspectos al test para ua muestra. e especifica ua hipótesis ula,

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia) Distribucioes de frecuecia: PRESENTACIONES ESTADISTICAS So tablas e las que se agrupa lo valores posibles de ua variable y se registra el úmero de valores observados que correspode a cada clase. Como ejemplo

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles