Fundamentos de Física Estadística: Problema básico, Postulados

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

Download "Fundamentos de Física Estadística: Problema básico, Postulados"

Transcripción

1 Fundamentos de Físca Estadístca: Problema básco, Postulados y Formalsmos. Problema básco de la Mecánca Estadístca del Equlbro (MEE) El problema básco de la MEE es la determnacón de la relacón termodnámca fundamental de cualquer sstema macroscópco en equlbro a partr de la físca mcroscópca del msmo. Breve recordatoro de Termodnámca: a) Relacón fundamental: S(U, V, N,...) S(X 0,..., X t ) b) Postulados Tsza-Callen ) Los estados de equlbro están completamente descrtos desde un punto de vsta macroscópco por la especfcacón de la energía nterna X 0, y los otros parámetros extensvos X 1,..., X t. ) Exste una funcón S(X 0,..., X t ) tal que los valores que cada parámetro extensvo X j adopta en ausenca de restrccones sobre él es tal que se maxmza S sobre los estados de equlbro compatbles con las paredes. ) S es adtva sobre sstemas macroscópcos y funcón contnua, dervable, y monótona crecente de la energía nterna. v) Postulado de Nernst b) Ecuacones de estado: λ 0 S/ X 0 = 1/T; λ j S/ X j = P j /T (j = 1,...t). 1 c) Los potencales termodnámcos y las funcones de Masseu (transformadas de Legendre de la energía y la entropía respectvamente) tenen entdad de relacón fundamental y satsfacen prncpos de óptmo. Las funcones de Masseu (transformadas de Legendre de la entropía) se defnen por ψ = S λ X. 2 1 Recordad que, formulacón energétca, du = TdS + j P jdx j con T = U/ S = X 0 / S (X 0 = U) y P j = U/ X j para j 0 ( U/ S = T, U/ V = P y U/ N j = µ j ). En formulacón entrópca ds = j λ jdx j = (1/T)dU j (P j/t)dx j ) donde λ 0 = 1/T y λ j = P j /T ( S/ U = 1/T, S/ V = P/T y S/ N j = µ j /T). 2 Por ejemplo, sea X (U, V, N), entonces S[1/T] = ψ(1/t, V, N) = S (1/T)U = F/T con F la energía lbre de Helmholtz (F = U TS y df = SdT PdV + µdn). Del msmo modo S[1/T, P/T] = ψ(1/t, P/T, N) = S (1/T)U (P/T)V = G/T con G la energía lbre de Gbbs (G = U TS + PV y dg = SdT + V dp + µdn). 1

2 Postulados de la MEE Como ya hemos dcho exsten dstntas aproxmacones a la resolucón del problema básco. Una prmera posbldad, presentada en muchos lbros (entre ellos el Callen), consste en postular que la entropía de un sstema macroscópco en equlbro es proporconal al logartmo del número de mcroestados posbles del sstema. S = k B ln Ω Dado un macroestado caracterzado por los valores que alcanzan los parámetros extensvos (U, V, N para un sstema smple de un sólo componente), hemos de contar el número de mcroestados posbles compatbles con los valores dados para los parámetros extensvos y utlzar la expresón anteror para obtener la entropía del sstema (relacón fundamental S(U, V, N)). Dcha defncón está basada en el postulado de equprobabldad: todos los estados mcroscópcos posbles son gualmente probables. Cuando trabajamos en este marco o de esta manera decmos que estamos trabajando dentro del Formalsmo Mcrocanónco de la MEE. En el anexo se muestra como dervar otros formalsmos que presentaremos a lo largo de la sguentes págnas a partr de este marco de trabajo. Sn embargo, como hemos comentado en las clases anterores, utlzaremos un camno dstnto a la solucón del problema básco. Dcho camno se basa en la posbldad de asgnar una densdad de probabldad a los mcroestados de un sstema y postular que la funcón densdad de probabldad de los mcroestados correspondente a la stuacón de equlbro termodnámco es la que maxmza el desorden o falta de nformacón de entre todas las densdades compatbles con las lgaduras del sstema. Dcho de modo más formal, podemos escrbr los sguentes postulados de la MEE. I.- Un espaco termodnámco se representa medante un espaco de meddas (funcones densdad de probabldad) sobre el conjunto de mcroestados físcos del msmo. Un macroestado de equlbro vene caracterzado por una medda determnada. II.- Las varables macroscópcas que defnen el estado de equlbro son los valores medos de certas funcones sobre el conjunto de mcroestados según la medda del macroestado de equlbro. III.- La medda que caracterza el macroestado de equlbro es la que maxmza el funconal desnformacón S bajo las restrccones macroscópcas mpuestas al equlbro. 2

3 Solucón formal del problema básco: caso general Procederemos a determnar la densdad de probabldad resolvendo el problema de óptmo restrngdo para lo que usamos el teorema de los multplcadores Lagrange Teorema de los multplcadores de Lagrange: el óptmo de la funcón de n varables f(x 1,..., x n ) sometdo a las m restrccones g j (x 1,..., x n ) = 0, j = 1,..., m queda determnado por el óptmo no restrngdo de la funcón de n + m varables f(x 1,..., x n, λ 1,...λ m ) = f(x 1,..., x n ) + m j=1 λ j g j (x 1,...x n ) f x = f x + m j=1 λ j g j x = 0, = 1,..., n f λ j = g j = 0, j = 1,..., m En nuestro caso el problema de óptmo restrngdo es el sguente: Maxmzar S({p()}) = p() lnp() Bajo las (s + 2) restrccones: 1 p() = 0 y X j p()x j () = 0 (j = 0,..., s). [Nota: en esta seccón trabajaremos omtendo el factor k B (o en undades k B = 1 para S). Para nclurlo utlzar S({p()}) = k B p()ln p() para la entropía y k B (ln 1) para la defncón del prmer multplcador.] Construmos la funcón auxlar: S({p()}, ln 1, λ 0,..., λ s ) = = para la cual p() lnp() + (ln 1)[1 s p()] + j [ j=0λ X j p()x j ()], s p() = ln p() 1 ln + 1 λ j X j () = 0 = j=0 = p c () = 1 exp [ λ X() ] La cantdad es conocda como funcón de partcón (ustandsomme) y se calcula a partr de la normalzacón para la probabldad ( p c () = 1): (ln 1) = 0 = 1 p c () = 0 = = 3 exp [ λ X() ]

4 Las otras dervadas expresan la manera de calcular promedos: λ j = 0 = X j p c ()X j () = 0 = X j = p c ()X j () Defnmos la funcón ψ(λ 0,..., λ s, X s+1,..., X t ) = ln = = exp(ψ) y p c () = e [ψ+ λ X()] Podemos ver que ψ/ λ j = X j ( ψ λ j = ln λ j = 1 (j = 0,..., s). X j () exp [ λ X() ] = p c ()X j () = X j ) Calculemos la expresón para la entropía: S eq = S( X 0,..., X t ) = S({p c ()}) = p c () ln p c () = = p c () lne [ψ+ λ X()] = ψ + λ p c () X() = ψ + λ X = ψ + λ0 X0 + λ 1 X λ s Xs. Nótese que S/ X j = λ j (j = 0,..., s); ψ = S λ j X y ψ/ λj = X j (j = 0,..., s), de donde se deduce que ψ concde con la funcón de Masseu S[λ 0,..., λ s ], transformada de Legendre de la entropía. S( X 0,..., X s, X s+1,..., X t ) = ψ(λ 0,..., λ s, X s+1,..., X s t ) + λ j Xj j=0 La desnformacón de la medda del equlbro es la transformada de Legendre de ψ cuando se consdera aquélla como funcón de las varables extensvas. Recordad que ψ = ln = ln e λ X() Por últmo, la medda del equlbro, que hemos denotado p c (), puede expresarse como p c () = 1 exp [ λx() ] = exp [ ψ λx() ] = exp [ S + λ X() ] λx() = = exp [ S λ( X() X()) ] Tambén puede probarse que dcho máxmo es únco, que S( X 0,..., X t ) es cóncava y que es una cantdad extensva. 4

5 Formalsmo Mcrocanónco Las paredes son tales que todas las varables extensvas son fjas. El sstema es cerrado. En lugar de tomar el resultado general obtendo y partcularzar a este caso (p = 1 exp(0) = 1 = = Ω número de mcroestados) procederemos a repetr la deduccón. En nuestro caso tenemos que: Maxmzar S({p()}) = k B p() ln p() Bajo la restrccón: 1 p() = 0. 3 Construmos la funcón auxlar: S({p()}, ln 1) = k B p() lnp() + k B (ln 1)[1 p()]. Dervando obtenemos p() = k B ln p() k B k B ln + k B = p c () = 1 ; es decr, la dstrbucón de equlbro corresponde a densdad unforme o equprobabldad de los mcroestados. Buscando la condcón de normalzacón: (ln 1) = 0 = 1 p c () = 0 = = 1 = Ω núm. de mcroestados. En este caso S eq = S({p c ()}) = k B p c () ln p c () = k B ln Ω El número de mcorestados depende de las varables extensvas: Ω(U, V, N,...). Excepto en el caso de algunos sstemas muy sencllos, el cálculo de Ω(U, V, N,...) resulta extraordnaramente complcado. Resumen de Formalsmo Mcroanónco: p c () = 1 Ω y S B = k B ln Ω con Ω(U, V, N) el número de mcroestados posbles 3 En este caso la energía, por ejemplo, esta fjada y por lo tanto se tene que E() = Ē = U para todos los mcroestados. Entonces, la condcón U p()e() = 0 conduce a U U p() = 0 y por lo tanto a U(1 p()) = 0. 5

6 Formalsmo Canónco Corresponde al caso en el cual las paredes no son restrctvas con respecto a la energía nterna del sstema pero sí respecto al resto de varables extensvas (pensar, por ejemplo, en el caso de un sstema en contacto con una fuente de calor). Entonces, la energía es una varable fluctuante X 0 () = E(), cada mcroestado puede tener una energía dstnta pero se cumple que X 0 = U = p()e(). En nuestro caso el problema de óptmo restrngdo es el sguente: Maxmzar S({p()}) = k B p() ln p() Bajo las restrccones: p() = 1 y U = p()e(). Construmos la funcón auxlar: S({p()}, ln 1, λ 0 ) = = k B p() lnp() + k B (ln 1)[1 para la cual p()] + λ 0 [U p()e()], p() = k B ln p() k B k B ln + k B λ 0 E() = 0 = = p c () = 1 e λ 0E()/k B (ln 1) = 0 = p c () = 1 = = e λ 0E()/k B λ 0 = 0 = U = Defnmos la funcón p c ()E() = 1 E() e λ 0E()/k B ψ(λ 0, X 1,..., X t ) = k B ln = = e ψ/k B, p c () = e [ψ+λ 0E()]/k B. Podemos ver que ( ψ λ 0 = k B ln λ 0 = k B ψ λ 0 = U E() k B e λ 0E()/k B = Con respecto a la expresón para la entropía, obtenemos: p c ()E() = U S eq = S(U, X 1,..., X t ) = S({p c ()}) = k B p c () ln p c () = 6 )

7 = k B p c () ln{e [ψ+λ 0E()]/k B } = ψ + λ 0 p c ()E() = ψ + λ 0 U, y a partr de aquí 1/T = S/ U = λ 0 λ 0 = 1/T!! Recordad que ya habíamos obtendo ψ/ λ 0 = U, de donde se deduce que ψ es la funcón de Masseu S[ 1 T ]: S(U, X 1,..., X t ) = ψ(1/t, X 1,..., X t ) + 1 T U = = Tψ = U TS = F F(T, X 1,..., X t ) Y obtenemos la relacón fundamental en la formulacón de la energía lbre de Helmholtz. F = k B T ln Resumen de Formalsmo Canónco (sea β = 1/k B T): p c () = 1 e βe() con = e βe() F(T, X 1,..., X t ) = k B T ln ó = e βf En general, para un sstema físco no hay cota superor para la energía de los mcroestados. Una consecuenca de ello es que, para que no dverja la funcón de partcón, el parámetro β ha de ser postvo, y por lo tanto la temperatura es postva. Es mportante notar que es una suma sobre mcroestados, no sobre nveles de energía E j del sstema. Para calcular la probabldad de un nvel E j de energía, hay que tener en cuenta la degeneracón g j de dcho nvel, pudéndose escrbr = j g j exp ( βe j ) donde la suma se hace sobre nveles de energía. La probabldad de un nvel es p(e j ) = 1 g j exp ( βe j ). Mentras exp ( βe j ) es decrecente con el valor de E j, en general g j crece rápdamente con E j, de modo que la funcón p(e) suele presentar un valor máxmo, que para sstemas macroscópcos es muy agudo y stuado en U. Interpretacón estadístca del calor: Supongamos un sstema que recbe calor del exteror sn ntercambar energía en forma de trabajo con el exteror de modo que nnguno de los parámetros de los que depende su hamltonano camban en dcho proceso y por ello las energías de los mcroestados no se ven alteradas; de() = 0 para todo. dq = du = d( p()e()) = dp()e(). Pero p() = (1/) exp( βe()). S calculamos p() = 1 p() k B T 2 β = 1 [ E() k B T 2 7 e βe() 1 ] 2 β e βe(),

8 pero U = 1 E() e βe() = 1 β e βe() = 1 β = ln β con lo que podemos escrbr p() = 1 k B T 2p()[E() U] S E() < U, un aumento de la temperatura produce un decrecmento de p(). S E() > U, un aumento de la temperatura produce un crecmento de p(). Es decr, los nveles de menor energía perden poblacón y los de mayor aumentan en poblacón. A T = 0 sólo está poblado el fundamental. Formalsmo canónco (T, V, N): algunas expresones relevantes. = 1 k B T 2 β = k Bβ 2 β, β = 1 k B β 2 = k BT 2 F = k B T ln = 1 β ln ( ) ( ) ( ) ln ln (βf) U = = k B T 2 = β β ( ) ( ) ( ) F (T ln ) (ln ) S = = k B = k B ln + T ( ) ( ) F ln P = = k B T V V T,N T,N ( ) ( ) F ln µ = = k B T N N T,V T,V ( c V = k B β 2 2 ) ( ln ; ( E) 2 2 ) ln = β 2 β 2 = U F T Formalsmo Gran Canónco Las paredes no son restrctvas n para la energía nterna n para el número de partículas. En este caso la energía y el número de componentes son varables fluctuantes: E() X 0 (), N() X 1 (). En nuestro caso el problema de óptmo restrngdo es el sguente: Maxmzar S({p()}) = k B p() ln p() 8

9 Bajo las restrccones: p() = 1; U = p()e() y N = p()n() Construmos la funcón auxlar: S({p()}, ln 1, λ 0, λ 1 ) = = k B p() lnp()+k B (ln 1)[1 p()]+λ 0 [U p()e()]+λ 1 [N p()n()] A partr de aquí, y sguendo como en los casos anterores, se puede probar que los multplcadores de Lagrange λ 0 y λ 1 corresponden a λ 0 = 1 T = k Bβ y λ 1 = µ T = k Bβµ con p c () = 1 e[ λ 0E()/k B λ 1 N()/k B ] = 1 e β[e() µn()] (β, βµ, X 2,..., X t ) = e β[e() µn()] La relacón fundamental la obtenemos a partr del potencal ψ = k B ln = S 1 T U + µ T N = 1 [U TS µn] T donde [U TS µn] es el potencal gran canónco o gran potencal, Ψ(T, V, µ), transformada de Legendre de la energía. En esta formulacón las ecuacones de estado venen dadas por U = 1 ( ) ln E()e β[e() µn()] = β N = 1 N()e β[e() µn()] = ( ln βµ βµ ) El espaco de mcorestados posbles (espaco de Fock) vene defndo por Γ = N=0 ǫ (N) H donde ǫ (N) H el espaco de Hlbert del sstema de N partículas y ǫ (0) H el espaco undmensonal que representa el vacío. S calculamos la probabldad de que el número de partículas sea M, β p(m) =,N()=M p() = 1,N()=M e βe() e βµm = (M) eβµm = 1 eβµm e βf(m) Dado que F/ M = µ: s µ > 0, e βf(m) decrece con M, e βµm crece con M. S µ < 0, e βf(m) crece con M, e βµm decrece con M. 9

10 Relacón entre las funcones de partcón gran canónca y canónca: = e β[e() µn()] = N=0 ǫ (N) H e βe() e βµn = 1 + ϕ N (β, N,...) N=1 Donde ϕ e βµ defne la fugacdad. Es decr, la funcón de gran partcón se puede escrbr como sere de potencas de la fugacdad, con coefcentes las funcones de partcón canóncas. 4 Resumen de Formalsmo Gran Canónco, (T, V, µ): p c () = 1 e β[e() µn()] con = e β[e() µn()] Ψ(T, µ, X 2,..., X t ) = k B T ln U = Algunas expresones relevantes. N = Ψ = k B T ln = 1 β ln E()p() = 1 ( ) ln E() e [ βe()+βµn()] = β V,βµ ( ) (βψ) = β V,βµ ( ) ln βµ β,v N()p() = 1 N() e [ βe()+βµn()] = ( ) Ψ = µ T,V ( ) ln = k B T 2 = V,βµ = k B T ( ) ln ( ) ( ) Ψ (T ln ) S = = k B = U µn Ψ T V,µ V,µ ( ) ( ) Ψ ln P = = k B T pero tambén P = Ψ V V V = k BT V ln T,µ T,µ ( 2 ) (T ln ) c V = k B T 2 V,µ ( ( E) 2 2 ) ( ln = ; ( N) 2 2 ) ln = β 2 (βµ) 2 βµ,v β,v µ T,V = 4 Aquí se ve claramente como en el marco de la MEE es posble calcular cantdades termodnámcas de sstemas tan pequeños como de una sóla partícula. 10

11 Formalsmo T P (pressure ensemble) Las varables fluctuantes son la energía y el volumen: E() X 0 (), V () X 1 (). Las restrccones son: p() = 1 ; U = p()e() y V = Los multplcadores de Lagrange λ 0 y λ 1 corresponden a p()v () λ 0 = 1 T = k Bβ y λ 1 = P T = k BβP con p c () = 1 Y Y (β, P, X 2,..., X t ) = e β[e()+pv ()] β[e()+pv ()] e La relacón fundamental la obtenemos a partr del potencal con G la energía lbre de Gbbs. ψ = k B ln Y = 1 T [U TS + PV ] = G T G = k B T ln Y Por últmo, podemos escrbr: Y = e β[e()+pv ()] = V,V ()=V e βe() e βpv () = V e βpv (β, V ) Anexo: Dervacón del formalsmo canónco a partr del mcrocanónco. Partmos del formalsmo mcrocanónco que dce S = k B ln Ω con Ω el número de mcroestados posbles. Consderemos un sstema cerrado formado por un subsstema en contacto con un reservoro térmco. La probabldad p de que el subsstema esté en el estado es gual a la fraccón del número total de estados (subsstema + reservoro) en los que el subsstema está en el estado (de energía E ): p = Ω res(e tot E ) Ω tot (E tot ) = exp{k 1 B S res (E tot E )} exp{kb 1 S tot (E tot )} 11

12 La adtvdad de la entropía conduce a S tot (E tot ) = S(U) + S res (E tot U) Ahora vamos a desarrollar la cantdad S res (E tot E ) en sere de potencas en torno al punto de equlbro (E tot U). S res (E tot E ) = S res (E tot U + U E ) = S res (E tot U) + 1 T (U E ) Por tratarse de un reservoro el resto de los térmnos del desarrollo se anulan (sstema nfnto, las fluctuacones se anulan). Volvendo a la expresón para p, en las exponencales nos aparece la cantdad S res (E tot E ) S tot (E tot ) = S res (E tot U)+ 1 T (U E ) S(U) S res (E tot U) = = 1 T (U TS(U)) 1 T E = = p = exp{(1/k B T)[U TS(U)]} exp{ (1/k B T)E } Defnendo β = 1/k B T e dentfcando la cantdad U TS(U) con la energía lbre de Helmholtz, F, obtenemos: p = e βf e βe La condcón de normalzacón conduce a p = e βf e βe = 1 = = e βf = y podemos obtener el resto de relacones del formalsmo canónco p = e βe ; βf = ln ; U = ln β e βe S ahora consderamos el formalsmo gran canónco, podemos encontrar expresones semejantes: p = Ω res(e tot E, N tot N ) Ω tot (E tot, N tot ) = exp{k 1 B S res (E tot E, N tot N )} exp{kb 1 S tot (E tot, N tot )} Tras los desarrollos en sere y truncacones, obtenemos: Con Ψ el potencal gran canónco: y p = e βψ e β(e µn ) Ψ = U TS µn = U[T, µ] e βψ = 1 con = = e β(e µn ) 12

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

Física Estadística. Tercer curso del Grado en Física. J. Largo & J.R. Solana. Departamento de Física Aplicada Universidad de Cantabria

Física Estadística. Tercer curso del Grado en Física. J. Largo & J.R. Solana. Departamento de Física Aplicada Universidad de Cantabria Tercer curso del Grado en Físca largoju at uncan.es J. Largo & J.R. Solana solanajr at uncan.es Departamento de Físca Aplcada Unversdad de Cantabra Indce I Estadstcas Dstrbucones para los sstemas cuántcos

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP) MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π EQUILIBRIO DE FASES Reglas de las fases. Teorema de Duhem S consderamos un sstema PVT con N especes químcas π fases en equlbro se caracterza por: P, T y (N-1) fraccones mol tal que Σx=1 para cada fase.

Más detalles

Mecánica Estadística: Estadística de Maxwell-Boltzmann

Mecánica Estadística: Estadística de Maxwell-Boltzmann Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1 Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2 S=k ln W Entropía, una propedad termodnámca Una medda de nuestra

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

Termodinámica y Mecánica Estadística II serra/termoii 2016.html Guía 4 - Setiembre de 2016

Termodinámica y Mecánica Estadística II  serra/termoii 2016.html Guía 4 - Setiembre de 2016 Termodnámca y Mecánca Estadístca II http://www.famaf.unc.edu.ar/ serra/termoii 2016.html Guía 4 - Setembre de 2016 Problema 1: Utlce el prncpo varaconal de Gbbs para obtener la expresón para la densdad

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

II.- ESTRUCTURA FORMAL. Lección 11ª: Metodología para el análisis termodinámico de un sistema

II.- ESTRUCTURA FORMAL. Lección 11ª: Metodología para el análisis termodinámico de un sistema II.- ESTRUCTURA FORMAL Leccón 11ª: Metodología para el análss termodnámco de un sstema 1.- Introduccón....- El formalsmo termodnámco... 3.- Análss termodnámco de un sstema medante la representacón energétca...

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización. Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón

Más detalles

www.fisicaeingenieria.es

www.fisicaeingenieria.es 2.- PRIMER PRINCIPIO DE LA TERMODINÁMICA. 2.1.- Experencas de Joule. Las experencas de Joule, conssteron en colocar una determnada cantdad de agua en un calorímetro y realzar un trabajo, medante paletas

Más detalles

CANTIDADES VECTORIALES: VECTORES

CANTIDADES VECTORIALES: VECTORES INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Equilibrio termodinámico entre fases fluidas

Equilibrio termodinámico entre fases fluidas CAPÍTULO I Equlbro termodnámco entre fases fludas El conocmento frme de los conceptos de la termodnámca se consdera esencal para el dseño, operacón y optmzacón de proyectos en la ngenería químca, debdo

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire

Unidad II: Análisis de la combustión completa e incompleta. 2. 1. Aire 4 Undad II: Análss de la combustón completa e ncompleta. 1. Are El are que se usa en las reaccones de combustón es el are atmosférco. Ya se djo en la Undad I que, debdo a que n el N n los gases nertes

Más detalles

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

Smoothed Particle Hydrodynamics Animación Avanzada

Smoothed Particle Hydrodynamics Animación Avanzada Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla

Más detalles

3.1. Características del comportamiento estratégico Características del comportamiento estratégico

3.1. Características del comportamiento estratégico Características del comportamiento estratégico 3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estratégas posbles para cada

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

1.1 Ejercicios Resueltos Tema 1

1.1 Ejercicios Resueltos Tema 1 .. EJERCICIOS RESUELTOS TEMA. Ejerccos Resueltos Tema Ejemplo: Probarque ++3+ + n 3 + 3 +3 3 + + n 3 n (n +) Ã n (n +)! - Para n es certa, tambén lo comprobamos para n, 3,... ( + ) + 3 (+) supuesto certa

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

3.1. Características del comportamiento estratégico Características del comportamiento estratégico

3.1. Características del comportamiento estratégico Características del comportamiento estratégico 3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estrategas posbles para cada

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

PRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES

PRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES PRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES OBJETIVOS ESPECÍFICOS 1) Identfcar y manejar el materal básco de laboratoro. ) Preparar

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Dividiendo la ecuación anterior por n (total) podemos expresar en cantidades molares

Dividiendo la ecuación anterior por n (total) podemos expresar en cantidades molares 3 Propedades termodnámcas de las solucones 3. 17 Propedades termodnámcas de las solucones Extendemos el tratamento desarrollado prevamente a las mezclas de dos componentes DR09, con la consderacón que

Más detalles

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS101M. Sección 03. José Mejía López. jmejia@puc.cl

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS101M. Sección 03. José Mejía López. jmejia@puc.cl PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS11M Seccón 3 José Mejía López jmeja@puc.cl http://www.s.puc.cl/~jmeja/docenca/s11m.html JML s11m-1 Capítulo Dnámca Trabajo y energía

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

Calorimetría - Soluciones. 1.- Cuántas calorías ceden 5 kg de cobre (c = 0,094 cal/g C) al enfriarse desde 36 o C hasta -4 C?

Calorimetría - Soluciones. 1.- Cuántas calorías ceden 5 kg de cobre (c = 0,094 cal/g C) al enfriarse desde 36 o C hasta -4 C? Calormetría - Solucones 1.- Cuántas calorías ceden 5 kg de cobre () al enfrarse desde 3 o C hasta -4 C? m = 5 kg = 5.000 g T = 3 C T f = - 4 C = - T = - (T f T ) = - 5.000 g 0,094 cal/g C (-4 C 3 C) =

Más detalles

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto

Física I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto ísca I Apuntes complementaros al lbro de teto TRABAJO y ENERGÍA MECÁNICA Autor : Dr. Jorge O. Ratto Estudaremos el trabajo mecánco de la sguente manera : undmensonal constante Tpo de movmento varable bdmensonal

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles

rsums Aproxima la integral de f mediante sumas de Riemann y realiza una representación gráfica de los rectángulos.

rsums Aproxima la integral de f mediante sumas de Riemann y realiza una representación gráfica de los rectángulos. PRÁCTICA INTEGRACIÓN Práctcas Matlab Práctca : Integracón Objetvos o Calcular ntegrales defndas de forma aproxmada, utlzando sumas de Remann. o o o Profundzar en la comprensón del concepto de ntegracón.

Más detalles

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS

CAPÍTULO V ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 7 CAPÍTULO V ESTRUCTURAS ALGEBRAICAS Estructura Algebraca es todo conjunto no vacío en el cual se han defndo una o más leyes de composcón nterna, luego de cumplr certas propedades

Más detalles

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

5 Centrales Hidráulicas

5 Centrales Hidráulicas Curso SmSEE IIE 2012 Cap. 5 pág 1/6 5 Centrales Hdráulcas 5.1 Centrales Hdráulcas con Embalse En el caso de centrales con embalses, tendremos que agregar restrccones adconales para mponer los límtes de

Más detalles

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que Estas son ms notas para las clases del curso Mecánca Raconal (62.11) en la Facultad de Ingenería-UBA. Están aún en proceso de ser completadas, no tenen carácter de texto acabado, por el contraro seguramente

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

Lección: Equilibrio Material

Lección: Equilibrio Material Leccón: Equlbro Materal TEMA: Introduccón 1 Adolfo Bastda Pascual Unversdad de Murca. España. I. Equlbro materal............................2 I.A. Condcón general de equlbro materal...2 II. Equlbro de

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

El costo de oportunidad social de la divisa ÍNDICE

El costo de oportunidad social de la divisa ÍNDICE El Costo de Oportundad Socal de la Dvsa El costo de oportundad socal de la dvsa ÍNDICE. INTRODUCCIÓN. EL MARCO TEÓRICO 3. CÁLCULO DEL COSTO DE OPORTUNIDAD SOCIAL DE LA DIVISA 3. Nvel agregado 3. Nvel desagregado

Más detalles

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit.

Modelos de elección simple y múltiple. Regresión logit y probit. Modelos multilogit y multiprobit. Modelos de eleccón smple y múltple. Regresón logt y probt. Modelos multlogt y multprobt. Sga J.Muro(14/4/2004) 2 Modelos de eleccón dscreta. Modelos de eleccón smple. Modelos de eleccón múltple. Fnal J.Muro(14/4/2004)

Más detalles

Electricidad y calor

Electricidad y calor Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage:  Algunas definiciones Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Tutorial sobre Máquinas de Vectores Soporte (SVM)

Tutorial sobre Máquinas de Vectores Soporte (SVM) Tutoral sobre Máqunas de Vectores Soporte SVM) Enrque J. Carmona Suárez ecarmona@da.uned.es Versón ncal: 2013 Últma versón: 11 Julo 2014 Dpto. de Intelgenca Artcal, ETS de Ingenería Informátca, Unversdad

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

Introducción al riesgo de crédito

Introducción al riesgo de crédito Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta

Más detalles

SEMANA 13. CLASE 14. MARTES 20/09/16

SEMANA 13. CLASE 14. MARTES 20/09/16 SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.

Más detalles

Matemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de

Matemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Trabajo Especial 2: Cadenas de Markov y modelo PageRank Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica. TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Ecuación de Lagrange

Ecuación de Lagrange Capítulo 6 Ecuacón de Lagrange 6. Introduccón a las ecuacones de Lagrange La mecánca que nos presenta Lagrange en su Mécanque Analytque sgnfca un salto conceptual muy grande respecto de la formulacón Newtonana.

Más detalles

Índice de Precios de las Materias Primas

Índice de Precios de las Materias Primas May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas

Más detalles

6 Minimización del riesgo empírico

6 Minimización del riesgo empírico 6 Mnmzacón del resgo empírco Los algortmos de vectores soporte consttuyen una de las nnovacones crucales en la nvestgacón sobre Aprendzaje Computaconal en la década de los 990. Consttuyen la crstalzacón

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

Capítulo 3. SISTEMAS DE PARTÍCULAS

Capítulo 3. SISTEMAS DE PARTÍCULAS Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño

Más detalles

EXAMEN PARCIAL DE TERMODINÁMICA (IA14). 7 de febrero 04

EXAMEN PARCIAL DE TERMODINÁMICA (IA14). 7 de febrero 04 EXAMEN PARCIAL DE ERMODINÁMICA (IA4). 7 de ebrero 04. Sentdo de evolucón y condcones de equlbro en un sstema hdrostátco cerrado. Prncpos extremales para S y U. a. Supóngase que se permte la expansón soterma

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Niveles de Energía. Electrónicos Vibracionales Rotacionales + correcciones

Niveles de Energía. Electrónicos Vibracionales Rotacionales + correcciones Termouímca El valor ue obtenemos para la energía del sstema en un calculo de estructura electrónca como Hartree-Fock corresponde típcamente a la energía electrónca del sstema en su estado fundamental.

Más detalles

Equilibrio fásico. (b) El sistema heterogéneo se considera aislado.

Equilibrio fásico. (b) El sistema heterogéneo se considera aislado. Termodnámca del equlbro Equlbro fásco Profesor: lí Lara En el área de Ingenería Químca exsten muchos procesos ndustrales en los cuales está nvolucrado el equlbro entre fases. Una de estas operacones es

Más detalles