UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:

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

Download "UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:"

Transcripción

1 UNIVERSIDAD DE PANAÁ FACULTAD DE INFORÁTICA, ELECTRÓNICA Y COUNICACIÓN ESCUELA DE INFORÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS ONOGRAFÍA: INTEGRACIÓN NUÉRICA POR EL ÉTODO DE LOS TRAPECIOS PRESENTA: RAÚL ENRIQUE DUTARI DUTARI 006

2 TABLA DE CONTENIDOS. Observacoes Prelmares..... El étodo De Los Trapecos: Plateameto Geeral..... Costruccó Geométrca Del étodo De Los Trapecos Fudametos atemátcos Del étodo De Los Trapecos: La Iterpolacó Polomal El Polomo De Iterpolacó De Lagrage Costruccó Aalítca Del étodo De Los Trapecos El Error Por Trucameto E El étodo De Los Trapecos Dos Ejemplos Elemetales Del étodo De Los Trapecos Otras Fórmulas De Itegracó Apromada Observacoes Fales Referecas Bblográfcas... 9

3 . Observacoes Prelmares. Cuado se realza u epermeto, geeralmete, se obtee ua tabla de valores que, se espera, tega u comportameto fucoal. S embargo, o se obtee la represetacó eplícta de la fucó que represeta la regla de correspodeca etre las varables volucradas. E estos casos, la realzacó de cualquer operacó matemátca sobre la ube de putos, que preteda tratarla como ua relacó fucoal, tropezará co dfcultades cosderables, al o coocerse la epresó eplícta de dcha relacó. Etre estas operacoes ecotramos la tegracó de fucoes. Además, es coocdo que este relatvamete pocas fórmulas y téccas de tegracó, frete a la catdad estete de fucoes que se puede tegrar. Es decr, u gra úmero de tegrales de fucoes elemetales o puede ser epresada e térmos de ellas. Etre estos casos sgulares teemos, a maera de ejemplo: ( ) ( ), d 4 e d,,,, se l + d + d d Para aclarar la cotradccó ates señalada, se debe recordar la codcó ecesara para que ua fucó sea tegrable. Dcha codcó se mecoa de medato, s demostracó: Proposcó (Codcó Necesara De Itegrabldad). S ua fucó f es cotua e el tervalo [ a, b], etoces f es tegrable e [ a, b].

4 Los teresados e ua demostracó rgurosa de la Proposcó puede ubcarla e HAASER, Norma B., LASALLE, Joseph P., y SULLIVAN, Joseph A. Aálss matemátco : Curso de troduccó, [8, 545]. No obstate que las codcoes de la Proposcó so sumamete geerales, o se tee garatía de que, al aplcar los métodos usualmete coocdos para resolver tegrales, se puede ecotrar la atdervada de ua fucó f () cualquera, ecesara para obteer la tegral defda. Esta moografía pretede lustrar al lector co ua de las téccas báscas que permte resolver dcha stuacó, a través de la deomada INTEGRACIÓN APROXIADA, POR EL ÉTODO DE LOS TRAPECIOS.. El étodo De Los Trapecos: Plateameto Geeral. El método de los trapecos tee su orge drectamete e la terpretacó geométrca de la INTEGRAL DEFINIDA. Se debe recordar que la tegral defda se puede terpretar como el área compredda etre el eje de las abscsas, la fucó a tegrar, y los límtes de tegracó. Esta área es calculada a través de u proceso de paso al límte usado ua partcó del área total, geeralmete e rectágulos y hacedo teder al fto el úmero de rectágulos. La mplemetacó umérca de este cocepto, se cooce como ÉTODO DE LOS RECTÁNGULOS, y de hecho, este método se costtuye e el soporte teórco de la solucó de problemas de aplcacó de tegrales defdas. La dfereca etre el método de los trapecos y el ateror método, cosste e que a la partcó del área total, se le reemplaza los rectágulos usados

5 orgalmete, por otra fgura geométrca que aprome mejor el área buscada, partcularmete, usado trapecos. Además, al gual que e método de los rectágulos, se elmará el proceso de límte, de modo que el resultado obtedo será ua apromacó del valor eacto.. Costruccó Geométrca Del étodo De Los Trapecos. E este apartado se costrurá la regla de los trapecos utlzado u efoque basado e el plateameto geeral, esbozado prevamete. El msmo, se resume e la sguete proposcó. Proposcó (Regla Compuesta De Los Trapecos). Se cosdera ua fucó y f (), así como las rectas,...,. Se supoe que la dstaca etre cada ua de las parejas de valores de la abscsa, es costate y se deota como (,,,..., ). Etoces: f ( ) d y + y + y Dode se deota a la ordeada de la fucó f e la abscsa como y f ( ) para,,,...,. Demostracó. Se debe recordar que el área de u trapeco está dada por la fórmula:

6 4 A ( y + y ) dode es la base del trapeco, e tato que y y represeta las alturas del msmo, como se observa e la sguete lustracó: Ilustracó Se cosdera la fucó y f (), y las rectas,...,. Ua buea apromacó al área bajo la curva de f (), se obtee dvdédola e fajas de logtud y apromado el área de cada faja medate u trapeco, como se muestra e la sguete lustracó:

7 5 Ilustracó Por la defcó de tegral defda, el área que teresa calcular está dada por: f ( ) d Se cosdera que la dstaca etre cada ua de las parejas de valores de la abscsa:, es costate; y se deota como (,,,..., ). S se ombra a la ordeada de la fucó f e la abscsa como y f ) para,,,...,, etoces, las áreas de los trapecos A,,,...,, estará defdas por: ( A ( y + y ) + () E cosecueca, el área compredda etre la fucó y f (), el eje de las abscsas, y las rectas y será, apromadamete, la suma de las áreas de los trapecos, es decr:

8 6 A A ( y + y ) + ( y + y ) + + ( y + y ) Ahora, al agrupar los térmos de esta suma, adecuadamete, se obtee: A A ( y + y + y + + y + y + y ) A y + y + y () La ecuacó () es deomada como REGLA DEL TRAPECIO, e tato que la ecuacó () se cooce como REGLA COPUESTA DE LOS TRAPECIOS. A maera de aclaracó, detro de la tegracó umérca, se acostumbra deomar FÓRULA COPUESTA, a las ecuacoes que se obtee a través de la aplcacó repettva de las fórmulas báscas de tegracó, adaptadas para cubrr tervalos más amplos. Es claro desde el puto de vsta tutvo, que s el valor de crece y se repte la costruccó sobre el tervalo [, ], se obtedrá u úmero mayor de dvsoes, y se podrá mejorar la apromacó del área buscada, frete a la cuatfcacó ateror. Es decr, el error cometdo al apromar la tegral de la fucó (), f e el tervalo [ ] trapecos, será cada vez meor., a través de la regla compuesta de los Todo lo que se ha plateado a vel geométrco parece ser correcto; s embargo, es mportate coocer más a fodo el fudameto matemátco de este efoque del problema. Es decr, determar bajo qué codcoes específcas, se puede esperar que este plateameto aprome, adecuadamete el área que

9 7 se desea cuatfcar. Además, sería coveete cotar co ua acotacó del error cometdo e uestra apromacó. 4. Fudametos atemátcos Del étodo De Los Trapecos: La Iterpolacó Polomal. Para justfcar, matemátcamete, al método de los trapecos se debe obteer ua maera de reemplazar la fucó f (), que orgalmete se desea tegrar, por otra fucó g (), que es ua buea apromacó, de f (), e los putos co,,,...,. Es decr, s f ) g( ),, co,,,...,,, ( f ( ) d g( ) d. Ambas fucoes, evdetemete, debe cumplr la codcó de tegrabldad establecda de atemao (Proposcó ). Es decr, so cotuas e el tervalo de tegracó [, ]. Lógcamete, surge la preguta acerca de qué fucoes permte realzar esta apromacó ta partcular. Las fucoes que permte realzar esta accó so, las aplcacoes polomales. El fudameto de esta afrmacó lo establece el TEOREA DE APROXIACIÓN DE WEIERSTRASS. El resultado e mecó se euca s demostracó: Proposcó (Teorema De Apromacó De Weerstrass). S f () es ua fucó cotua e el tervalo [, ], etoces, dado cualquer ε > 0, este u, ( ε ), y u polomo P () de grado, tales que:

10 8 f ) P ( ) < ε, [, ]. ( Es decr, la Proposcó garatza que: ua fucó f, cotua e u tervalo fto cerrado, puede ser apromada, tato como se desee, utlzado u polomo de terpolacó, de grado sufcetemete elevado. Los teresados e ua demostracó rgurosa de la Proposcó puede ubcarla e BARTLE, Robert G. Itroduccó al aálss matemátco, [, 99]. Coocedo este resultado, se procede a estudar u tpo partcular de polomo de terpolacó: el polomo de terpolacó de Lagrage. 4.. El Polomo De Iterpolacó De Lagrage. Para costrur el polomo de terpolacó de Lagrage, se asume que se cooce putos del plao cartesao, ( y )(,, y ),,(, y ), o está gualmete espacadas. cuyas abscsas, Etoces, s se deoma a la ordeada de la fucó f e la abscsa como y f ) co,,,...,, el polomo de terpolacó de Lagrage de orde ( para estos putos está defdo por la fucó: P ( ) L ( ) f ( ) () dode: L ( ) j j ( j ) j ( ) (4)

11 9 A cotuacó se prueba alguos resultados báscos de los polomos de terpolacó de Lagrage. Proposcó 4. La fucó P () defe a u polomo de grado, a lo sumo. Demostracó: El fudameto de la prueba, que es medata, se ecuetra e las característcas de las operacoes dcadas e las ecuacoes () y (4). E la ecuacó (4), debemos observar que, para,,,...,, se cumple, por costruccó, que: Todos los L (), cosste e fucoes racoales, dode umerador y deomador cosste e el producto de dferecas de valores coocdos (las costates ), y descoocdos (la varable ). El deomador de cada L (), es u úmero real (puesto que el producto de dferecas de úmeros reales, es otro úmero real). El umerador de cada L (), o es más que la represetacó factorzada del polomo cuyas raíces so, precsamete, los valores j, j,,,...,, j. E cosecueca, cada L () puede ser represetado por ua epresó de la forma:

12 0 L ( ) α j j ( ), j (5) dode α ( ) j j j Luego, a través de operacoes algebracas fudametales, el membro derecho de la ecuacó (5) puede ser llevado a la forma: L ( ), α ak k a k 0 0 α 0 La últma afrmacó, susteta el hecho de que P () es la suma de fucoes polomales, multplcadas por costates reales coocdas, es decr, es ua fucó de la forma: P ( ) a, a 0 0 dode los a,,,,..., se defe co base a operacoes algebracas fudametales sobre los a k, k,,,...,. Es decr, P () es u polomo de grado a lo sumo. Proposcó 5. El polomo P () posee raíces, cuado mucho.

13 Demostracó. Es medata, pues es amplamete coocdo que u polomo de grado a lo sumo, posee raíces, cuado mucho, co base a los teoremas de descomposcó prmara de polomos (ver LANG, Serge. Álgebra leal, [, 8-]. Proposcó 6. El polomo P () satsface los valores coocdos de la fucó y f ( ),,,,...,. Demostracó. Es medata, puesto que al evaluar a L () e cada uo de los putos, co k,,,...,, se obtee: k, k L ( k ) 0, k y como P ( ) L ( ) f ( ) Se obtee que, al evaluar a P () e u valor, cualquera, todos los sumados de la epresó se aulará (cuado Luego, la epresó se reduce a: k k ), salvo uo (dode k ).

14 P ) 0 f ( ) + 0 f ( ) + + f ( ) f ( ) f ( ) (6) ( k k k y la ecuacó (6) se satsface para k,,,...,, es decr, el polomo de terpolacó de Lagrage satsface, por costruccó, a los valores coocdos de la fucó f. Proposcó 7. El polomo P () es el úco que tee las característcas ates señaladas e las proposcoes 4, 5 y 6. Demostracó. La ucdad de P () se prueba por reduccó al absurdo. Así, se cosdera que este otro polomo de grado a lo sumo, que se deoma como Q (), y satsface a la ube de putos dada, es decr: y P ( ) Q ( ),,,,..., Lógcamete, se asume que Q () es dstto de P (), e los otros putos del tervalo defdo por [, ], es decr: [, ],,,,...,. P ( ) Q ( ), Se costruye otro polomo R (), dado por la dfereca etre Q () y P (), es decr: R( ) P ( ) Q ( )

15 Puesto que P () y Q () so ambos de grado, a lo sumo, el grado de R () debe ser meor o gual que, por costruccó ( ). Por otro lado, como P ) Q ( ),, co,,,...,, se deduce que R () se ( aula e putos del plao, es decr, R () es u polomo de grado ( ). Como las afrmacoes ( ) y ( ) so mutuamete cotradctoras, terma la prueba y se cocluye que el polomo de terpolacó de Lagrage es el úco que tee las característcas ates tratadas. Se debe observar que, todo lo ates epuesto, garatza la sguete proposcó: Proposcó 8 (Esteca Y Ucdad Del Polomo De Iterpolacó De Lagrage). S la fucó f es cotua e el tervalo [, ], etoces se puede costrur u úco polomo de terpolacó de Lagrage P () de grado, a lo sumo, tal que: f ( ) P ( ),,,,..., y que: f, [ ] ( ) P ( ),

16 4 4.. Costruccó Aalítca Del étodo De Los Trapecos. Ahora, s se replatea uevamete el problema e estudo (resolver tegrales defdas), utlzado toda la teoría prevamete costruda, se puede efretar la demostracó de la Proposcó desde u puto de vsta aalítco y rguroso. Proposcó (Regla Compuesta De Los Trapecos). Se cosdera ua fucó y f (), así como las rectas,...,. Se supoe que la dstaca etre cada ua de las parejas de valores de la abscsa, es costate y se deota como (,,,..., ). Etoces: f ( ) d y + y + y Dode se deota a la ordeada de la fucó f e la abscsa como y f ) para,,,...,. ( Demostracó. Las propedades báscas de la tegral defda permte afrmar que: f ( ) d f ( ) d + f ( ) d + + f ( ) d dode, [, ],,,,...,. Para cada subtervalo [ ] co,,,...,, se costruye el polomo de, + terpolacó de Lagrage respectvo. Su ecuacó está dada por:

17 5 ( + ) ( ) ( ) ( ) P ) f ( ) + f ( ), (7) ( dode,,,...,. La ecuacó (7) puede ser replateada, al factorzarla adecuadamete, como: P f ( ) f ( ) f ( ) f ( ) ( ) + (8) + + Para obteer ua dea de lo que represeta la ecuacó (8), se debe observar que smbolza la formulacó aalítca de ua líea recta, e la forma pedeteordeada e el orge, plateada e base a los valores coocdos de la fucó e los etremos del tervalo [ ] co,,,...,., + Luego, al tegrar a ( ) P e el tervalo [ ] se obtee:, + + ( )[ f ( ) + f ( )] [ f ( ) f ( )] + + P ( ) d + + ya que por hpótess, es coocdo que, co,,...,. Ahora, el Teorema de apromacó de Weerstrass (Proposcó ) garatza que, e el tervalo [ ], P ( ) represeta ua buea apromacó de la, + fucó f, de modo que se puede afrmar que: + + ( ) d P f ( ) d (9) De este modo, al reemplazar cada ua de las tegracoes de f () por su respectva apromacó, a través de la tegracó de P ( ) e cada uo de los subtervalos, se obtee:

18 6 f ( ) d ( y + y ) + ( y + y ) + + ( y + y ) ( y + y + y + + y + y + y ) y + y + y recordado que y f ) co,,,...,, lo que completa la prueba de la proposcó. ( 5. El Error Por Trucameto E El étodo De Los Trapecos. Aú está presete la cógta de qué ta precsa es la apromacó realzada por el método de los trapecos, frete a la que se obtedría s se pudera realzar la tegracó aplcado los coceptos de atdervada. A cotuacó, se preseta resultados que so coocdos y que despeja esta cógta. Se ombrará como ERROR POR TRUNCAIENTO, a la dfereca que este etre u valor, que se cosdera precso y eacto, y otro valor, que aproma al valor precso y eacto. Segú este plateameto, se tee que determar, e prmer térmo, cual es el grado de apromacó que garatza el polomo de terpolacó de Lagrage, es decr, cuatfcar ua fucó Ε () de modo que: f, [ ] ( ) P ( ) + Ε( ), e cosecueca:

19 7 Ε ( ) f ( ) P ( ) A cotuacó se euca, s demostracó, u proposcó dode se defe el valor de Ε () que satsface la últma gualdad. Proposcó 9. S la fucó f es cotua e orde ( +) cada [, ], este u úco λ (, ), tal que: e el tervalo [, ], etoces, para f ( ) P ( ) + E( ) dode P () es el polomo de terpolacó de Lagrage de grado, de la fucó f e [, ], y E () se defe como: E( ) f ( + ) ( λ)! ( + ) ( ) (0) co ( +) f deotado a la dervada de orde + de la fucó f. Es decr, la Proposcó 9 garatza que este ua fucó polomal, que acota el error que se comete al terpolar a ua fucó cualquera utlzado polomos de terpolacó de Lagrage. Los teresados e ua demostracó rgurosa de la Proposcó 9 puede ubcarla e NAKAURA, Shochro. étodos umércos aplcados co software, [6, 57].

20 8 Ahora se Cosdera como acotar a E ( ) d detro de uo de los subtervalos de [, ], por ejemplo [, ],,,,. realzar dcha acotacó. La sguete proposcó permte Proposcó 0. S la fucó f es cotua de orde e el tervalo [, ], etoces: ( ) + + E( ) d + ( f ( ) P ( )) d dode: ( ) { f ( ),: }. ma + Demostracó. Para el caso partcular e estudo, se debe recordar que P () represeta a ua fucó leal (ecuacó (7)), de modo que la ecuacó (0) se puede reducr a: ( ) f ( λ) E( ) + ( )( ) f ( ) P ( ) () dode [ ]., + Ahora, se debe garatzar la esteca de [ ] λ para que la ecuacó (), + tega setdo. Así, se represetará al mámo y mímo locales de f ( ) e [ ], como, respectvamete. Puesto que f es cotua de orde, + m

21 9 e el tervalo [, ], el teorema del valor termedo permte afrmar que [ ] λ tal que:, + m ( ) f ( λ ) () S se aplca la desgualdad () e la ecuacó (), de modo que se calcule ua acotacó, se obtee que: E f ( ) ( λ) ( ) + + ( )( ) ( )( ) () Al tegrar la desgualdad (), membro a membro, e el tervalo [ ], se obtee que:, + + E( ) d ( )( ) + d + + E ) d ( )( + ) d ( (4) pues o depede de e todo el tervalo [, ], y como: + ( )( ) ( ) + + d (5) al reemplazar la ecuacó (5) e la desgualdad (), y aplcar las reglas comues del álgebra, se logra:

22 0 + E( ) d ( ) + ahora, se debe recordar que: ( ) ( + ) + falmete, se realza la mayoracó: ( ) + + E( ) d + ( f ( ) P ( )) d dode: ( ) { f ( ),: }. ma + Corolaro. S la fucó f es cotua e orde ( ) cometdo al apromar a ser mayor que: e el tervalo [, ], etoces, el error f ( ) d utlzado el método de los trapecos, o puede E( ) d < ( ) ( ) dode: ( ) { f ( ),: }. ma

23 Demostracó. La aplcacó sucesva de la Proposcó 0, a lo largo de todo el tervalo [, ], coduce a la desgualdad: ( ) + E( ) d E( ) d + + E( ) d (6) Además, al recordar que la dstaca etre cada uo de los valores de la abscsa es costate, y se tee subtervalos e [, ], de modo que: + ( + ) (7) luego, reemplazado la ecuacó (7) e la ecuacó (6), se obtee: E( ) d ( ) ( ) Ahora, como Ν > 0, luego se puede afrmar, s pérdda de geeraldad, que: E( ) d ( ) ( ) ( ) ( ) Por otro lado, sea ma{,,, }, como,,,,. Al mayorar a todas las por, se obtee la epresó:

24 E( ) d ( ) ( ) ( ) ( ) < luego, al realzar las operacoes dcadas e la sumatora, se logra falmete que: E( ) d < ( ) ( ) (8) lo que culma la prueba. Corolaro. S la seguda dervada de la fucó f es ula, [, ], etoces el resultado obtedo a través de la aplcacó del método de los trapecos, e dcho tervalo, será eacto. Demostracó. Basta co observar que al costrur la cota del error e el Corolaro, se asume, mplíctamete, que 0, es decr, se trabaja co base de que la seguda dervada de la fucó f e el tervalo [, ], o se hace cero, pues s se aulara e dcho tervalo, la desgualdad (8) sería acotada por u valor ulo. 6. Dos Ejemplos Elemetales Del étodo De Los Trapecos. Para lustrar la forma e que se debe aplcar el método de los trapecos, presetamos, a cotuacó, dos ejemplos elemetales.

25 Apromar a ( ) + d utlzado 5 subtervalos y estme ua cota del error cometdo e la tegracó del prmer subtervalo (trabaje s cfras decmales). 5 0 Se tee que 5 Por otro lado, los cálculos de los valores de las ordeadas se resume e el sguete cuadro: k f()+ kf() Suma 60 Falmete, el valor de la tegral será: I ()(60) 0. Por otro lado, fáclmete se puede comprobar que la seguda dervada de la fucó a tegrar se aula e todo el tervalo de tegracó, por lo que el valor ates obtedo para la tegral, es eacto.

26 4 Apromar a d utlzado 5 subtervalos y estme ua cota del error cometdo e la tegracó del prmer subtervalo (trabaje co 5 cfras decmales). Teemos que Por otro lado, los cálculos de los valores de las ordeadas los teemos resumdos e el sguete cuadro: k f()/ kf() Suma Falmete, el valor de la tegral será: I (0.)(6.9565)

27 5 Por otro lado, fáclmete se puede comprobar que la seguda dervada de la fucó a tegrar o se aula e todo el tervalo de tegracó, puesto que: d 0, d 0 0, [,]. por lo que el valor ates obtedo para la tegral, o es eacto. Para cuatfcar el error cometdo e la apromacó, se aplca la ecuacó (8). Se debe observar que el valor mámo de la seguda dervada del tegrado, se preseta cuado la varable asume el valor. Luego, se puede afrmar que: Por otro lado, es obvo que, 5, de modo que uestra cota del error cometdo será: ( ) ( ) ( ) ( 5 ) E( ) d < % es decr, el porcetaje de error cometdo o es mayor que u.%, al comparar el valor obtedo al aplcar el método de los trapecos, frete al que se obtedría s realzamos la tegracó utlzado métodos eactos.

28 6 7. Otras Fórmulas De Itegracó Apromada. Se puede repetr la costruccó de polomos de terpolacó de Lagrage, aplcado fórmulas de terpolacó de mayor grado, de modo que se obtee fórmulas de tegracó apromada, más precsas que las obtedas hasta el mometo. Esta afrmacó se basa e lo establecdo por el teorema de Weerstrass (Proposcó ). Al ser realzado este proceso, e geeral, se obtee las FÓRULAS DE NEWTON-COTES. Las Fórmulas de Newto-Cotes tee la forma geeral: f ( ) d C c y Detro de ellas, el método de los trapecos es u caso partcular, pues s, C, c c, obteemos a la fórmula de los trapecos para el tervalo [ ]., Otro método de tegracó umérca, muy coocdo, que se derva como otro caso partcular de las Fórmulas de Newto-Cotes es la Regla de Smpso de, cuya formulacó está dada por: f ( ) d y + 4 y + y + + y (9)

29 7 Dode y f ) co,,,...,. El método, tal como aparece plateado e la ( ecuacó (9), requere que el úmero de valores coocdos y f ) sea mpar, es decr; k +, k Ν. ( La regla de Smpso tee su orge al realzar la apromacó de la fucó f e el tervalo [, ], utlzado u polomo de terpolacó de Lagrage de segudo grado. Su setdo geométrco cosste e apromar la fucó utlzado ua parábola, e vez de la líea recta que utlza el método de los trapecos. Se puede obteer mayores detalles acerca de éste método e la bblografía que acompaña a este documeto. 8. Observacoes Fales. Co base a lo que se ha tratado e esta eposcó, o se debe pesar que la tegracó apromada es u tema completamete resuelto. E efecto, el cotrol de los dsttos tpos de error que se volucra e los procesos de cálculo, prcpalmete a realzar la apromacó práctca de la tegral, preseta problemas que aú o ha sdo resueltos a satsfaccó. Así, a maera de estímulo para la vestgacó e el tema, se puede señalar alguas de estas stuacoes problema, así como alguas referecas bblográfcas dode se puede profudzar e dchos tópcos. Hasta este mometo, sólo se trató el caso del error por trucameto e la apromacó trapezodal, asumedo que todos los cálculos volucrados e el proceso so eactos y precsos (es decr, se cueta co ua catdad fta de

30 8 cfras decmales e cada uo de los úmeros volucrados e las operacoes artmétcas). S embargo, este otros tpos de errores mersos e el proceso de apromacó de la tegral, que depede de la catdad de cfras sgfcatvas que se mapula, y cotrbuye a que la respuesta obteda por el método, varíe más de lo que se podía esperar. Por otro lado, la reduccó descotrolada de la logtud de los subtervalos, y e cosecueca el aumeto de la catdad de subtervalos, e combacó co la cosderacó de los errores por redodeo acumulado e los cálculos, coduce a otro problema: la pérdda de covergeca a la solucó buscada. Es decr, elevar la catdad de subtervalos de maera arbtrara, o coduce, e la práctca, a u aumeto e la precsó de los cálculos. ás allá de certas proporcoes, dcho cremeto hace que el error por trucameto sea reemplazado por errores por redodeo, de mayor tesdad que los reemplazados. Ua dscusó ampla acerca de estos temas se ecuetra e CCRAKEN, Dael D., y DORN, Wllam S. étodos umércos y programacó FORTRAN, [5, 8]. Todo lo ates señalado dca que la tegracó umérca es u tema dode se puede realzar descubrmetos y avaces del coocmeto e las Cecas Eactas.

31 9 9. Referecas Bblográfcas. ALLEN SITH, W. Aálss Numérco. Traducdo por Fracsco Javer Sáchez Berabe. Prmera edcó. éco, D.F., éco: Pretce-Hall, págas.. BARTLE, Robert G. Itroduccó al aálss matemátco. Traducdo por aría Crsta Gutérrez Gozález. Prmera edcó. Prmera edcó. éco, D.F., éco: Norega Lmusa, págas.. BURDEN, Rchard L., y FAIRES, J. Douglas. Aálss umérco. Traducdo por Smó ochó C. Prmera Edcó. éco D.F., éco: C.E.C.S.A., págas. 4. CHAPRA, Steve, y CANALE, Raymod P. étodos umércos para geeros co aplcacoes e computadoras persoales. Traducdo por Carlos Zapata S. Prmera edcó. éco D.F., éco: cgraw-hll, págas. 5. CONTE, S. D., y DE BOOR, Carl. Aálss umérco. Traducdo por Herado Alfoso Castllo. Seguda Edcó. éco D.F., éco: cgraw-hll, págas. 6. GERALD, Curts. Aálss umérco. Traducdo por Jame Lus Valls Cabrera. Prmera Edcó. éco D.F., éco: Represetacoes y Servcos de Igeería, págas.

32 0 7. JAES, erl L, SITH, Gerald., y WOLFORD, James C. étodos umércos aplcados a la computacó dgtal co FORTRAN. Traducdo por José A. Neto Ramírez. Prmera edcó. éco, D.F., éco: Represetacoes y Servcos de Igeería, págas. 8. HAASER, Norma B., LASALLE, Joseph P., y SULLIVAN, Joseph A. Aálss matemátco : Curso de troduccó. Traducdo por Federco Velasco Coba. Prmera edcó. éco, D.F., éco: Trllas, págas. 9. HENRICE, Peter. Elemetos de aálss umérco. Traducdo por Federco Velasco Coba. Prmera edcó. éco, D.F., éco: Trllas, págas. 0. KAPLAN, Wlfred. Cálculo avazado. Traducdo por guel Lara Aparco. Prmera Edcó. éco D.F., éco: C.E.C.S.A., págas.. KITCHEN, JR., Joseph W. Cálculo. Traducdo por Lorezo Abellaas Rapú. Prmera Edcó. éco D.F., éco: cgraw-hll, págas.. LANG, Serge. Álgebra leal. Traducdo por guel Lara Aparco. Prmera Edcó, éco, D. F. éco: págas.. LEITHOLD, Lous. El cálculo co geometría aalítca. Traducdo por Atoo Eroles Gómez. Seta Edcó. éco D.F., éco: Harla, págas.

33 4. LUTHE, Rodolfo, OLIVERA, Atoo, y SCHUTZ, Ferado. étodos umércos. Prmera edcó. éco, D.F., éco: Lmusa, págas. 5. CCRAKEN, Dael D., y DORN, Wllam S. étodos umércos y programacó FORTRAN. Traducdo por José A. Neto Ramírez. Prmera edcó. éco, D.F., éco: Lmusa, págas. 6. NAKAURA, Shochro. étodos umércos aplcados co software. Traducdo por Oscar Alberto Palmas Velasco. Prmera Edcó. éco D.F., éco: Pretce-Hall, págas. 7. NIKOLSKI, S. Fórmulas de cuadratura. Traducdo por K. P. edkov. Prmera Edcó. oscú, U.R.S.S.: r, págas. 8. RALSTON, Athoy. Itroduccó al aálss umérco. Traducdo por Carlos E. Cervates de Gortar. Prmera edcó. éco, D.F., éco: Lmusa, págas. 9. SCHEID, Fracs. Aálss umérco. Traducdo por Herado Aloso Castllo. Prmera Edcó. éco D.F., éco: cgraw-hll, págas. 0. SCHEID, Fracs, y D Costazo, Rosa Elea. étodos umércos. Traducdo por Gabrel Nagore Cázares. Seguda Edcó. éco D.F., éco: cgraw-hll, págas.. STIEFEL, Eduard. Itroduccó a la matemátca umérca. Traducdo por guel Jeréz Jua. Tercera Edcó. Barceloa, España: Labor, págas.

34 . SWOKOWSKI, Earl W. Cálculo co Geometría Aalítca. Traducdo por José L. Abreu y artha Olvero. Seguda Edcó. éco D.F., éco: Grupo edtoral Iberoamérca, págas.

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

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

( ) ( ) ( )( ) ( )( ) ( ) Oetvos El alumo coocerá aplcará y comparará alguos métodos de terpolacó umérca de ucoes. Al al de esta práctca el alumo podrá:. Oteer ua ucó que cotega u couto dado de putos e u plao utlzado los métodos

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

SISTEMAS DE ECUACIONES NO LINEALES SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

Interpolación polinómica.

Interpolación polinómica. 5 Iterpolacó polómca Itroduccó E muchas ocasoes e dferetes ramas de la geería, a la hora de resolver u problema, los datos de que se dspoe se ecuetra e tablas, como por ejemplo tablas estadístcas E la

Más detalles

Transparencias de clase

Transparencias de clase Trasparecas de clase Dada ua tabla de datos se ha de ecotrar ua ucó que tome los valores requerdos e los putos dados; e el caso que os ocupa la ucó buscada será de carácter polómco Teorema: El polomo de

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Problemas discretos con valores iniciales

Problemas discretos con valores iniciales Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

CAPITULO II. Derivación e integración numérica

CAPITULO II. Derivación e integración numérica Mecáca Computacoal II CAPITULO II Dervacó e tegracó umérca Uversdad Smó Bolívar Capítulo II Dervacó e tegracó umérca Itroduccó Dervacó umérca Itegracó umérca Reerecas Itroduccó E mucas ocasoes se dspoe

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA NÚMEROS COMPLEJOS E INDUCCIÓN MATEMATICA 55 CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA 4. INTRODUCCIÓN Los úmeros Complejos costtuye el mímo cojuto C, e el que se puede resolver la ecuacó x a

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices Tema V DIAGONALIZACIÓN POR TRANSFORMACIONES DE SEMEJANZA Objetvos Presetar los coceptos de autovalor y autovector, los cuales tee gra mportaca e las aplcacoes práctcas (tato es así, que podría decrse que

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

ANTES DE COMENZAR RECUERDA

ANTES DE COMENZAR RECUERDA ANTES DE COMENZAR RECUERDA 00 Po tres ejemplos de úmeros reales que o sea racoales, y otros tres ejemplos de úmeros reales que o sea rracoales. Respuesta aberta. Tres úmeros reales que o sea racoales:,

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Escrito. 1) Transforma a las bases indicadas:

Escrito. 1) Transforma a las bases indicadas: Escrto ) Trasforma a las bases dcadas: a. 765 base (0) b. AB base 7 0 (6) base ) Halla los dígtos a y b sabedo que: aam 6 ( 5 ) mam( 6 ) 3) Trasforma a la base dcada usado ua tabla de correspodeca.. 00

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Universidad de Cantabria

Universidad de Cantabria Smulacó dámca Pedro Corcuera Dpto. Matemátca Aplcada Cecas de la Computacó Uversdad de Catabra corcuerp@uca.es Ídce Geeral Smulacó de cotrol PID Smulacó de cotrol de vel Ajuste de cotroladores PID Smulacó

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

Métodos Numéricos TEMA 8: DERIVACION E INTEGRACION Numérica

Métodos Numéricos TEMA 8: DERIVACION E INTEGRACION Numérica Métodos Numércos TEMA 8: DERIVACION E INTEGRACION Numérca DIFERENCIACIÓN NUMÉRICA Polomo de terpolacó es aplcable para la resolucó de problemas de derecacó, e geeral y el cálculo de dervadas, e partcular.

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

Derivación e integración numérica

Derivación e integración numérica Métodos Numércos/Aálss Numérco/ Cálculo umérco Dervacó e tegracó umérca Bblograía: Métodos Numércos G. Pacce Edtoral EUDENE -997. Aalss Numerco Burde ad Fares- Edtoral Sudamercaa 996. Métodos Numércos

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

TEORIA DE ERRORES. Fuentes De error. Error Final

TEORIA DE ERRORES. Fuentes De error. Error Final TEORIA DE ERRORES Fuetes De error Errores heretes: (EI) So los errores que afecta a los datos del prolema umérco puede teer dsttos orígees. Por ejemplo puede ser el resultado de la certdumre e cualquer

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN 0.3. Cojutos abertos y cerrados.3 TOPOLOGÍA BÁSICA EN R El espaco eucldeao dmesoal se defe como: E ( R,,, d ) Dode (asumedo que X, Y R, co X = (x,..., x ), Y = (y,..., y )): El símbolo represeta el producto

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Ejercicios de programación. cos A=

Ejercicios de programación. cos A= Ejerccos de programacó Para cada ejercco se pde: - escrbr el algortmo e pseudocódgo - escrbr el programa correspodete e leguaje C - adjutar el resultado obtedo de la ejecucó del programa, co datos propuestos

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

Problemas de Polímeros. Química Física III

Problemas de Polímeros. Química Física III Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9

Más detalles

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web:

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web: Itroduccó al Algebra Leal e Cotexto Autor José Arturo Barreto M.A. Web: www.abaco.com.e www.mprofe.com.e josearturobarreto@yahoo.com Descomposcó e Valor Sgular (SVD: Sgular Value Decomposto) El sguete

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Métodos Numéricos para Ingenieros Químicos

Métodos Numéricos para Ingenieros Químicos CONTENIDO Métodos Numércos para Ieeros Químcos Itroduccó Formas de resolucó de ecuacoes trascedetes Método ráco Tema Ecuacoes Trascedetes () Métodos cerrados Bseccó Iterpolacó Secate Clase 3 - Láma Ecuacoes

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

(Véase el Ejercicio 13 Beneficio de los bancos )

(Véase el Ejercicio 13 Beneficio de los bancos ) étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles