Weibull_fit.xla: Programa para el Ajuste Óptimo de la Función de Densidad de Probabilidad Weibull de Tres Parámetros

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

Download "Weibull_fit.xla: Programa para el Ajuste Óptimo de la Función de Densidad de Probabilidad Weibull de Tres Parámetros"

Transcripción

1 Iformaó Teológa Webull_ft.xla: Vol. (), 9-99 Programa (00) para el Auste Óptmo de la Fuó de Desdad do:0.6/f.teol.434t.08 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad de Probabldad Webull de Tres Parámetros Osar S. y Darío M. Aedo Uversdad de Tala, Faultad de Ceas Forestales, Departameto de Produó Forestal, Norte 685, Tala-Chle (e-mal ovalleo@utala.l) Resume E este trabao se da a ooer el programa de domo públo deomado Webull_ft.xla que ampló la propuesta orgal de los autores. La ueva propuesta osdera omo fuó obetvo, además de la prueba de Kolmogorov-Smrov, las restates pruebas de bodad de auste y el íde de error. Se troduo esta modfaó por la orporaó del íde de error que trabaa o lases damétras y porque matemátamete es posble obteer resultados egatvos del parámetro de loalzaó. Como eemplo se modelaro los dámetros de árboles de ua parela de Pus radata (D. Do) o el método de los mometos, osderado ada dador de error. Se oluye que el programa Webull_ft.xla es ua herrameta omputaoal que permte estmar los parámetros de las fuó Webull 3P que mmza los estadígrafos de las pruebas de bodad de auste o del íde de error. Palabras lave: Webull_ft.xla, auste óptmo, fuó desdad, Webull 3P, dámetro de árboles Webull_ft.xla: Software for Optmum Adustmet of the Probablty Desty Futo Webull 3P Abstrat The probablty desty futo Webull 3P s broadly used the lterature to represet otuous data. Most of the software that adusts ths dstrbuto utlzes a spef parameter estmato method that alulates values for oly two parameters, assumg the value for the thrd oe. O the other had, the geerated publ doma program alulates the three parameters that mmze the hose error dator (sx total) for the seleted parameter estmato method (four total). The potetal error dators to be used are assoated wth the statst sores of fve goodess-of-ft ad the dex of error. As a example the tree dameters data of a Pus radata (D. Do) plot was modeled by the momet method, osderg eah of the error dators. I eah adustmet was verfed that the mmum error was reahed for the alulated parameters. Keywords: Webull_ft.xla, optmum fttg, desty futo, Webull 3P, tree dameter Iformaó Teológa Vol. - Nº

2 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad INTRODUCCIÓN La fuó de desdad de probabldad (fdp) Webull () fue propuesta almete por Fsher y Tppet e el año 98. Esta fuó adoptó el apelldo del físo sueo Walodd Webull, que la dfudó a partr del año 939 e estudos de resstea de materales (Johso et al., 994), sedo amplamete usada e dsttas áreas del oometo para modelar datos otuos. Su ampla utlzaó rada e la represetaó de dversas formas, de este modo s el parámetro de forma es meor que uo la forma será dereete, s es uo la forma será expoeal, s es dos la forma será Raylegh, s es tres oma ses la forma será ormal y s es mayor que tres oma ses la forma será ormal pero o asmetría egatva (Nord-Larse y Cao, 006). Además posee tegral defda () permtedo el álulo ofable de probabldades (Borders et al., 987). Falmete, Lu et al. (004) y Mehtätalo (004) resalta la relatva faldad para estmar sus parámetros. x a f(x) = * b b x a * exp b () x a F(x) = exp () b Dode a, b y so los parámetros de loalzaó, esala y forma respetvamete y x es ua varable otua. E el setor forestal los preursores de la utlzaó de esta fdp fuero Baley y Dell e el año 973. Su uso e este setor se ha oetrado e modelar la estrutura de los rodales, pudedo ooer la freuea relatva y aumulada de los dversos tamaños de los árboles (Proda et al., 997). El tamaño de los árboles, es der la varable x otua de la fuó, orrespode mayortaramete al dámetro a la altura del peho (DAP) de los árboles meddos e ada udad muestral. Dversos autores ha omprobado que la fdp Webull araterza de maera ofable los rodales osderados e sus vestgaoes (Jag y Brooks, 009; Bredebah et al., 008; Castedo- Dorado et al., 007; Palah et al., 007;, 003) S be es erto que ooer los parámetros de la fdp e u mometo dado es mportate, aú más relevate es poder proyetar el tamaño de los árboles e el tempo (Proda et al., 997). Ua de las téas usadas es el método de predó de parámetros, el ual osste e relaoar los parámetros de la fdp o varables que araterza el rodal. Dversos autores ha utlzado este método o la fdp Webull araterzado de maera ofable los rodales osderados e sus vestgaoes (Nord-Larse y Cao, 006 y Palah et al., 006) Para estmar los parámetros de esta fdp se ha desrto dversos métodos de estmaó, alguos de ellos tee larga data de publaó, ya que so proedmetos matemátos valdados hae muho tempo. Se puede meoar etre otros (Tabla ): el método híbrdo desrto por Cao (004), el método de máxma verosmltud desrto por Johso et al. (994), el método de los mometos desrto por Cao (004) y el método de los peretles desrto por Solforo (998). E los métodos de estmaó de la Tabla es eesaro asumr u valor para el parámetro de loalzaó. Este parámetro ha sdo osderado omo u poretae del DAP mímo; freuetemete se ha utlzado el valor 0.50 (Frazer, 98, tado por Cao, 004; Hawks et al., 988 y Lu et al., 004). Otros poretaes empleados ha sdo: 0.00, 0.33, 0.66 y.00 (Lu et al., 004). Nepal y Somers (99) asume que el parámetro de loalzaó es el límte feror de la prmera lase damétra. Falmete se ha propuesto que este parámetro se obtega restado ua ostate al DAP mímo, uyos valores ha sdo: 0.5;.0,.5 y.0 m (Zhag et al., 003). 9 Iformaó Teológa Vol. - Nº - 00

3 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Tabla : Métodos de estmaó de parámetros de la fdp Webull 3P Método y autor Híbrdo (Cao, 004) Máxma verosmltud (Johso et al. 994) Mometos (Cao, 004) Peretles Solforo (998) Expresó x93 a b = ( l( 0, 93)) a x q /C b = b' ; b' / (x93 a)*γ + *a* ( l( 0, 93)) = (x a) (x a) * l(x a) = (x a) ( )* b = x q = ( x a) Γ = * (x a) b *a*x b + a *Γ b = exp xx xx *y ( y * xx xx * = 0 ) xx / (x93 a) *Γ + ( l( 0, 93)) (x a) (x a) y / = 0 Dode x es la varable otua e estudo, es la atdad total de observaoes, x es la observaó -ésma de la varable x, x q es la meda uadráta de la varable x, x es la meda artméta de la varable x, Γ es la fuó gamma de Γ ( + /), x 93 es el valor de la varable x al peretl 93, xx es l(-l(- / 0)) e y es l(x ), sedo = 0, 0,., 80, 90 peretles. (003), defó u método uméro que estma luso el parámetro de loalzaó, evtado el uso de u supuesto que lmtaba las apadades de auste de la fuó. et al. (004) da que medate u proeso teratvo de búsqueda bara usado el algortmo Newto- Raphso, se alula los tres parámetros (4), depededo del método de estmaó seleoado (Tabla ), que mmza el estadísto D de la prueba de bodad de auste de Kolmogorov-Smrov (3). També, Che (006) utlzó este algortmo para el auste de la fdp Logormal de tres parámetros. Iformaó Teológa Vol. - Nº

4 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad - Fuó obetvo: Mmzar D = máx. máx. F(DAP ) ;máx. F(DAP ) (3) Sueto a: 0 a DAP mímo (4) b > 0 > 0 Dode varía etre a (otador desde el meor al mayor valor del DAP) y F DAP ) defdo e la euaó. ( que ya fue La presete publaó da a ooer el programa de domo públo deomado Webull_ft.xla que ampló la propuesta orgal de (003) y et al. (004), ya que osdera omo fuó obetvo (Tabla ), además de la prueba de Kolmogorov-Smrov las restates pruebas de bodad de auste (Aderso-Darlg, Kuper, Cramer-Vo Mses y Watso) y el íde de error (Reyolds et al. 988). Además se modfó la restró asoada al parámetro de loalzaó, ya que este podrá ser meor o gual que el límte feror de la prmera lase damétra. Se troduo esta modfaó por la orporaó del íde de error que trabaa o lases damétras y porque matemátamete es posble obteer resultados egatvos del parámetro de loalzaó. Tabla : Desrpó de la fuó obetvo Fuó obetvo Pruebas de Kolmogorovbodad de Smrov auste Íde de error Dode (DAP) Aderso-Darlg Kuper Cramer-Vo Mses Expresó D = máx. máx. A = V = máx. W - F( DAP ) ;máx. F( DAP ) (* ) * l( F( DAP )) + ( * + *) * l( F( DAP )) F( DAP ) + máx. F( DAP ) * = F( DAP ) + * Watso U = W * ( F( DAP) 0,5) IE = k = ˆ F es el promedo de los F ( DAP ), y * - ˆ so el úmero de elemetos meddos y estmados respetvamete e la lase y k es el total de lases (omo la formaó otua puede ser muy extesa, la varable DAP se dsretza geerado lases damétras de ampltud predefda) MÉTODOLOGIA Webull_ft.xla fue programado e Mrosoft Vsual Bas 6.3, que ua vez stalado se preseta omo u meú desplegable e Mrosoft Exel (Fgura ). El programa puede soltarse gratutamete lleado el formularo de otato dspoble e: E la Fgura se preseta la seuea de programaó de Webull_ft.xla, que etra e eeuó al seleoar el módulo Calulo (Fgura ). 94 Iformaó Teológa Vol. - Nº - 00

5 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Fg. : Meú desplegable del programa Webull_ft.xla Fg. : Dagrama de fluo de la programaó de Webull_ft.xla E prmer lugar se debe dar la ubaó de la muestra aleatora de datos e estudo. E segudo lugar se formula el problema, para esto se seleoa ua fuó obetvo, espefado qué prueba Iformaó Teológa Vol. - Nº

6 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad de bodad de auste o íde de error se utlzará (Tabla ) y se defe las restroes asoadas al método esogdo para la estmaó de parámetros (Tabla ). E terer lugar, el programa teratúa o Solver.xla que lleva a abo la mmzaó medate el algortmo de Newto Raphso. Ua vez que se logra u mímo de la fuó obetvo, se preseta los resultados e forma tabular y se desplega u formularo que preseta las opoes del usuaro (Fgura 3). Es posble observar o mprmr la formaó tabular o gráfa, modfar la formulaó del problema, ambado la fuó obetvo o las restroes, proesar otra parela o be salr del programa. Fg. 3: Opoes posterores a la mmzaó. Como eemplo se hzo la mmzaó de todas las pruebas de bodad de auste y del íde de error osderado el método de los mometos para estmar los parámetros. Los datos provee de la parela desrta e la pága 98 de Proda et al. (997) que orrespode a ua parela de Pus radata (D. Do) de 400 m o 4 árboles de 0 años de edad. RESULTADOS Y DISCUSION Se debe dar la ubaó de los datos de la parela (Fgura 4). Estos debe estar dspuestos e ua oluma. Fg. 4: Defó de los datos de la parela. Para formular el problema se debe esoger la fuó obetvo y las restroes (Fgura 5). Cuado la fuó obetvo orrespode a la mmzaó del íde de error, además se soltará la ampltud de las lases damétras, dode se puede esoger desde a 0 m. De gual modo, sí el método de los peretles es esogdo, se tedrá que dar el valor de éstos, pudedo esoger etre y 00. Los trabaos de Dubey (967) y Baley y Dell (973) osderaro dos peretles. Solforo (998) aumetó a ueve el máxmo de peretles posbles de ser defdos pero, Webull_ft.xla permte ua ompleta lbertad e la defó de ellos. Los resultados se preseta e forma tabular (Fgura 6), dode se da la fuó obetvo, las restroes (métodos de estmaó de parámetros), los parámetros de la fdp Webull 3P, los estadígrafos de ada prueba de bodad de auste y el valor poretual del íde de error, el ual se obtee al dvdr el íde de error (Tabla ) por la atdad de elemetos meddos (). Además, se preseta dos resultados dode se asume el parámetro de loalzaó gual a ero o gual a la mtad del dámetro mímo (a = 0 y a = DAP mímo/). Estos valores se luyero ya que so los más reomedados e la lteratura y srve para estableer ua omparaó o los resultados mmzados. 96 Iformaó Teológa Vol. - Nº - 00

7 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Fg. 5: Formulaó del problema. Fg. 6: Resultado tabular del eemplo. Segú la oveea del usuaro es posble obteer el resultado de u auste e partular hasta las 3 posbldades que etrega el programa [4 métodos de estmaó de parámetros * (6 dadores de error ha mmzar) + alteratvas que asume u valor para el parámetro de loalzaó)]. Se observa que las estmaoes de los parámetros s mmzar, geera estadígrafos superores a los obtedos al aplar mmzaó. També se omprueba que el valor mímo de ada estadígrafo se alaza uado dho estadígrafo es osderado omo la fuó obetvo a mmzar. Esto muestra que Webull_ft.xla emplea u modelo optmzate para el auste de los parámetros de la fuó Webull 3P. E la Fgura 7 se preseta el resultado gráfo de los austes. Al eeutar el programa las líeas asoadas a ada auste aparee e olor, de modo que es posble dstgur etre ellas. Se observa que pese a lograr resultados estadístos sgfatvos, probabldad asoada a la prueba Kolmogorov-Smrov varía etre 87.7% y 99.6%, la estmaó del úmero de árboles por lase damétra o logra ua adeuada represetaó, ya que el íde de error poretual flutúa etre u 36.5% y u 58.3%. Las lmtaoes del programa Webull_ft.xla está asoadas a la sroía o el omplemeto Solver.xla de Mrosoft Exel. E la versó 000 y 003 la sroía es perfeta, lo ual o ourre e la versó 00 y 007 dode el programa etrega u error de aplaó y o puede ser eeutado. E futuras versoes del programa se permtrá la exportaó de la tabla de resultados. S u usuaro requere desarrollar u método de predó de parámetros, o la faldad de proyetar el tamaño de los árboles e el tempo, eotrará e Webull_ft.xla ua herrameta para la obteó de los parámetros. La relaó etre los parámetros y las varables que araterza u rodal tedrá que desarrollarse o ualquer programa estadísto omeral. Iformaó Teológa Vol. - Nº

8 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Fg. 7: Resultados gráfo del eemplo. CONCLUSIONES El programa Webull_ft.xla es ua herrameta omputaoal que permte estmar los parámetros de las fuó Webull 3P que mmza los estadígrafos de las pruebas de bodad de auste o del íde de error. El programa preseta e ua sola tabla todos los resultados obtedos, de modo que es posble estableer omparaoes etre los métodos de auste (restroes), o etre las pruebas de bodad de auste e íde de error (fuoes obetvos alteratvas). REFERENCIAS Baley, R. y T. Dell; Quatfyg dameter dstrbutos wth the Webull futo, Forest See: 9(); (973). Borders B. y otros tres autores; Peretle-based dstrbutos haraterze forest stad tables, Forest See: 33(); (987). Bredebah, J., C. Glaser y M. Shmdt; Estmato of dameter dstrbutos by meas of arbore laser saer data, Caada Joural Of Forest Researh, 38(6); 6 60 (008). Cao Q.; Predtg parameters of a Webull futo for modelg dameter dstrbuto, Forest See: 50(5); (004). Castedo-Dorado, F., U. Deguez-Arada y JG Alvarez-Gozalez; A growth model for Pus radata D. Do stads orth-wester Spa, Aals of Forest See: 64(4); (007). Che C.; Test of ft the three-parameter logormal dstrbuto, Computatoal Statsts & Data Aalyss: 50; (006). Dubey S.; Some peretle estmators for Webull parameters, Tehometrs: 9; 9-9 (967). Hawks, K. y otros tres autores; Usg the Webull dstrbuto to model harvestg mahe produtvty, Forest Produts Joural: 38(4); (988). 98 Iformaó Teológa Vol. - Nº - 00

9 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Jag, L. y J. Brooks; Predtg Dameter Dstrbutos for Youg Logleaf Pe Platatos Southwest Georga, Souther Joural of Appled Forestry: 33(); 5 8 (009). Johso, N., S. Kotz y N. Balakrsa; Webull dstrbutos, Cotuous uvarate dstrbutos, Seod Edto, Joh Wley & Sos, I., volume, pp 68 7, New York, USA (994). Lu, Ch. y otros uatro autores; Evaluato of three methods for predtg dameter dstrbutos of blak sprue (Pea maraa) platatos etral, Caada Joural of Forest Researh: 34; (004). Mehtätalo L.; A algorthm for esurg ompatblty betwee estmates peretles of dameter dstrbuto ad measured stad varables, Forest See: 50(); 0 3 (004). Nepal, S. y G. Somers; A geeralzed approah to stad table proeto, Forest See: 38(); 0 33 (99). Nord-Larse, T. y Q. Cao; A dameter dstrbuto model for eve-aged beeh Demark, Forest Eology ad Maagemet: 3(-3); 8 5 (006) Palah, M., T. Pukkala y A. Trasobares; Modellg the dameter dstrbuto of Pus sylvestrs, Pus gra ad Pus halepess forest stads Cataloa usg the truated Webull futo, Forestry: 79(5); (006). Palah, M. y otros tres autores; Comparso of beta, Johso's SB, Webull ad truated Webull futos for modelg the dameter dstrbuto of forest stads Cataloa (orth-east of Spa), Europea Joural of Forest Researh: 6(4); (007). Proda, M. y otros tres autores; Mesura Forestal sere vestgaó y eduaó e desarrollo sosteble, IICA/BMZ/GTZ, pp 98, Sa José, Costa Ra (997). Reyolds, M. Jr., T. Burk y W. Huag; Goodess-of-ft test ad model seleto proedures for dameter dstrbuto models, Forest See: 34(); (988). Solforo J.; Dstrbução Webull, Modelagem do resmeto e da produção de florestas platadas e atvas, Uversdade Federal de Lavras, Fudação de Apoo ao Eso, Pesqusa e Extesão, pp 03-3 (998). O.; Sstema de smulação do resmeto e produção de Populus spp. o Chle (Sstema SALICA), Dotorado e Ceas Forestales, Uversdad Federal de Paraá, Setor de Ceas Agraras, Departameto de Ceas Forestales (003)., O. y otros uatro autores; Proposta metodológa para o auste ótmo da dstrbução damétra Webull 3P, Rev. Floresta, ISSN: (e líea), 34(3); ; Aeso: 5 de Mayo (007). Zhag, L.; K. Pakard y Ch. Lu. A omparso of estmato methods for fttg Webull ad Johso s SB dstrbutos to mxed sprue-fr stads ortheaster North Amera, Caada Joural of Forest Researh: 33; ( 003). Iformaó Teológa Vol. - Nº

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO CAITULO I EQUILIBRIO AOR -LIQUIDO ara evaluar el fuoameto de u sstema de separaó e etapas, es eesaro efetuar álulos de equlbro vapor-líqudo de balae de matera e ada etapa de separaó, utlado para ello ua

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

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

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

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

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

TÍTULO: ESTIMACIÓN DE CAPACIDAD DE CARGA DE PILOTES A TRAVÉS DE ENSAYOS DE CAMPO.

TÍTULO: ESTIMACIÓN DE CAPACIDAD DE CARGA DE PILOTES A TRAVÉS DE ENSAYOS DE CAMPO. TÍTULO: ESTIMACIÓN DE CAPACIDAD DE CARGA DE PILOTES A TRAVÉS DE ENSAYOS DE CAMPO. Dr Eduardo Bera Fotae () Dr Davd de Carvalho (2) Dr Paulo Jose Roha Albuuerue (3) () Departameto de Igeería Cvl. Uversdad

Más detalles

LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO

LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO Emlo Gómez Déz 1, José María Saraba 2 y Fausto Preto 2 Resume E el presete trabao se estuda la dstrbucó Posso-Beta,

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

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Estructuras Algebraicas

Estructuras Algebraicas Uversdad de los des Faultad de Ceas Eoómas y Soales Esuela de Estadísta Estruturas lgebraas Prof. Gudberto José Leó Ragel MÉRID, 2015 1 Profesor Gudberto Leó Teoría Estadísta I Uversdad de Los des - Faultad

Más detalles

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de Problema 1: (3 puntos)

Posible solución del examen de Investigación Operativa de Sistemas de septiembre de Problema 1: (3 puntos) Posble soluó del eame de Ivestgaó Operatva de Sstemas de septembre de 6 Problema : ( putos) U profesor rebe ua práta ada mañaa y la poe e ua pla. Por las tardes, o probabldad / orrge todas las prátas de

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA

PLANTEAMIENTO DE PROBLEMAS DE BALANCE DE MATERIA EN PROCESOS SIN REACCIÓN QUÍMICA PLNTMNTO PROLMS LN MTR N PROSOS SN RÓN QUÍM. teder ual es el objetvo que se persgue e el proeso, la fuó de ada equpo (por lo meos ualtatvamete) y vsualzar los feómeos y trasformaoes que ourre.. detfar

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas ertdumbre e las medoes dretas e dretas Reordado Para la seleó de u strumeto de medó os basamos e la Regla de Oro de la Metrología Luego, 0. T T La toleraa orregda por la ertdumbre del strumeto queda defda

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Aplicando Teorı a de Colas en Direccio n de Operaciones

Aplicando Teorı a de Colas en Direccio n de Operaciones Aplado Teorı a de Colas e Dreo de Operaoes José edro Garía Sabater Grupo ROGLE Departameto de Orgazaó de Empresas Uversdad oltéa de Valea. Curso 25 / 26 arte de estos aputes está basados e la fudametal

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

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

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

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

ÓPTICA FCA 10 ANDALUCÍA

ÓPTICA FCA 10 ANDALUCÍA . a) Explique los eómeos de relexió y reraió de la luz. b) Tiee igual reueia, logitud de oda y eloidad de propagaió la luz iidete, relejada y reratada? Razoe sus respuestas.. U teléoo móil opera o odas

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

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

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

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

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Teoría de Colas. Quién es el último? 1 ROGLE jpgarcia@omp.upv.es

Teoría de Colas. Quién es el último? 1 ROGLE jpgarcia@omp.upv.es Teoría de Colas. Qué es el últmo? jpgara@omp.upv.es 04/05/20 Teoría de Colas Itroduó Desrpó de u problema de olas Caraterístas Notaó Medbles Resultados Geerales Cómo se obtee datos para u sstema de olas

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

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Concepto de circuito eléctrico

Concepto de circuito eléctrico oepto de ruto elétro U ampo eletromagéto se halla ompletamete desrpto uado se ooe los vetores tesdad de ampo elétro E y de ampo magéto H e todos sus putos e fuó del tempo. Esto mpla el empleo de fuoes

Más detalles

NUEVA ENCUESTA NACIONAL DE EMPLEO MANUAL CONCEPTUAL

NUEVA ENCUESTA NACIONAL DE EMPLEO MANUAL CONCEPTUAL NUEVA ENCUESTA NACIONAL DE EMLEO MANUAL CONCETUAL METODOLÓGICO DISEÑO MUESTAL Abrl 00 ÍNDICE CAITULO I : MANUAL CONCETUAL. Itroduó. Clasfaó de la poblaó e edad de trabajar. Coeptos y rteros de medó.....

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

Ampliación de Redes de Telefonía Básica

Ampliación de Redes de Telefonía Básica Amplacó de Redes de Telefoía Básca Carlos D. Almeda Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay cdad@eee.org Nlto R. Amarlla Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay dmatest@copaco.com.py Bejamí

Más detalles

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

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

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

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

UN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA

UN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA Self-Organzng Maps 1. Defnón.. Un poo de hstora. CONTENIDO 3. Desrpón del algortmo. L. Pablo Sergo Garía 4. Ejemplos en ejeuón. 5. Problemas 6. Aplaones. DEFINICIÓN El SOM es un algortmo para vsualzar

Más detalles

10 MUESTREO. n 1 9/ / σ σ 1

10 MUESTREO. n 1 9/ / σ σ 1 10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

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

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

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

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

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

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...

Más detalles

Análisis de Datos en Psicología I. Preguntas de examen. Temas 4 y 5

Análisis de Datos en Psicología I. Preguntas de examen. Temas 4 y 5 Aálss de Datos e Psología I. Pregutas de eame. Temas y p 7 9 0. 0. 0. 0. 9-0. Tabla. Dstrbuó, e proporoes, de las putuaoes de u grupo de 0 sujetos e ua prueba de eaje de formas. 7 9 Tabla. Dstrbuó de freueas

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

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

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

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

TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7

TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7 TEMAS SELECTOS I ECONOMÍA FINANCIERA NOTA 7 Valuaió de u boo e ua feha etre uoes E lo que hemos isto hasta aquí sobre la determiaió del reio de u boo o uó hemos osiderado eriodos omletos, es deir, el úmero

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

Posible solución del examen de Investigación Operativa de Sistemas de junio de 2007

Posible solución del examen de Investigación Operativa de Sistemas de junio de 2007 Posible soluió del exame de Ivestigaió Operativa de Sistemas de juio de 7 Problema : (3 putos) E u laboratorio se aaliza las probabilidades de que u átomo radioativo se ovierta e u átomo de otro tipo,

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

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

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

Solución del examen de Investigación Operativa de Sistemas de junio de 2006

Solución del examen de Investigación Operativa de Sistemas de junio de 2006 Soluó del exame de Ivestgaó Oeratva de Sstemas de juo de 6 Problema : (3 utos) Tres uras, y otee 3, 4 y 5 bolas resetvamete, todas blaas exeto ua de las de ue es roja. E ada etaa, se extrae ua bola al

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

SERIE TEMA 7 ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN

SERIE TEMA 7 ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SERIE TEMA ANÁLISIS DE DATOS BIVARIADOS PROBLEMAS CON RESOLUCIÓN. Los datos

Más detalles

La Metodología de la Verosimilitud Empírica

La Metodología de la Verosimilitud Empírica La Metodología de la Verosmltud Empírca Gozalo Delgado Facultad de Matemátcas, Uversdad Autóoma de Guerrero Méxco deggozalo@aol.com Probabldad y Estadístca Superor Resume Se expoe la metodología de la

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

Probabilidad condicionada. Probabilidad Total. Teorema de Bayes

Probabilidad condicionada. Probabilidad Total. Teorema de Bayes robabldad odoada. robabldad Total. Teorema de aes utor: Olvá alzada Emlaa (Leada e Matemátas rofesora de Matemátas e Eduaó Seudara). úblo: lumos de ahllerato de eas. Estudates de matemátas profesores de

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

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

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

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

Teoría de Telecomunicaciones

Teoría de Telecomunicaciones Uersdad del Caua - FIET UIO E MOULCIÓ udo de Modulaó Uersdad del Caua Teoría de Teleomuaoes epartameto de Teleomuaoes Uersdad del Caua - FIET UIO E MOULCIÓ udo de modulaó leal Este aálss se basa e el sstema

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

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

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

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

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood ) Apédces Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess

Más detalles

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com Autor: José Arturo Barreto M.A. Págias web: www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve El cocepto de límite Correo electróico: josearturobarreto@yahoo.com Zeó de Elea (90 A.C) plateó 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

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

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

4. ALGORITMO DE RESOLUCIÓN.

4. ALGORITMO DE RESOLUCIÓN. 4. ALGORITMO DE RESOLUCIÓN. Este capítulo trata acerca de la solucó propuesta para la resolucó del problema de la asgacó de aulas co especal atecó e el algortmo de fluo co costo mímo. A cotuacó se descrbe

Más detalles