Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales

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

Download "Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales"

Transcripción

1 Esmacó de Parámeros de Ssemas Leales vía Marces Operacoales Isdro I. Lázaro, Salvador Ramírez Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo Morela, Mchoacá C.P. 58, Méxco Jua Azurez Dvsó de Esudos de Posgrado de la Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo Morela, Mchoacá C.P. 58, Méxco RESUMEN E ese arículo se presea ua écca efcee que perme defcar los parámeros de procesos que puede modelarse como Ssemas Leales Varaes e el Tempo (SLVT) o Ssemas Leales Ivaraes e el Tempo (SLIT), la herramea se basa e la ulzacó de seres orogoales y herrameas de cálculo operacoal las cuales perme obeer u ecuacó algebraca que se emplea para resolver el problema de defcacó paramérca cuado la dámca del modelo es coocda. Como casos de esudo empleados para valdar el méodo, se aalza u SLIT y oro SLVT. Debdo a vrud de que cualquer sere orogoal puede emplearse para realzar dcho aálss, la aproxmacó depederá del po de sere seleccoada y el úmero de érmos, e ese arículo se emplea las seres de Harley para realzar la defcacó paramérca. Palabras Claves: Marz Operacoal, Seres Harley, Idefcacó Paramérca, Ssemas Leales Varaes e Ivaraes e el Tempo y Redudaca Aalíca.. INTRODUCCIÓN El uso de las seres orogoales es amplamee coocdo e la aproxmacó y represeacó de fucoes, su ulzacó ha recbdo ua aecó cosderable al emplearse e varos problemas de la dámca de los ssemas, ales como el aálss, esmacó de parámeros y corol ópmo. Eemplos ípcos de aplcacoes se puede ecorar e [,,,4], e dode las marces operacoales uega u papel mporae e la rasformacó de ua ecuacó dferecal leal e ecuacoes algebracas. Por eemplo, ua ecuacó dferecal leal co coefcees varaes e el empo puede ser rasformada e u couo de ecuacoes algebracas vía marz operacoal de egracó. E ese arículo la marz operacoal de egracó, la marz produco y la marz de coefcees para las seres orogoales, perme desarrollar ua écca para la defcacó fuera de líea de parámeros de SLVT y SLIT. Auque la solucó es esecalmee la msma e odos los domos, las caraceríscas de las marces ermedas que so empleadas so usualmee dferees. Eemplos de ello so la aplcacó de los polomos de Chebyshev de prmer y segudo po, seres de Fourer, seres Walsh, seres de Bloques de Pulso, seres Harley y seres Haar. Como caso parcular se emplea las seres Harley para mosrar la aplcacó de la écca e la defcacó de parámeros de dos ssemas, uo de ellos es u SLIT y el oro u SLVT. Los resulados de la écca desarrollada se muesra a ravés de smulacoes realzadas e la plaaforma de Malab. El méodo ulza el cálculo de la pseudoversa e la solucó de los parámeros esmados, así como la redudaca aalíca, es decr la posbldad de realzar varos expermeos sobre el ssema al cual se esá defcado.. PROPIEDADES DEL CÁLCULO OPERACIONAL Y EXPANSIÓN EN SERIES ORTOGONALES Cocepos del Cálculo Operacoal Los méodos algebracos para la solucó de problemas descros por ecuacoes leales dferecales, ales como defcacó de ssemas, aálss, corol y reduccó de modelos ha sdo propuesos receemee. Los méodos algebracos ambé ha sdo ulzados para calcular la solucó del esado esable ssemas leales varaes e el empo, ssemas peródcos y o leales. Esos méodos algebracos proporcoa solucoes décas pero posee dferees propedades umércas. E esos méodos, la egracó umérca de las ecuacoes dferecales se basa e la expasó de fucoes e seres orogoales, e dode la dea básca cosse e coverr la ecuacó egral e ua algebraca usado la marz de egracó [5,6]. Seres Harley Cosderemos ua fucó f ( ) defda sobre el ervalo [,T], eoces f ( ) puede ser represeada por las seres Harley como: f ( ) = FΦ ( ) () Dode F F L F F F L () [ F ](, + ) = [ φ φ φ φ L φ ] Φ ( ) = L () Las fucoes base de las seres Harley se puede defr como φ = cas( w) = cos( w) + se( w). Cada coefcee del vecor F, se calcula por:

2 F = k f ) Φ( ) d ( (4) Por lo ao cualquer fucó que cumpla las codcoes de Drchle e el ervalo [,T] puede aproxmarse por medo de u produco marcal como lo dca la Ec. (), meras mayor sea el úmero de érmos que se ome e la sere meor será la aproxmacó. Las propedades operacoales de las seres orogoales puede ser escras e érmos de la marz de egracó, e dode el prcpal cocepo es el hecho de que la egral de ua sere orogoal ambé puede ser expresada como ua sere orogoal, e érmos geerales esa puede defrse como: { T ( τ ) dτ = P Φ( ) L (5) E el caso de las seres Harley e [5,6] se muesra como se puede dervar la esrucura de la marz de egracó P, cuya esrucura es: M N P = L π L π (6) N M (h+ ) (h+ ) E el caso del aálss de SLVT es ecesaro defr dos marces adcoales, las marces produco y de coefcees. El produco del vecor de las fucoes base de las seres orogoales y su raspuesa se llama marz produco Π(), eso es: Π ( ) = Φ ( ) Φ ( ) (7) La marz de coefcees es defda e érmo de la marz produco y el vecor de seres orogoales base como ua marz que sasface, C Φ = c (8) [ ] ( ) ( ) La marz [C] de orde h+ es la marz de coefcees dado u vecor c [6,7]. c c + c c + c c c c c + c c + c c c c + c c c c c + c c + c + c + c c + c + c c + c c c c + c c c c + c c c C = c c c c c c c c c c c + c c c c + c c c + c + c + c + c c + c c c c c + c c + c c c c + c + c + c + c c c c c + c c c + c c + c c [ ] (9). ESTIMACIÓN DE PARÁMETROS DE SLVT Y SLIT Descrpcó del Méodo de Idefcacó Cosdere u ssema leal varae e el empo descro de la forma: x( ) = A() x( ) + B()u( ) () dode x() es el vecor de esado y u() el vecor de erada de ordees y q, respecvamee, y las correspodees marces de coefcees varaes A y B de orde y q, respecvamee. Ulzado aproxmacoes vía seres orogoales las a y b () de las marces expresoes de los elemeos ( ) A() y B() puede ser expresados como: a ( ) A Φ ( ) () dode b ( ) B Φ ( ) () [ A, L A, L A ] [ B L B B ] A, = () B,, L, = (4) Smlarmee, los elemeos del vecor x() y u() puede ser aproxmados como: x ( ) X Φ ( ) (5) u ( ) U Φ ( ) (6) Cosderado (5) y (6) el produco de las seres orogoales A()x() resula: A Φ( ) XΦ ( ) + L+ A Φ( ) X Φ( ) A ( ) X ( ) A ( ) X ( ) A( )x( ) Φ Φ + L+ Φ Φ = (7) M A Φ( ) XΦ ( ) + L+ A Φ( ) X Φ( ) Tomado el facor A Φ( ) X Φ ( ), dode cada produco A Φ ( ) y X Φ ( ) produce u escalar. Por esa razó, se puede reacomodar el produco como se muesra e la Ec. (8), al aplcar la raspuesa al érmo X Φ ( ) y la defcó de la Marz Produco [5,6]. A Φ( ) X ( ) Φ ( ) = A Φ( ) Φ ( ) X = A X Φ( ) (8) Dode X es la marz de coefcees del vecor x(). Ahora, recosruyedo el produco A()x() se obee: A A L A [ X] [ X ] A A A ( ) ( ) L ( ) A x = Φ (9) M M O M M A A L A [ X ] A( ) x( ) = A[ X ] Φ ( ) () dode X es la marz de coefcees correspodee a cada vecor de coefcees X, esa ee dmesoes (h ) (h ) X es la marz formada por odas la marces de coefcees X de orde + +, [ ] (h + ) (h + ). Meras que A es ua marz cosruda por cada vecor de cosaes A y es de dmesó

3 (h + ). Φ ( ) es el vecor de fucoes base de (h + ). De maera smlar se puede demosrar que el produco B( ) u( ) se puede aproxmar por. [ ] B( ) u( ) = B U Φ ( ) () E dode las dmesoes de las marces so B, [ U ] y Φ ( ) so respecvamee q(h + ), q(h + ) (h + ) y (h + ). Ua vez obedos esos resulados es posble deermar ua expresó para resolver el problema de la defcacó. Iegrado ambos lados de la Ec. (), obeemos: x( ) x ( ) = A x( ) d + B u( ) d () Ulzado las propedades de la marz de egracó y los resulados obedos e la Ec. () y la Ec. (), eemos: X Φ ( ) = X Φ ( ) + A[ X ] PΦ ( ) + B[ U ] PΦ ( ) () E la Ec. () X es del msmo orde de X y coee las codcoes cales de cada varable de esado, al y como se muesra e la Ec. (4). ( L x () L ) ( L x() L ) X = (4) M ( L x () L ) Cacelado Φ () e ambos lados de la Ec. (), obeemos [6,7]: dode: X = θ Z (5) θ = [ A B X ] (6) [ X] [ U] P Z = P e (7) e = [ L L ] (8) Es claro que para resolver ese problema y obeer los parámeros esmados es ecesaro aplcar el méodo de mímos cuadrados para obeer la pseudo versa de θ, así: ^ θ = XZ ( ZZ ) (9) Cuado se ee u SLIT las expresoes mosradas e las Ec. (5) a (9), sgue sedo váldas, la úca dfereca cosse X y [ U ], será marces e que las marces de coefcees [ ] dagoales, eso debdo a que u SLIT es u caso parcular de u SLVT. Redudaca Aalíca Dero de los ssemas dámcos es frecuee ecorar ua redudaca físca, es decr, la mplemeacó de varos dsposvos de las msmas caraceríscas dero de u msmo ssema de medcó y/o corol, por eemplo, cuado se ulza dos o más sesores para prever cualquer eveualdad ae ua falla del msmo que ocasoes ua esabldad del ssema, esa suacó ocurre e aquellos ssemas e dode se requere ssemas de respaldo para proporcoar cualquer cofabldad del ssema. Ora alerava a la redudaca físca que suele ser más ecoómca es la redudaca aalíca. Ese po de redudaca supoe la posbldad de realzar varos expermeos sobre el ssema a defcar, los expermeos realzados corpora Fg.. Esquema de redudaca aalíca. dferees modos de operacó cuado esos se exca co dferees pos de eradas e dferees ervalos de empo. Ora varae cosuye la aplcacó de la msma señal a dferees frecuecas, corrmeos de fase o cambos de magud. Poserormee se ulza oda esa formacó e u msmo proceso de esmacó, al y como se observa e al fgura, la desveaa de la redudaca aalíca es que hace que el proceso de defcacó se realce fuera de líea. 4. RESULTADOS A couacó se muesra los dos casos de esudo ulzados para valdar la écca de defcacó. Caso de Esudo I: Moor de CD co maes permaees (SLIT) E ese arículo se muesra como prmer caso de esudo la esmacó de parámeros de u moor de CD co maes permaees, para lo cual la máqua de CD se vsualza como u coverdor de eergía elecromagéca deal, cuyo crcuo equvalee se muesra e la fgura. Fg.. Crcuo equvalee del moor de CD. Ese moor de CD se puede modelar e varables de esado al y como se muesra e la Ec. (). Ra K a La L a a + L = v a a K f () r ω ω J J Dode: a.- Corree de armadura. ω.- Velocdad roacoal de la armadura K.- Cosae de velocdad

4 L a,.- Iducaca de armadura R a,.- Resseca del devaado de armadura f r.- Coefcee de frccó vscosa J.- Ierca del roor Caso de Esudo I: Idefcacó de parámeros de u Moor de CD (SLIT) Aplcado la meodología mosrada el ssema descro puede reescrbrse usado la Ec. (5), e ese caso se cosdera codcoes cales cero, por lo que se ee: θ R K I ap [ ] = L L L () I a ω ωp K b V P J J a La Ec. (9) aplcada a la Ec. () perme obeer la defcacó de parámeros ulzado la pseudoversa de Z para esmar θ. Co esa écca se obee la defcacó de los parámeros del moor a parr de la I a y ω, las cuales puede prover de u couo de medcoes. Los programas ulzados e el proceso de defcacó fuero mplemeados e el leguae de programacó de Malab, la abla muesra los parámeros reales del moor de CD co maes permaees modelado a ravés de la Ec. []. Tabla. Parámeros del moor de CD. Poeca omal P o W Volae omal V a 4 V Resseca R a. Ω Iducaca L a 5.84 x - H Coefcee K x - V/rpm Ierca del roor J.4 x -5 N.M.S. Coefcee de frccó f r.45 x -5 N.M/rpm Fg. Señal de erada aplcada al moor de cd. realzó usado como erada u escaló de magud 4 (emulado el arraque del moor), meras que e la seguda se coamó la erada co ua señal cuadrada de amplud de ±.5 del valor del escaló, al y como se muesra e la fgura. La esmacó de parámeros ee buea exacud e ambos casos pues el error es meor del 5%. Co el f de valdar los resulados obedos al usar esa écca de defcacó se compararo las respuesas del ssema ae ua erada escaló al usar los parámeros reales y los defcados. La fgura 4 muesra la gráfca de la corree al aplcarse u erada escaló de amplud 4 V al moor de cd, e ella se apreca que o exse dferecas oables ere la respuesa del ssema real cora el defcado. Para lograr la defcacó del ssema se realzaro smulacoes e el domo del empo (ODE 45) del arraque del moor de CD, empleado ua fucó escaló de magud 4, co el obeo de obeer la evolucó de las varables a y ω, que e ese caso se obuvero co 48 muesras para u empo de segudos, cada ua de ellas se pasaro al domo de la frecueca calculado sus coefcees usado como base orogoal las seres Harley para obeer las varables e el domo de la frecueca I a y ω. Tabla. Resulados de la esmacó de parámero usado 5 érmos. Parámero Reales Harley (erada escaló) Harley (erada señal cuadrada) R Ω L H 5.84E E E- K Nm / A 8.57E E- 8.57E- J kgm /s.4e-5.9e-5.959e-5 b Nms.45E-5.949E-5.8E-5 Ulzado 5 érmos de la fucó base se obee los resulados mosrados e la Tabla, e dode se muesra dos resulados de la defcacó de parámeros, ua prueba se Fg. 4 Comparacó de la respuesa de la Corree de Armadura ae erada escaló de magud 4V. La fgura 5 muesra la gráfca de la velocdad al aplcarse ua erada escaló de magud 4 al moor de cd, al gual que e el caso aeror o exse dferecas oables ere las respuesas del ssema real cora el defcado. Co la aplcacó de esa écca se puede resolver el problema de defcar parámeros, debdo a que hay ocasoes e las que el fabrcae o proporcoa odos los parámeros de u ssema, o be exse parámeros a los cuales o se les puede aplcar algua prueba para coocerse, e cambo s se aplca esa écca se puede deermar odos los parámero co a sólo dspoer de u couo de medcoes del comporameo del moor.

5 Harley (m), la redudaca aalíca empleada es de cuaro, por lo que se aplca 4 señales dsas para geerar los couos de medcoes para [X] y [ U ], las cuales fuero: u ( ) = cos( ) u ( ) =.cos( ) +.cos(5 ) u ( ) =.se( ) +.cos( ) u ( ) =.cos( ) +.s e( ) +.5cos( ) +. se(5 ) 4 Fg. 5 Comparacó de la respuesa de la velocdad ae erada escaló de magud 4V. Caso de Esudo II: Crcuo RLC (SLVT) Para mosrar la aplcacó de la écca e u SLVT, se presea la defcacó de parámeros de ua red RLC co elemeos leales peródcos e el empo como la mosrada e la fgura 6. Los resulados obedos de los parámeros esmados vs parámeros reales se muesra e la fgura 7, e dode ales parámeros se represear por: c( ) a ( ) = a ( ) = c( ) c( ) a( ) = R( ) + L( ) L( ) a( ) = L( ) Fg. 6 Crcuo RLC co elemeos peródcos. Al aalzar el crcuo elécrco medae LVK y LCK se obee el modelo de la red como se muesra e la Ec. () c( ) ( ) ( ) x( ) c c () x ( ) = + Vs ( ) ( ) ( ) x( ) x( ) R + L L( ) L( ) L( ) dode v ( ) ( ) c = x ( ) = x( ) Los parámeros de la red descra por la Ec..() so: R( ) =.5 +.s e ( ) L( ) =.4 +.se ( ) c( ) =.+. se( ) c( ) =.cos( ) L( ) =.cos( ) Vs( ) = cos( ) Para aplcar la écca propuesa para la esmacó de parámeros se resuelve la Ec. () usado u méodo de egracó umérca (ODE45). Co el f de proporcoar vía smulacó las medcoes requerdas. Para realzar las smulacoes se mplemearo los algormos del cálculo operacoal e Malab y se ulzaro 5 érmos de las seres Harley (h) y 56 puos para obeer la rasformada de Fg. 7 Comparacó ere los parámeros esmados de la marz co respeco a los reales usado 5 érmos. Fg. 8 Comparacó ere los parámeros esmados de la marz co respeco a los reales usado 45 érmos. De la fgura 7 se observa que el error e la defcacó es pequeño, al realzar dcha comparacó ere parámeros, ése dsmuye oablemee al cremear el úmero de érmos de la sere Harley. La fgura 8 muesra esa edeca cuado

6 Fg. 9 Hsograma del error para h=45. h=45. Así msmo, es posble emplear meos érmos a cambo de cremear la redudaca aalíca. E la fgura 9 se puede observar que el error ee ua dsrbucó gaussaa lo que perme uzgar la caldad del modelo ecorado e el proceso de defcacó, e promedo el error e cada parámero esmado es cero. Co respeco a los parámeros de la marz B, como se observa e la Ec. (), uo de ellos es el egavo del elemeo a (), meras que el oro es ua cosae y por razoes de espaco o se muesra e ese arículo dchos resulados. De los resulados obedos se desprede que la écca fuera de líea es cofable y de seclla mplemeacó compuacoal, por lo ao, puede adaparse para realzar defcacó co medcoes obedas drecamee del ssema físco a defcar. 5. CONCLUSIONES Se ha preseado ua écca basada e el domo de la frecueca para la esmacó de parámeros de SLVT y SLIT, esá emplea como herramea la eoría de cálculo operacoal y usa como base la marz de egracó para proporcoar ua ecuacó algebraca que perme la defcacó de parámeros, ésa úlma es resuela por medo de la pseudoversa. Además la écca perme deermar los parámeros del modelo couo del ssema, es decr, se realza la esmacó s eer que dscrezar el modelo. Los casos de esudo abordado perme mosrar la facldad e la mplemeacó compuacoal del méodo y la cofabldad de los resulados. De la comparacó realzada ere los parámeros esmados y los reales se observa que el error promedo dsmuye a medda que el úmero de érmos omados para la sere orogoal aumea, e el caso de los SLIT el error esa por debao del 5% y e el SLVT el error presea ua dsrbucó gaussaa dode el error promedo es cero, lo cual valda el modelo obedo. 6. REFERENCIAS [] M. Razzagh, A. Arabshah, Aalyss of lear varyg ad blear sysems va Fourer seres, Ieraoal Joural of Corol, V. 5, No., pp , 989. [] C. F. Che, Y. T. Tsay, Walsh Operaoal Marces for Fracoal Calculus ad her Applcao o Dsrbued Sysems, Joural of he Frakl Isue, Vol. 5, No.,pp , March 977. [] L. Cheg-Cha, S. Ye-Pg, Aalyss ad Opmal Corol of Tme-Varyg Sysems va Chebyshev Polyomals, Ieraoal Joural of Corol, V. 8, No. 5, pp. -, 98. [4] M. Samava, A. J. Rashde, A New Algorh for Aalyss ad Idefcao of Tme Varyg Sysem, Proceedg of he Amerca Corol Coferece. Seale, Washgo, pp. 78-7, Jue 995. [5] I. I. Lázaro, J. J. Rco & G. T. Heyd, Aalyss of swchg Loads Neworks Usg Operaoal Marces, IEEE Power Egeerg Revew, March, pp [6 ] J. J. Rco, G. T. Heyd, A. Keyha, B. L. Agrawal, D. Sel, A Algebrac Approach for Idefyg Operag Po Depede Parameers of Sychroous Meches Usg Orhogoal Seres Expasos, IEEE Trasacos o Eergy Coverso, Vol 6, No.,pp. 9-98, March. [7] N. Alvarado, Idefcacó de Cargas ae Codcoes o Seodales, usado Téccas de Esmacó e el Domo de la Frecueca medae Marces Operacoales, Tess de Maesría, Dvsó de Esudos de Posgrado de la Faculad de Igeería Elécrca de la UMSNH, Eero. BIOGRAFÍAS: Isdro Igaco Lázaro Casllo acó e Cordoba, Veracruz, Méxco. Recbó el grado de Igeero Elecrcsa e la Uversdad Mchoacaa de Sa Ncolás de Hdalgo, el grado de maesro e Igeería Elécrca e la msma Isucó e 99 y 999 respecvamee. Acualmee es Profesor Ivesgador de empo compleo de la msma Faculad. Auor del lbro Igeería de Ssemas de Corol Couo. Sus áreas de erés so Caldad de la Eergía, Corol e Isrumeacó. Jua Azurez Mar, acó e el esado de Puebla e 968. Recbó el íulo de: Igeero Elecrcsa por la Faculad de Igeería Elécrca de la Uversdad Mchoacaa de Sa Ncolás de Hdalgo e 99; Maesro e Cecas e Igeería Elecróca opcó srumeacó por el Isuo Tecológco de Chhuahua e 997 y Dr. e Cecas e Igeería Elécrca por el Cero de Ivesgacó y de Esudos Avazados del IPN, CINVESTAV, Udad Guadalaara e 7. Ha sdo profesor de la Faculad de Igeería Elécrca de la Uversdad Mchoacaa desde 987 acualmee colabora ao e los programas de Lcecaura como e Posgrado de la msma Faculad. Sus áreas de erés so Isrumeacó y Corol de Ssemas así como el desarrollo de algormos para el Dagósco de Fallas e Ssemas o Leales. Salvador Ramírez Zavala acó e Morela, Mch. Recbó el grado de Igeero Elecrcsa e la Uversdad Mchoacaa de Sa Ncolás de Hdalgo, el grado de Maesro e Igeería Elécrca e la msma Isucó e 99 y 998 respecvamee. Sus áreas de erés so, Corol e Isrumeacó.

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

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

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

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

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

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009 Faculad de Cecas Ecoómcas y Admsravas Deparameo de Ecoomía Aálss Especral Alvaro Moeegro Bogoá, Marzo de 009 Esa vesgacó fue facada por la Pofca Uversdad Javeraa y correspode a desarrollos del proyeco

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

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

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

Duración y Convexidad I

Duración y Convexidad I Marí Herádez errao Modelo Aleravo Duracó y Covexdad I E ese maeral se presea de forma accesble, mas co u grado resposable de rgor maemáco, los cocepos de duracó y covexdad. e asume que el lecor cuea co

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

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales

La ecuación general de capitalización y los factores de capitalización unitarios: una aplicación del análisis de datos funcionales Moográco Número Marzo www.eweb.org/od La ecuacó geeral de capalzacó y los acores de capalzacó uaros: ua aplcacó del aálss de daos ucoales Cèsar Vllazó La Saou Resume La órmula geeral de capalzacó sólo

Más detalles

Sistemas Productivos

Sistemas Productivos Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee

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

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA M.J. Caós M. Maríez 2 M. Mocholí V. Navarro 3 U. de Valeca Florda Uversara U. de Valeca U. de Valeca mara..caos@uv.es marsam@florda-u.es

Más detalles

REDES CONFORMADORAS DE ONDA TRIANGULAR A SENOIDAL

REDES CONFORMADORAS DE ONDA TRIANGULAR A SENOIDAL REDES CONFORMADORAS DE ONDA RIANGLAR A SENOIDAL Ig. A. Raó Vargas Paró rvargas@cel.go.pe INICEL RESMEN E el presee raajo se efecúa el esudo de ua red o leal o reacva que pere flrar las arócas de ua oda

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

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

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005 Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de

Más detalles

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 UN SISTEMA BASADO EN CASOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE Ilaa Guérrez Maríez, Rafael E. Bello Pérez y Adrés Tellería Rodríguez

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

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

Un generador matricial de claves frente a Blum Blum Shub.

Un generador matricial de claves frente a Blum Blum Shub. U geerador marcal de claves free a lum lum Sub. Rafael Álvarez, Joa-Josep Clme, eadro Torosa 3 y oo Zamora 4 Deparame de Cèca de la Compuacó Iel lgèca rfcal. Uversa d'laca, Campus de Sa Vce, p.correus

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

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

Metodología Índice de Precios de Edificaciones Nuevas

Metodología Índice de Precios de Edificaciones Nuevas Meodología Ídce de recos de Edfcacoes Nuevas COLECCIÓN DOCUMENTOS - ACTUALIZACIÓN 29 Núm. 66 DEARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA HÉCTOR MALDONADO GÓMEZ Drecor CARLOS EDUARDO SEÚLVEDA RICO

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

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

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO CAÍUO. CNMÁCA DFRNCA D ROBO ARAO es seccó se descrbe el álss de elocddes y celercoes del robo prlelo, el cul puede llerse cbo mede ls ecucoes pr momeo geerl debdo que o ese deslzmeo e ls coeoes. ss ecucoes

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

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

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

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

MODELOS PARA DATOS DE LA ECONOMÍA CANARIA EN LOS DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA

MODELOS PARA DATOS DE LA ECONOMÍA CANARIA EN LOS DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA Revsa Elecróca de Comucacoes y Trabajos de ASEPUMA. Rec@ Volume. Pagas 9 a 37 MODELOS PARA DATOS DE LA ECONOMÍA CANARIA EN LOS DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA CONCEPCIÓN GONZÁLEZ-CONCEPCIÓN cogozal@ull.es

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

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

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

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

2. Métodos Numéricos Aplicados a Ecuaciones Diferenciales

2. Métodos Numéricos Aplicados a Ecuaciones Diferenciales ... Méodo de Euler Haca Adelane Anexo -4. Méodos Numércos Aplcados a Ecuacones Dferencales Párase del más smple po de ecuacón dferencal ordnara, que la de po lneal de prmer orden, el clásco Problema de

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

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC

9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC 9. IUITOS DE SEGUNDO ODEN Y 9.. INTODUIÓN En el capíulo aneror mos como los crcuos ressos con capacancas o los crcuos ressos con nducancas enen arables que son calculadas medane ecuacones dferencales de

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

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden

PRÁCTICA 1. Sistemas eléctricos de primer y segundo orden PRÁCTICA 1 Sisemas elécricos de rimer y segudo orde Objeivo: Deermiar la resisecia iera de u geerador. Realizar medicioes de la cosae de iemo de circuios de rimer orde asabajas y de los arámeros de diseño

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Análisis de un circuito RC con resistencia no lineal

Análisis de un circuito RC con resistencia no lineal Aálss de u crcuto RC co ressteca o leal Joaquí Castro Z, Lucas Provezao & Emlo F. Restell () Facultad de Igeería, Cecas Exactas y Naturales, Uversdad Favaloro. joaqu_882@hotmal.com, lucasprovezao@hotmal.com,

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

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA

ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA SECRETARÍA GENERAL TÉCNICA MINISTERIO DE AGRICULTURA, ALIMENTACIÓN Y MEDIO AMBIENTE SUBDIRECCIÓN GENERAL DE ESTADÍSTICA ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA INTRODUCCIÓN: La Ecuesa de Salaros Agraros

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

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

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

Método de las Diferencias Finitas en el Dominio del Tiempo (FDTD)

Método de las Diferencias Finitas en el Dominio del Tiempo (FDTD) Méodos Numécos paa la esolucó de cuacoes feecales año 00 Méodo de las feecas Fas e el omo del Tempo FT. Resume l méodo de las feecas Fas e el omo del Tempo Fe ffeece Tme oma FT se ula paa esolve poblemas

Más detalles

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar)

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar) MEODOLOGÍA ÍNDCE DE DSBUCÓN DE ENEGÍA ELÉCCA, GAS PO CAÑEÍA Y AGUA POABLE (DEGA) (Preelmar) SUBDECCÓN ÉCNCA SUBDECCÓN DE OPEACONES Saago, 26 de Dcembre de 2007 CHDA/GGM/GMA/VM ÍNDCE Págas. roduccó 3 2.

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

1. CONCEPTOS FUNDAMENTALES Magnitudes eléctricas y unidades 1.2. Componentes, dispositivos y circuitos 1.3. Señales 1.4. Leyes de Kirchhoff

1. CONCEPTOS FUNDAMENTALES Magnitudes eléctricas y unidades 1.2. Componentes, dispositivos y circuitos 1.3. Señales 1.4. Leyes de Kirchhoff Concepos fundamenales Índce CONCEPOS FUNDMENLES Magnudes elécrcas y undades Componenes, dsposos y crcuos 3 Señales 4 Leyes de Krchhoff Concepos fundamenales Magnudes elécrcas y undades Magnud es una propedad

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

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

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

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

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

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

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes Segmetacó de obetos e movmeto utlzado GPCA, téccas algebracas y fluo óptco para aplcacoes e espacos telgetes Crsta Losada, auel azo, Sra Palazuelos Departameto de Electróca. Uversdad de Alcalá Alcalá de

Más detalles

DISEÑO DE UN SISTEMA DE REPARTO A DOMICILIO CON VENTANAS DE TIEMPO INMEDIATAS MEDIANTE MODELACION CONTINUA

DISEÑO DE UN SISTEMA DE REPARTO A DOMICILIO CON VENTANAS DE TIEMPO INMEDIATAS MEDIANTE MODELACION CONTINUA DISEÑO DE UN SISTEM DE REPRTO DOMIILIO ON VENTNS DE TIEMPO INMEDITS MEDINTE MODELION ONTINU Robero Puldo Subercaeau. Ecuela de Igeería, Pofca Uverdad aólca de hle. Jua arlo Muñoz bogabr. Ecuela de Igeería,

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

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos:

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos: emaro rabajos. odo 7. El rassor. Magesmo 9. duccó elecromagéca. rcuos de corree alera. Odas elecromagécas. lcacoes ócas odo. odo Zeer. odo LE 3. Foododo. odo úel 5. odo Schoky El rassor. El JFE, fudameos

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

Procesado digital de imagen y sonido

Procesado digital de imagen y sonido ema a zabal zazu Uiversidad del País Vasco Deparameo de Arquiecura Tecología de Compuadores upv ehu Tema 3_ Sisemas Procesado digial de image soido Defiició Descripció: Erada Salida Diagramas de bloques

Más detalles

UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA

UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA UNIVERSIDAD TENOLÓGIA DE LA MIXTEA TESIS: TRANSFORMAIONES HOMOTÓPIAS Y REONOIMIENTO DE FORMAS Para obeer el íulo de LIENIADO EN MATEMÁTIAS APLIADAS Presea: Berece Vásuez Maríez DIRETORES DE TESIS M.. Adolfo

Más detalles

Estudio y optimización del algoritmo de ordenamiento Shellsort

Estudio y optimización del algoritmo de ordenamiento Shellsort Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

Implantación del Modelo CyRCE:

Implantación del Modelo CyRCE: BACO DE MEXICO Imlaacó del Modelo CyRCE: Smlfcacoes or esrucura y esmacó de arámeros. erado Avla Embríz Javer Márquez Dez-Caedo Albero Romero Arada Abrl- Imlaacó del Modelo CyRCE: Smlfcacoes or esrucura

Más detalles

El signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente.

El signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente. AUTO-INDUCTANCIA: Una bobna puede nducr una fem en s msma.s la correne de una bobna camba, el flujo a ravés de ella, debdo a la correne, ambén se modfca. Así como resulado del cambo de la correne de la

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

Tema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden

Tema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden Tema 5. Análss Transoro de Crcuos de Prmer y egundo Orden 5.1 Inroduccón 5.2 Crcuos C sn fuenes 5.3 Crcuos C con fuenes 5.4 Crcuos L 5.5 Crcuos LC sn fuenes v() 5.6 Crcuos LC con fuenes () C () C v( )

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

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS MOF - OMPETENIA FUNDAMENTOS DE LAS OPERAIONES FINANIERAS apalzacó ompuesa. apalzacó Smple. Acualzacó ompuesa y Smple. Equvalecas Faceras. Aplcacoes de la apalzacó y del Descueo. Valores Medos: Ufcacó de

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles