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

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

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

Transcripción

1 Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca El mayor portal de recursos educatvos a tu servco!

2

3

4 INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de la aturaleza, la formulacó del modelo que descrbe el comportameto del msmo, puede estar bao el uso de varables dscretas, sedo las sumatoras y productoras el sumo fudametal. Las sumatoras y productoras so dos procesos matemátcos muy partculares de gra uso e cecas estadístcas, cecas ecoómcas y otras. Au los fudametos del cálculo tegral, tee como sumo sus sumatoras; es comú hablar de las sumas de Remma. E el aálss de las seres, las sumatoras so el pa de cada día. Pero el caso de las productoras; auque su uso es muy partcular; es pertete hacerle el espaco para su aálss. E esta ultma parte del curso, se tratará estos temas de sumatoras y productoras, como ua ecesdad, para poder abordar temátcas de calculo, estadístca y cecas; dode so ecesaras sus aplcacoes.

5 OBJETIVO GENERAL Compreder los prcpos, propedades y omeclatura de las sumatoras y productoras, como herrameta matemátca potete para dversos campos del saber. OBJETIVOS ESPECÍFICOS Coceptualzar la sumatora y sus prcpos Compreder las propedades de las sumatoras Coceptualzar la productora y sus prcpos Aalzar las propedades de las productoras Desarrollar problemas de sumatoras y productoras, utlzado las propedades. 8

6 Sumatoras y productoras Sumatora Productoras tee su Nomeclatura Coceptualzacó tee tee Teoremas y propedades Propedades Operacoes Operacoes Factoral Aplcacoes 9

7 0

8 Capítulo LAS SUMATORIAS Itroduccó La sumatora, como su ombre lo dca es sumar térmos, pero el cocepto de sumatora está asocado co las sucesoes, temátca que se aalzará co detalle e el curso de cálculo dferecal. Por ahora sólo dgamos que ua sucesó es ua secueca de térmos que sgue ua orma de repetcó. La sumatora opera dchos térmos. La sumatora cosste e operar u couto fto de térmos úmercos; esto sgfca, la suma de ua catdad de úmeros, dode se cooce del prmero al últmo. Por eemplo; os dce que sumamos los sguetes térmos;,,,,, debemos hacer. S. Sedo S la sumatora de los térmos. Las sumatoras so ua gra herrameta e el campo del cálculo y la estadístca. Pero su alcace tee u eorme espectro e las dferetes cecas.

9 ENOTACIÓN DE SUMATORIA Las sumatoras se smbolza co la letra grega sgma, preseta uos lmtes y ua magtud. a k s a a a... a k a k a S La magtud de la operacó realzada El ídce de la suma, este varía de a hasta a k a Térmo cal de la sumatora a k Térmo fal de la sumatora Valor del termo e el puto. K Catdad de térmos a operar e la sumatora. Exste u caso partcular de sumatora, so aquellas dode K tede a fto y so llamadas seres, cuya smbología es: s α a ; Esta temátca de seres será abordada co detalles e cursos mas avazados. Veámos alguos eemplos. Eemplo Hallar la suma de los sguetes térmos: (,,, 8, 0,,,.)

10 Solucó Expresemos aalítcamete el problema: s 8 ( ) ya que, es la represetacó por compresó del couto de los úmeros pares postvos. Para este caso: ídce vara de y 8.a a k 8 Luego: 8 s ( ) () () () ( ) () ( ) () (8) s 8 0 Eemplo Segú la fgura, cuátos cubos hay e la orgazacó dada por la prámde.

11 Solucó Vemos que cada fla tee el cuadrado de la catdad presetada, luego. S ; luego s 9 Eemplo Resolver la sguete sumatora s ( ) Solucó Debemos darle valores a,...,. Etoces: S ( ( ) ) ( ( )... ( ( ) ) S Eemplo Hallar el valor de () Solucó Debemos sumar, veces: S () () 0

12 Para facltar las operacoes co sumatoras, vamos a estudar a cotuacó alguos teoremas y propedades de las sumatoras. Teoremas Los sguetes teoremas permte el bue desarrollo de las sumatoras, alguos se demostraro, pero otros requere coocmetos más avazados, por lo cual o será demostrados; sólo se defrá por su utldad.. C C para R y c costate Demostracó El teorema está dcado sumas veces el valor de la costate, es decr: c c c... veces c. ( ) para R y,,..., Demostracó La demostracó se le atrbuye al gra matemátco Gauss. (-8) prmero desarrollamos:... ( ) ( ) Como la suma es comutatva, podemos sumar el cotraro. ( ) ( )... S sumamos las ecuacoes aterores obteemos:

13 ( ) ( ) ( )... ( ) ( ) ( Falmete: ) ( ) ( ) ( )... ( ) ( ) ( ). ( ) ( ) para R Demostracó Como vestgacó. Buscar el método que se utlza para demostrar este teorema. m m.. ( ) para R. ( )( )( ) 0 para R Los teoremas aterores so los báscos, su utldad es ampla, por lo cual es pertete comprederlos.

14 Eemplo Hallar la sumatora de: Solucó Como, etoces por el teorema úmero uo: ( ) 0 0 Eemplo Hallar la magtud de: Solucó Para, por el teorema úmero, teemos: S ( ) ( ) x x Eemplo 8 Cuál es el valor de: Solucó Por el teorema teemos:

15 8 S 8(8 ) ( ) () 8.9 Las sumatoras també tee dversas propedades; además de los teoremas estudados. Propedades A cotuacó eucaremos alguas propedades de las sumatoras, muy pertetes para la resolucó de sumatoras, las demostracoes se puede hacer por duccó matemátca, por las metas del curso, se omtrá dchas demostracoes, sólo se recomeda comprederlas para poder utlzarlas cuado así se requera.. ( ) para Z Esta propedad es cosecueca del teorema uo.. q p (q p) ( q p ) para pyq Z y p< q Esta propedad os permte hacer sumatoras, partedo de cualquer, dferete de uo.. ( ) para R. ( ) para Z 8

16 Las propedades y so faclmete demostrables, tetarlo como eerccos.. ( ) ( )( ) para Z ( etero postvo ) La demostracó de esta propedad es relatvamete fácl de hacer, pruebe hacerla, es teresate.. ( ) Eemplo Resolver: Solucó Por la propedad uo, teemos: ( ) Eemplo Hallar la sumatora de: Solucó La propedad, os dca que la sumatora se puede hacer desde cualquer valor cal, luego: 9

17 ( ) ( ) ()() x Eemplo Hallar la operacó de: 0 ( ) Solucó Por la propedad, podemos hacer la operacó: 0 ( ) Para compreder las propedades, se recomeda que usted estmado estudate propoga dversos eemplos y los socalce co sus compañeros, eso les dará gra rqueza matemátca e sumatoras. PERACIONES DE SUMATORIA La sumatora es u operador que podemos aplcar a suma o resta de térmos; també a producto por escalar, veámos:. (a b ) a b Lo ateror sgfca que la sumatora de ua suma de dos térmos, es equvalete a la suma de la sumatora de cada termo. Este se puede hacer extesva a más térmos. 0

18 Demostracó b a... b a b a b a ) b a (... ) b a ( ) b (a ) b (a Agrupamos todos los a y todos los b, luego: ) b... b b b ( ) a... a a (a ) b a ( Por cosguete, aplcado operador sumatora a los dos grupos. ) (b ) (a ) b a (. ) (b ) (a ) b a ( Demostracó Se dea como eercco, es muy secllo.. cos ta te k para a K a K Esto sgfca que la sumatora del producto de ua costate por ua secueca, es equvalete al producto de la costate por la sumatora de la secueca. Demostracó a K K a luego ) a... a a K(a Ka Ka... Ka Ka Ka K a

19 m. K ( m ).K para k costate Eemplo 8 Resolver: Solucó ( ) Aplcado la propedad de suma: 8 ( ) 8 Por el teorema y la propedad, teemos: ( ) 8. etoces: 8 ( ) 8.9. Luego: 8 ( ) 8 Eemplo Resolver: ( )

20 Solucó Aplcado adecuadamete las propedades: ( ) Luego: ( )( ) ( ) Como, reemplazado, teemos: ( ) (. ) ( ) ( )(). Etoces: ( ) 0 0 ( ) 80 Eemplo N ( ) Desarrollar x x Solucó La sumatora está expresada sobre, o es ídce de la sumatora, luego: N ( x x ) ( x x ) ( ) ( ) x x x x... ( x x ) N

21 E la operacó sumatora, detro de las propedades se debe aclarar dos stuacoes:. x x. y x y x Estas dos observacoes se debe teer presetes cuado se trabaa co sumatoras. Veámos u eemplo para corroborar la prmera observacó. x y x veámos. x x x x ) x x x ( x Evdetemete ( ) x x x X x x

22 A MEDIA ARITMÉTICA U eemplo vvo de la aplcacó de la sumatora, es la muy coocda meda artmétca, la cual usado el operador sumatora es expresada como: x x : De esta se puede desarrollar dos ecuacoes alteras: x x y x x Eemplo Demostrar que: ( x ) x 0 Solucó ( x x ) x x x x 0 La expresó x x por la defcó de meda artmétca la exprexó x x por el teorema, vsto aterormete.

23 Eemplo Demostrar que: ( x x ) x x Solucó Desarrollado el producto otable: ( x x ) x x x x por propedad de sumatoras x x x x ( ) x x x x Operado: ( x x ) x x x Falmete: ( x x ) x x OBLE SUMATORIAS E stuacoes ecotradas de álgebra leal, ecoomía, estadístca y otros, se preseta casos dode se debe hacer la suma de sumas; es decr, la sumatora de ua sere de sumatoras. La doble sumatora se expresa de la sguete maera:

24 m a a a a.. a m Resumdo: m a a... a m a Para este tpo de sumatoras, se cumple que: m a m a Lo ateror os dca que e ua doble sumatora fta, el orde del operador es rrelevate; o sea, o afecta la operacó e su resultado. Eemplo Hallar el valor de: ( ) Solucó Hacedo el desarrollo exteddo como se expoe e la teoría: ( ) [( () ) ( () ) ( () ) ( () ) ] (( ) ( ) ( ) ( 8) ) ( 0)

25 Ahora, aplcamos la seguda sumatora: ( ( ) 0 ) ( 8 ) ( () 0 ) ( ( ) 0 ) ( ( ) 0 ) ( ) ( ) 8 8, luego Eemplo Desarrollar: Solucó Al gual que e el caso ateror, prmero desarrollamos los y luego los. [ 9 8 ] (0 ) Ahora aplcamos la sumatora sobre : (0 ) [ 0() 0 () 0() 0() ] (0 )

26 Luego:.00 Eemplo Demostrar que la expresó: Por favor desarrollar este eemplo e pequeño grupo colaboratvo y compartr el resultado co el docete. 9

27 EJERCICIOS: SUMATORIAS Calcular las sguetes sumatoras:. Rta.. Rta.. l l l Rta Rta... 8 ( ) Rta.. K K Rta. 98 Resolver las sguetes dobles sumatoras:. ( ) ( ) Rta ( ). Rta. 0 0

28 PRODUCTORIAS Itroduccó El operador productora o es muy coocdo o meor muy dvulgado, tal vez por que su utldad es muy partcular, s embargo este operador es fudametal e alguos temas de matemátcas por eemplo, hemos escuchado o au trabaado co el producto factoral, (! ) dcha operacó es cosecueca de este operador. Quzás exsta mas razoes, pero solo la mecoada os duce a que debemos aalzar ta teresate operacó matemátca. A PRODUCTORIA Para smbolzar ua productora, se utlza el símbolo grego P mayúscula Así, ua productora se defe de la sguete maera. a a x a x a x... x a Esto quere decr que la productora, es la multplcacó de todos los valores a, dado que vara de hasta. Podemos geeralzar la defcó comezado e cualquer puto, así: m a a. a. a... a m sedo m

29 UNAD E esta opó es mportate detfcar el úmero de factores el cual se obtee co la sguete relacó: Numero de factores: m Eemplo Dada la productora a detfcar la productora y el úmero de factores. Solucó Como a a. a. a. a. Así queda dcada la productora. Ahora el úmero de factores: m. Efectvamete hay cuatro factores. Eemplo Calcular: Solucó S hacemos la extesó de la sumatora: El úmero de factores: -

30 Desarrollar y determar el úmero de factores. Solucó , luego: El úmero de factores factores es certo? Cálculo de productoras A cotuacó vamos a estudar alguas formulas que os permte desarrollar productoras de maera más racoal.. K K para K costate... p! p)! ( p) (. m para )! (m! ) ( m Eemplo

31 Eemplo Hallar ( p) sedo p costate. Solucó Como p es costate, etoces por la operacó, teemos: (p ) p Eemplo Resolver (). Idetfcar el úmero de factores. Solucó () x xx 8 El úmero de factores: - factores. Eemplo Hallar el valor de: ( ) Solucó Como varía de a, etoces: ( )! x x x x 0

32 Eemplo Resolver: ( ) Solucó Como ca e, terma e, aplcamos la operacó, luego: ( )! ( )!!! xx x! x x 0! ROPIEDADES DE PRODUCTORIAS Como cualquer operacó matemátca, las productoras tee sus propedades, las cuales smplfca las operacoes que se requera.. K x K x para K costate. Esta propedad os dce que la productora de ua costate por ua secueca, es gual al producto de la costate elevada al valor mayor de la productora, multplcado por la productora de la secueca. f ( ) g( ) h( ). [ f ( ).g( ). h( ) ] La productora de u producto de varos térmos, es gual al producto de las productoras de cada termo.

33 . f ( ) g ( ) f ( ) g ( ) para g( ) 0 La productora de u cocete, es gual al cocete de las productoras de los térmos.. log ) Log ( x ) x Esta propedad os relacoa las sumatoras co la productora, por medo del logartmo. Eemplo Desarrollar: Solucó Como es costate, etoces:.!.0 Etoces:.080

34 Eemplo Desarrollar la productora: m ( ) Solucó m ( ) ( m ) m... ( ) ( ) ( ) m ( m ) Smplfcado térmos semeates, obteemos: m ( ) (m ) Eemplo Para el caso del eemplo, s y m 9. Hallar la productora. Solucó Como se hzo el desarrollo de la productora da hasta m, etoces: 9 ( ) (9 ) ( )

35 Eemplo Resolver: Log ( ) Solucó Por la propedad de equvaleca etre sumatoras y productoras: Log ( ) Log ( ) Log Log [ (! ) ] Log ( ) (. ) Log (. ) Log ( ),88 JERCICIOS DIVERSOS Co el f de aalzar este tema, el cual requere bue trabao para comprederlo e terorzarlo, vamos a desarrollar eemplos dversos, alguos mezclamos los operadores y. 8

36 9 Hallar el cálculo de: Solucó Operado ormalmete: El úmero de factores es: Hallar ( ) Solucó Hacemos la prmera sumatora:, por propedades de sumatora. ( ) 90. ) ( Ahora hacemos la sumatora sobre. Eemplo Eemplo

37 0 ( ) ) )( ( 90. ) ( ( ) 90) ( 90 ( ) , por cosguete: ( ) 8 Resolver: Solucó Como va de hasta, la secueca o se restrge, es decr, o hay restrccoes e este tervalo. ( ) 0 ) ( Eemplo

38 Resolver: 0 0 Solucó Resolvemos prmero la sumatora: ) (0 J ) (0 ) (0 0 0 ) )(. ( ) (.0 ) 0(0 800 ( ) ( ) [ ] ( ) [ ] ( ) [ ] por propedad de productoras y desarrollado: Eemplo

39 0 () () ( 0 ) ( ) Etoces: 0 () () (80 0 ) ( 0 ) Eemplo Qué valor debe tomar p e la sguete expresó, para que se cumpla la gualdad. p ( ) Solucó Desarrollado la productora: p ( )... Smplfcado teemos: p p ( ) por desarrollo de sumatora: p p( p ) p( p ), luego p p 0 ( p ) (p ) 0, p ó p Es obvo que el valor será p, ya que el valor egatvo para p o tee setdo; ya que la secueca có e y p debe ser mayor o gual a uo. p.

40 EJERCICIOS: PRODUCTORIAS Calcular las sguetes productoras:. Rta ( ). ( 8xk ) K Rta./ Rta.0.0 Rta. 09 x.x.x. x 0. ( ) Rta.,9 x 0. a ( ) a Rta. ( b ) Resolver las sguetes operacoes:. ( ) Rta. 8. ( ) Rta..8 k k ( ) 9.

41 ACTORIAL El factoral o producto factoral de u umero, es ua operacó que permte hacer productos secuecales, cuado se requere; tal es el uso de las combatoras e el calculo de probabldades Defcó Para todo umero atural, el factoral de, es el producto de todos los aturaleza desde hasta.! x x x...x ( ) x Eemplo Hallar!. Solucó Por la defcó:! x x, luego! Eemplo Calcular!. Solucó! x x x x x 0

42 Este operador factoral es peza fudametal e aálss matemátco, como el desarrollo polomal de las fucoes, las fórmulas de Taylor y Maclaur; e la seres. Dos propedades mportates de la productora. 0!. Por defcó el factoral de cero es uo..! x ( )!. Descomposcó del factoral, e dos factores, dados por el úmero y el factoral del úmero ateror. Eemplo Descompoer! e producto de dos factores. Solucó! x! Segú la propedad dos propuesta..! e : coocdo como la fórmula de Strlg, que permte hallar el factoral de ; cuado éste tede a fto.

43

44 AUTOEVALUACIÓN UNIDAD. Hallar la sumatora propuesta. Cuál será el valor de:. Resolver: [ ( ) ]. Resolver la expresó: [ ]. Hallar la solucó de la sguete productora: [ ]. Resolver: m ( )

Intensificación en Estadística

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

Más detalles

La inferencia estadística es primordialmente de naturaleza

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

Más detalles

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

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

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

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

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

Más detalles

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

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

x x x x x Y se seguía operando

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

Más detalles

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

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

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

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

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

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

Más detalles

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

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

Más detalles

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

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

CAPÍTULO IV NÚMEROS COMPLEJOS E INDUCCIÓN MATEMÁTICA

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

Más detalles

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

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

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

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

Más detalles

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

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

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

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

Números Complejos PREGUNTAS MÁS FRECUENTES

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

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

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

Más detalles

Del correcto uso de las fracciones parciales.

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

Más detalles

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

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

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

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

Más detalles

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

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

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

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

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

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal

GUÍA DE EJERCICIOS. Área Matemática Álgebra lineal GUÍA DE EJERCICIOS Área Matemátca Álgebra leal Resultados de apredzaje. Recoocer exsteca de subespaco vectoral. Cotedos 1. Espacos vectorales. 2. Subespacos vectorales. Debo saber Se debe recordar que

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

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

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

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

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

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

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

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

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

Sist. Lineales de Ecuaciones

Sist. Lineales de Ecuaciones Ttulacó: Asgatura: Autor: Igeero Geólogo Aálss Numérco César Meédez Ultma actualzacó: //007 Sst. Leales de Ecuacoes Plafcacó: Materales: Coocmetos prevos: 6 Teoría+4 Práctcas+ Laboratoro MATLAB Coocmetos

Más detalles

ANTES DE COMENZAR RECUERDA

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

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

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

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

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

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

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Capítulo 9 MEDIDAS DE TENDENCIA CENTRAL Ua medda de tedeca cetral, es u resume estadístco que muestra el cetro de ua dstrbucó; es decr, por lo geeral, busca el cetro de esa dstrbucó. Exste dferetes tpos

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

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

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

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

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

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

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

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

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

Más detalles

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

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

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

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

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

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

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

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

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

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

Más detalles

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.

En este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística. TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.

Más detalles

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

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

Más detalles

CAPÍTULO 20: NÚMEROS COMPLEJOS (II)

CAPÍTULO 20: NÚMEROS COMPLEJOS (II) CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Date Guerrero-Chaduví Pura, 05 FACULTAD DE IGEIERÍA Área Departametal de Igeería Idustral y de Sstemas CAPÍTULO 0: ÚMEROS COMPLEJOS (II) Esta obra está bajo ua lceca Creatve

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

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

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

Más detalles

G - Métodos de Interpolación

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

Más detalles

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

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

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno: Udad 6 Aualdades atcpadas Objetvos Al falzar la udad, el alumo: Calculará el moto producdo por ua aualdad atcpada. Calculará el valor presete de ua aualdad atcpada. Calculará el valor de la reta de ua

Más detalles

mecánica estadística Estadísticas Cuánticas Capítulo 5

mecánica estadística Estadísticas Cuánticas Capítulo 5 mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE Eva Mª del Pozo García Mª Jesús Segova Vargas Zuleyka Díaz Martíez Departameto de Ecoomía Facera y Cotabldad I Uversdad Complutese

Más detalles

FUNCIONES ALEATORIAS

FUNCIONES ALEATORIAS Uversdad de Medoza Ig. Jesús Rubé Azor Motoya FUNCIONES ALEATORIAS Ua varable aleatora se defe como ua fucó que represeta gráfcamete el resultado de u expermeto a los úmeros reales, esto es, X(), dode

Más detalles

Aplicaciones de Balances de Energía en Reactores Batch

Aplicaciones de Balances de Energía en Reactores Batch plcacoes de Balaces de Eergía e Reactores Batch Para u reactor batch, el BdeM se epresa como la ecuacó para determar el tempo de resdeca: t N ( rv Separado varables: V N Esta es ua ecuacó dferecal ordara

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

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

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

GUIA TEORICO-PRACTICA II

GUIA TEORICO-PRACTICA II GUIA TEORICO-PRACTICA II CONTENIDOS.. Sucesoes. Progresoes: artmétcas y geométrcas.. Ejerccos Propuestos... Sumatora: propedades. Prcpo de Iduccó Completa..4 Ejerccos Propuestos..5. Factoral de u úmero

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

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

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