ESTIMACIÓN DE LA DIVERSIDAD ESPECÍFICA

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

Download "ESTIMACIÓN DE LA DIVERSIDAD ESPECÍFICA"

Transcripción

1 ETIMACIÓN DE LA DIVERIDAD EPECÍFICA 0BUObjetivos del Trabajo Práctico Aalizar distitos ídices de diversidad específica que se utiliza para caracterizar las relacioes de abudacia de especies e el estudio de las comuidades. Coocer y compreder los compoetes de la diversidad específica. Calcular los ídices de diversidad específica descriptos para diferetes datos. Iterpretar el sigificado de los valores de diversidad específica obteidos co los distitos ídices. BUItroducció El cocepto de diversidad específica e ecoía de comuidades ha sido durate años itesamete discutido por los ecóos, derivádose de su utilizació alguos problemas de tipo semático, coceptual, y técico (Hurlbert, 97). i embargo, a pesar de los debates y de las precaucioes a teer e cueta al aplicarlos, los ídices de diversidad cotiúa siedo populares etre los ecóos. Es importate señalar que si bie, como ocurre co umerosos métodos, el cálculo de ídices de diversidad es relativamete secillo, aú desde u coocimieto rudimetario, pero es fudametal al utilizarlos cosiderar atetamete sus limitacioes para poder iterpretar adecuadamete su sigificado e cada caso particular. Las comuidades biológicas posee ua propiedad emergete, la diversidad específica, que se relacioa co la variedad detro de esas comuidades, este atributo es la expresió de dos compoetes. El primero de ellos es el úmero de especies presetes e la comuidad, deomiado riqueza de especies. El segudo compoete es la equitabilidad, que se refiere a cómo la abudacia (e.g., el úmero de idividuos, biomasa, cobertura, etc.) se distribuye etre las especies de la comuidad. Por ejemplo, e ua comuidad co 0 especies, si el 90% de los idividuos perteece a ua sola especie y el restate 0% se distribuye etre las otras 9, la equitabilidad se cosidera baja. E cambio, si cada ua de las 0 especies cueta co el 0% del total de los idividuos, la equitabilidad se cosidera máxima. Para estimar la diversidad debe cosiderarse que:. se tiee bue coocimieto de la composició taxoómica. Es raro que se estime la diversidad de toda la comuidad, por lo geeral, se mide la diversidad e u fragmeto de la misma que se deomia taxoceosis (e.g., diversidad de aves, de árboles, del fitoplacto, etc.).. los idividuos asigados a ua clase (especie) so cosiderados idéticos. Es decir, o se recooce la variabilidad que puede existir etre, por ejemplo, los sexos de ua misma especie o, etre etapas del desarrollo (larva pupa adulto). Para iterpretar la diversidad debe teerse e cueta que se está trabajado co ua variable omial. Las categorías so las especies y por lo tato el úico valor de tedecia cetral que puede obteerse es la moda (categoría co mayor frecuecia, e este caso la especie más abudate), siedo imposible calcular u promedio o ua mediaa. í puede medirse la dispersió, la distribució de las observacioes etre categorías que se relacioa co el cocepto de diversidad. Numerosos ídices ha sido propuestos para caracterizar la riqueza de especies y la equitabilidad, deomiados ídices de riqueza e ídices de equitabilidad, respectivamete. Los ídices que combia tato la riqueza de especies como la equitabilidad e u solo valor se deomia ídices de diversidad. Ua de las pricipales críticas a estos ídices es que combia y, por lo tato, cofude u cojuto de variables que caracteriza a la estructura de la comuidad:

2 (a) el úmero de especies (riqueza específica), (b) la abudacia relativa de las especies (equitabilidad), y (c) la homogeeidad y el tamaño del área muestreada. 3BUÍdices de Riqueza Específica La riqueza específica es u cocepto simple de iterpretar que se relacioa co el úmero de especies presetes e la comuidad. Etoces, puede parecer que u ídice apropiado para caracterizar la riqueza de especies de ua comuidad sea el úmero total de especies (). i embargo, es prácticamete imposible eumerar todas las especies de la comuidad, y al depeder del tamaño de la muestra, es limitado como ídice comparativo. Los ídices propuestos para medir la riqueza de especies, de maera idepediete al tamaño de la muestra, se basa e la relació etre y el úmero total de idividuos observados o (), que se icremeta co el tamaño de la muestra. Etre estos ídices se destaca el ídice de Margalef (958), R l( ) y el ídice de Mehiick (964), R 4BUÍdices de Diversidad Como ya se señaló, los ídices de diversidad icorpora e u solo valor a la riqueza específica y a la equitabilidad. E alguos casos u valor dado de u ídice de diversidad puede proveir de distitas combiacioes de riqueza específica y equitabilidad. Es decir, que el mismo ídice de diversidad puede obteerse de ua comuidad co baja riqueza y alta equitabilidad como de ua comuidad co alta riqueza y baja equitabilidad. Esto sigifica que el valor del ídice aislado o permite coocer la importacia relativa de sus compoetes (riqueza y equitabilidad). Alguos de los ídices de diversidad más ampliamete utilizados so () el ídice de impso (D i ), y () el ídice de hao-wieer (H ). () Ídice de impso (949), D i. Este fue el primer ídice de diversidad usado e ecoía D i p i i p i abudacia proporcioal de la iésima especie; represeta la probabilidad de que u idividuo de la especie i esté presete e la muestra, siedo etoces la sumatoria de p i igual a

3 p i i N i úmero de idividuos de la especie i N úmero total de idividuos para todas las especies e la comuidad La ecuació de D i se aplica para comuidades fiitas dode todos los miembros ha sido cotados, es decir que N. Cosiderado ua comuidad extesa, u estimador adecuado de la diversidad calculado a partir de datos proveietes de ua muestra de tamaño sería: D' i i i i ( ) ( ) El ídice de impso se deriva de la teoría de probabilidades, y mide la probabilidad de ecotrar dos idividuos de la misma especie e dos extraccioes sucesivas al azar si reposició. E pricipio esto costituye ua propiedad opuesta a la diversidad, se platea etoces el problema de elegir ua trasformació apropiada para obteer ua cifra correlacioada positivamete co la diversidad i D i p i D i i D ídice de diversidad de impso que idica la probabilidad de ecotrar dos idividuos de especies diferetes e dos extraccioes sucesivas al azar si reposició. Este ídice le da u peso mayor a las especies abudates subestimado las especies raras, tomado valores etre 0 (baja diversidad) hasta u máximo de [ - /]. () Ídice de hao-wieer (hao y Weaver, 949), H. Este ídice se basa e la teoría de la iformació (mide el coteido de iformació por símbolo de u mesaje compuesto por clases de símbolos discretos cuyas probabilidades de ocurrecia so p i...p ) y es probablemete el de empleo más frecuete e ecoía de comuidades. H ' i ( p i p i ) H ídice de hao-wieer que e u cotexto ecológico, como ídice de diversidad, mide el coteido de iformació por idividuo e muestras obteidas al azar proveietes de ua comuidad extesa de la que se cooce el úmero total de especies. Tambié puede cosiderarse a la diversidad como ua medida de la icertidumbre para predecir a qué especie perteecerá u idividuo elegido al azar de ua muestra de especies y N idividuos. Por lo tato, H 0 cuado la muestra cotega solo ua especie, y, H será máxima cuado todas las especies esté 3

4 represetadas por el mismo úmero de idividuos i, es decir, que la comuidad tega ua distribució de abudacias perfectamete equitativa (H max, ver la secció siguiete). Este ídice subestima la diversidad específica si la muestra es pequeña. E la ecuació origial se utiliza aritmos e base, las uidades se expresa como bits/id., pero puede emplearse otras bases como e (its/id.) o 0 (decits/id.). La precisió e la estimació del ídice de hao-wieer puede calcularse mediate la aproximació siguiete: D H ' i i i i i i D H desviació estádar del ídice de hao-wieer. La ecuació de H se aplica para comuidades extesas dode se cooce todas las especies y las abudacias proporcioales p i de todas ellas. E la práctica los parámetros so estimados como: Hˆ ' i i i 5BUÍdices de Equitabilidad i todas las especies e ua muestra preseta la misma abudacia el ídice usado para medir la de equitabilidad debería ser máximo y, por lo tato, debería decrecer tediedo a cero a medida que las abudacias relativas se haga meos equitativas. Hurlbert (97) destacó que todos los ídices de equitabilidad matedría esta propiedad si so expresados como: o E E D D max D D D D max mi mi dode: D ídice de diversidad D mi valor míimo de D D max valor máximo de D Para cuatificar el compoete de equitabilidad de la diversidad alguos de los ídices propuestos so: () ídice de Pielou (J ), () ídice de heldo (E he ), (3) ídice de Heip (E He ). 4

5 () Ídice de Pielou (969), J. Es uo de los ídices más utilizados J ' H ' Dode: H ídice de hao-wieer es la diversidad máxima (H max ) que se obtedría si la distribució de las abudacias de las especies e la comuidad fuese perfectamete equitativas ' H max () Ídice de heldo (969), E he. Propoe ua forma expoecial de J E he H ' (3) Ídice de Heip (974), E He. Propoe el ídice de heldo co la sustracció del míimo E He H ' Todo ídice de equitabilidad debería ser idepediete del úmero de especies presetes e la muestra. i embargo, tato J como E he y E He so modificados co cambios míimos e la riqueza de especies (se modifica sustacialmete co el agregado a la muestra de sólo ua especie rara; Peet, 975). 6BUNúmeros de Diversidad de Hill 7BCosiderado las dificultades que surge al itetar comparar los distitos ídices de diversidad porque, etre otras causas, difiere sigificativamete e sus uidades (e.g., el ídice de impso o tiee uidades, el ídice de hao-wieer se expresa como bits/idividuo -si la base del aritmo es - o decits/idividuo -si la base del aritmo es 0- y its/idividuo -si se utiliza aritmos aturales-) es que Hill (973) sugiere realizar trasformacioes matemáticas a los ídices ates propuestos y preseta la deomiada serie de úmeros de diversidad. Los úmeros de diversidad de Hill so: Número 0: N0 5

6 úmero de especies, Número : N e H H ídice de hao-wieer (e este caso calculado co aritmos aturales), y Número : N /D i D i ídice de impso Estos úmeros de diversidad, cuyas uidades so úmeros de especies, mide lo que se deomia el úmero efectivo de especies presetes e ua muestra, y so ua medida del grado de distribució de las abudacias relativas etre las especies. N0 es el úmero de total de especies de la muestra; N es el úmero de las especies abudates y N es el úmero de las especies muy abudates e la muestra. Es decir que el úmero efectivo de especies es ua medida del úmero de especies e la muestra dode cada especie es poderada por su abudacia (N0 > N > N). Hill tambié propuso la razó etre N y N como u ídice de equitabilidad E D i Hi H ' e N N A diferecia de los ídices de equitabilidad defiidos e la secció aterior, el ídice de Hill prácticamete o es afectado por la riqueza de especies. BUBibliografía ALATALO, R.V. 98. Problems i the Measuremet of Eveess i Ecoy. Oikos, 37: HEIP, C A New Idex Measurig Eveess. Joural of Marie Bioical Associatio, 54: HILL, M.O Diversity ad Eveess: a Uifyig Notatio ad Its Cosequeces. Ecoy, 54: HURLBERT,.H. 97. The Nococept of pecies Diversity: a Critique ad Alterative Parameters. Ecoy, 5 (4): KREB, C.J Ecoical methodoy. Harper Collis Publishers, New York, 653 p. KREB, C.J Ecoy. The Experimetal Aalysis of Distributio ad Abudace. Harper Collis Publishers, New York, 80 p. LUDWIG, J. & F. REYNOLD tatistical ecoy. A Primer o Methods ad Computig. Joh Wiley & os, 337 p. MARGALEF, D.R Iformatio Theory i Ecoy. Geeral ystematics, 3: MENHINICK, E.F A Compariso of some pecies-idividuals Diversity Idices Applied to amples of Field Isects. Ecoy, 45 (4): PEET, R.K Relative Diversity Idices. Ecoy, 56:

7 PIELOU, E.C A Itroductio to Mathematical Ecoy. Wiley-Itersciece Joh Wiley & os, 85 p. HANNON, C.E. ad W. WEAVER The Mathematical Theory of Commuicatio. Uiversity Illiois Press, Urbaa, IL. HELDON, A.L Equitability Idices: Depedece o the pecies Cout. Ecoy, 50: IMPON, E.H Measuremet of Diversity. Nature, 63: 688. ZAR, J.H Biostatistical Aalysis. Pretice Hall, Ic., New Jersey. 7

8 Desarrollo del Trabajo Práctico. Partiedo de los datos de abudacia de especies de 5 comuidades hipotéticas, dode se varió la composició específica y la distribució de las abudacias de las mismas, presetados e la Tabla calcular los distitos ídices de riqueza de especies, de diversidad específica y de equitabilidad idicados e la Tabla. Comparar y discutir los resultados obteidos co los distitos ídices. Tabla. Abudacias de especies e 5 comuidades hipotéticas. Comuidad especie especie especie3 especie 4 especie 5 especie 6 ( ) ( ) ( 3 ) ( 4 ) ( 5 ) ( 6 ) A B C D E Los cálculos de los ídices para cada comuidad se podrá realizar de maera secilla co ua calculadora siguiedo los pasos que se detalla a cotiuació: i p i i / p i p i p i * (p i ) Σ i Σ p i Σ p i Σ p i * (p i ) Tabla. Ídices de riqueza y diversidad específica ÍNDICE A R D i -D i H E he J N0 N N Comuidad B C D E a. Cosiderado los resultados de la tabla precedete: i) Comparar los ídices observado cuál es más sesible a la variació de la catidad y/o abudacia de las especies. Nota: prestar ateció a qué ocurre co D i y H al variar las abudacias de las especies raras y las domiates. ii) Discutir los resultados obteidos. 8

9 . Utilizado el muestreo realizado e ua comuidad artificial para el Trabajo Práctico Aálisis Cuatitativo de las Comuidades calcular, co las abudacias coocidas de las especies que itegra la comuidad (Tabla 3) y co las estimacioes realizadas a partir de muestras de distitos tamaños (5, 30, 45, 75 uidades muestrales), los distitos ídices de riqueza de especies, de diversidad específica y de equitabilidad descriptos. Los datos a utilizar e el Trabajo Práctico será los colectados mediate las uidades muestrales cuadragulares de 00 cm y 5 cm. Comparar y discutir los resultados obteidos co los distitos ídices prestado particular ateció a las posibles diferecias derivadas del tamaño de la muestra (5, 30, 45, 60, 75 uidades muestrales) y del tamaño de las uidades muestrales. Tabla 3. Características de la comuidad artificial. Especie Desidad Distribució Nro. de Idividuos A 0.0 Azar 00 B 0.0 Azar 00 C 0.04 Azar 400 D 0.0 Regular 00 E 0.0 Regular 00 F Agrupada 300 G Agrupada 350 H 0.05 Agrupada A cotiuació se preseta la Tabla 4 co las abudacias de especies presetes etre el do. y 5to. año de ua sucesió e u bosque veezolao extraído de Uhl, C. & C.F. Jorda, (Ecoy, 65 (5): , año 984). a. Calcule los ídices de riqueza, diversidad y equitabilidad para cada año muestreado. b. Compare los resultados desde el puto de vista sucesioal, cosidere que el muestreo realizado ha sido aleatorio y el tamaño de la muestra para todos los años ha sido el mismo. 4. e presetará u iforme que deberá costar de: - objetivos del Trabajo Práctico - materiales y métodos - resultados relevates e tablas resume - comparació de los ídices aplicados - coclusioes 9

10 Tabla 4. Número de idividuos ( m de altura) de distitas especies presetes e ua parcela de 0.09 ha durate u estudio itesivo desarrollado etre el do y el 5to año de ua sucesió que siguió al corte y quema de u bosque mixto cercao a a Carlos de Río Negro, Veezuela. total de idividuos m de altura do. año 3er. año 4to. año 5to. año N % N % N % N % Especies pioeras de árboles y arbustos: Cecropia ficifolia Cecropia sp Vismia japuresis Vismia lauriformis Bellucia grossularioides olaum subierme olaum sp Palicourea guiaesis Psychotria poeppigiaa Helicoia sp Micoia dispar Dimorphadra macrostachya Micoia myriath Casearia javitesis Parkia sp Idividuos de especies pioeras de árboles y arbustos o idetificados Especies de árboles de bosque primario: Goupia glabra Iga sp Myrcia sp Guatteria schomburgkiaa Guatteria latipetala Eschwellera collia Ocotea sp Caryocar gracile Hevea sp imira pisoiiformis Protium sp Idividuos de especies de árboles de bosque primario o idetificados El úmero de especies pioeras de árboles y arbustos o idetificadas cada año fue: (año ); 4 (año 3); 4 (año 4); 4 (año 5). El úmero de especies de árboles de bosque primario o idetificadas cada año fue: 0 (año ); 5 (año 3); 6 (año 4); 6 (año 5). 0

11 APÉNDICE A. Modificació de la ecuació de hao-wieer para facilitar el cálculo: H i i ( i ) (ecuació A). Tabla de factores de multiplicació para la coversió de los valores de aritmo de ua base a otra: a de Base Base e Base 0 Base Base e Base x e e x 0 0 x 3. Test de tudet para la diferecia etre dos ídices de diversidad de hao-wieer. Obteidos ídices de diversidad, H y H, puede verificarse la igualdad de ambos mediate el test de t-tudet: Hipótesis ula: H - H 0 Hipótesis alterativa: H - H 0 Estimació del estadístico t H H t (ecuació A) D H H dode H D + H H H D D y D H es la desviació estádar del ídice (ecuació 8). Los grados de libertad para el test se calcula mediate la aproximació siguiete: ν ( DH ) + DH ( D ) ( D ) H + H (ecuació A3)

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)

Más detalles

Medidas de Tendencia Central

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

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

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

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco

MEDIDAS DE RESUMEN. Jorge Galbiati Riesco MEDIDAS DE RESUMEN Jorge Galbiati Riesco Las medidas de resume sirve para describir e forma resumida u cojuto de datos que costituye ua muestra tomada de algua població. Podemos distiguir cuatro grupos

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES ALGEBRAICAS FUNDAMENTALES MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

Probabilidad con técnicas de conteo

Probabilidad con técnicas de conteo UNIA 3 Probabilidad co técicas de coteo Objetivos Al fializar la uidad, el alumo: distiguirá y utilizará las reglas de multiplicació y de suma para el cálculo de la catidad de arreglos co y si orde explicará

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación Aálisis de Señales y Sistemas Digitales FFT Cocepto Algoritmo Implemetació 2010 FFT Trasformada Rápida de Fourier Cocepto La trasformada rápida de fourier (FFT) es u algoritmo que permite él cálculo eficiete

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

APLICACIONES LINEALES.

APLICACIONES LINEALES. APLICACIONES LINEALES. INTODUCCIÓN: APLICACIONES ENTE CONJUNTOS. Ua aplicació etre dos cojutos A y B es ua regla que permite asigar a cada elemeto de A, uo de B. La aplicació del cojuto A e el cojuto B

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

(PROBABILIDAD) (tema 15 del libro)

(PROBABILIDAD) (tema 15 del libro) (PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO DOCUMENTO TÉCNICO N 64 Versió 0.1 MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO CONCEPTOS GENERALES MINISTERIO SECRETARÍA GENERAL DE LA PRESIDENCIA Este documeto es parte de ua serie de guías

Más detalles

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición MATEMÁTICA Uidad Utilicemos fucioes Reales de variable Real. Utilicemos medidas de tedecia cetral. Trabajemos co medidas de posició Objetivos de la Uidad: Resolverás situacioes que implique la utilizació

Más detalles

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con: TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a

Más detalles

Encuesta y experimento de campo: redes sociales, confianza, información y desarrollo financiero 1

Encuesta y experimento de campo: redes sociales, confianza, información y desarrollo financiero 1 Ecuesta y experimeto de campo: redes sociales, cofiaza, iformació y desarrollo fiaciero 1 Soia Di Giaatale, Alexader Elbittar, María José Roa 2, Patricia López 3 Itroducció El objetivo geeral de la presete

Más detalles

UNIVERSIDAD CENTRAL DE VENEZUELA ESCUELA DE QUIMICA FACULTAD DE CIENCIAS INSTRUMENTAL ANALITICO GUIA DE CROMATOGRAFÍA

UNIVERSIDAD CENTRAL DE VENEZUELA ESCUELA DE QUIMICA FACULTAD DE CIENCIAS INSTRUMENTAL ANALITICO GUIA DE CROMATOGRAFÍA UNIVESIDD CENTL DE VENEZUEL ESCUEL DE QUIMIC FCULTD DE CIENCIS INSTUMENTL NLITICO GUI DE COMTOGFÍ Caracas 2008 Tabla de Coteido DEFINICIONES IMPOTNTES...3 Cromatografía...3 Clasificació de los Métodos

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

ANALISIS ESTADISTICO DE VALORES EXTREMOS

ANALISIS ESTADISTICO DE VALORES EXTREMOS ANALISIS ESTADISTICO DE VALORES EXTREMOS Aplicacioes e hidrología Gloria Elea Maggio Dr. Jua F. Aragure 84 - Bueos Aires 4988 0083 www.oldor.com.ar oldor@oldor.com.ar R E S U M E N El objetivo de este

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS DE HIPÓTESIS PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

Transformaciones Lineales

Transformaciones Lineales Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

Encuesta de Transición Educativo- Formativa e Inserción Laboral (ETEFIL)

Encuesta de Transición Educativo- Formativa e Inserción Laboral (ETEFIL) Ecuesta de Trasició Educativo- ormativa e Iserció Laboral (ETEIL) Diseño de la muestra I. Itroducció Esta ecuesta pretede proporcioar iformació sobre las características de la isercció e el mercado laboral

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

denomina longitud de paso, que en un principio se considera que es constante,

denomina longitud de paso, que en un principio se considera que es constante, 883 Aálisis matemático para Igeiería. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA CAPÍTULO 3 Métodos uméricos de u paso El objetivo de este capítulo es itroducir los métodos uméricos de resolució

Más detalles

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2 Estadística o Paramétrica ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ Autores: Jua Fracisco Moge Ivars (jmoje@uoc.edu), Ágel A. Jua Pérez (ajuap@uoc.edu) ESQUEMA DE CONTENIDOS Estadística o Paramétrica

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de

Más detalles

Revisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.

Revisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola. Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

Teoría Combinatoria. Capítulo 2. 2.1. Dos Principios Básicos.

Teoría Combinatoria. Capítulo 2. 2.1. Dos Principios Básicos. Capítulo 2 Teoría Combiatoria La Teoría Combiatoria es la rama de las matemáticas que se ocupa del estudio de las formas de cotar Aparte del iterés que tiee e sí misma, la combiatoria tiee aplicacioes

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva Itroducció Se defie alguos coceptos básicos para ua compresió ituitiva de la Estadística. Se itroduce los primeros coceptos sobre el uso y maejo de datos uméricos, que permite distiguir

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

Sucesiones y ĺımite de sucesiones

Sucesiones y ĺımite de sucesiones Tema 3 Sucesioes y ĺımite de sucesioes Ídice del Tema Sucesioes........................................ 60 Progresioes....................................... 63 3 Covergecia......................................

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta. . POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes

Más detalles

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general 5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y

Más detalles

COMUNICACIÓN A 5272 27/01/2012

COMUNICACIÓN A 5272 27/01/2012 2012 Año de Homeaje al doctor D. Mauel Belgrao A LAS ENTIDADES FINANCIERAS: COMUNICACIÓN A 5272 27/01/2012 Ref.: Circular LISOL 1-545 CONAU 1-962 Exigecia de capital míimo por riesgo operacioal. Determiació

Más detalles

ANÁLISIS DE VARIANZA

ANÁLISIS DE VARIANZA ANÁLISIS DE VARIANZA Se supoe el caso de u fabricate y tres cosumidores de latas cuyo fodo tega al meos 0.25 libras de recubrimieto de estaño. Mediate u tratamieto químico, se puede medir el peso de este

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Iferecial El presete documeto es ua guía para el curso de iferecia estadística impartido e el Istituto Nacioal de Estadística Geografía e Iformática (INEGI), e el edificio de capacitació; y

Más detalles

8 Funciones, límites y continuidad

8 Funciones, límites y continuidad Solucioario 8 Fucioes, límites y cotiuidad ACTIVIDADES INICIALES 8.I. Copia y completa la siguiete tabla, epresado de varias formas los cojutos uméricos propuestos. Gráfica Itervalo Desigualdad Valor absoluto

Más detalles

TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I)

TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I) TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (Parte I) Tema 6- Parte 1 1 EL MÉTODO de la TASA de DESCUENTO AJUSTADA al RIESGO : a = k + p E presecia de iflació a = k + p ( 1 + a ) = ( 1 + a )(

Más detalles

b. La primera parte del apartado es igual al apartado a, con la diferencia de que el segundo medio es agua.

b. La primera parte del apartado es igual al apartado a, con la diferencia de que el segundo medio es agua. Septiembre 0. Preguta B.- Se tiee u prisma rectagular de vidrio de ídice de refracció,4. Del cetro de su cara A se emite u rayo que forma u águlo a co el eje vertical del prisma, como muestra la figura.

Más detalles

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

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

Más detalles

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

Más detalles

7 Energía electrostática Félix Redondo Quintela y Roberto Carlos Redondo Melchor Universidad de Salamanca

7 Energía electrostática Félix Redondo Quintela y Roberto Carlos Redondo Melchor Universidad de Salamanca 7 Eergía electrostática Félix Redodo Quitela y Roberto Carlos Redodo Melchor Uiersidad de alamaca Eergía electrostática de ua distribució de carga eléctrica Hasta ahora hemos supuesto distribucioes de

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A

Más detalles

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes

Más detalles

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno: Uidad 5 Aualidades vecidas Objetivos Al fializar la uidad, el alumo: Calculará el valor de la reta de ua perpetuidad simple vecida. Calculará el valor actual de ua perpetuidad simple vecida. Calculará

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9. II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros

Más detalles

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra.

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra. UNIDAD 9 Iferecia estadística. Distribucioes muestrales la Estadística se distigue dos partes perfectamete difereciadas. Ua de ellas se cooce co el ombre de Estadística Descriptiva y tiee como objetivo

Más detalles

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL ) MEDIA ARITMÉTICA MEDIDAS DE TENDENCIA CENTRAL CON EXCEL Las medidas de tedecia cetral so medidas represetativas que como su ombre lo idica, tiede a ubicarse hacia el cetro del cojuto de datos, es decir,

Más detalles

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES 57 3. TET E INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE DO POBLACIONE U test de hipótesis para dos muestras es similar e muchos aspectos al test para ua muestra. e especifica ua hipótesis ula,

Más detalles

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por:

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por: Tema 4. Trasformada Z. La trasformada Z para sistemas discretos desempeña u papel aálogo a la trasformada de Laplace para sistemas cotiuos. os va a permitir represetar la relació etrada salida de u sistema

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6. Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO

Más detalles

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS AEXO I COCEPTOS SÍSMICOS BÁSICOS E este aeo se compila alguos de los coceptos sísmicos básicos pero ecesarios. Se itroduce los tipos de movimietos vibratorios, así como su descripció y otació matemática.

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució L I T E R A T U R A Y M A T E M Á T I C A S El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

Análisis en el Dominio del Tiempo para Sistemas Discretos OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is

Más detalles