AJUSTES DE CURVAS Método de Regresión Exponencial Curvas de tipo
|
|
- Laura Franco Santos
- hace 7 años
- Vistas:
Transcripción
1 AJUSTES DE CURVAS Método de Regresón Eponencal Curvas de tpo y ae b y y e a+ b Ing. Yaml Armando Cerquera Esp Sstemas U. Naconal de Colomba Facultad de Ingenería Unversdad Surcolombana CONTENIDO Desarrollo del modelo... B Eponencal del tpo y Ae...4 Ejemplo aplcado a ngenería...6 Cnétca de una reaccón...6 a+ b Eponencal del tpo y e... Cómo proponer la curva a ajustar?... Ejemplo práctcos... Cnétca de una reaccón... Apromacón de una funcón matemátca complcada...7 Pronóstcos del número de lectores de Supermán...9 Resumen... RECURSOS BIBLIOGRAFÍCOS... Bblografía Básca:... Bblografía Complementara:... Bblografía OnLne:...3 Docente de planta. Unversdad Surcolombana. Escalafón Asocado. Programa Ingenería Electrónca Unversdad Surcolombana Neva Hula Colomba de 3
2 Preámbulo A lo largo de la profesón de un ngenero, un físco, un matemátco, frecuentemente se presentan ocasones en las que deben ajustar curvas a un conjunto de datos representados por puntos. Las técncas desarrolladas para este fn pueden dvdrse en dos categorías generales: nterpolacón y regresón. Se consderará aquí la prmera de estas dos categorías. Más aún, como la teoría de apromacón eponencal es una de las técncas utlzadas, será la que se consdere en este trabajo. Cuando se asoca un error sustancal a los datos, la nterpolacón eponencal es napropada y puede llevar a resultados no satsfactoros cuando se usa para predecr valores ntermedos. Los datos epermentales a menudo son de ese tpo. Una estratega mas apropada en estos casos es la de obtener una funcón apromada que ajuste adecuadamente el comportamento o la tendenca general de los datos, sn concdr necesaramente con cada punto en partcular. Una curva eponencal puede usarse en la caracterzacón de la tendenca de los datos sn pasar sobre nngún punto en partcular. Una manera de determnar la curva, es nspecconar de manera vsual los datos grafcados y luego trazar la mejor curva a través de los puntos. Aunque este enfoque recurre al sentdo común y es váldo para cálculos a smple vsta es defcente ya que es arbtraro. Es decr, cada analsta trazará curvas dferentes. La manera de qutar esta subjetvdad es consderar un crtero que cuantfque la sufcenca del ajuste. Una forma de hacerlo es obtener una curva que mnmce la dferenca entre los datos y la curva y el método para llevar a cabo este objetvo es al que se le llama regresón eponencal. Introduccón El presente trabajo forma parte de los objetvos y contendos de aprendzaje de la cátedra MÉTODOS NUMÉRICOS, que pretende desarrollar las habldades para la utlzacón de los métodos lneales y estmacón de mínmos cuadrados. En este trabajo báscamente se habla de cómo desarrollar la aplcacón de los métodos lneales y estmacón por mínmos cuadrados, además de nferenca, b a+ b predccón y correlacón para ajustar datos a curvas de tpos y ae y y e. Se desarrollan una sere de ejemplos medante los cuales se trata de presentar la manera más senclla de usar estos métodos. S se sabe que este una relacón entre una varable denomnada dependente y otras denomnadas ndependentes (como por ejemplo las estentes entre: la eperenca profesonal de los trabajadores y sus respectvos sueldos, las estaturas y pesos de personas, la produccón agrara y la cantdad de fertlzantes utlzados, etc.), puede Unversdad Surcolombana Neva Hula Colomba de 3
3 darse el problema de que la dependente asuma múltples valores para una combnacón de valores de las ndependentes. La dependenca a la que hace referenca es relaconal matemátca y no necesaramente de causaldad. Así, para un msmo número de undades producdas, pueden estr nveles de costo, que varían empresa a empresa. S se da ese tpo de relacones, se suele recurrr a los estudos de regresón en los cuales se obtene una nueva relacón pero de un tpo especal denomnado funcón, en la cual la varable ndependente se asoca con un ndcador de tendenca central de la varable dependente. Cabe recordar que en térmnos generales, una funcón es un tpo de relacón en la cual para cada valor de la varable ndependente le corresponde uno y sólo un valor de la varable dependente. Objetvos Entre los objetvos propuestos en este apartado se puede ctar los sguentes:. Que sea fáclmente comprensble para los alumnos con un conocmento mínmo de matemátcas;. Capactar a los alumnos para que practquen los métodos numércos en una computadora; 3. Elaborar programas smples que puedan usarse de manera senclla en aplcacones centífcas; 4. Proporconar software que resulte fácl de comprender. La mportanca de los métodos numércos ha aumentado de forma drástca en la enseñanza de la ngenería y la cenca, lo cual refleja el uso actual y sn precedentes de las computadoras. El desarrollo de un programa sempre es mportante en el aprendzaje de métodos numércos. La presentacón de resultados calculados con gráfcos utlzando algún software, por ejemplo MATLAB, motva a los alumnos para aprender métodos matemátcos y numércos que de otra forma podrían resultar tedosos. Desarrollo del modelo En el caso de que la esperanza propa de cada medcón sga un modelo de la forma n B B ( y Ae ) y Ae, la epresón a mnmzar se reduce a S( A, B), La mnmzacón σ y de S ( A, B) es un problema sn solucón analítca, por esto msmo se debe realzar a través de métodos numércos; Unversdad Surcolombana Neva Hula Colomba 3 de 3
4 Desafortunadamente en la práctca no sempre los polnomos ajustan ben una sere de datos. Una curva que aparece frecuentemente en la práctca es la eponencal, la cual es: Eponencal del tpo B y Ae S se les aplca el método de mínmos cuadrados se obtene las dos curvas propuestas así: S Está dada por: S y Ae p B B ( y Ae ) Dervando S A A ( y Ae B ) ( y Ae B )( e B ) S B B ( y Ae B ) ( y Ae B )( Ae B ) Unversdad Surcolombana Neva Hula Colomba 4 de 3
5 Igualando a y smplfcando S A B B B ( y Ae )( e ) Ae y B e S B B B B y Ae Ae ( )( ) Ae y B e Se puede observar que las ecuacones normales son no lneales, por lo cual son dfícles de resolver. Por esta razón en la práctca se prefere usar un cambo de varable antes de aplcar el método de mínmos cuadrados. S para el modelo eponencal se toman logartmos naturales se tene: b y ae ln( y ) ln( a) + b S z ln(y) a ln( a) y se obtene: a b z ao + a La ecuacón de una recta, la cual es trval hallarla por mínmos cuadrados. Para el error estándar cuadrado es σ y S M Es mportante regresar a las varables orgnales, después de haber hecho la regresón, ya que nteresa el ajuste de y en funcón de, no de ln(y ) en funcón de ó de ln( y ) en funcón de ln( ). En ambos casos A e a o B a Unversdad Surcolombana Neva Hula Colomba 5 de 3
6 S Se calcula con la epresón respectva del paso. Ejemplo aplcado a ngenería A contnuacón se muestran algunas aplcacones del ajuste de curvas. Cnétca de una reaccón En la ndustra químca se elaboran productos que son de uso daro: locones, jabones, perfumes, desodorantes, dulces, etc, etc, etc. Muchos de estos productos son sntétcos y se elaboran en equpos llamados reactores. Para dseñar y posterormente construr un reactor se requere nformacón de como vara la concentracón en funcón del tempo de una reaccón químca determnada. Esta nformacón es denomnada cnétca de la reaccón. Para determnar dcha cnétca se requere medr en laboratoro datos de la concentracón de algún reactvo para varos tempos de reaccón. La trmetlamna y el bromuro de n-proplo es una reaccón que se puede estudar para dseñar reactores. La reaccón es: + N CH ) + CH CH CH br ( CH ) ( CH CH CH ) N + Br ( A contnuacón se muestra una tabla de la concentracón de la trmetlamna en funcón del tempo Tabla 4 Concentracón de trmetlamna en funcón del tempo t(mn) C(mol/lt) Para proponer el modelo apropado se recurre a la teoría. La Fscoquímca da la teoría necesara. De acuerdo a la Fscoquímca modelos posbles en este caso son Para el modelo t[ ]; c[ ]; plot(t,c,'or') as([.]) A ; kt C Ae Modelo C kt + A Modelo Unversdad Surcolombana Neva Hula Colomba 6 de 3
7 k ; T:3:; CA.*ep(k*T); hold on plot(t,c) Se prueba ambos modelos para ver cual es más apropado. Para el modelo kt eponencal C Ae se hace un cambo de varable S se utlza la sguente nomenclatura kt C Ae ln C ln( A) + ( ) kt Se obtene la ecuacón y ln(c) a ln( A) a k t y a + a En estos térmnos las ecuacones normales son M a y y O s lo prefere M t t a t ln( C) t ln( C) M t(mn) t C(mol/lt) ln( C ) y , , , , , Calculando las sumatoras M 4 t 6 t y ln(c) Unversdad Surcolombana Neva Hula Colomba 7 de 3
8 y t ln(c) Las ecuacones son Resolvendo a 96 4a + 6a 6a + 9a Regresando a la varable orgnal La ecuacón es A e kt S C Ae entonces; C E e C e El error estándar cuadrado es a a E e E k E E 3t t σ tc S E E 3 M 4 Para el segundo modelo (Potencal ) tambén se realza cambos de varable C kt + A kt + A C S Este modelo se desarrolla aparte como modelo de regresón potencal Unversdad Surcolombana Neva Hula Colomba 8 de 3
9 Se obtene Las ecuacones normales son O s prefere M M t Calculando las sumatoras que faltan y C k a A a t y a + a y a t a t y y C t c c y c Las ecuacones son Resolvendo a 96 a + 6a 4 a + 96a a e Regresando a la varable orgnal A k e- Unversdad Surcolombana Neva Hula Colomba 9 de 3
10 La ecuacón es C El error estándar cuadrado es e - t σ tc S E 4 M 4 Se puede observar que el modelo es mejor al modelo eponencal ya que su error estándar cuadrado es menor. Por esta razón se acepta que la curva ajustada es: C E - t Este modelo de acuerdo a su error estándar cuadrado da 3 decmales correctos o sea en este caso cfras sgnfcatvas. Con esto en mente se determna cual es la concentracón ncal al prncpo del epermento. Esto equvale a evaluar el modelo en t mn. C ( mn) C ( mn) mol / lt C ( mn).mol / lt Cuánto reactvo queda a la meda hora de ncado el epermento? C (3 mn) e - *(3) C ( 3 mn) mol / lt C ( 3 mn).77mol / lt Cuánto reactvo queda a las 3 horas de ncado el epermento? C (8 mn) e - *(8) C ( 8 mn) mol / lt C ( 8 mn).35mol / lt De los resultados anterores en orden de confabldad tenemos: C(3 mn), C( mn), C(8 mn). Esto es porque en 3 mnutos se esta nterpolando. En los otros valores se realzan etrapolacones y como ya menconamos anterormente es mas seguro nterpolar que etrapolar. La concentracón en mn es mas confable que la Unversdad Surcolombana Neva Hula Colomba de 3
11 concentracón en 8 mn porque esta mas cerca del ntervalo de tempos que cubre la tabla. Por ultmo las undades de las constantes del modelo son: A[]mol/lt k[]mol/lt/mn Esto es porque el modelo debe de ser dmensonalmente consstente. Eponencal del tpo y a+ b e En determnados epermentos, en su mayoría bológcos, la dependenca entre las varables X e Y es de forma eponencal, en cuyo caso nteresa ajustar a la nube de a+ b puntos una funcón del tpo: y e con una transformacón de lnealdad, tomando logartmos neperanos, se converte el problema en una cuestón de regresón lneal. Es decr: Aplcando logartmos neperanos: ln( y ) a + b Llamando y ln(y), se tene y a + b (regresón lneal) Para smplfcar, descartando multplcdades y suponendo que cada par se repte una sola vez, las ecuacones normales serán: a an + b + b ln( y ) ln( y ) Unversdad Surcolombana Neva Hula Colomba de 3
12 Calculando los parámetros 'a' y 'b', se tene la ecuacón de la funcón eponencal: a+ b y e Cómo proponer la curva a ajustar? La curva propuesta puede determnarse de las sguentes maneras: Consderando la teoría. A veces la naturaleza físca de los datos nos dce o al menos propone la forma de la curva. Por ejemplo s se ajusta datos de voltaje contra corrente la ecuacón apropada es lneal por la ley del Ohm. Grafcando. S no tene una teoría que ndque la forma de la curva, vendo la gráfca se pude hacer una dea del mejor ajuste. Por tanteo. Probando dversas curvas, la que nos de σ y mas pequeño será la apropada. Ejemplo práctcos A contnuacón mostramos algunas aplcacones del ajuste de curvas. Cnétca de una reaccón En la ndustra químca se elaboran productos que usamos todos los días: locones, jabones, perfumes, desodorantes, dulces, etc. Muchos de estos productos son sntétcos y se elaboran en equpos llamados reactores. Para dseñar y posterormente construr un reactor se requeren nformacón de como vara la concentracón en funcón del tempo de una reaccón químca determnada. Esta nformacón es denomnada cnétca de la reaccón. Para determnar dcha cnétca se requere medr en laboratoro datos de la concentracón de algún reactvo 3 para varos tempos de reaccón. La trmetlamna y el bromuro de n-proplo es una reaccón que se puede estudar para dseñar reactores. La reaccón es: N CH ) + CH CH CH br ( CH ) ( CH CH CH ) N Br ( A contnuacón se muestra una tabla de la concentracón de la trmetlamna en funcón del tempo Tabla 4 Concentracón de trmetlamna en funcón del tempo + + Unversdad Surcolombana Neva Hula Colomba de 3
13 t (mn) C (mol/lt).3e+ 8.88E- 3.4E+ 7.43E- 5.9E+ 6.33E-.E+ 4.48E- Para proponer el modelo apropado recurramos a la teoría. La Fscoquímca nos da la teoría necesara. De acuerdo a la Fscoquímca modelos posbles en este caso son kt C Ae Modelo C kt + A Modelo Se prueba ambos modelos para ver cual es más apropado. Para el modelo kt eponencal C Ae se hace un cambo de varable S se utlza la sguente nomenclatura kt C Ae ln C ln( A) + ( ) kt y ln(c) a ln( A) a k t Se obtene la ecuacón y a + a En estos térmnos las ecuacones normales son O s lo prefere M M t a t a t y y ln( C) t ln( C) M t(mn) t C(mol/lt) ln( C ) y , , Unversdad Surcolombana Neva Hula Colomba 3 de 3
14 , , , Calculando las sumatoras M 4 t 6 t y ln(c) y t ln(c) Las ecuacones son Resolvendo a 96 4a + 6a 6a + 9a a E 3 Regresando a la varable orgnal La ecuacón es kt A e S C Ae entonces; C E e C e El error estándar cuadrado es a e E k E E 3t t σ tc S E M 4 E Para el segundo modelo tambén se realza cambos de varable Unversdad Surcolombana Neva Hula Colomba 4 de 3
15 C kt + A kt + A C S y C k a A a t Se obtene Las ecuacones normales son O s prefere y a + a a y M y M t Calculando las sumatoras que faltan y t a t C t c c y c Las ecuacones son Resolvendo a 96 a + 6a 4 a + 96a a e Unversdad Surcolombana Neva Hula Colomba 5 de 3
16 Regresando a la varable orgnal A k e- La ecuacón es C El error estándar cuadrado es e - t σ tc S E 4 M 4 Se puede observar que el modelo es mejor al modelo eponencal ya que su error estándar cuadrado es menor. Por esta razón se acepta que la curva ajustada es: C E - t Este modelo de acuerdo a su error estándar cuadrado da 3 decmales correctos o sea en este caso cfras sgnfcatvas. Con esto en mente se determna cual es la concentracón ncal al prncpo del epermento. Esto equvale a evaluar el modelo en t mn. C ( mn) C ( mn) mol / lt C ( mn).mol / lt Cuánto reactvo queda a la meda hora de ncado el epermento? C (3 mn) e - *(3) C ( 3 mn) mol / lt C ( 3 mn).77mol / lt Cuánto reactvo queda a las 3 horas de ncado el epermento? C (8 mn) e - *(8) C ( 8 mn) mol / lt Unversdad Surcolombana Neva Hula Colomba 6 de 3
17 C ( 8 mn).35mol / lt De los resultados anterores en orden de confabldad tenemos: C(3 mn), C( mn), C(8 mn). Esto es porque en 3 mn. estamos nterpolando. En los otros valores se realzan etrapolacones y como ya menconamos anterormente es mas seguro nterpolar que etrapolar. La concentracón en mn es mas confable que la concentracón en 8 mn porque esta mas cerca del ntervalo de tempos que cubre la tabla. Por ultmo las undades de las constantes del modelo son: A[]mol/lt k[]mol/lt/mn Esto es porque el modelo debe de ser dmensonalmente consstente. Apromacón de una funcón matemátca complcada Esten funcones matemátcas que son dfícles de evaluar. De estas funcones muchas están tabuladas en manuales de matemátcas. Es común en aplcacones, sobre todo en programas de computadora usar una ecuacón que se aprome al comportamento de alguna de estas funcones. Una forma de obtener una funcón más smple de evaluar a partr de una funcón complcada, consste en generar una tabla y posterormente hallar una curva que se ajuste a la msma. La funcón Gamma ó funcón factoral generalzada, se emplea en la solucón de algunas ecuacones dferencales ó en el calculo de certas ntegrales. Esta funcón como su nombre lo ndca generalza el concepto de factoral. Esta defnda por Como puedes ver es dfícl de evaluar. t Γ( ) ( )! t e dt Puede demostrarse que basta con tabular esta funcón en el ntervalo [,] para determnar su valor en cualquer ntervalo. La tabla sguente es un etracto de una tabla de dcha funcón Tabla 5 Funcón Factoral X.E+.E-.E- Y.E E E- Unversdad Surcolombana Neva Hula Colomba 7 de 3
18 3.E- 4.E- 5.E- 6.E- 7.E- 8.E- 9.E-.E E E E E E E E-.E+ La tabla orgnal tene puntos. Con el fn de obtener una curva apromada smple se ajustaron los datos a polnomos. La sguente tabla muestra el error estándar cuadrado en funcón del grado n Tabla E E E E E E E E E E E E E E E E E E E E E E E E-87 Se puede observar que el mejor polnomo es de grado, ya que tene error estándar cuadrado mínmo. No convene el polnomo de grado, ya que el error estándar cuadrado es mayor al de. El polnomo de grado obtendo es y E E E E E E E E nc Unversdad Surcolombana Neva Hula Colomba 8 de 3
19 E E E E 3 9 De acuerdo al error estándar cuadrado tenemos 8 cfras sgnfcatvas. Este polnomo es mas fácl de evaluar y es mas recomendable que la funcón orgnal, en un programa, ya que el tempo de maquna para su evaluacón es menor. Pronóstcos del número de lectores de Supermán Como menconamos en la undad anteror la etrapolacón es menos confable que la nterpolacón. Esto es prncpalmente por el fenómeno de osclacón. Este fenómeno es sero en los polnomos de colocacón, pero no así en los polnomos de regresón. La dferenca entre ambos es que los de colocacón pasan por ó más puntos de la tabla, y los polnomos de regresón se aproman a todos los puntos. Esto trae como consecuenca que su comportamento sea más suave. Por esto se prefere los polnomos de regresón para etrapolar. En la undad pasada en un problema se realzo la estmacón de cuantos lectores potencales tene Supermán, en base a datos del censo de USA. Los datos se dan nuevamente en la tabla 7. Tabla 7. Censo de USA Año Poblacón Después de realzar dferentes ajustes el mejor polnomo es y E E E E E con σ y e + 6 Por lo cual tenemos 3 cfras sgnfcatvas. S repetmos la nterpolacón y la etrapolacón de ese ejemplo tenemos 3 Unversdad Surcolombana Neva Hula Colomba 9 de 3
20 Y(.938E+3) E+8 Y(.996E+3) E+8 Redondeando a las cfras sgnfcatvas que nos da el modelo tenemos Y(938).9E+8 Y(996).37E+8 Los valores obtendos con polnomos de colocacón son respectvamente Y(938).9E+8 Y(996) 3E+8 Comparando los resultados obtuvmos mas cfras sgnfcatvas con el polnomo de regresón que con el de colocacón Resumen El ajuste de curvas ó regresón consste en dada una tabla determnar una ecuacón que se aprome apropadamente a los datos. El método a utlzar se denomna mínmos cuadrados. Consste de los sguentes pasos: Proponer una curva. Formar la cantdad: S e Dervar parcalmente S respecto de cada varable. Igualar a. Resolver las ecuacones normales. Calcular S. Calcular el error estándar cuadrado. Las curvas mas usadas son los polnomos. Para hallar el mejor polnomo se propone el grado y se va calculando el error estándar cuadrado hasta que sea menor o gual a una toleranca, comence a subr de valor, ó se llegue al grado más alto posble. Otras curvas muy usadas son la eponencal y la potencal. Unversdad Surcolombana Neva Hula Colomba de 3
21 Para determnarlas se hace un cambo de varable con logartmos y se aplca el método de mínmos cuadrados. La curva propuesta puede determnarse consderando: Teoría, grafcando ó por tanteo. S es necesaro se debe de ntentar de smplfcar el modelo antes de aplcar el método de mínmos cuadrados. S no es posble se aplca el método drectamente. El método de mínmos cuadrados NO mplca necesaramente ajustar a polnomos. Unversdad Surcolombana Neva Hula Colomba de 3
22 RECURSOS BIBLIOGRAFÍCOS Bblografía Básca: MATHEUS. John H. Fnk Kurts D. Métodos Numércos con MATLAB. Edtoral Prentce Hall Bblografía Complementara: ALTZ, Franz L. Electronc. Dgtal. computers: Ther use n scence and Engneerng. 958 Academc Press nc. New York. BURDEN Rchard L., J. Douglas Fares; Análss numérco. tr. Efrén Alatorre Mguel; Revsón Técnca. Ildefonso. 998 (Bbloteca USCO. Nro Topográfco: 55 / B949a.) CHAPRA Steven C., CANALE Raymond P, Numercal Methods for engneers. McGraw Hll, Inc p. ISBN CHAPRA Steven C., CANALE Raymond P. Métodos numércos para ngeneros: con aplcacones en computadoras personales. 988 (Bbloteca USCO Nro Topográfco: 59.5 / C467m) CONDE S. D, Carl de Boor. Análss numérco elemental: Un enfoque algorítmco. Mc. Graw-Hll 97, (Bbloteca USCO Nro Topográfco: 5.8 / C76 Bbloteca). CORMICK MC., John M. and SALVADOR M.C. Numercal Methods n FORTRAN Prentce-Hall Inc Englewood Clffs N:J. CURTIS, F. Gerald, WHEATLEY, O. Patrck. Análss numérco con aplcacones. Tr. Hugo Vllagomez Vasquez. 6 Ed. Pearson Educacón., 698p. ISBN FADDEEVA, V.N. Computaconal methods of lnear algebra, Dover Publcatons. 969, New York. GASTINEL Noél; Análss numérco lneal. tr. Javer Ruz Fernández de Pnedo (Bbloteca USCO Nro Topográfco: 5.7 / G55). GREENSPAN, D. Theory and solutons of Ordnary Dfferencal Equatons. 96 The. Mc Mllan Co. New York. KINCAID Davd y Ward Cheney; Análss numérco: Las matemátcas del cálculo centífco. tr. Rafael. 994 (Bbloteca USCO Nro Topográfco: 55 / K5a). LUTHE. Rodolfo, OLIVERA Antono, SCHUTZ Fernando, Métodos numércos. 986 (Bbloteca USCO Nro Topográfco: 5.7 / L973m). McCRACKEN, Danel D., Métodos numércos y programacón fortran: con aplcacones en ngenería y cencas Edtoral Lmusa. Méco. (Bbloteca USCO Nro. Topográfco:.644 / M7). NAKAMURA Shochro; Métodos numércos aplcados con software. tr. Oscar Alfredo Palmas Velasco. Prentce Hall Hspanoamercana S.A p. (Bbloteca USCO. Nro. Topográfco: 5.8 / N63m) ISBN NAKAMURA Shochro; Análss numérco y vsualzacón gráfca con MatLab. tr. Roberto Escalona Garca. Prentce Hall Hspanoamercana S.A (Bbloteca USCO N ro Topográfco: 55. / N63a). 465p. ISBN NIETO RAMIREZ José A., Métodos numércos en computadoras dgtales. Edtoral Lmusa 98. (Bbloteca USCO Nro Topográfco:.644 / N677). Unversdad Surcolombana Neva Hula Colomba de 3
23 RALSTON Anthony; Introduccón al análss numérco. tr. Carlos E. Cervantes de Gortar. Edtoral Lmusa. Meco p. (Bbloteca USCO Nro Topográfco: 5.7 / R64.) SCARBOROUGH, J.B Numercal mathematcs analyss SIERRA ROMERO, Alberto. Manual de Métodos Numércos. Unversdad Tecnológca de Perera. SMITH, W. Allen; Análss numérco. tr. Francsco Javer Sánchez Bernabe; Rev. Téc. José Lus Turrza Pnto. Prentce Hall Hspanoamercana S.A p. (Bbloteca USCO Nro Topográfco: 55 / S664a) ISBN STANTON, Ralp G. Numercal Methods for Scence and Engneerng Prentce- Hall Inc. Englewood Clffs N.J Bblografía OnLne: (Bografías) Unversdad Surcolombana Neva Hula Colomba 3 de 3
AJUSTES DE CURVAS Método de Regresión Potencial
AJUSTES DE CURVAS Método de Regresón Potencal Ing. Yaml Armando Cerquera Esp Sstemas U. Naconal de Coloma Facultad de Ingenería Unversdad Surcolomana CONTENIDO Preámulo... Introduccón... Ojetvos...3 Desarrollo
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesTEMA 5. INTERPOLACION
TEMA 5.. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos 6. RESUMEN 7. Programacón en Matlab INTERPOLACION . Introduccón En el Tema 4, se ha descrto
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesTEMA 5. INTERPOLACION
Tema 5: Interpolacón TEM 5. INTERPOLCION. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos. RESUMEN 7. Programacón en Matlab Cálculo numérco en
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesMÉTODO DE LAS VELOCIDADES INICIALES
MÉTODO DE LAS VELOCIDADES INICIALES OBJETIVO El alumno determnará los órdenes de reaccón respecto al yodo, la acetona y los ones hdrógeno de la reaccón de yodo con acetona, así como la constante de velocdad
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detallesAJUSTES DE CURVAS MÉTODOS LINEALES Y ESTIMACIÓN POR MÍNIMOS CUADRADOS
AJUSTES DE CURVAS MÉTODOS LINEALES Y ESTIMACIÓN POR MÍNIMOS CUADRADOS Introduccón Métodos de los mínmos cuadrados Error estándar en la estmacón Coefcente de determnacón Coefcente de correlacón Regresón
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesUniversidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detalles16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales
16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo
Más detalles75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN
Análss Numérco Facultad de ngenería - UBA 75. ANÁLSS NUMÉRCO FACULTAD DE NGENERÍA UNVERSDAD DE BUENOS ARES GUÍA DE PROBLEMAS 4 6. NTEGRACÓN. Calcular la sguente ntegral utlzando las fórmulas del trapeco
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesUtilizar sumatorias para aproximar el área bajo una curva
Cálculo I: Guía del Estudante Leccón 5 Apromacón del área bajo la curva Leccón 5: Apromacón del área bajo una curva Objetvo: Utlzar sumatoras para apromar el área bajo una curva Referencas: Stewart: Seccón
Más detallesAPLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO.
APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. Dado un numero n de puntos del plano ( a, b ) es posble encontrar una funcón polnómca
Más detallesCAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA
CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,
Más detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
Más detallesCapítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS
Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesMétodos cuantitativos de análisis gráfico
Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad
UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO
Más detallesUniversidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller
Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesPRÁCTICA 5 TRABAJO Y ENERGÍA
Códgo: Versón: 0 Manual de práctcas del Págna 8/4 Laboratoro de Mecánca Seccón ISO 7.3 Epermental 05 de agosto de 0 emsón Secretaría/Dvsón: Dvsón de Cencas Báscas Laboratoro de Mecánca Epermental La mpresón
Más detallesEn general puede representarse por : Clase 6 3
Encontrar raíces de uncones es uno de los problemas más comunes en ngenería Los métodos numércos para encontrar raíces de uncones son utlzados cuando las técncas analítcas no pueden ser aplcadas. Esto
Más detallesPRÁCTICA 10 CINÉTICA QUÍMICA I: DETERMINACIÓN DEL ORDEN DE REACCIÓN Y DE LA CONSTANTE DE VELOCIDAD
PRÁCTICA 10 CINÉTICA QUÍMICA I: DETERMINACIÓN DEL ORDEN DE REACCIÓN Y DE LA CONSTANTE DE VELOCIDAD OBJETIVOS. Estudar la cnétca de una reaccón químca por el método de las velocdades ncales. Determnar los
Más detallesMétodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales
Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesAPLICACIÓN DEL MATHCAD EN EL EQUILIBRIO DE FASES Marco Antonio Núñez Esquer Departamento de Ingeniería Química y Metalurgia, Universidad de Sonora
APCACÓN DE MATHCAD EN E EQUBRO DE FASES Marco Antono Núñez Esquer Departamento de ngenería Químca y Metalurga, Unversdad de Sonora Nvel Superor Resumen El Equlbro de Fases es fundamental en la práctca
Más detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesObjetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá:
Objetvos El alumno conocerá y aplcará dversas técncas de dervacón e ntegracón numérca. Al fnal de esta práctca el alumno podrá:. Resolver ejerccos que contengan dervadas e ntegrales, por medo de métodos
Más detallesLección 4. Ejercicios complementarios.
Introduccón a la Estadístca Grado en Tursmo Leccón 4. Ejerccos complementaros. Ejercco 1 (juno 06). La nformacón relatva al mes de enero sobre los ngresos (X) y los gastos (Y), expresados en mles de euros,
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detallesTema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas
Tema : Jerarquía Dgtal Síncrona, SDH Dsponbldad de Sstemas Tecnologías de red de transporte de operadora MÁSTER EN INGENIERÍ TELEMÁTIC Profesor: Espín Defncones Fabldad (Relablty): Probabldad de que el
Más detallesEn esta sesión se identificará, definirá y explicarán los diferentes tipos de anualidades tales como las vencidas, anticipadas y diferidas.
Matemátcas 1 Sesón No. 12 Nombre: Tpos de anualdades y amortzacón. Contextualzacón En esta sesón se dentfcará, defnrá y explcarán los dferentes tpos de anualdades tales como las vencdas, antcpadas y dferdas.
Más detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesTema 9: Otros temas de aplicación
Tema 9: Otros temas de aplcacón. Introduccón Exsten muchos elementos nteresantes y aplcacones del Matlab que no se han comentado a lo largo de los temas. Se nvta al lector a que nvestgue sobre ellos según
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesTRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.
TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detalles3.- Programación por metas.
Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesUNIDAD 12: Distribuciones bidimensionales. Correlación y regresión
Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesPráctica 1 Caracterización de un voltímetro analógico
Págna 3/9 Área: Práctca 1 Caracterzacón de un voltímetro analógco Págna 3 Págna 4/9 Área: 1. Segurdad en la ejecucón Pelgro o fuente de energía 1 Foco ncandescente Fuente de poder Resgo asocado Quemadura
Más detallesINSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS
ESCUELA: CARRERA: ESPECALDAD: COORDNACON: DEPARTAMENTO: UPCSA NGENERA EN TRANSPORTE ACADEMAS DE MATEMATCAS CENCAS BASCAS ASGNATURA: MATEMATCAS APLCADAS : TMMA SEMESTRE: 4 CREDTOS: 8 VGENTE: ENERO 2000
Más detallesTEMA 4. TRABAJO Y ENERGIA.
TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero
Más detallesInteracción de Métodos Teóricos, Numéricos y Experimentales en el Rediseño y Análisis de un Elemento Estructural Hecho de Materiales Compuestos.
Interaccón de Métodoeórcos, Numércos y Expermentales en el Redseño y Análss de un Elemento Estructural Hecho de Materales ompuestos. Juan arlos Valdés alazar McME Gerente de Ingenería y Desarrollo PADA
Más detallesICI3140 Métodos Numéricos. Profesor : Dr. Héctor Allende-Cid
ICI3140 Métodos Numércos Proesor : Dr. Héctor Allende-Cd e-mal : hector.allende@ucv.cl Proyecto Tópcos: Numercal Optmzaton Mínmos Cuadrados Numercal Lnear Algebra: SVD QR NMF Dmensonalty Reducton PCA ICA
Más detallesEjemplo de Diseño de un Reactor Batch no Isotérmico
Ejemplo de Dseño de un eactor Batch no Isotérmco Se desea dseñar un reactor batch para la somerzacón de : B. La reaccón es rreversble y tene una cnétca de prmer orden. y B son líqudos a temperatura ambente
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesTERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA
Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla
Más detallesINGENIERÍA ENZIMÁTICA
Dvsón de Cencas Bológcas y de la Salud Ingenería Boquímca Industral INGENIERÍA ENZIÁTICA PROBLEARIO Dr. Sergo Huerta Ochoa NOTA: Los ejerccos presentados en este problemaro, son una recoplacón de problemas:
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detalles2. Tratamiento de errores
. Tratamento de errores Carlos R. Fernández-Pousa e Ignaco Moreno Dvsón de Optca. Departamento de Cenca y Tecnología de Materales Unversdad Mguel Hernández de Elche.. Introduccón Se entende por medda la
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesUnidad 5 2 (5.2) Métodos cuantitativos de análisis gráfico. Método de cuadrados mínimos Regresión lineal
Undad 5 Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas
Más detallesPyE_ EF1_TIPO1_
SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes
Más detallesFormato para prácticas de laboratorio
Fecha de efectvdad: enero 200. CARRERA PLAN DE ESTUDIO CLAVE NOMBRE DE LA ASIGNATURA IC 2003-5048 Electrónca Aplcada II PRÁCTICA No. 8 LABORATORIO DE NOMBRE DE LA PRÁCTICA Ingenero en Computacón DURACIÓN
Más detallesCAPÍTULO IV. IV.1 Correlación de los resultados experimentales
CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesGuía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología
Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesMatemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de
Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca
Más detallesINSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS INGENIERÍA EN SISTEMAS AMBIENTALES
ESCUELA NACONAL DE CENCAS BOLÓGCAS NGENERÍA EN SSTEMAS AMBENTALES HORAS DE TEORÍA 5 ASGNATURA TERMODNÁMCA BÁSCA HORAS DE PRÁCTCA 4 SEMESTRE 3 CRÉDTOS 14 OBJETVO: EL ESTUDANTE MANEJARÁ CORRECTAMENTE LA
Más detallesMosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%]
PROBLEMA: EL BODEGUERO Un bodeguero ha tendo una buena cosecha que estma sea de 10000 ltros. El bodeguero ha de decdr qué cantdad de la cosecha dedcarla a hacer mosto, qué cantdad conservarla un año en
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detalles