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

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

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

Transcripción

1 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

2 Facultad de Cecas Exactas y Tecologías - UNSE.- Valores y Vectores Propos de ua matrz Recordemos que toda matrz m A F determa de modo atural ua trasformacó leal m T F F defda por. E muchas aplcacoes resulta ecesaro ecotrar ectores, s exste, tales que A y (o be T() y ) resulte paralelos, es decr buscamos u ector y u escalar tal que A o be, es fácl adertr que para estos casos m debe ser gual a. Este tpo de problema se preseta e dersas aplcacoes relacoadas co la físca, químca, bología, etc. Defcó Sea que x A F. F es u alor propo de A s y sólo s exste algú ector o ulo A. Defcó x x F tal S F es u alor propo de A F. Los ectores o ulos F que erfca la codcó A se deoma ectores propos de A asocados al alor propo. Notas.- So sómos a) Valor propo, alor característco, raz característca, autoalor, egealor, alor espectral b) ector propo, ector característco, autoector, egeector 3.- S es u ector propo de A asocado a u alor propo, etoces A es u múltplo escalar de, ya que A. E el caso e que etoces y A so paralelos, por defcó de paralelsmo de ectores. 4.- Los alores y ectores propos tee ua terpretacó geométrca útl e los espacos ectorales reales R y R 3. Esto es así, ya que s es u ector propo de ua matrz A R x (o R 3x3 ), asocado a u alor propo, etoces la accó dela matrz A sobre hace que éste se dlate, se cotraga, erta su setdo, etc. segú sea el alor de. x Eemplo Sea A O O > << 3, y ' 3 etoces 3 4 A de modo que O -<< http//algebra-leal.blogspot.com Udad 6

3 Facultad de Cecas Exactas y Tecologías - UNSE es u ector propo asocado al alor propo y el efecto que produce A sobre el ector es premultplcarlo por, luego y so paralelos. Por otro lado 3 3 A ' 3 3 Luego o es u ector propo de pues o es múltplo escalar de, es decr y o so paralelos. Espaco propo Proposcó El couto E de los ectores subespaco ectoral de V. Esto es Demostracó Queda para el alumo. x F tales que erfca la codcó A es u { F x / A } V E Defcó 3 El couto x F E de los ectores espaco propo correspodete al alor propo. tales que erfca la codcó A se deoma Proposcó x Sea A F. El couto de ectores propos de A asocados a alores propos dferetes es lealmete depedete. Demostracó Sea,,, ectores propos de A asocados a,,, F respectamete, tales que, s. Es decr, A, co, s. Debemos probar que {,,, } es lealmete depedete, es decr que debemos probar que es erdadera la sguete proposcó (*) N; a,, ; a Para ello, emplearemos el Prcpo de Iduccó Matemátca e S, etoces a a http//algebra-leal.blogspot.com Udad 6 3

4 Facultad de Cecas Exactas y Tecologías - UNSE es lealmete depedete. Luego, la proposcó (*) es erdadera para, ya que es ector propo y por lo tato por lo tato{ } S supoemos que la proposcó (*) es erdadera para també lo es para h +. h, etoces debemos probar que E esta stuacó la hpótess ducta es la proposcó (*) es erdadera para que el couto {,,, } es lealmete depedete. h h, es decr Debemos probar que la proposcó (*) es erdadera para h +, es decr que el couto {,,, h, } es lealmete depedete. Para ello tomemos la sguete combacó leal, de alor, de estos h + ectores propos h + a () Multplcamos por A e ambos membros de (), A a A Por propedades del álgebra de matrces, resulta a A Por hpótess A, co, s etoces reemplazado e la expresó precedete se tee h + a () Ahora, multplcamos ambos membros por e () a Por propedad dstrbuta del producto de u escalar por ua combacó leal, es h + a Como el producto es comutato e el cuerpo F, resulta h + S restamos membro a membro (3)-(), teemos a a (3) a y realzado las operacoes correspodetes, obteemos http//algebra-leal.blogspot.com Udad 6 4

5 Facultad de Cecas Exactas y Tecologías - UNSE esto es, a h a ( ) ( ) + a ( ) + + a ( ) h h h Obseremos que ésta expresó es ua combacó leal de alor de ectores del couto {,, h }, que es lealmete depedete por hpótess ducta, de modo que los escalares debe ser smultáeamete ulos. Es decr, ( + ) a ( ) a h + a a h a a h ( ) h h Esto es así ya que los alores propos so dferetes etre sí, por hpótess del teorema, por lo tato los escalares so smultáeamete ulos a a a h Reemplazado e () el alor de estos escalares, obteemos de dode, a a h ya que + por ser ector propo de A. Luego {,,,, } h + h + h es lealmete depedete, y por lo tato la proposcó (*) es erdadera. a Q.E.D. Obseracó La proposcó recíproca de la Proposcó es falsa, pues puede ocurrr que u couto de ectores propos sea lealmete depedete y estos ectores esté asocados a alores propos o ecesaramete dsttos, hasta puede ocurrr que todos los alores propos sea guales. Tal es el caso de la matrz detdad de orde 3, e dode el couto de ectores propos {(,, ), (,, ), (,, )} es lealmete depedete y estos ectores propos está asocados al alor propo 3. Proposcó 3 Sea x A F, F es u alor propo de A s y sólo s la matrz I A es sgular (o ersble), sedo I la matrz udad de orde. Demostracó x F es u alor propo de A F, tal que A x F tal que I A F x I A tal que ( ) http//algebra-leal.blogspot.com Udad 6 5

6 Facultad de Cecas Exactas y Tecologías - UNSE el sstema de ecuacoes homogéeo ( ) la matrz I A o es ersble (es sgular). I A es compatble determado Defcó 4 Sea A F. I A se deoma Matrz Característca. det ( I A) se deoma Polomo Característco. Es u polomo de grado e la arable co coefcetes e el cuerpo F. La otacó usual es P( ) det( I A). det ( A) I se deoma Ecuacó Característca. Es ua ecuacó de grado e la arable co coefcetes e el cuerpo F. Nota Por el Corolaro del Teorema Fudametal de Álgebra, la ecuacó característca det ( A) I admte exactamete raíces. Estas raíces puede o o perteecer al cuerpo F. Úcamete las raíces perteecetes al cuerpo F so los alores propos de la matrz A F. Procedmeto para determar los alores y ectores propos Sea x A F. I. det ( A) I de la matrz A.. Las raíces de esta ecuacó perteecetes al cuerpo F so los alores propos II. Para cada alor propo F, formamos el sstema de ecuacoes leales homogéeo ( I A), dode es el ector cógta. De cada uo de estos sstemas de ecuacoes leales se determa el couto solucó, que es precsamete el espaco propo correspodete al alor propo. III. Determamos ua base B de cada espaco propo. Cada ua de estas bases está formada por los ectores propos lealmete depedetes asocados al alor propo. Proposcó 4 Los alores propos de ua matrz tragular so los elemetos de su dagoal prcpal. Demostracó x Sea A F, ua matrz tragular superor, dada por A a a a a a a 3 a Es claro que s calculamos el polomo característco de A teemos. http//algebra-leal.blogspot.com Udad 6 6

7 Facultad de Cecas Exactas y Tecologías - UNSE a a a a ( )( ) ( ) det( I A) a a a a Ahora cosderamos la ecuacó característca ( A) det, I esto es, ( a )( a )( a ) a a 3 Al resoler la ecuacó característca, obseramos que las raíces so precsamete los elemetos de la dagoal prcpal de la matrz tragular superor A, esto es, a a a es decr, que los alores propos de la matrz A so los elemetos de su dagoal prcpal. E forma aáloga procedemos s la matrz A es ua matrz tragular feror. Q.E.D. Proposcó 5 Los alores propos de ua matrz dagoal so los elemetos de su dagoal prcpal. Demostracó (Queda para el alumo) Semeaza de Matrces Defcó 5 Sea dos matrces A, B F. A es semeate a B s y sólo s exste ua matrz P F ersble, tal que B P A P. Proposcó 6 La relacó de semeaza de matrces es ua relacó de equaleca. Demostracó La relacó de semeaza de matrces es Reflexa http//algebra-leal.blogspot.com Udad 6 7

8 Facultad de Cecas Exactas y Tecologías - UNSE Sea la matrz A F. Es claro que A es semeate a A, ya que exste la matrz udad I d F, que es ersble, tal que A I d AI d ) La relacó de semeaza de matrces es Smétrca Sea dos matrces A. A, B F. Probaremos que s A es semeate a B, etoces B es semeate a Como A es semeate a B, etoces exste ua matrz B P P F A P ersble, tal que Multplcamos e ambos membros a la zquerda por P y a la derecha por P -, y teemos P B P P (P A P)P como el producto de matrces es asocato resulta P B P (P P ) A (PP ) de aquí se sgue P B P A Luego B es semeate a A, ya que P es la ersa de P. ) La relacó de semeaza de matrces es Trasta Sea tres matrces A, B, C F. Probaremos que s A es semeate a B y B es semeate a C, etoces A es semeate a C. Como A es semeate a B y B es semeate a C etoces, exste dos matrces ersbles P, S F tales que etoces, B P A P C S B S C S ( P A P ) S y como la multplcacó de matrces es asocata, resulta C ( S P ) A (P S) empleado la propedad de la ersa del producto de matrces ersbles (, obseramos que exste ua matrz ersble P S F tal que por lo tato A es semeate a C. C (P S) A (P S) Falmete de ), ) y ) se sgue que la relacó de semeaza de matrces es ua relacó de equaleca. Q.E.D. Nota E adelate, s ua matrz A es semeate a otra matrz B dremos smplemete que A y B so semeates, esto es debdo a que la equaleca de matrces es ua relacó de equaleca. http//algebra-leal.blogspot.com Udad 6 8

9 Facultad de Cecas Exactas y Tecologías - UNSE Proposcó 7 S dos matrces so semeates etoces tee el msmo polomo característco y por lo tato tee los msmos alores propos. Demostracó Sea A, B F matrces semeates y sea que det ( I - B) det (I - A) E efecto, ( I B) ( I P A P) ( I ( P P P A P ) P F ersble tal que B P A P. Probaremos det det det ) ( P I P P A P) ( P ( I A) P ) ( P ) ( I A) ( P ) det ( ) det det det det ( P ) ( P) ( I A) ( P P) ( I A) ( I ) ( I A) det det det det det det det ( I A) det Eemplo Las matrces ersble, tal que 3 A y B P AP. http//algebra-leal.blogspot.com Udad 6 9 Q.E.D. 3 B so semeates, ya que exste la matrz P E efecto, P es ersble pues es fácl er que det ( P) y calculado coeete resulta, P 3 3 luego B P AP. El polomo característco para las matrces A y B está dados por P por el método más 3 3 det ( I A) det det ( 3)( ) det ( I B) det det ( 3)( ) por lo que ambas matrces tee el msmo polomo característco y por lo tato los msmos alores propos como alores propos 3, Obseracó El recíproco de la Proposcó 7 es falso, ya que dos matrces puede teer los msmos alores propos s ser matrces semeates.

10 Facultad de Cecas Exactas y Tecologías - UNSE Eemplo La matrz I tee por alores propos los elemetos de la dagoal prcpal por ser ua matrz dagoal, segú Proposcó 5, ; La matrz B tee por alores propos los elemetos de la dagoal prcpal por ser ua matrz tragular, segú Proposcó 4,. Ambas matrces tee los msmos alores propos, s embargo o so semeates ya que o exste ua matrz P ersble que satsfaga B P I P (*) pues al ser I el eutro para el producto de matrces, la gualdad (*) se reducría a B P P pero esto o es posble ya que el producto P P es la matrz detdad y B I. Matrces Dagoalzables Defcó 6 Sea A F. La matrz A es dagoalzable s y sólo s exste ua matrz dagoal D F x tal que A es semeate a D. Obseracoes.- Como mos e la Proposcó 7, s ua matrz A es semeate a ua matrz D, etoces resulta que A y D tee los msmos alores propos. Además, la Proposcó 5, asegura que s D es ua matrz dagoal etoces los alores propos de D so los elemetos de su dagoal prcpal. De estos resultados se desprede que s ua matrz A es semeate a ua matrz dagoal D etoces los alores propos de A so precsamete los elemetos de la dagoal prcpal de la matrz dagoal D y por Defcó 6 la matrz A es dagoalzable..- Empleado las defcoes 6 y 5 podemos realzar el sguete razoameto, A F es dagoalzable exste ua matrz dagoal D F por Def. 6 exste ua matrz ersble P F tal que D P - A P por Def. 5 tal que A es semeate a D 3.- De las obseracoes y podemos adertr que la matrz ersble P dagoalza a la matrz A y la matrz dagoal D semeate a A, tee e su dagoal prcpal a los alores propos de la matrz A. Proposcó 8 Ua matrz A F es dagoalzable s y sólo s A tee ectores propos que forma u couto lealmete depedete. E tal caso la matrz dagoal D semeate a la matrz A está dada por, D F http//algebra-leal.blogspot.com Udad 6

11 Facultad de Cecas Exactas y Tecologías - UNSE dode,,, so los alores propos de A. S P F es ua matrz cuyas columas so ectores propos lealmete depedetes de la matrz A etoces D P A P. Demostracó a) Supogamos que tee ectores lealmete depedetes,,, respectamete asocados a los alores propos,,, (o ecesaramete dferetes) de la matrz A. Es decr, A, A, A () Probaremos que la matrz A es dagoalzable. Para ello, sea P F la matrz cuyas columas so las compoetes delos ectores propos,,, de la matrz A, esto es, p p p p p p p p P p p p p p p, co x F,,, p S calculamos a a a p p p p a a a p p p p AP a p a a p p p podemos obseremos que las compoetes de la columa -ésma de compoetes del ector A, es decr Por lo tato, A luego, por (), se tee p a a a a p a p a p p a a a a p + a p + + a p a a a a p + a p + + a p p A P A A A A A P () A P so guales a las http//algebra-leal.blogspot.com Udad 6

12 Facultad de Cecas Exactas y Tecologías - UNSE Por otro lado,s calculamos p p p p p p p p PD p p p p obteemos, p p p p p p p p PD p p p p y podemos obserar que las compoetes de la columa -ésma de so guales alas compoeetes del ector, esto es P p p p p p p, por lo tato podemos escrbr smbólcamete, PD (3) Teedo e cueta () y (3) se sgue que y como {,, }, P D A P (4) es lealmete depedete, etoces P es ersble, por lo tato s multplcamos a zquerda e ambos membros de (4) por P -, resulta D P A P (5) Es claro que D es ua matrz dagoal semeate a A, ya que exste ua matrz P ersble que erfca la gualdad (5), luego, por Defcó 6, A es dagoalzable. b) Ahora demostraremos el sguete codcoal, http//algebra-leal.blogspot.com Udad 6

13 Facultad de Cecas Exactas y Tecologías - UNSE S la matrz A es dagoalzable, etoces A tee ectores propos que forma u couto lealmete depedete. Por hpótess la matrz A es dagoalzable, etoces por Defcó 6 exste ua matrz dagoal D semeate a A, y e cosecueca por Defcó 5, exste ua matrz P ersble tal que D P A P (α) multplcamos a zquerda e ambos membros de (α) por P y resulta P D P ( P A P) aplcado la propedad asocata del producto de matrces teemos luego P D ( P P ) A P P D A P (β) Ahora, s a la matrz dagoal D la represetamos por D F, dode,,, o so ecesaramete dferetes. Y s a la matrz P la expresamos a traés de sus columas, es decr P F, co columa de P;,, etoces los productos PD y AP expresados e térmos de sus columas so y PD (δ) A P A A A A (ρ) Luego, de (β), (δ) y (ρ) se sgue que las respectas columas de PD y de AP so guales es decr A, A,, A Esto os dca que,,, so ectores propos de A asocados a los alores propos,,, respectamete; y como P es ersble etoces {,,, } es lealmete depedete. Q.E.D. http//algebra-leal.blogspot.com Udad 6 3

14 Facultad de Cecas Exactas y Tecologías - UNSE Corolaro S A F admte alores propos dferetes etoces A es dagoalzable. Demostracó Por hpótess la matrz A tee alores propos dferetes. Sea,,, los alores propos dferetes de la matrz A, y sea,,, ectores propos de A asocados a cada uo de los alores propos respectamete, esto es A, A,, A, etoces, por Proposcó, el couto {,,, } es lealmete depedete. Esto es, la matrz A tee ectores propos que forma u couto lealmete depedete, etoces por la Proposcó 8 resulta que A es dagoalzable. Teorema de Cayley-Hamlto (s demostracó) Q.E.D. Toda matrz A F es u cero de su polomo característco http//algebra-leal.blogspot.com Udad 6 4

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

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

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

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

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

Intensificación en Estadística

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

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

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

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

Más detalles

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

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

Sist. Lineales de Ecuaciones

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

Más detalles

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

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

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

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

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

Más detalles

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

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

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

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

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

Más detalles

MEDIDAS DE CENTRALIZACIÓN

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

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

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

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

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

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

Más detalles

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

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

Más detalles

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES TEMA 4: OPERADORES LINEALES

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES TEMA 4: OPERADORES LINEALES MÉTODOS MTEMÁTICOS ESPCIOS DE HILBERT Y OPERDORES LINELES Profesora: Mª Cruz Boscá TEM 4: OPERDORES LINELES Notacó: sea L ( L, ) y L ( L, ) dos espacos ormados; sea T u operador leal T : D( T ) < L L,

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

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

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

Más detalles

CENTRO DE MASA centro de masas centro de masas

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

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

. Algebraicamente se obtienen diferentes ecuaciones: v u Op v y es otro vector con el mismo módulo, la

. Algebraicamente se obtienen diferentes ecuaciones: v u Op v y es otro vector con el mismo módulo, la 6 CAPÍTULO : GEOMETRÍA EN EL ESPACIO - VECTORES. GEOMETRÍA DEL PLANO A lo largo de los crsos pasados estdamos la geometría del plao co los sgetes elemetos fdametales: Pto: Poscó e el plao qe por coeo defmos

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

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

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

Más detalles

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS Números complejos SOLUCIONARIO Números complejos LITERATURA Y MATEMÁTICAS Las trbulacoes del estudate Törless Dme, etedste be todo esto? Qué? Ese asuto de los úmeros magaros. Sí, o es ta dfícl. Lo úco

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

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

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

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

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

Más detalles

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

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles

1.9. ESTÁTICA CON ROZAMIENTO

1.9. ESTÁTICA CON ROZAMIENTO Fudametos y Teorías Físcas ETS Arqutectura.9. ESTÁTICA CON ROZAMIENTO Hemos estudado el equlbro de los cuerpos stuados lbremete e el espaco, o cuado estaba udos medate elaces a otros cuerpos o a bases

Más detalles

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados.

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados. Estado cuátco: Prcpo de superposcó de los estados: Cualquer movmeto o perturbado que esté restrgdo por tatas codcoes como sea posble teórcamete s que exsta terferecas o cotradccoes etre ellas. Estado e

Más detalles

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones.

Experimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones. Tema 3. Espacos de Probabldad. Defcó axomátca y propedades báscas de la Probabldad 3.. Itroduccó. Feómeos y expermetos aleatoros. Álgebra de sucesos E este tema se establece ls ocoes báscas para el desarrollo

Más detalles

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

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

Más detalles

DINÁMICA DE LOS SISTEMAS DE PARTÍCULAS

DINÁMICA DE LOS SISTEMAS DE PARTÍCULAS ísca para Cecas e Igeería 9 9 Seguda ley de Newto para u sstema de partículas Vmos al comezo de la Mecáca que u sstema de partículas materales es u cojuto más o meos umeroso de partículas que puede ejercer

Más detalles

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

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

Más detalles

AMORTIGUAMIENTO INTERNO EN ESTRUCTURAS. Grupo INME Universidad Industrial de Santander Iván Darío Gómez Araújo

AMORTIGUAMIENTO INTERNO EN ESTRUCTURAS. Grupo INME Universidad Industrial de Santander Iván Darío Gómez Araújo AMORIGUAMIENO INERNO EN ESRUCURAS Grupo INME Uversdad Idustral de Satader Ivá Darío Gómez Araúo Cotedo Datos expermetales (Bbloteca de Mllka) y recomedacoes para amortguametos modales. Dámca estructural

Más detalles

Álgebra lineal numérica con. Matlab

Álgebra lineal numérica con. Matlab Álgebra leal umérca co Matlab Métodos Matemátcos de Especaldad (Mecáca-Máquas) Escuela écca Superor de Igeeros Idustrales Uversdad Poltécca de Madrd Javer García de Jaló de la Fuete Septembre 004 Álgebra

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

PARTE 1 - PROBABILIDAD

PARTE 1 - PROBABILIDAD arte - robabldad rof. María. tarell RTE - ROILIDD - robabldad. - Espacos muestrales y evetos. La Teoría de robabldades estuda los llamados expermetos aleatoros. Eemplos cláscos de expermetos aleatoros

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

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

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

Más detalles

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS.

TEMA DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS. 1. Dstrbucoes Bdmesoales de Frecuecas. 1.1. Idepedeca y Relacó Fucoal de dos Varables. 1.. Tablas de Correlacó y de Cotgeca. 1.3. Dstrbucoes Margales. 1.4. Dstrbucoes Codcoadas. 1.5. Idepedeca Estadístca..

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

6. NÚMEROS COMPLEJOS.

6. NÚMEROS COMPLEJOS. 6. NÚMEROS COMPLEJOS. 6.1. Itroduccó. Recordemos e prmer lugar todos los tpos de úmeros que coocemos y la razó, desde el puto de vsta algebraco, por la cual se ha do amplado: - Números aturales: {0, 1,,,...}

Más detalles

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

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

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

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS NÚMEOROS COMPLEJOS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS NÚMEOROS COMPLEJOS NÚMEOROS COMPLEJOS Defcó: El cojuto de los úmeros complejos es C R R {(, / R y b R} C está formdo por todos los pres ordedos de úmeros reles etre los que defmos u relcó, l guldd, y dos opercoes brs que

Más detalles

Gestión de operaciones

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

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

. Usaremos una vía algebraica y una geométrica que nos

. Usaremos una vía algebraica y una geométrica que nos Título: La desgualdad etre la meda artmétca y geométrca e problemas de olmpadas. Resume: E el presete artículo se pretede mostrar la utldad de ua desgualdad ta elemetal como la relacó etre las medas artmétca

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

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

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

Análisis Numérico: Matrices y Métodos directos de resolución de SEL

Análisis Numérico: Matrices y Métodos directos de resolución de SEL Matrces, aplcacoes leales y métodos drectos de resolucó de sstemas de ecuacoes leales Grupo de Dámca de Flujos Ambetales Uversdad de Graada Mauel Díez Mguto Ídce Ídce... 2 Lsta de Fguras...3 Lsta de Tablas...

Más detalles

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012 Solucó Práctca Evaluable. Olgopolo y Copeteca Moopolístca. 6//0 Cosdere u olgopolo de Courot co epresas que produce u be hoogéeo. La fucó versa de deada es p ) = 0 y todas las epresas tee el so coste argal

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca

Más detalles

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

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

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

Capítulo I. Introducción: Características de los sistemas macroscópicos, conceptos de probabilidad y estadística de sistemas de partículas.

Capítulo I. Introducción: Características de los sistemas macroscópicos, conceptos de probabilidad y estadística de sistemas de partículas. Capítulo I. Itroduccó: Característcas de los sstemas macroscópcos, coceptos de probabldad y estadístca de sstemas de partículas. Leccó Itroduccó a la descrpcó estadístca de los sstemas de partículas. Fluctuacoes

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

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

Más detalles

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011

Problemas de Polímeros. Química Física Avanzada Iñaki Tuñón 2010/2011 Problemas de Polímeros Químca Físca Avazada Iñak Tuñó / POL.-U polímero moodsperso de masa molecular. gmol - está cotamado e u % e peso co ua mpureza de peso molecular. gmol -. Calcular z,, Co los datos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

8. EL FORMALISMO DE LA MECÁNICA CUÁNTICA

8. EL FORMALISMO DE LA MECÁNICA CUÁNTICA 8. EL FORMALISMO DE LA MECÁNICA CUÁNTICA Itroduccó E el Capítulo 7 vmos que el estado de u sstema cuátco se descrbe por medo de la fucó de oda Ψ (,) r t, y que las varables dámcas se represeta medate operadores

Más detalles

CAPITULO 1 MODELOS LINEALES GENERALIZADOS

CAPITULO 1 MODELOS LINEALES GENERALIZADOS CAPITULO MODELOS LINEALES GENERALIZADOS E este capítulo estudaremos ua extesó de los modelos leales a ua famla más geeral, propuesta por Nelder y Wedderbur (97), deomada Modelos Leales Geeralzados (MLG)

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

Estadística Contenidos NM 4

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

ANILLOS REALES (Primera de tres partes)

ANILLOS REALES (Primera de tres partes) ANILLOS REALES (Prmera de tres partes) ENRIQUE ANDRADE Departameto de Matemátcas, Facultad de Cecas, Uversdad Nacoal Autóoma de Méxco 0450 Méxco, D. F., Méxco. E-mal: erosols@yahoo.com.mx LEÓN KUSHNER

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

SUCESOS Y PROBABILIDAD

SUCESOS Y PROBABILIDAD SUCESOS Y PROAILIDAD Notas Idce. OJETIVOS 2. CONCEPTOS ÁSICOS DE LA TEORÍA DE CONJUNTOS. ESPACIO MUESTRAL. ÁLGERA DE SUCESOS 4 4. PROAILIDAD 8 5. INDEPENDENCIA DE SUCESOS 4 ILIOGRAFÍA 4 APÉNDICE. NOTACIÓN

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica

Se entiende por sistema de fuerzas a un conjunto de fuerzas como se indica CDENADAS VECTIALES DE LS SISTEAS DE FUEZAS Se etede po sstema de fuezas a u cojuto de fuezas como se dca La esultate geeal del sstema se obtee sumado los vectoes equpoletes de cada ua de las compoetes

Más detalles

V Muestreo Estratificado

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

Más detalles

Análisis de la Varianza

Análisis de la Varianza Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

EXPRESIONES ALGEBRAICAS

EXPRESIONES ALGEBRAICAS EXPRESIONES ALGEBRAICAS 1 Epresoes Algebrcs es l uó de úmeros y vrbles medte opercoes de sum, rest, multplccó, dvsó, poteccó y rdccó. Epresó lgebrc rcol: se llm sí quells e ls que ls vrbles está fectds

Más detalles