INTRODUCCIÓN AL LABORATORIO DE FÍSICA
|
|
- Nieves Salas Castilla
- hace 7 años
- Vistas:
Transcripción
1 INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL A. MEDIDA E INCERTIDUMBRE Págna 1
2 A- MEDIDA E INCERTIDUMBRE A.1. INCERTIDUMBRE EN LAS MEDIDAS Medr consste en comparar una magntud con otra que utlzamos como patrón (undad). Este proceso lleva sempre mplícto una ndetermnacón, es decr sempre que medmos, por razones muy dversas y, en general, dfícles de evtar, corremos el resgo de no acertar con el valor exacto de la magntud que queremos conocer. Unas veces esto es debdo a la mperfeccón de nuestros nstrumentos, o al dseño del proceso de medda, o a factores ambentales, etc. De manera que cuando expresamos el valor meddo de una magntud debemos sempre hacer una estmacón del grado de confanza con el que hemos realzado la medda. De acuerdo con el orgen de estos errores podemos clasfcarlos en: Error humano: Descudo al hacer las meddas, forma nadecuada de hacerlas, etc. Lmtacones de los aparatos: Pueden ser debdas a estar estropeados, mal calbrados o tener poca precsón. Influencas ajenas al expermento: Interferencas, varacones de temperatura, etc. A.. TIPOS FUNDAMENTALES DE ERROR ERRORES SISTEMÁTICOS Son los debdos a la presenca de un factor no consderado en el montaje expermental o al mal conocmento de algún otro. Como consecuenca el valor meddo está sempre por encma o por debajo del valor verdadero. Pueden tener su orgen en defcencas de los aparatos. Su exstenca es dfícl de detectar pero son los más fácles de corregr pues sólo requeren de la adecuada calbracón del aparato. ERRORES ACCIDENTALES Son los resultantes de la contrbucón de numerosas fuentes ncontrolables que desplazan el valor meddo por encma y por debajo del valor real. Idealmente puede consderarse que su contrbucón es absolutamente al azar, de forma que aunque son mposbles de elmnar totalmente, pueden ser estmados y de esta forma obtener el grado de confanza con el que hemos realzado la medda. A.3. ERRORES EN OBSERVACIONES DIRECTAS Los errores estadístcos o aleatoros pueden ser estmados realzando un certo número de veces, n, el expermento. A estas meddas repetdas de una certa magntud, x 1, x, x 3, x n, las llamaremos datos. VALOR MEDIO El mejor valor que podemos entonces ofrecer para la magntud medda es la meda, o valor medo de acuerdo con la expresón ben conocda: x x= n Págna
3 DESVIACIÓN Se defne la desvacón de cada medda como la dferenca entre el valor meddo y el valor verdadero. Como el valor verdadero es mposble de medr, tomaremos como desvacón de cada medda la dferenca entre su valor y el valor medo, y la denomnaremos desvacón estmada: d = x x DESVIACIÓN ESTÁNDAR Para estmar el error cometdo en una sere de meddas se puede realzar una meda de sus desvacones. Como éstas se producen al azar para que no se compensen unas con otras lo mejor es promedar sus cuadrados. En estadístca se llama desvacón estándar a este promedo de desvacones, de acuerdo con la expresón σ = ( x x) n El cuadrado de la desvacón estándar, σ, es la varanza y puede tambén obtenerse a partr de la relacón: σ = x x PRECISIÓN Es la medda más pequeña que podemos realzar con un aparato. Cuando el número de meddas realzadas no sea sgnfcatvo este valor es la mejor estmacón del error cometdo l l La precsón de la regla de la zquerda es de 1mm. S realzamos una sola medda de la longtud, l, del segmento escrbremos: l = 1.cm ± 0.1cm =(1. ± 0.1)cm Para la regla de la derecha la precsón es de 0.5mm. s realzamos una sola medda del msmo segmento escrbremos: l = 1.0cm ± 0.05cm = (1.0 ± 0.05)cm ERROR ABSOLUTO Tomaremos como valor del error en la medda la mayor de sus estmacones, es decr: o la desvacón estándar o la precsón de los nstrumentos. El error absoluto se expresa en las msmas undades que la magntud que se está mdendo en la forma x = ( x ± δ x) und. Págna 3
4 Mdendo varas veces la longtud de un segmento con una regla mlmetrada, hemos obtendo los sguentes valores: TABLA 1 l (mm) D (mm) d (mm ) SUMA El valor medo será: l = (1784/7)mm = 54.86mm, y la desvacón estándar: σ = 15 mm² mm como este valor es mayor que la precsón del nstrumento lo tomaremos como estmacón del error absoluto Así pues, l = (55 ± 1)mm ó (54.9 ± 1.5)mm ERROR RELATIVO Se defne como el cocente entre el error absoluto estmado y el valor meddo (o el valor medo de las meddas en caso de muchas meddas). Se expresa habtualmente como porcentaje ( %) : δx ε = 100 x y se escrbrá en la forma: x = x ± ε (%). En el caso de la longtud medda (Tabla 1), teníamos los sguentes valores: Valor medo = 55mm, y desvacón estándar = 1.46mm 1.46 mm Así pues, el Error relatvo = 100 = 06 % 55 mm De modo que tendremos, l = 55mm ± 0.6% NORMAS PARA ESCRIBIR LOS DATOS EXPERIMENTALES Al hallar el valor medo, deben tomarse de este tan sólo las cfras exactas y la prmera afectada de error, multplcando por el factor 10 n que sea necesaro. Defnremos cfras exactas como aquellas que no están afectadas por el error. R = (101 ± )Ω (Cfras exactas 101, Prmera cfra afectada 101) Cuando sólo tenemos una medda de un valor procederemos de forma análoga al apartado anteror, pero tomando como valor medo el valor meddo y como error absoluto estmado la precsón del aparato. Págna 4
5 A) Medda de la capacdad con un Q-metro. Valor meddo = 504nF, Precsón de la medda en la escala de nf = 1nF C = (504 ± 1)nF B) Medda de una resstenca con un óhmetro. Valor meddo = 10.3kΩ, Precsón de la medda en la escala de kω = 0.1kΩ R = (10.3 ± 0.1)kΩ Cuando en nuestra medda hallamos obtendo más cfras a la derecha de la prmera cfra afectada de error, deberemos redondear estas cfras a la prmera afectada de error. - S estas cfras comenzan con un número menor de 5, se redondearán haca abajo. - S comenzan con 5 o un número mayor de 5, se redondearán haca arrba. Ejemplos: MAL ESCRITA BIEN ESCRITA 1.8 ± ± ± ± ± 10% (=.43 ± 0.).4 ± 10% (=.4 ± 0.) 543 ± 408 (.54 ± 0.04) ± (3.6 ± 0.) 10-3 ó ± Cuando dos cantdades tenen el msmo número de cfras sgnfcatvas y sólo tenen ceros a la zquerda, tenen la msma precsón Tenen la msma precsón Sn embargo, los ceros a la derecha tenen valor sgnfcatvo en cuanto al error, puesto que ndcan que conocemos el valor de esa cfra y que es cero (salvo error, naturalmente) ( cfras sgnfcatvas) (3 cfras sgnfcatvas) (3 cfras sgnfcatvas) Así pues tenen dferente precsón. Cuando el error empeza por 1 se permte escrbr cfras sgnfcatvas de error: 4.50 ± 0.1 A.4.ERRORES EN OBSERVACIONES INDIRECTAS Es muy frecuente que el valor de una magntud se obtenga a partr de una o varas meddas drectas aplcando las correspondentes operacones matemátcas. A esto le llamaremos observacón ndrecta y en este caso los errores cometdos en las observacones drectas de los datos nflurán en el error con el que obtendremos el resultado en funcón de la fórmula utlzada. Págna 5
6 SUMA Y DIFERENCIA Al ser el error producto del azar, puede tener cualquer sgno. Así pues, cuando sumemos o restemos dos cantdades meddas, deberemos consderar el error absoluto estmado del resultado como la suma de los errores absolutos estmados de cada medda. A = (5. ± 0.) + (3.8 ± 0.1) = (9.0 ± 0.3) B = (5.3 ± 0.1) - (3.3 ± 0.) = (.0 ± 0.3) PRODUCTO Y COCIENTE Para las operacones producto y cocente el error relatvo será la suma de los errores relatvos de las varables. Supongamos que los valores meddos de ntensdad (I) y de tensón (V) en un crcuto, son los sguentes: I = (3.8 ± 0.1) 10-3 A V = (5. ± 0.4)V y queremos calcular la potenca (P) y la resstenca (R), que venen dadas por: P = V I, R = V I A) Potenca: P = IV, de modo que δp = I δv + V δi S dvdmos por P = I V, tendremos: δ P P = δv V + δ I I En este caso partcular, -3 δp 0.4 V A = = ( ) 100 =11% P 5. V A Así pues, P = (0 ± 11%)mW = (0 ± )mw B) Resstenca: R = V I, lo que mplca, I δv + V δi δ R = I Como ya hemos dcho, el error es aleatoro y puede tener cualquer sgno, así que debemos consderarlo adtvo: Dvdendo todo por R = V/I y operando obtendremos: δr δv δi = + R V I En este caso, puesto que sumamos los errores relatvos de I y de V, tendremos el msmo error relatvo de antes. R = (1.37 ± 11%)kΩ = (1.37 ± 0.15)kΩ Págna 6
7 NOTA IMPORTANTE: Obsérvese que los errores absolutos no son guales en un caso y en otro y que el error absoluto de un producto (o de un cocente) no es la suma de los errores absolutos de los factores (o del dvdendo y dvsor en caso del cocente). OTRAS FUNCIONES Para otras funcones, utlzando un método smlar, podemos obtener la sguente tabla Relacón z = A x z = x n z = ln x z = q(x) Error δz = A δx δz/z = n δx/x δz = δx / x dq( x) δz = dx δx A.5 AJUSTES Hasta ahora nos hemos referdo a la manera de obtener el mejor valor de una magntud a partr de una o varas meddas o conjuntos de meddas. Un problema más general es el de determnar una relacón funconal entre dos magntudes x e y como resultado de expermentos, de manera que son los parámetros de la funcón las magntudes que realmente deseamos conocer. El ajuste más sencllo de un conjunto de datos a una determnada funcón es el que se denomna por mínmos cuadrados, y que consste en calcular los parámetros de una funcón conocda hacendo que la suma de las desvacones de los datos expermentales respecto de la funcón sea mínma. El caso más sencllo es el ajuste a una recta, en este caso tambén se le suele denomnar correlacón lneal. S dsponemos de un conjunto de pares de puntos (x 1,y 1 ), (x,y ), (x n,y n ) obtendos expermentalmente y que deberían corresponder a la expresón teórca y = a x + b podemos estmar el mejor valor de los parámetros a y b. Suponendo que las desvacones de todos los datos son guales se obtenen las ecuacones: a a x x + b + b n x = = y x y de donde la solucón para los parámetros a y b será: n xy a =, n x x y y a b = ( x) n x Págna 7
8 I (A) masa(g) 0,0 159,46 0,5 159,51 1,0 159,55 1,5 159,6,0 159,63,5 159,66 masa (g) 159,8 159,75 159,7 159,65 159,6 159,55 Fuerza sobre una corrente y = 0.075x r = ,0 159,69 3,5 159,7 4,0 159,78 159,5 159,45 159, Intensdad (A) El número r que fgura al lado de los parámetros es el coefcente de correlacón y nos da dea de la bondad del ajuste. Cuanto más se aproxme a 1 mejor será la correlacón entre los datos expermentales y la relacón teórca, la expresón para su cálculo es r = ( n xy x y) ( x) n y ( n x )( ( y) ) El caso de una relacón lneal no es tan especal como podría pensarse porque muchas otras relacones pueden lnealzarse con algún lgero cambo, por ejemplo: y = a e y = a b bx 1 y = a + b x... x ln y = lna + b x ln y = ln a + lnb x 1 = a + b x y Págna 8
9 ... INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL B. REPRESENTACION DE DATOS Págna 9
10 B. REPRESENTACIÓN DE DATOS Los datos obtendos a partr de las meddas en un laboratoro deben presentarse de manera que los demás obtengan la mayor cantdad y caldad de nformacón posble. Para lograr esto recurrmos a las tablas y las representacones gráfcas. Las tablas nos permten ver el conjunto de los datos obtendos sn tener que rlos persguendo a lo largo del nforme. Con las gráfcas no sólo consegumos una nformacón cuanttatva de la magntud medda sno tambén su relacón con los parámetros del expermento. B.1. TABLAS Cuando sea posble se regstrarán las meddas en forma de tablas, puesto, se trata de la forma más compacta y senclla de presentar los resultados de acuerdo con las sguentes recomendacones: - En las tablas se representarán tanto los datos drectos de las meddas del laboratoro como los pasos ntermedos relevantes y resultados buscados. - Las meddas de una msma magntud se escrbrán preferblemente sobre una msma columna vertcal, ya que el ojo puede comparar más fáclmente un conjunto de datos vertcales. - En la cabecera de cada columna se ndcará el nombre de la magntud y/o el símbolo segudo por las undades. Al ndcar en la cabecera las undades ya no es necesaro repetrlas después de cada medda, con esto se ahorra tempo, energía y se hace más claro el nforme. - Es convenente elegr las undades (o las potencas de 10 adecuadas) para que los números queden expresados en el rango entre 0.1 y Los errores en la estmacón de cada magntud se pueden poner en la cabecera de la columna correspondente, s son comunes a todas las meddas; s no, pueden ponerse detrás de cada medda usando comllas para no tener que repetr su escrtura nnecesaramente. EJEMPLO A modo de ejemplo se puede consderar la sguente tabla Determnacón expermental del campo magnétco de un solenode Frec. (±10) (Hz) I 0 (±0,01) (ma) V pp (± 0,1 dv) (medda) V pp (V) B exp (mt) 400 9,6 5,0 dv x 0,0 V/dv 0,10 ± 0,01 0, ,58 3, dv x 0,05 " 0,16 ± 0,03 0, ,5 4,0 dv x 0,05 " 0,0 " 0, ,46 4,8 dv x 0,05 " 0,4 " 0,158 Meda : 0,159 ± 0,001 El título que aparece justo encma de la tabla nos permte dentfcar el tpo de expermento realzado, o la fase en la que nos encontramos del msmo. En la tabla observamos que las tres prmeras columnas corresponden a los datos obtendos drectamente de los aparatos, la cuarta columna a un cálculo ntermedo y la últma al resultado fnal buscado. La tercera y cuarta columnas representan la msma magntud; al tomar los datos en el laboratoro sempre es preferble hacerlo tal y como aparecen en la tercera columna, ya que será mucho más fácl detectar cualquer posble error cometdo, pero en el nforme fnal podemos prescndr de esta columna. Págna 10
11 La estmacón del error que aparece en las cabeceras de las tres prmeras columnas nos ndca que el error absoluto es el msmo para todos los datos de la columna. El error correspondente a la magntud fnal, qunta columna, se ha obtendo sn embargo por medo de la estmacón estadístca y aparece junto a la meda de la magntud en la últma fla. Esto puede hacerse así porque sabemos que los datos de la últma columna deben representar un msmo valor obtendo en dferentes condcones. Las undades de cada magntud han sdo elegdas para que los números que fguran en cada columna sean los más sencllos posbles. B.. CRITERIOS GENERALES PARA LAS REPRESENTACIONES GRÁFICAS VARIABLES En un expermento se suele varar una magntud (varable ndependente) con el fn de observar el efecto que se produce sobre otra (varable dependente). Por conveno se representa la varable ndependente en abscsas (eje horzontal) y la varable dependente en ordenadas (eje vertcal). REPRESENTACIÓN DE LOS DATOS MEDIDOS Las representacones gráfcas deben llevar claramente ndcados los datos obtendos expermentalmente, para ello es necesaro señalarlos sobre la gráfca con un símbolo cuyo tamaño y forma permta aprecarlos (y dstngur unos de otros cuando correspondan a dferentes seres). REPRESENTACIÓN DEL COMPORTAMIENTO DE LAS MAGNITUDES Los puntos obtendos expermentalmente no son la únca nformacón que puede deducrse de un expermento, el espaco entre los puntos debe ser completado. Para ello en las representacones gráfcas hay que añadr una línea que ndque la tendenca (la ley físca) que rge el comportamento de una magntud frente a la otra. Esta línea debe tener en cuenta que los datos expermentales están afectados por errores, de los que ya hemos hablado, y que por tanto las líneas no tenen por que pasar por todos y cada uno de esos puntos expermentales. Como crtero general (el sentdo común es aplcable sempre) debemos tener en cuenta que las varables no sufren cas nunca cambos bruscos, por lo que las líneas no están compuestas nunca por segmentos rectos, las nflexones son sempre suaves, por lo que deben trazarse líneas curvas (o una únca recta) que represente el comportamento de las magntudes nvolucradas en el expermento. Cuando sea posble realzar un ajuste (como por ejemplo el de mínmos cuadrados) la línea del ajuste debe representarse sobre los datos expermentales. EJES Y ESCALAS Como ya hemos dcho los ejes tenen, por conveno, una funcón predetermnada: sobre el eje horzontal se representa la varable ndependente (la que nosotros varamos) y sobre el vertcal la varable dependente (la que nos muestra el efecto). Los ejes deben llevar claramente ndcada la magntud que representan, el ntervalo de medda y las undades en que se expresan los datos. La eleccón de los ntervalos no es arbtrara, el ntervalo representado en el eje debe concordar con el ntervalo de la medda, de manera que todos los datos fguren dentro de la gráfca y ocupen la mayor parte del área de ésta. Los ejes deben llevar ndcacones del valor de magntud a ntervalos regulares, que no tene por qué concdr con los valores de los puntos expermentales. Los ntervalos deben estar equespacados, una msma longtud de eje no puede corresponder a dos ntervalos dstntos de valores de la magntud. No es necesaro marcar el valor de todos y cada uno de los ntervalos. Págna 11
12 No es necesaro que el orgen, el punto de coordenadas (0,0) esté ncludo en la gráfca, ncluso puede llegar a ser contraproducente. PAPELES ESPECIALES En algunos casos la representacón de la gráfca puede exgr la utlzacón de un papel especal por dversos motvos: - La magntud (o magntudes) representada cubre un ntervalo muy grande o afecta a dstntas escalas (por ejemplo al medr el comportamento de un sstema respecto de la frecuenca en dstntos rangos de frecuencas desde los Hz hasta los MHz) - Se quere lnealzar una curva (por ejemplo una varacón exponencal) - Se quere representar una magntud en funcón de la dreccón en la que se mde. En los dos prmeros casos se utlzará un papel semlogarítmco o logarítmco. En el papel semlogarítmco el espacado entre dvsones en uno de los ejes es proporconal al logartmo decmal de la magntud, así el espacado entre 1 y (o entre 1 y 10) es el msmo que entre 10 y 0 (o entre 10 y 100). En el papel logarítmco esto ocurre para los dos ejes. Para el tercer caso se suele utlzar el papel polar en el que las dvsones corresponden a rados y crcunferencas en lugar de líneas horzontales y vertcales. GRÁFICOS POR ORDENADOR Con las herramentas nformátcas se faclta bastante la tarea de realzar representacones gráfcas, pero no debe olvdase que todas las normas ndcadas hasta aquí son aplcables tambén a las gráfcas realzadas con ordenador. En partcular no se debe olvdar que: - La representacón centífca se basa en pares de puntos, en los que cada uno representa una magntud (el eje de abscsas no es nunca un eje de etquetas sno de valores). - Los datos ndcan sólo el comportamento en puntos concretos y hay que ndcar (con una curva) el comportamento de las magntudes en el espaco entre los puntos expermentales. - Los puntos expermentales no deben nunca unrse por medo de segmentos. - El tamaño de la gráfca debe ser el adecuado para que la representacón sea legble. - Los ejes deben llevar sempre el nombre y las undades de la magntud que representan. B.3. EJEMPLOS Y ERRORES FRECUENTES EJEMPLOS Utlzaremos un ejemplo para mostrar los aspectos menconados en los apartados anterores. Intentaremos representar la curva de varacón del campo magnétco en nteror de un solenode. Para ello medmos la fuerza electromotrz, V, nducda en un carrete en funcón de su poscón en el solenode, X. Así, obtenemos los datos de la tabla que fgura a contnuacón: Págna 1
13 X (cm) V (mv) 10,0 f.e.m. nducda 0 9,41 1 9,41 9,4 3 8,74 4 7,39 5 5,38 6 3,36 7,0 8 1,34 V (mv) 8,0 6,0 4,0,0 0,0 0,0 1,0,0 3,0 4,0 5,0 6,0 7,0 8,0 x (cm) ERRORES MÁS FRECUENTES dstanca 10 dstanca 1 0, Puede tomarse esta gráfca realzada a partr de los msmos datos de la anteror como modelo de las cosas que NO deben hacerse: - No todos los puntos expermentales están representados en la fgura. - Los puntos expermentales no fguran o no se dstnguen. - Los puntos expermentales han sdo tomados con espacado aleatoro entre ellos - Los puntos están undos por líneas (segmentos) que no corresponden a un comportamento lógco de un sstema. - El espaco ocupado por los puntos expermentales dentro de la gráfca representan una parte mínma del espaco total debdo a una mala eleccón del ntervalo de representacón. - El color añaddo al fondo estorba al restar clardad a la representacón. - Los ejes X e Y tenen longtudes muy dspares. El tamaño del eje vertcal es demasado pequeño. Págna 13
14 - El título de la gráfca no da nnguna nformacón sobre lo que se pretende representar, y es redundante ya que dce lo msmo que el rótulo del eje Y. - Falta el rótulo del eje X. Faltan las undades del eje Y. - Los ntervalos entre marcas en el eje Y no están equespacados n representan ntervalos guales entre datos. - La abundanca de marcas en el eje X, y la falta de ellas en el eje Y hacen que sea mposble estmar sobre la gráfca los valores de los puntos expermentales. Págna 14
Tema 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 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 detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
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 detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
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 detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
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 detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detalles7ª SESIÓN: Medidas de concentración
Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
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 detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
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 detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
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 detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
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 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 detallesEs el movimiento periódico de un punto material a un lado y a otro de su posición en equilibrio.
1 Movmento Vbratoro Tema 8.- Ondas, Sondo y Luz Movmento Peródco Un móvl posee un movmento peródco cuando en ntervalos de tempo guales pasa por el msmo punto del espaco sempre con las msmas característcas
Más detallesDELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID
DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas
Más detallesLaboratorio de Física con soporte interactivo en Moodle
Laboratoro de Físca con soporte nteractvo en Moodle Laboratoro de Físca con soporte nteractvo en Moodle Javer Ablanque Ramírez Rosa María Bento Zafrlla Juan Carlos Losada González Departamento de Físca
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detalles1.- Objetivo Alcance Metodología...3
PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesDEPARTAMENTO DE INDUSTRIA Y NEGOCIO UNIVERSIDAD DE ATACAMA COPIAPO - CHILE
DEPATAMENTO DE NDUSTA Y NEGOCO UNESDAD DE ATACAMA COPAPO - CHLE ESSTENCA EN SEE, PAALELO, MXTO Y SUPEPOSCÓN En los sguentes 8 crcutos calcule todas las correntes y ajes presentes, para ello consdere los
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesOSCILACIONES 1.- INTRODUCCIÓN
OSCILACIONES 1.- INTRODUCCIÓN Una parte relevante de la asgnatura trata del estudo de las perturbacones, entenddas como varacones de alguna magntud mportante de un sstema respecto de su valor de equlbro.
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
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 detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesDEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL
DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS
Más detallesUNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II
UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesAplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa
Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
Más detallesMANUAL DEL LABORATORIO DE FÍSICA GENERAL I. Plan 2010 (versión 2012)
E. T. S. de Ingeneros de Telecomuncacón Unversdad Poltécnca de Madrd MANUAL DEL LABORATORIO DE FÍSICA GENERAL I Plan 010 (versón 01) Pedro Sánchez Sánchez Vcente Alcober Bosch Coral Duro Carralero Plar
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesProcedimiento de Calibración. Metrología PROCEDIMIENTO DI-010 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS
Procedmento de Calbracón Metrología PROCEDIMIENTO DI-00 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS La presente edcón de este procedmento se emte exclusvamente en formato dgtal y puede descargarse gratutamente
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
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 detallesSolución: Se denomina malla en un circuito eléctrico a todas las trayectorias cerradas que se pueden seguir dentro del mismo.
1 A qué se denomna malla en un crcuto eléctrco? Solucón: Se denomna malla en un crcuto eléctrco a todas las trayectoras cerradas que se pueden segur dentro del msmo. En un nudo de un crcuto eléctrco concurren
Más detallesPROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)
PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón
Más detallesContinua: Corriente cuyo valor es siempre constante (no varía con el tiempo). Se denota como c.c.
.. TIPOS DE CORRIENTES Y DE ELEMENTOS DE CIRCUITOS Contnua: Corrente cuyo valor es sempre constante (no varía con el tempo). Se denota como c.c. t Alterna: Corrente que varía snusodalmente en el tempo.
Más detallesLaboratorio de Electricidad PRACTICA - 8 SHUNTS PARA INSTRUMENTOS DE MEDICIÓN DE CORRIENTE
PRACTCA - 8 HUNT PARA NTRUMNTO D MDCÓN D CORRNT - Fnaldades 1.- Convertr un dspostvo fundamental de medcón (alvanómetro) en un mlamperímetro con márenes de medda más elevados. 2.- Calcular el valor del
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesCÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1
CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.
Más detalles4 BALANZA DE MOHR: Contracción de mezcla alcohol/h2o
4 LNZ DE OHR: Contraccón de mezcla alcohol/h2o CONTENIDOS Defncones. Contraccón de una ezcla. olumen específco deal y real. Uso de la balanza de ohr. erfcacón de Jnetllos. Propagacón de Errores. OJETIOS
Más detallesIncertidumbre de la Medición: Teoría y Práctica
CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detallesTEMA 4 Amplificadores realimentados
TEM 4 mplfcadores realmentados 4.1.- Introduccón La realmentacón (feedback en nglés) negata es amplamente utlzada en el dseño de amplfcadores ya que presenta múltples e mportantes benefcos. Uno de estos
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesAnálisis estadístico de incertidumbres aleatorias
Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesv i CIRCUITOS ELÉCTRICOS (apuntes para el curso de Electrónica)
IUITOS EÉTIOS (apuntes para el curso de Electrónca) os crcutos eléctrcos están compuestos por: fuentes de energía: generadores de tensón y generadores de corrente y elementos pasos: resstores, nductores
Más detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesMaestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza
Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El
Más detallesFisicoquímica CIBEX Guía de Trabajos Prácticos 2010. Trabajo Práctico N 7. - Medida de la Fuerza Electromotriz por el Método de Oposición-
Fscoquímca CIBX Guía de Trabajos Práctcos 2010 Trabajo Práctco N 7 - Medda de la Fuerza lectromotrz por el Método de Oposcón- Objetvo: Medr la fuerza electromotrz (FM) de la pla medante el método de oposcón
Más detallesCircuito Monoestable
NGENEÍA ELETÓNA ELETONA (A-0 00 rcuto Monoestable rcuto Monoestable ng. María sabel Schaon, ng. aúl Lsandro Martín Este crcuto se caracterza por presentar un únco estado estable en régmen permanente, y
Más detalles