1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }

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

Download "1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }"

Transcripción

1 SEÑALES DE TIEMPO DISCRETO SEÑALES Y SISTEMAS DE TIEMPO DISCRETO Las señales está clasificadas de maera amplia, e señales aalógicas y señales discretas. Ua señal aalógica será deotada por a t e la cual la variable t puede represetar ua catidad física; e particular para osotros será el tiempo e segudos. Ua señal discreta será deotada por, e la cual la variable es u valor etero y represeta los istates discretos e el tiempo. E cosecuecia, es tambié llamada ua señal discreta e el tiempo, y será deotada e algua de las siguietes formas: = {} = {..., -, 0,,... } dode la flecha hacia arriba idica el muestreo e t=0. O bie: = {..., -, 0,,...} el valor etre parétesis idica el muestreo e t=0. E Matlab podemos represetar ua secuecia de duració fiita por u vector fila de valores apropiados. Si embargo, tal vector o tedrá la iformació acerca del muestreo e la posició. Por lo tato ua represetació correcta de requerirá dos vectores: uo para y otro para. Por ejemplo, ua secuecia: = {2,, -, 0,, 4, 3, 7 }, ó = {2,, -, 0,, 4, 3, 7 } puede ser represetada e Matlab por: = {-3, -2, -, 0,, 2, 3, 4 } ; ={2,, -, 0,, 4, 3, 7} E geeral usaremos la represetació del vector sólo cuado la iformació de la posició de muestreo o sea requerida, o cuado tal iformació sea trivial esto es cuado la secuecia comiece e =0. Ua secuecia de duració ifiita arbitraria o puede ser represetada e Matlab debido a las limitacioes de memoria fiita. Tipos de secuecias: E Procesamieto Digital de Señales utilizamos varias secuecias elemetales para propósitos de aálisis. A cotiuació se da sus defiicioes y represetacioes e Matlab:. Secuecia Impulso uitario fució Kroëeker, = 0 = = {... 0, 0,, 0, 0,... } 0, 0 E Matlab la fució zeros,n geera u vector fila de N ceros, el cual puede usarse para implemetar sobre u itervalo fiito. Para implemetar:, = 0-0 = = {... 0, 0,, 0, 0,... }, 0, 0 sobre el itervalo 0 2, usamos la fució de Matlab impseq

2 2. Secuecia Escaló uitario, 0 u = = {... 0, 0,,,,... } 0, 0 E Matlab la fució oes,n geera u vector fila de N uos, el cual puede usarse para implemetar u sobre u itervalo fiito. u Para implemetar, 0 u- 0 = = {... 0, 0,,,,... }, 0, 0 sobre el itervalo 0 2, utilizamos la fució de Matlab stepseq. 3. Secuecia epoecial valuada real = a ; a R E Matlab se requiere u operador arreglo.^ para implemetar ua secuecia epoecial real. Por ejemplo, para geerar: = 0.9, co 0 0, ecesitamos el siguiete script de Matlab: >> = [0 : 0]; = 0.9.^ 4. Secuecia epoecial valuada compleja = e +jo ; dode es llamado ateuació, y o es al frecuecia e radiaes. E Matlab se usa ua fució ep para geerar secuecias epoeciales. Por ejemplo, para geerar: = ep [2, j3 ], co 0 0, Necesitamos el siguiete script de Matlab: >> = [0:0]; = ep2+3j*; 5. Secuecia siusoidal = cos o + ; dode es la fase e radiaes. E Matlab se usa la fució cos o si para geerar secuecias seoidales. Por ejemplo, para geerar = 3 cos0. +/3+ 2 se0.5, co 0 0, ecesitamos u script de Matlab: >> = [0:0]; =3*cos0.*pi*+pi/3+2*si0.5*p*; 6. Secuecia radom Muchas secuecias prácticas o puede ser descriptas por epresioes matemáticas como las ateriores. Este es el caso de las secuecias radom o estocásticas y está caracterizadas u

3 por parámetros de las fucioes desidad de probabilidad asociadas ó sus mometos estadísticos. E Matlab se dispoibles de dos tipos de secuecias pseudo-radom: La fució rad,n geera ua secuecia radom de logitud N cuyos elemetos está uiformemete distribuidos e el itervalo [0,] 2 La fució rad,n geera ua secuecia radom gaussiaa de logitud N co media 0 y variaza. Otras secuecias radom puede ser geeradas usado trasformacioes de las fucioes ateriores. 3

4 GUIA DE FUNCIONES PARA TRABAJOS PRÁCTICOS CON Matlab Resume de alguas secuecias útiles y operacioes y su correspodiete fució e Matlab. Impulso uitario fució Kröeker Fució e Matlab, = 0 = = {... 0, 0,, 0, 0,... } impseq 0, 0 O, e geeral, = 0-0 = = {... 0, 0,, 0, 0,... } E u itervalo 0 2 0, 0 Lo que computacioalmete es más secillo represetar 2. Escaló uitario, 0 u = = {... 0, 0,,,,... } stepseq 0, 0 Y computacioalmete, 0 u- 0 = = {... 0, 0,,,,... } 0, 0 E u itervalo Epoecial real = a, ; a R 4. Epoecial compleja = e σ+jo, dode σ es el parámetro de ateuació y es la frecuecia e radiaes. 5. Siusoidal = cos o + θ, dode θ es la fase e radiaes. 6. Aleatoria E geeral o puede ser epresadas directamete por ua epresió matemática cerrada. Se describe por su fució desidad de probabilidades o mometos estadísticos. 4

5 Computacioalmete dos tipos de secuecias aleatorias so útiles: a de distribució uiforme y Gaussiaa. E geeral está caracterizadas por su media y variaza. 7. Periódica = + N el meor N que satisface la aterior se deomia período fudametal. Usaremos para deotar ua secuecia periódica. Ua secuecia de este tipo se ilustra e el ejemplo 2.. Operacioes sobre secuecias Fució e Matlab. Suma de señales sigadd { } + { 2 }= { + 2 } E particular, la úica restricció para sumarlas como vectores, es que tega igual logitud. Ver ejemplo Multiplicació de señales sigmult { }.{ 2 }= {. 2 } E particular, la úica restricció para el producto muestra a muestra, como vectores, es que tega igual logitud. Ver ejemplo Escalamieto {}= { } dode es u escalar 4. Desplazamieto sigshift y = { k} Haciedo m = k, etoces = m + k, de dode ym + k = { m} por lo que esta operació o produce igú efecto sobre el vector Ver ejemplo Reversió Holdig sigfold y = {- } Cada muestra es reflejada alrededor de = 0 5

6 6 6. Sumatoria de muestras y 7. Producto de muestras y 8. Señal eergía 2 * dode el símbolo * deota el complejo cojugado 9. Señal potecia 2 0 N k N P Ejercicios Ver ejemplo 2., 2.2, 2.3 Alguos resultados útiles Ver apartado 2..3

PROCESAMIENTO DIGITAL DE SEÑALES

PROCESAMIENTO DIGITAL DE SEÑALES PROCESAMIENTO DIGITAL DE SEÑALES TEMA : FUNDAMENTOS DE SISTEMAS DE TIEMPO DISCRETO. Señales y Sistemas de Tiempo Discreto Se itroducirá coceptos de señales y sistemas de tiempo discreto. Para ello se detallará

Más detalles

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica. 5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto

Más detalles

Práctica 3: Convolución

Práctica 3: Convolución Práctica 3: Covolució Apellidos, ombre Apellidos, ombre Grupo Puesto Fecha El objetivo de esta práctica es familiarizar al alumo co la suma de covolució, fudametal e el estudio de los sistemas lieales,

Más detalles

Tema 1. Introducción a las Señales en Tiempo Contínuo y Discreto

Tema 1. Introducción a las Señales en Tiempo Contínuo y Discreto Idice: 6. Señales Discretas 7. Operacioes sobre Señales Discretas Suma de Señales Producto de Señales Escalamieto e Tiempo Escalamieto e Magitud Trasposició ó Reflexió 8. Señales Sigulares Fució Escaló

Más detalles

LECTURA 3 GENERACIÓN DE SEÑALES

LECTURA 3 GENERACIÓN DE SEÑALES UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA DEPARTAMENTO DE ELECTRÓNICA LECTURA 3 GENERACIÓN DE SEÑALES CURSO SIGLA LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES ELO 385 PROFESOR RODRIGO HUERTA CORTÉS AYUDANTE

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete

Más detalles

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos: T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.

Más detalles

Convergencia de variables aleatorias

Convergencia de variables aleatorias Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...

Más detalles

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG

Convolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas

Más detalles

Ejercicio 1. Calcule y grafique la densidad espectral de potencia de la salida del filtro y el valor de potencia total. Ejercicio 2.

Ejercicio 1. Calcule y grafique la densidad espectral de potencia de la salida del filtro y el valor de potencia total. Ejercicio 2. Guía de Ejercicios Ejercicio El circuito RC de la figura es excitado por ua señal de ruido blaco co desidad espectral de potecia costate e igual a N /. R w(t) C v(t) Calcule y grafique la desidad espectral

Más detalles

Universidad Antonio Nariño Matemáticas Especiales

Universidad Antonio Nariño Matemáticas Especiales Uiversidad Atoio Nariño Matemáticas Especiales Guía N 1: Números Complejos Grupo de Matemáticas Especiales Resume Se preseta el cojuto de los úmeros complejos juto co sus operacioes y estructuras relacioadas.

Más detalles

TRABAJO PRÁCTICO N O 1. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS

TRABAJO PRÁCTICO N O 1. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS TRABAJO PRÁCTICO N O. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS PARTE : SEÑALES Recomedacioes geerales: Utilice el comado stem para el graficado de las señales discretas. El uso de plot o se ajusta al

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

Tema 3. Series de Fourier. Análisis de Espectros

Tema 3. Series de Fourier. Análisis de Espectros Tema 3. Series de Fourier. Aálisis de Espectros Idice: Series de Fourier Serie Trigoométrica de Fourier Aálisis gráfico. Primeras compoetes de frecuecia Ejemplo Serie de Fourier e forma de Expoeciales

Más detalles

Señales en Tiempo Discreto

Señales en Tiempo Discreto Señales e Tiempo Discreto Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció.. Señales e tiempo discreto.3. Clasificació de las señales

Más detalles

Sucesiones I Introducción

Sucesiones I Introducción Temas Qué es ua sucesió? Notacioes y coceptos relacioados. Maeras de presetar ua sucesió. Gráfico de sucesioes. Capacidades Coocer y compreder el cocepto de sucesió. Coocer y maejar las diferetes maeras

Más detalles

Identificación de Sistemas

Identificación de Sistemas Departameto de Electróica Facultad de Ciecias Eactas Igeiería y Agrimesura Uiversidad Nacioal de osario Idetificació de Sistemas Coceptos Fudametales de robabilidad Variables Aleatorias y rocesos Aleatorios

Más detalles

Límites en el infinito y límites infinitos de funciones.

Límites en el infinito y límites infinitos de funciones. Límites e el ifiito y límites ifiitos de fucioes. 1 Calcula 2 Límite e el ifiito Cuado se calcula el límite de ua fució e el ifiito se trata de determiar la tedecia que tedrá la fució (los valores que

Más detalles

Análisis de Señales en Geofísica. 1 Clase Señales y Sistemas

Análisis de Señales en Geofísica. 1 Clase Señales y Sistemas Aálisis de Señales e Geofísica 1 Clase Señales y Sistemas Facultad de Ciecias Astroómicas y Geofísicas, Uiversidad Nacioal de La Plata, Argetia Señales Defiició: Llamaremos señal a cualquier observable

Más detalles

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma

MAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete

Más detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t. PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues

Más detalles

VECTORES. A partir de la representación de, como una recta numérica, los elementos

VECTORES. A partir de la representación de, como una recta numérica, los elementos VECTORES VECTORES Los ectores, que era utilizados e mecáica e la composició de fuerzas y elocidades ya desde fies del siglo XVII, o tuiero repercusió etre los matemáticos hasta el siglo XIX cuado Gauss

Más detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:

Más detalles

Tema 8 Límite de Funciones. Continuidad

Tema 8 Límite de Funciones. Continuidad Tema 8 Límite de Fucioes. Cotiuidad 1. Operacioes co límites. Los límites de las sucesioes a b, c, d y e so los idicados e la tabla siguiete:, a b c d e - 0 1 Di cual es el límite de: a) lim( a b ) c)

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

Series de Fourier Aplicación: Análisis de Señales

Series de Fourier Aplicación: Análisis de Señales Series de Fourier Aplicació: Aálisis de Señales Jua E Dombald Estudiate de Igeiería Electróica Uiversidad Nacioal del Sur, Avda Alem 53, B8CPB Bahía Blaca, Argetia Juae_ce@hotmailcom Agosto Resume: E este

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

Análisis de Señales en Geofísica

Análisis de Señales en Geofísica Aálisis de Señales e Geofísica 11 Clase Factorizació Espectral Facultad de Ciecias Astroómicas y Geofísicas, Uiversidad Nacioal de La Plata, Argetia Factorizació Espectral Coocer la autocorrelació de ua

Más detalles

Escuela Pública Experimental Desconcentrada Nº3 Dr. Carlos Juan Rodríguez Matemática 3º Año Ciclo Básico de Secundaria Teoría Nº 1 Primer Trimestre

Escuela Pública Experimental Desconcentrada Nº3 Dr. Carlos Juan Rodríguez Matemática 3º Año Ciclo Básico de Secundaria Teoría Nº 1 Primer Trimestre Escuela Pública Eperimetal Descocetrada Nº Dr. Carlos Jua Rodríguez Matemática º Año Ciclo Básico de Secudaria Teoría Nº Primer Trimestre Cojuto de los úmeros racioales Los úmeros racioales so aquellos

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

La ley de los grandes números

La ley de los grandes números La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella

Más detalles

UNIDAD 4 MODELOS PROBABILÍSTICOS

UNIDAD 4 MODELOS PROBABILÍSTICOS Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería

Más detalles

Teoría de Sistemas y Señales

Teoría de Sistemas y Señales Teoría de Sistemas y Señales Trasparecias: Aálisis de Sistemas LE e TD e el Domiio Trasformado Z Autor: Dr. Jua Carlos Góme Aálisis de Sistemas LE e TD e el Domiio Trasformado Z. Trasformada Z Bilateral

Más detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS 8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [

Más detalles

DEFINICIÓN DE PRODUCTO CARTESIANO:

DEFINICIÓN DE PRODUCTO CARTESIANO: Fucioes DEFINICIÓN DE PRODUCTO CARTESIANO: Dados dos cojutos A y B, llamaremos producto cartesiao de A por B (lo aotaremos A B) al cojuto formado por todos los pares ordeados que tiee como primera compoete

Más detalles

Análisis de Señales en Geofísica

Análisis de Señales en Geofísica Aálisis de Señales e Geofísica 5 Clase Trasformada Discreta Facultad de Ciecias Astroómicas y Geofísicas, Uiversidad acioal de La Plata, Argetia Discretizació de la Respuesta e Frecuecia Hemos visto que

Más detalles

Teoría de Sistemas y Señales

Teoría de Sistemas y Señales Teoría de Sistemas y Señales Trasparecias: Aálisis de Sistemas LE e TD e el Domiio Trasformado Z Autor: Dr. Jua Carlos Góme Aálisis de Sistemas LE e TD e el Domiio Trasformado Z. Trasformada Z Bilateral

Más detalles

Los números complejos

Los números complejos Los úmeros complejos Los úmeros complejos Forma biómica Defiició z = a + bi, o bie, z = (a, b) siedo a la parte real y b la parte imagiaria. a = r cos α b = r se α Opuesto z = a bi Cojugado z = a bi Represetació

Más detalles

Polinomio de una sola variable. , llamaremos polinomio de la variable x a toda expresión algebraica entera de la forma:

Polinomio de una sola variable. , llamaremos polinomio de la variable x a toda expresión algebraica entera de la forma: Semiario Uiversitario de Igreso 07 oliomio de ua sola variable a0; a; a;...; a úmeros reales y N 0, llamaremos poliomio de la variable a toda epresió algebraica etera de la forma: a0 a a... a Los poliomios

Más detalles

Algoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Análisis de Algoritmos, marzo Test jueves.

Algoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Análisis de Algoritmos, marzo Test jueves. Algoritmos y Estructuras de Datos II, Segudo del Grado de Igeiería Iformática, Test de Aálisis de Algoritmos, marzo 017. Test jueves. Para cada problema habrá que justificar razoadamete la respuesta que

Más detalles

TRANSFORMADA RAPIDA DE FOURIER (FFT)

TRANSFORMADA RAPIDA DE FOURIER (FFT) Capítulo 6 TRASORADA RAPIDA DE OURIER (T) Los temas a tratar e el presete capítulo so: 6. Algoritmo T 6. T Iversa. 6.3 Implemetació Televisió Digital 6- La implemetació de la ec. (4.5) ivolucra u úmero

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

Sumatoria, Progresiones y Teorema del Binomio

Sumatoria, Progresiones y Teorema del Binomio Capítulo Sumatoria, Progresioes y Teorema del Biomio.. Símbolo Sumatorio Es u símbolo muy útil y coveiete que permite escribir sumas e forma abreviada. Este símbolo se represeta mediate la letra griega

Más detalles

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios 1. Experimetos aleatorios U experimeto se llama aleatorio cuado o se puede predecir su resultado; además, si se repitiese el mismo experimeto e codicioes aálogas, los resultados puede diferir. a) El resultado

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

a n = Ejemplo: Representa las gráficas de las funciones f(x) = 1/x, g(x) = x 2 y h(x) =

a n = Ejemplo: Representa las gráficas de las funciones f(x) = 1/x, g(x) = x 2 y h(x) = TEMA 9: LÍMITE Y CONTINUIDAD DE UNA FUNCIÓN. 9. Cocepto de límite lateral. Límite. 9. Operacioes co fucioes covergetes. 9.3 Cálculo de límites. 9.4 Cotiuidad de ua fució. 9.5 Asítotas: Verticales, horizotales

Más detalles

Estimadores Puntuales: Propiedades de estimadores Sebastián Court

Estimadores Puntuales: Propiedades de estimadores Sebastián Court Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria

Más detalles

Unidad 10: LÍMITES DE FUNCIONES

Unidad 10: LÍMITES DE FUNCIONES Uidad 1: LÍMITES DE FUNCIONES LÍMITES 1. LÍMITE DE UNA FUNCIÓN EN UN PUNTO Ua sucesió de úmeros reales es u cojuto ordeado de iiitos úmeros reales. Los úmeros reales a1, a,..., a,... se llama térmios,

Más detalles

Prof: Zulay Franco 1

Prof: Zulay Franco 1 Biestables 1.1 Itroducció Ua vetaja importate de los sistemas digitales sobre los aalógicos es la capacidad de almacear fácilmete grades catidades de iformació por periodos cortos o largos. Esta capacidad

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

El método de Monte Carlo

El método de Monte Carlo El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los

Más detalles

una sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente:

una sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente: Tema 8 Series de fucioes Defiició 81 Sea {f } ua sucesió de fucioes de A Formemos ua ueva sucesió de fucioes {S } de A de la forma siguiete: S (x) = f 1 (x) + f 2 (x) + + f (x) = f k (x) Al par de sucesioes

Más detalles

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

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

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

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

Más detalles

Matemáticas Discretas Inducción y Recursión

Matemáticas Discretas Inducción y Recursión Coordiació de Ciecias Computacioales - INAOE Matemáticas Discretas Iducció y Recursió Cursos Propedéuticos 00 Ciecias Computacioales INAOE Iducció y recursió Geeralidades Iducció de úmeros aturales Iducció

Más detalles

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos

Más detalles

1. Propiedades de los estimadores

1. Propiedades de los estimadores . Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie

Más detalles

valor absoluto de sus términos, se tiene la serie: que si es convergente, entonces también es convergente la serie alternada.

valor absoluto de sus términos, se tiene la serie: que si es convergente, entonces también es convergente la serie alternada. (Aputes e revisió para orietar el apredizaje) CONVERGENCIA ABSOLUTA TEOREMA. Si e la serie alterada ( ) valor absoluto de sus térmios, se tiee la serie: a + a + + a + a se toma el = que si es covergete,

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

Se utilizan tres enunciados para básicos para definir los procesos de Poisson. Sea t un t 0, entonces se tiene:

Se utilizan tres enunciados para básicos para definir los procesos de Poisson. Sea t un t 0, entonces se tiene: 9 TEORÍA DE TRÁFIO La teoría de tráfico es ua herramieta ampliamete utilizada para el aálisis del comportamieto de las redes de comuicacioes, las cuales puede ser de comutació de circuitos, como las redes

Más detalles

Determinantes. Ramón Espinoza Armenta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO

Determinantes. Ramón Espinoza Armenta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO Determiates Ramó Espioza Armeta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO Sea A M ( K), dode 2. El i-ésimo meor de A es la matriz A i, obteida a partir de A elimiado el regló i y la columa. Eemplo. Sea 3

Más detalles

Representaciones irreducibles y carácter de una representación: * = corresponde al elemento i,k de la matriz asociada a la

Representaciones irreducibles y carácter de una representación: * = corresponde al elemento i,k de la matriz asociada a la epresetacioes irucibles y carácter de ua represetació: Gra teorema de la ortooalidad (GTO): Sea y dos represetacioes irucibles de dimesioes, : ik ( ) jl ( ) = ( ) ij kl dode ik () correspode al elemeto

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejercicios y Talleres puedes eviarlos a klasesdematematicasymas@gmail.com Ig. Oscar Restrepo BIOESTADÍSTICA ESTADÍSTICA I ACTIVIDADES: 1. E qué difiere la elaboració de las gráficas de barras, los histogramas

Más detalles

Fórmula de Taylor. Si f es continua en [a,x y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) f(x) f(a) f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) f(x) f(a) f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado y=f tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

LECTURA 5 TRANSFORMADA RÁPIDA DE FOURIER FFT

LECTURA 5 TRANSFORMADA RÁPIDA DE FOURIER FFT UIVERSIDAD TÉCICA FEDERICO SATA MARÍA DEPARTAMETO DE ELECTRÓICA LECTURA 5 TRASFORMADA RÁPIDA DE FOURIER FFT CURSO LABORATORIO DE PROCESAMIETO SIGLA ELO 385 DIGITAL DE SEÑALES PROFESOR PABLO LEZAA ILLESCA

Más detalles

Métodos de Análisis Cuantitativo

Métodos de Análisis Cuantitativo Métodos de Aálisis Cuatitativo Fórmulas E este documeto se lista las fórmulas trabajadas e las clases del curso de Métodos de Ivestigació Cuatitativa (GES204) de la Facultad de Gestió y Alta Direcció de

Más detalles

N = p1 p2 p si, y sólo si, arm

N = p1 p2 p si, y sólo si, arm Números AROLMAR 1. Itroducció 1.1 Defiició de los úmeros Arolmar U úmero Arolmar es el producto de dos o más úmeros primos semicosecutivos que tiee la propiedad de que la media aritmética de dichos factores

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema. Espacios Vectoriales ) LOS NÚMEROS El sistema de úmeros reales cosiste e u cojuto R de elemetos llamados úmeros reales y dos operacioes deomiadas: adició y multiplicació,

Más detalles

Teorema del Muestreo

Teorema del Muestreo Teorema del Muestreo Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice 1.1. Itroducció 1.2. Coversió aalógico-digital y digital-aalógico 1.3. Proceso

Más detalles

NUMEROS REALES CLASIFICACIÓN DE LOS NÚMEROS. Reales, R

NUMEROS REALES CLASIFICACIÓN DE LOS NÚMEROS. Reales, R NUMEROS REALES El cuerpo de los úmeros reales esta formado por todo el cojuto de úmeros que hemos estado viedo e los distitos cursos ateriores; por ejemplo, el cuerpo de los úmeros racioales, irracioales,

Más detalles

INECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.

INECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita x que se verifica para valores mayores que 4. INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad

Más detalles

TEMA 2: Potencias y raíces. Tema 2: Potencias y raíces 1

TEMA 2: Potencias y raíces. Tema 2: Potencias y raíces 1 TEMA : Potecias y raíces Tema : Potecias y raíces ESQUEMA DE LA UNIDAD.- Cocepto de potecia..- Potecias de expoete atural..- Potecias de expoete etero egativo..- Operacioes co potecias..- Notació cietífica...-

Más detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales. Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados

Más detalles

Estimación de Parámetros

Estimación de Parámetros Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos

Más detalles

Propiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:

Propiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica: Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,

Más detalles

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a.

4 ALGEBRA DE BOOLE. 4.1 Introducción. 4.2 Axiomas. (a) a + b = b + a (b) a b = b a. (a) a + (b c) = (a + b) (a + c) (b) a (b + c) = a. Arquitectura del Computador 4 ALGEBRA DE BOOLE 4. Itroducció. El álgebra de Boole es ua herramieta de fudametal importacia e el mudo de la computació. Las propiedades que se verifica e ella sirve de base

Más detalles

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá

Más detalles

TRABAJO DE GRUPO Series de potencias

TRABAJO DE GRUPO Series de potencias DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre

Más detalles

Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad

Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad Evaluació NOMBRE APELLIDOS CURSO GRUPO FECHA CALIFICACIÓN Calcula el térmio geeral de ua progresió geométrica que tiee de térmio a y por razó /. a) b) c) El 6 es: a) b) 0 c) / 6 7 El es: a) b) c) 0 El

Más detalles

[e j N 2 e j N 2 ]...} (22)

[e j N 2 e j N 2 ]...} (22) Trasformadores multiseccioales de cuarto de oda. La teoría de reflexioes pequeñas descrita e la secció aterior se puede usar para aalizar trasformadores multiseccioales de u cuarto de oda. Cosidere la

Más detalles

Quadern d activitats de filtres digitals

Quadern d activitats de filtres digitals UNIVERSITAT POLITÈCNICA DE CATALUNYA ESCOLA UNIVERSITARIA POLITÈCNICA DE VILANOVA I LA GELTRÚ FILTRES ELECTRONICS ANALOGICS I DIGITALS (FEAD) Quader d activitats de filtres digitals GRUPS: K45-S45 CURS:

Más detalles

5.6 Serie de Fourier de funciones pares e impares (desarrollo cosenoidal o senoidal)

5.6 Serie de Fourier de funciones pares e impares (desarrollo cosenoidal o senoidal) 5.6 Serie de Fourier de fucioes pares e impares (desarrollo coseoidal o seoidal) 46 5.6 Serie de Fourier de fucioes pares e impares (desarrollo coseoidal o seoidal) Fucioes Pares e Impares E el maejo de

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

TEMA 4- MODELOS CONTINUOS

TEMA 4- MODELOS CONTINUOS TEMA 4- MODELOS CONTINUOS 4.1. Itroducció. 4.2. Distribució uiforme cotiua de parámetros a y b. X Ua, b 4.3. Distribució Gamma de parámetros y. X, Casos particulares: 4.3.1.Distribució Expoecial. X Exp

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

Más detalles

Resumen No Distribución Conjunta de Variables Aleatorias (contin.) Ma34a Prob. y Proc. Estocásticos 29 de Junio, 2006

Resumen No Distribución Conjunta de Variables Aleatorias (contin.) Ma34a Prob. y Proc. Estocásticos 29 de Junio, 2006 Ma34a Prob. y Proc. Estocásticos 29 de Juio, 2006 Resume No. 3 Prof. Cátedra: M. Kiwi Prof. Auxiliares: A. Cotreras, R. Cortez 1. Distribució Cojuta de Variables Aleatorias (coti. Defiició 1 [Variables

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

Tasa de Fallo y Variables Aleatorias sin Memoria

Tasa de Fallo y Variables Aleatorias sin Memoria Tasa de Fallo y Variables Aleatorias si Memoria M.A. Fiol Departamet de Matemàtica Aplicada IV Uiversitat Politècica de Cataluya email: fiol@mat.upc.es webpage: www-ma4.upc.es/~fiol Abstract Se estudia

Más detalles

1. QUÉ ES LA ESTADÍSTICA?

1. QUÉ ES LA ESTADÍSTICA? 1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular

Más detalles

4.- Aproximación Funcional e Interpolación

4.- Aproximación Funcional e Interpolación 4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y

Más detalles