PRINCIPALES DISTRIBUCIONES DISCRETAS

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

Download "PRINCIPALES DISTRIBUCIONES DISCRETAS"

Transcripción

1 PRINCIPALES DISTRIBUCIONES DISCRETAS Objetivos generales del tema En este tema definiremos y discutiremos diversas e imortantes distribuciones discretas, es decir, funciones masa de robabilidad o funciones de distribución corresondientes a variables aleatorias discretas. Veremos las roiedades más imortantes. Distribución de Bernoulli. Distribución Binomial. Distribución Binomial Negativa. Distribución Hiergeométrica. Distribución de Poisson. Princiales contenidos 1

2 1 Introducción Recordemos que una variable aleatoria X tiene una distribución de robabilidad discreta (o simlemente una distribución discreta) si: P (X = x i )= ½ i si x = x i (i =1, 2,...) 2 Distribución de Bernoulli con i 0 y P i i =1 La distribución de Bernoulli es una distribución que toma dos valores (1 y0) con robabilidad y 1. Habitualmente esta distribución aarece en exerimentos donde se identifica el suceso 1=EXITO y 0=FRACASO. Definición 1 Una v.a. X tiene una distribución de Bernoulli si (ara algún con 0 1) P (X =1) = P (X =0) = 1 Ejemlo 2 La v.a. que define el exerimento lanzamiento de una moneda sigue una distribución de Bernoulli de arámetro. Donde es la robabilidad del suceso de interés, cara o cruz. PROPIEDADES Distribución de Bernoulli de arámetro Media µ E (X) = Varianza σ 2 Var(X) = (1 ) Desviación Tíica σ (1 ) 3 Distribución Binomial La distribución Binomial de arámetro n y (Bi(n, )) surge como una secuencia n intentos del tio de Bernoulli que verifica: Losintentossonindeendientes. Cada resultado del intento uede tomar únicamente dos resultados mutuamente excluyentes, que denotaremos or EXITO (E) o FRACASO (F). La robabilidad de éxito (y or lo tanto la de fracaso) es constante en cada intento. Así cada intento, definiendo = P (EXITO) y asignando el valor 0 cuando ocurre F y el valor 1 cuando ocurre E, se uede describir como una distribución de Bernoulli de arámetro. 2

3 Definición 3 Una v.a. X tiene una distribución Binomial si (ara algún entero ositivo n yalgún con 0 1) mide X = "n o de éxitos de un total de n si la robabilidad de éxito es " µ n P (X = k) = k (1 ) n k si k =1, 2,...,n k Distribución Binomial n =25, =0.25. La forma de la distribución binomial va aumentando hasta m =(n +1) y desués comienza a bajar. Una v.a. binomial uede ser considerada como una suma de n variables aleatorias de Bernoulli de arámetro, es decir, como la variable indicadora del número de éxitos en n ruebas de Bernoulli, es decir, si denotamos or X i el i-ésimo intento de Bernoulli, entonces, X = P n i=1 X i. Observación 4 La distribución de Bernoulli es un caso articular de la distribución Binomial con n =1. Proosición 5 Si X tiene la distribución Binomial con n (número de intentos) y (robabilidad de éxito que denotaremos or X Bi(n, )) entoncesla variable Y = n X, que reresenta el número de fracasos, es una variable de Binomial con n (número de intentos) y robabilidad de éxito 1. PROPIEDADES X Bi(n, ) Y = n X Bi(n, 1 ) Distribución Binomial de arámetros n y Media µ E (X) =n Varianza σ 2 Var(X) =n (1 ) Desviación Tíica σ n (1 ) 3

4 Ejemlo 6 En una fábrica hay 12 máquinas. Cada una de ellas está averiada un día de cada 10. Cuál es la robabilidad de que un determinado día haya más de 3 máquinas averiadas? Sea la variable X ="n o de máquinas averiadas de un total de 12 si P (avería) = 0, 1" Bi(n =12,=0.1). P (X >3) µ = 1 P (X 3) = 1 [P µ (X =0)+P (X =1)+P (X =2)+P (X =3)]= 12 = (1 0.1) (1 0.1) µ 0 µ (1 0.1) (1 0.1) = = La v.a. binomial está tabulada ara valores equeños de n. Hay tablas que dan la función de masa de robabilidad P (X = k) o bien la función de distribución P (X k), aunque sólo vienen ara valores Distribución Binomial Negativa La distribución Binomial Negativa de arámetro r y (BN (r, )) surge como una secuencia infinita de intentos del tio de Bernoulli que verifican: La secuencia de intentos es indeendiente. Cada resultado del intento uede tomar únicamente dos resultados mutuamente excluyentes, que denotaremos or EXITO (E) o FRACASO (F). La robabilidad de éxito (y or lo tanto la de fracaso) es constante en cada intento. Los intentos continúan (se ejecutan) hasta que un total de r éxitos se hayan observado. Así cada intento, definiendo = P (EXITO) y asignando el valor 0 cuando ocurre F y el valor 1 cuando ocurre E, se uede describir como una distribución de Bernoulli de arámetro. Definición 7 Una v.a. X tiene una distribución Binomial Negativa si (ara algún entero ositivo r y algún con 0 1) X = "n o de fracasos hasta el r ésimo éxito si = P (EXITO) " µ r + k 1 P (X = k) = r (1 ) k si k =0, 1, 2,... k 4

5 Proosición 8 Si X tiene la distribución Binomial Negativa con r (número de éxitos) y (robabilidad de éxito) que denotaremos or X BN (r, ) entonces la variable Y = X + r, que reresenta el número de ruebas ara del éxito r-ésimo, tiene una distribución relacionada con X or: µ k 1 P (Y = k) =P (X = k r) = r (1 ) k r si k = r, r +1,r+2,... k r Observación 9 La distribución Binomial Negativa con r =1es conocida en la literatura or distribución geométrica de arámetro y mide el número de fracasos antes del rimer éxito. PROPIEDADES Distribución Binomial Negativa de arámetros r y (1 ) Media µ E (X) =r Varianza σ 2 (1 ) Var(X) =r 2 r (1 ) Desviación Tíica σ 5 Distribución Hiergeométrica La distribución Hiergeométrica de arámetros k, n y N (HG(k, n, N)) surge en situaciones en donde el modelo aroximado de robabilidad se corresonde con muestreo sin reemlazamiento de una oblación dicotómica (Exito y Fracaso) finita. Concretamente, las suosiciones que llevan a considerar esta distribución son: La oblación o conjunto donde deba hacerse el muestreo consta de N individuos o elementos a seleccionar. Cada individuo uede ser caracterizado como un éxito (E) o fracaso (F). Se selecciona una muestra de n individuos de entre los k individuos marcados como éxito y los N k restantes marcados como fracaso. Hay selección equirobable en cada aso. Definición 10 Una v.a. X tiene una distribución Hiergeométrica si (ara algunos enteros ositivos k, n y N) X = "n o de individuos de un total de n con cierta característica (éxito) si en N hay un total de k" 5

6 P (X = x) = µ µ k N k x n k µ si max {0,n (n k)} x min (n, k) N n Proosición 11 Podemos aroximar la distribución Hiergeométrica a la distribución Binomial, uesto que cuando N es grande (N > 10n) odemos suoner que X Bi(n, ) con = k N. PROPIEDADES Distribución Hiergeométrica de arámetros k, n y N Media µ E (X) =n Varianza σ 2 Var(X) =nq N n Desviación Tíica σ r nq N n N 1 N 1 Ejemlo 12 De cada tornillos fabricados or una determinada máquina hay 2 defectuosos. Para realizar el control de calidad se observan 150 tornillos y se rechaza el lote si el número de defectuosos es mayor que 1. Calcular la robabilidad de que el lote sea rechazado. Sea X ="n o de defectuosos de un total de n =150si en N =2.000 hay un total de k =2" HG(k =2,n= 150,N =2.000) Se ide P (X >1) = 1 [P (X =0)+P (X =1)]= µ µ µ µ = µ + µ Como los cálculos son comlicados, se va a aroximar la v.a. X or una binomial Bi n = 150,= =0.001 P (X µ >1) = 1 [P (X =0)+P (X =1)]= µ 150 = ( ) ( ) Distribución de Poisson Consideremos sucesos ("éxitos") que ocurren aleatoriamente a lo largo del tiemodysealav.a. X ="n o de sucesos en el intervalo de tiemo (0,t)". La distribución de Poisson de arámetro λ surge en los llamados rocesos de Poisson que se resenta en relación con el acontecimiento de éxitos de un tio articular 6

7 durante un intervalo continuo de tiemo. Las suosiciones de un roceso de Poisson, durante un intervalo de tiemo que emieza en t =0son: Existe un arámetro λ tal que ara cualquier intervalo corto de tiemo 4t, la robabilidad de que ocurra exactamente un éxito es λ4t. La robabilidad de que se roduzca más de un éxito en el intervalo 4t es o (4t) 1. El número de éxitos ocurrido en un intervalo 4t es indeendiente del número ocurrido antes de este intervalo de tiemo. Definición 14 Una v.a. X tiene una distribución de Poisson si (ara algún λ con λ 0) X = n o de éxitos en un intervalo de tiemo si el n o medio es λ λ λk P (X = k) = e si k =0, 1, 2,... k! Proosición 15 Sea X Poisson(λ 1 ), Y P oisson (λ 2 ) indeendientes, entonces la variable X + Y Poisson(λ 1 + λ 2 ) Proosición 16 Se uede considerar que una v.a. Poisson(λ) es límite de una binomial Bi(n, ) si <0.1 y n < 5 Proosición 17 La distribución de Poisson resenta su máximo en los untos x = λ y x = λ 1. 1 Definición 13 o (4t) si o(4t) lim =0 t 4t 7

8 PROPIEDADES Distribución de Poisson de arámetros λ Media µ E (X) =λ Varianza σ 2 Var(X) =λ Desviación Tíica σ λ Ejemlo 18 En un taller se averían una media de 2 máquinas a la semana. Calcula la robabilidad de que no haya ninguna avería en una semana. Y de que haya menos de 6 en un mes? Sea X ="n o de averías en una semana si de media hay λ =2" Poisson(λ =2). Entonces 2 20 P (X =0)=e 0! =0.14 Sienunasemanahay2averíasdemedia,entoncesenunmeshay2 4 =8 averías de media. Sea entonces Y ="n o de averías en un mes si de media hay λ =8" Poisson(λ =8) P (Y 5) = P (Y =0)+ + P (Y =5)=e + + e 2 0! 5! =

CONVERGENCIA ESTOCÁSTICA Y TEOREMAS LIMITE. Estadística aplicada a la empresa I Prof. D. Juan José Pérez Castejón

CONVERGENCIA ESTOCÁSTICA Y TEOREMAS LIMITE. Estadística aplicada a la empresa I Prof. D. Juan José Pérez Castejón CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. Estadística alicada a la emresa I Prof. D. Juan José Pérez Castejón 1 CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. En este tema se ersigue introducir el conceto

Más detalles

Unidad 5. Aplicaciones de las derivadas. Objetivos. Al terminar la unidad, el alumno:

Unidad 5. Aplicaciones de las derivadas. Objetivos. Al terminar la unidad, el alumno: Unidad 5 Alicaciones de las derivadas Objetivos Al terminar la unidad, el alumno: Resolverá roblemas de ingreso utilizando el ingreso marginal. Resolverá roblemas de costos utilizando el costo marginal

Más detalles

REDES AUTOORGANIZATIVAS

REDES AUTOORGANIZATIVAS Tema 5: Redes Autoorganizativas Sistemas Conexionistas 1 REDES AUTOORGANIZATIVAS 1. Introducción a la Autoorganización. 2. Arendizaje Cometitivo. 3.1. Carácterísticas. 3.2. Ventajas y Limitaciones. 3.

Más detalles

Regresión Logística. Introducción

Regresión Logística. Introducción Introducción En este tema estudiaremos cómo construir y analizar un modelo de regresión que retende reresentar la deendencia lineal de una variable resuesta con dos categorías (dicotómica) resecto a otras

Más detalles

Tema 4. Experimentos aleatorios. Cálculo de probabilidades.

Tema 4. Experimentos aleatorios. Cálculo de probabilidades. Tema 4. Exerimentos aleatorios. Cálculo de robabilidades. Indice 1. Tios de sucesos. Sucesos robabilísticos.... 2 2. Álgebra de oole... 2 2.1. efiniciones... 2 2.2. Oeraciones. Tios de sucesos... 3 2.3.

Más detalles

RENDIMIENTO de TRANSFORMADORES

RENDIMIENTO de TRANSFORMADORES ENDMENTO de TANSFOMADOES Norberto A. Lemozy NTODCCÓN El conocimiento del rendimiento de cualquier máquina, disositivo o sistema tiene una gran imortancia or el valor económico que ello reorta, tanto desde

Más detalles

CAPÍTULO 4: FIJACIÓN DE LAS PRIMAS Y ANÁLISIS DE LA VARIABLE BORROSO ALEATORIA

CAPÍTULO 4: FIJACIÓN DE LAS PRIMAS Y ANÁLISIS DE LA VARIABLE BORROSO ALEATORIA arte III: Análisis de la determinación de las rimas en los seguros de vida y de la solvencia dinámica del asegurador cuando los tios de interés de valoración vienen estimados a través de números borrosos

Más detalles

Principio de la Termodinámica

Principio de la Termodinámica ema.- Primer P Princiio de la ermodinámica..- El rabajo en la Mecánica. rabajo realizado or una fuerza externa F, que actúa sobre los límites del sistema, cuando su unto de alicación exerimenta un deslazamiento

Más detalles

Bloque 5. Probabilidad y Estadística Tema 1. Probabilidad Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 1. Probabilidad Ejercicios resueltos loque 5. Probabilidad y Estadística Tema 1. Probabilidad Ejercicios resueltos 5.1-1 Se lanzan al aire tres monedas iguales, describe todos los sucesos del esacio muestral. Sean los sucesos A = sacar al

Más detalles

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad 2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

Capítulo 4. Diseño de filtros digitales 1

Capítulo 4. Diseño de filtros digitales 1 53 Caítulo 4 Diseño de filtros digitales 1 Diseñar un filtro consiste en encontrar su función de transferencia (realizable y estable) ara su osterior realización mediante una estructura adecuada. En la

Más detalles

9. Lección 9: Cambios de Fase

9. Lección 9: Cambios de Fase 9. Lección 9: Cambios de Fase Cuando un sistema consiste de más de una fase, cada fase uede ser considerada como un sistema searado del todo. Los arámetros termodinámicos del sistema entero ueden ser construidos

Más detalles

Tema 2 - Introducción

Tema 2 - Introducción Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema

Más detalles

11. CAMBIOS DE FASE. Transiciones de fase de primer orden en sistemas de un componente. 11. Cambios de fase

11. CAMBIOS DE FASE. Transiciones de fase de primer orden en sistemas de un componente. 11. Cambios de fase 11. CAMBIOS DE FASE Discutiremos en este Caítulo las transiciones de fase y el equilibrio de fases, o sea el estudio de las condiciones bajo las cuales ueden coexistir dos o más fases. Entre los temas

Más detalles

Semestre Económico ISSN: 0120-6346 semestreeconomico@udem.edu.co Universidad de Medellín Colombia

Semestre Económico ISSN: 0120-6346 semestreeconomico@udem.edu.co Universidad de Medellín Colombia Semestre Económico ISSN: 00-6346 semestreeconomico@udem.edu.co Universidad de Medellín Colombia Cárcamo C., Ulises LOS FUNDAMENTOS MATEMÁTICOS DE LA TEORÍA DE LAS FINANZAS (II): INCLUYENDO INCERTIDUMBRE

Más detalles

6. Métodos para resolver la ecuación completa.

6. Métodos para resolver la ecuación completa. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 0. 6. Métodos ara resolver la ecuación comleta. Dedicamos esta sección a ver dos métodos que nos ermiten hallar una solución articular de la ecuación comleta y +

Más detalles

Control de Fase. Capítulo 4. 4.1 Conceptos Teóricos

Control de Fase. Capítulo 4. 4.1 Conceptos Teóricos Caítulo 4 Control de Fase 4.1 Concetos Teóricos En este caítulo se resentará el método de control de fase ara convertidores AC/DC conmutados or línea, comúnmente conocidos como rectificadores controlados.

Más detalles

Tema nº 10. Acciones Básicas de Control. Vicente Gómez Garay Dpto. de Ingeniería de Sistemas y Automática

Tema nº 10. Acciones Básicas de Control. Vicente Gómez Garay Dpto. de Ingeniería de Sistemas y Automática Tema nº 10 Acciones Básicas de Control Vicente Gómez Garay Dto. de Ingeniería de Sistemas y Automática Este tema forma arte de los auntes de teoría de la asignatura Automatización de Procesos Industriales,

Más detalles

Capítulo 3. Congruencias. 3.1. Clases residuales

Capítulo 3. Congruencias. 3.1. Clases residuales Caítulo 3 Congruencias 3.1. Clases residuales En su obra Disquisitiones Arithmeticae, ublicada en el año 1801, Gauss introdujo el conceto de congruencia. Suongamos que a, b y m > 0 son números enteros.

Más detalles

Tema 3. Variables aleatorias. Inferencia estadística

Tema 3. Variables aleatorias. Inferencia estadística Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable

Más detalles

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son

Más detalles

Tema 6 Algunos modelos de distribuciones discretas.

Tema 6 Algunos modelos de distribuciones discretas. Tema 6 Algunos modelos de distribuciones discretas. Una vez epuesta la teoría general sobre variables aleatorias y sus distribuciones de probabilidad, vamos a describir algunas distribuciones particulares

Más detalles

sección página desplazamiento

sección página desplazamiento 1 1.- PROBLEMA (30%) Un sistema de gestion de memoria soorta esacios de direcciones logicas de 32 bits y un modelo de memoria aginado con tama~nos de agina de 4K bytes. Con estos datos, la tabla de aginas

Más detalles

El Cáncer al Pulmón en el Ecuador

El Cáncer al Pulmón en el Ecuador "Detección y análisis estadístico de los rinciales factores que inciden en el cáncer al ulmón" Por: Juan Javier Laínez Bolaños. Coautor: Mat. John Ramírez. Ingeniero en Estadística Informática. Director

Más detalles

Cálculo del poder estadístico de un estudio

Cálculo del poder estadístico de un estudio Investigación: Cálculo del oder estadístico de un estudio /7 Cálculo del oder estadístico de un estudio Pértegas Día, S. sertega@canalejo.org, Pita Fernánde, S. sita@canalejo.org Unidad de Eidemiología

Más detalles

PUESTA A TIERRA Y CONDUCTORES DE PROTECCIÓN

PUESTA A TIERRA Y CONDUCTORES DE PROTECCIÓN PUESTA A TIERRA Y CONDUCTORES DE PROTECCIÓN 1. DEFINICIONES Puesta a tierra: Conjunto constituido or una o más tomas de tierra interconectadas y sus conductores de tierra corresondientes, conectados al

Más detalles

T-22: COMPORTAMIENTO IDEAL DE SISTEMAS GASEOSOS

T-22: COMPORTAMIENTO IDEAL DE SISTEMAS GASEOSOS T-22: COMPORTAMIENTO IDEAL DE SISTEMAS GASEOSOS 1. Estados de equilibrio de un sistema. ariables de estado. Transformaciones 1 2. Ecuación de estado ara comortamiento ideal de un gas 2 3. olumen molar

Más detalles

ESTUDIO DE LA MÁQUINA DE C.C.

ESTUDIO DE LA MÁQUINA DE C.C. ESCUELA SUPERIOR DE INGENIEROS DE SAN SEBASTIÁN TECNUN UNIVERSIDAD DE NAVARRA Práctica nº 3: Sistemas Eléctricos ESTUDIO DE LA MÁQUINA DE C.C. Sistemas Eléctricos 2009-2010. La Máquina de Corriente Continua

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Apuntes de Microeconomía II

Apuntes de Microeconomía II . Facultad de Economía Auntes de Microeconomía II.......... Teoría del Consumidor, Teoría del Productor, Teoría de Juegos y Cometencia Imerfecta Por: Juan Carlos Mendieta Lóez jmendiet@uniandes.edu.co

Más detalles

Atractores en dominios tipo dumbbell

Atractores en dominios tipo dumbbell XX Congreso de Ecuaciones Diferenciales y Alicaciones X Congreso de Matemática Alicada Sevilla, 24-28 setiembre 27 (. 1 8) Atractores en dominios tio dumbbell José M. Arrieta 1, Alexandre N. Carvalho 2,

Más detalles

Algunas distribuciones importantes de probabilidad

Algunas distribuciones importantes de probabilidad Capítulo 5 Algunas distribuciones importantes de probabilidad En los temas anteriores se presentaban ejemplos de distintos experimentos aleatorios y de variables aleatorias que expresan sus resultados.

Más detalles

Maximización n de la Utilidad

Maximización n de la Utilidad aimización n de la Utilidad icroeconomía Eco. Douglas Ramírez Los elementos básicos Hemos descrito hasta el momento los elementos básicos del roblema de decisión del consumidor Su conjunto de elección

Más detalles

Introducción a los. Árboles de Decisión

Introducción a los. Árboles de Decisión ntroducción a los Árboles de Decisión ntroducción: Un árbol de decisión es una forma gráfica y analítica de reresentar todos los eventos (sucesos) que ueden surgir a artir de una decisión asumida en cierto

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

MECANICA DE FLUIDOS I. Departamento de Metalurgia Universidad de Atacama

MECANICA DE FLUIDOS I. Departamento de Metalurgia Universidad de Atacama MECANICA DE FLUIDOS I Juan Chamorro González Deartamento de Metalurgia Universidad de Atacama PRESIÓN Y MANOMETRÍA La Presión El término resión se usa ara indicar la fuerza normal or unidad de área en

Más detalles

Ejercicios Riesgo y Retorno Resueltos

Ejercicios Riesgo y Retorno Resueltos Ejercicios Riesgo y Retorno Resueltos Comentes:. ara lograr el efecto diversificación en un ortafolio debemos necesariamente invertir en activos que no se correlacionen o que tienen correlación negativa.

Más detalles

SERIES DE FOURIER, NOCIONES BÁSICAS

SERIES DE FOURIER, NOCIONES BÁSICAS SERIES DE FOURIER, NOCIONES BÁSICAS E. SÁEZ Recordemos que una función f, definida en el intervalo cerrado y centrado [,], > es seccionalmente continua si y sólo si tiene las dos roiedades siguientes:

Más detalles

VENTAJAS DE USAR SUBREDES EN UNA RED AD-HOC CON NODOS MOVILES

VENTAJAS DE USAR SUBREDES EN UNA RED AD-HOC CON NODOS MOVILES VETAJAS DE USAR SUBREDES E UA RED AD-HC C DS MVIES Johann óez, José M. Barceló, Jorge García-Vidal Deartamento de Arquitectura de Comutadores, Universidad Politécnica de Cataluña (UPC) C/Jordi Girona 1-3,

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente

Más detalles

Práctica 1: Transformada de Fourier virtual a distancia finita

Práctica 1: Transformada de Fourier virtual a distancia finita Práctica 1: Transformada de Fourier virtual a distancia finita 1.1 Objetivo El objetivo de esta ráctica es la observación y estudio de la transformada de Fourier de diversas redes de difracción y, en articular,

Más detalles

David F. Muñoz Negrón 1 y Diego F. Muñoz Medina 2

David F. Muñoz Negrón 1 y Diego F. Muñoz Medina 2 Vol. 14 Nº 27 Muñoz Negrón y Muñoz Medina: Pronósticos bayesianos ara reuestos de automóviles 7 PRONÓSTICOS BAYESIANOS PARA REPuestoS DE AUTOMÓVILES USANDO SIMULACIÓN ESTOCÁSTICA BAYESIAN FORECASTINGS

Más detalles

UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERIA ELECTRÓNICA LABORATORIO DE CIRCUITOS II PRÁCTICA N 6 " FILTROS ACTIVOS "

UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERIA ELECTRÓNICA LABORATORIO DE CIRCUITOS II PRÁCTICA N 6  FILTROS ACTIVOS UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERIA ELECTRÓNICA LABORATORIO DE CIRCUITOS II PRÁCTICA N 6 " FILTROS ACTIVOS " OBJETIVOS - Conocer algunas toologías ara el diseño de

Más detalles

MUERTE SÚBITA EN LA CANCHA

MUERTE SÚBITA EN LA CANCHA C A Í T U L O atrones de herencia Flo Hyman, ganadora de la medalla de lata en los Juegos Olímicos, murió en la cúside de su carrera a causa del síndrome de Marfan. DE UN VISTAZO ESTUDIO DE CASO: Muerte

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal. Índice. 1. Variables aleatorias 2

Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal. Índice. 1. Variables aleatorias 2 Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal Índice 1. Variables aleatorias 2 2. Distribución de probabilidad para variables aleatorias discretas

Más detalles

Modelos de distribuciones discretas

Modelos de distribuciones discretas Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo,

Más detalles

CORRELACIONES EN FINANZAS

CORRELACIONES EN FINANZAS CORRELACIONES EN FINANZAS Juan Carlos García Césedes E-mail jcgarcia@gruobbva.com SEMINARIO E MATEMATICAS FINANCIERAS Instituto MEFF - UAM Enero.00 OBJETIVOS! iscutir el conceto de correlación! Exoner

Más detalles

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS

TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS 1.1 Variables aleatorias Considera el experimento aleatorio consistente en lanzar dos monedas. El espacio muestral de

Más detalles

Polinomios cuadráticos en F p

Polinomios cuadráticos en F p Polinomios cuadráticos en F Mario Pineda Ruelas Deartamento de Matemáticas, Universidad Autónoma Metroolitana-Iztaalaa correo electrónico: mr@xanum.uam.mx Gabriel D. Villa Salvador Deartamento de Control

Más detalles

5.2. Selección Adversa

5.2. Selección Adversa 5.2. Selección Adversa Matilde P. Machado matilde.machado@uc3m.es 5.2. Selección Adversa Asimetría de información se da siemre que una de las artes en una transacción tiene más información que otra. Ejemlos:

Más detalles

Adsorción en Sólidos Mesoporosos.

Adsorción en Sólidos Mesoporosos. Adsorción en Sólidos Mesoorosos. 19 3 Adsorción en Sólidos Mesoorosos. 3.1 Introducción El término adsorción arece haber sido introducido or Kaiser 1 en 1881 ara connotar la condensación de gases sobre

Más detalles

APLICACIONES DE LAS DERIVADAS

APLICACIONES DE LAS DERIVADAS APLICACIONES DE LAS DERIVADAS Alicaciones de las derivadas Autores: Paco Martínez (jmartinezbos@uoc.edu), Patrici Molinàs (molinas@uoc.edu). ESQUEMA DE CONTENIDOS Concetos Ejemlos Alicaciones de las Derivadas

Más detalles

Prof. Daniel Villar Escuela Técnica del Buceo 2009

Prof. Daniel Villar Escuela Técnica del Buceo 2009 Matemática: Teórico 009 Seguramente el lector ya conoce estructuras numéricas, naturales, enteros, racionales. Sus diferencias y carencias. Qué hizo necesario la creación de una estructura aún más amlia

Más detalles

ESTADÍSTICA. Tablas de Distribuciones de Probabilidad. En este documento aparecen tabuladas las siguientes distribuciones de probabilidad 1 :

ESTADÍSTICA. Tablas de Distribuciones de Probabilidad. En este documento aparecen tabuladas las siguientes distribuciones de probabilidad 1 : ESTADÍSTICA, CURSO 2008 2009 1 ESTADÍSTICA Tablas de Distribuciones de Probabilidad En este documento aarecen tabuladas las siguientes distribuciones de robabilidad 1 : Tabla I: robabilidades binomiales

Más detalles

BLOQUE 2.1 CAMPO ELÉCTRICO

BLOQUE 2.1 CAMPO ELÉCTRICO BLOQUE 2.1 CAMPO ELÉCTRICO La electricidad, en una forma u otra, se encuentra en casi todo lo que nos rodea: se encuentra en los relámagos que se roducen durante las tormentas, en la chisa que salta bajo

Más detalles

Póliza de Cumplimiento de Contratos Estatales a favor de la Agencia Nacional de Infraestructura - ANI.

Póliza de Cumplimiento de Contratos Estatales a favor de la Agencia Nacional de Infraestructura - ANI. óliza de Cumplimiento de Contratos Estatales a favor de la Agencia Nacional de Infraestructura - ANI. (Decreto 1510 de 2013) Apreciado Asegurado: ara su conocimiento, agradecemos leer en forma detenida

Más detalles

TEMA 7 TEMA 7. SERIES TEMPORALES. Carmen Arriero Villacorta 1. DEFINICIÓN. Serie temporal de aeronaves Aeropuerto de Ibiza

TEMA 7 TEMA 7. SERIES TEMPORALES. Carmen Arriero Villacorta 1. DEFINICIÓN. Serie temporal de aeronaves Aeropuerto de Ibiza TEMA 7 SERIES TEMPORALES Carmen Arriero Villacorta CURSO 212 213 1 Nº Aeronaves 1. DEFINICIÓN Una serie temoral es una serie estadística cuyos valores deenden del tiemo. D(t, Y t ) Y 1, Y 2,,, Y t,, Y

Más detalles

Preferencias. Teoría del consumidor. Preferencias. Preferencias. Tema 6

Preferencias. Teoría del consumidor. Preferencias. Preferencias. Tema 6 Preferencias Tema 6 Teoría del consumidor La Teoría del Consumidor arte del suuesto de que los individuos tienen referencias (gustos) sobre los bienes Problema: las referencias no son observables. No obstante,

Más detalles

M(1), Construcción de una 2-forma diferencial para las órbitas

M(1), Construcción de una 2-forma diferencial para las órbitas Construcción de una 2-forma diferencial ara las órbitas Pensamiento Actual. Universidad de Costa Rica. Volumen 11 - No. 16-17, 2011 ISSN 2215-3586 65-80 Construcción coadjuntas de de una los2-forma gruos

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

INTRODUCCIÓN A LA PROBABILIDAD.

INTRODUCCIÓN A LA PROBABILIDAD. INTRODUCCIÓN A LA ROBABILIDAD. Departamento de Matemáticas Se denomina experimento aleatorio a aquel en que jamás se puede predecir el resultado. El conjunto formado por todos los resultados posibles de

Más detalles

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Problema 1 PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Hoja 2 Una población de 20 animales insectívoros se introduce en una zona donde el 14% de los insectos que le sirven de alimento son venenosos. Cada

Más detalles

Control de procesos por atributos

Control de procesos por atributos Capítulo 5 Control de procesos por atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U Apéndice: Curva Característica de Operaciones 1 Apuntes realzados por el Profesor Ismael

Más detalles

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS A) INTRODUCCIÓN Una distribución de probabilidad es una representación de todos los resultados posibles de algún experimento y de la probabilidad relacionada

Más detalles

CAPÍTULO. Optimización

CAPÍTULO. Optimización 1 CAPÍTULO 10 Otimización 10.1 Problemas de otimización 1 Un roblema de otimización consiste en minimizar o maimizar el valor de una variable. En otras alabras se trata de calcular o determinar el valor

Más detalles

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

Generación de valores de las variables aleatorias

Generación de valores de las variables aleatorias Generación de valores de las variables aleatorias Juan F. Olivares-Pacheco * 14 de junio de 007 Resumen En todo modelo de simulación estocástico, existen una o varias variables aleatorias interactuando.

Más detalles

UNIVERSIDAD DE MATANZAS

UNIVERSIDAD DE MATANZAS ASPECOS FUNDAMENALES DE LAS LEYES DE LA ERMODINAMICA. UNIERSIDAD DE MAANZAS CAMILO CIENFUEGOS DPO QUÍMICA E INGENIERÍA MECÁNICA ASPECOS FUNDAMENALES REFERENES A LOS PRINCIPIOS DE LA ERMODINÁMICA. Dr. Andres

Más detalles

REACTOR. Norberto A. Lemozy

REACTOR. Norberto A. Lemozy INTRODUCCIÓN REACTOR Norberto A. Lemozy Los reactores o inductores son bobinas en aire o con núcleo ferromagnético que oseen diversas alicaciones en los sistemas eléctricos. Por ejemlo en media y alta

Más detalles

Números aleatorios. Contenidos

Números aleatorios. Contenidos Números aleatorios. Contenidos 1. Descripción estadística de datos. 2. Generación de números aleatorios Números aleatorios con distribución uniforme. Números aleatorios con otras distribuciones. Método

Más detalles

Inferencia Estadística

Inferencia Estadística EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre

Más detalles

Curso. Análisis Estadístico de Datos Climáticos

Curso. Análisis Estadístico de Datos Climáticos Curso I-1 Análisis Estadístico de Datos Climáticos Distribuciones de Probabilidad Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Montevideo, Uruguay 2011 I-2 DISTRIBUCIONES DE PROBABILIDAD

Más detalles

2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria

2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria 2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un

Más detalles

Problemas. Variables Aleatorias. Modelos de Probabilidad

Problemas. Variables Aleatorias. Modelos de Probabilidad Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad

Más detalles

Esquema del bloque (1) Análisis de la Supervivencia. 1. Introducción. Esquema del bloque (2) Utilidad específica en el ámbito

Esquema del bloque (1) Análisis de la Supervivencia. 1. Introducción. Esquema del bloque (2) Utilidad específica en el ámbito Esquema del bloque (1) Juan rancisco Casanova UNIERSIDD UTÓNOM DE MDRID 1. Introducción. Curvas de Suervivencia 3. Métodos No Paramétricos 1. Método de Kalan Meier. Método ctuarial 3. Estimación J.. Casanova

Más detalles

Calor y Termodinámica

Calor y Termodinámica Calor y Termodinámica E S U E M A D E L A U N I D A D.. Historia y evolución del conceto ágina 4.. El equivalente entre trabajo mecánico y calor ágina 5.. Precisiones sobre calor y trabajo mecánico ágina

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Estudio comparativo de índices de capacidad de proceso con variables distribuidas no normales

Estudio comparativo de índices de capacidad de proceso con variables distribuidas no normales Revista de la Facultad de Ingeniería Industrial 13(1): 56-65 (2010) UNMSM ISSN: 1560-9146 (Imreso) / ISSN: 1810-9993 (Electrónico) Estudio comarativo de índices de caacidad de roceso con variables distribuidas

Más detalles

Distribuciones unidimensionales discretas

Distribuciones unidimensionales discretas Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Distribución de Bernouilli de parámetro p 2 3 4 5 6 7 Distribución de Bernouilli de parámetro p Experimento de Bernouilli Es un experimento

Más detalles

Luis A. Clementi 1. E-mail: laclementi@santafe-conicet.gov.ar

Luis A. Clementi 1. E-mail: laclementi@santafe-conicet.gov.ar do Encuentro de Jóvenes Investigadores en Ciencia y Tecnología de Materiales Posadas Misiones, 6-7 Octubre 008. ESTIMACIÓN E ISTRIBUCIONES E TAMAÑOS E PARTÍCULA POR TÉCNICAS E ISPERSIÓN E LUZ. UTILIZACIÓN

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

SIMULACIÓN DE MONTE CARLO EN INGENIERÍA GEOTÉCNICA, Y SU APLICACIÓN EN EL ANÁLISIS DE RIESGOS

SIMULACIÓN DE MONTE CARLO EN INGENIERÍA GEOTÉCNICA, Y SU APLICACIÓN EN EL ANÁLISIS DE RIESGOS SIMULCIÓ DE MOTE CRLO E IGEIERÍ GEOTÉCIC, Y SU PLICCIÓ E EL ÁLISIS DE RIESGOS Fernando Gome Ledema 1, Gabriel Rodrigue Roca 2, Fernando rturo Ledema Peria 1 Deartamento de Ingeniería Civil, Facultad de

Más detalles

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I 1. Supongamos que Ω = A B y P (A B) = 0.2. Hallar: (a) El máximo valor posible para P (B), de tal manera

Más detalles

Diagramas de equilibrio en cuerpos puros

Diagramas de equilibrio en cuerpos puros Líqui do Vaor Diagramas de equilibrio en cueros uros Presión Gas Volumen Temeratura Física II Licenciatura en Física 2002 Autores: María de los Angeles Bertinetti Andrea Fourty Adriana Foussats Introducción

Más detalles

Resolución de problemas aritméticos

Resolución de problemas aritméticos Resolución de roblemas aritméticos. Problemas de rearto Rearte mentalmente 0 bombones, de forma directamente roorcional a y P I E N S Y C L C U L 0 : = 0 En el rimer bote: 0 = 0 bombones. En el segundo

Más detalles

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial.

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial. UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO Facultad de Contaduría y Ciencias Administrativas Academia de Matemáticas Apuntes para la Materia de Estadística II Guía Básica para el Estudio de la Estadística

Más detalles

ESTRATEGIAS PEDAGÓGICAS PARA FAVORECER

ESTRATEGIAS PEDAGÓGICAS PARA FAVORECER ESTRATEGIAS PEDAGÓGICAS PARA FAVORECER El DESARROLLO DEL LENGUAJE ORAL A NIVEL FONOLÓGICO DE LOS NIÑOS DE CINCO A SEIS AÑOS DEL NIVEL PREESCOLAR DEL INSTITUTO MANIZALES LINA CLEMENCIA ARANGO VALENCIA UNIVERSIDAD

Más detalles

T.1 CONVERGENCIA Y TEOREMAS LÍMITE

T.1 CONVERGENCIA Y TEOREMAS LÍMITE T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)

Más detalles

MAESTRÍA EN ECONOMÍA INTERNACIONAL. Tesis

MAESTRÍA EN ECONOMÍA INTERNACIONAL. Tesis MAESTRÍA E ECOOMÍA ITERACIOAL Tesis Distribución de érdidas de la cartera de créditos: El método unifactorial de Basilea II vs. estimaciones no aramétricas Analía Rodríguez Duuy 007 Distribución de érdidas

Más detalles

Búsqueda de Sitios Web con Autoridad en un Tema

Búsqueda de Sitios Web con Autoridad en un Tema Búsqueda de Sitios Web con Autoridad en un Tema Fernando R.A. Bordignon, Pablo J. Lavallén y Gabriel H. Tolosa {bordi, lavallen, tolosoft}@unlu.edu.ar Universidad Nacional de Luján Laboratorio de Redes

Más detalles

Termodinámica. L = F. Δx. Como se ve en la figura, la presión del gas provoca sobre la superficie del pistón una fuerza que lo hace desplazarse.

Termodinámica. L = F. Δx. Como se ve en la figura, la presión del gas provoca sobre la superficie del pistón una fuerza que lo hace desplazarse. Termodinámica Hemos visto cómo la energía mecánica se uede transformar en calor a través, or ejemlo, del trabajo de la fuerza de rozamiento ero, será osible el roceso inverso? La resuesta es si, y esto

Más detalles

12 Las distribuciones binomial y normal

12 Las distribuciones binomial y normal Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

Más detalles

Uto-Fni Ingeniería Mecánica. Apuntes de Clase MEC 2250. Termodinámica de los compresores. Docente: Emilio Rivera Chávez

Uto-Fni Ingeniería Mecánica. Apuntes de Clase MEC 2250. Termodinámica de los compresores. Docente: Emilio Rivera Chávez Uto-Fni Ingeniería Mecánica Auntes de Clase MEC 50 ERMODINAMICA ECNICA II ermodinámica de los comresores Docente: Oruro, julio de 009 Auntes de Clase ermodinámica de los comresores de gas MEC50 0. Procesos

Más detalles

SIMULACIÓN DE LA INCERTIDUMBRE DE MEDICIÓN EN LA CALIBRACIÓN DE MEDIDORES DE IRRADIANCIA UV MEDIANTE EL MÉTODO MONTE CARLO

SIMULACIÓN DE LA INCERTIDUMBRE DE MEDICIÓN EN LA CALIBRACIÓN DE MEDIDORES DE IRRADIANCIA UV MEDIANTE EL MÉTODO MONTE CARLO Simosio de Metrología 010 7 al 9 de Octubre SIMULACIÓN DE LA INCETIDUMBE DE MEDICIÓN EN LA CALIBACIÓN DE MEDIDOES DE IADIANCIA UV MEDIANTE EL MÉTODO MONTE CALO N. Vidal-Medina, E. osas, C. H. Matamoros-García.

Más detalles

Unidad 4: Variables aleatorias

Unidad 4: Variables aleatorias Unidad 4: Variables aleatorias Logro de la unidad 4 Al finalizar la unidad 4, el alumno aplica el concepto de variable aleatoria, valor esperado y probabilidad para la toma de decisiones en un trabajo

Más detalles